Opis projektu
Lepsze algorytmy zapewnią bezpieczeństwo i niezawodność zarządzania ruchem lotniczym
Sztuczna inteligencja (SI) znajduje zastosowanie w wielu dziedzinach, jednak jedną z najważniejszych są zadania związane z podejmowaniem decyzji w zarządzaniu transportem lotniczym. Dotychczas jednak ich niezawodność była kwestionowana ze względu na to, że podejmowane decyzje nie są zawsze jasne bądź zrozumiałe dla ludzi. Zespół finansowanego ze środków Unii Europejskiej projektu ARTIMATION zamierza wprowadzić na rynek innowacyjne metody SI wykorzystywane w celu przewidywania ruchu lotniczego i optymalizacji jego przepływów oparte na technologii wyjaśnialnej sztucznej inteligencji. Celem projektu ARTIMATION jest zapewnienie bezpiecznego i niezawodnego wsparcia decyzji poprzez skupienie się na przejrzystych modelach SI, które obejmują wizualizację, wyjaśnienia i generalizacje, a także oferują możliwość dostosowywania się w czasie.
Cel
Recently, Artificial intelligence (AI) algorithms have shown increasable interest in various application domains including in Air Transportation Management (ATM). Different AI in particular Machine Learning (ML) algorithms are used to provide decision support in autonomous decision-making tasks in the ATM domain e.g. predicting air transportation traffic and optimizing traffic flows. However, most of the time these automated systems are not accepted or trusted by the intended users as the decisions provided by AI are often opaque, non-intuitive and not understandable by human operators. Safety is the major pillar to air traffic management, and no black box process can be inserted in a decision-making process when human life is involved. In order to address this challenge related to transparency of the automated system in the ATM domain, ARTIMATION focuses on investigating AI methods in predicting air transportation traffic and optimizing traffic flows based on the domain of Explainable Artificial Intelligence (XAI). Here, AI models’ explainability in terms of understanding a decision i.e. post hoc interpretability and understanding how the model works i.e. transparency can be provided in the air traffic management. In predicting air transportation traffic and optimizing traffic flows systems, ARTIMATION will provide a proof-of-concept of transparent AI models that includes visualization, explanation, generalization with adaptability over time to ensure safe and reliable decision support.
Dziedzina nauki
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringcontrol systems
- social sciencessociologyindustrial relationsautomation
- social sciencessocial geographytransporttransport planningair traffic management
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
System finansowania
RIA - Research and Innovation actionKoordynator
722 20 VASTERAAS
Szwecja