楊彬 江平

從對(duì)外表現(xiàn)來(lái)看，ChatGPT是一個(gè)可以依據(jù)對(duì)話場(chǎng)景來(lái)理解人類語(yǔ)言的聊天機(jī)器人，但其本質(zhì)上是基于自然語(yǔ)言處理（NLP）技術(shù)所創(chuàng)建的生成式大規(guī)模語(yǔ)言模型（LLM）。該模型以自監(jiān)督學(xué)習(xí)為基礎(chǔ)，可以從萬(wàn)億字節(jié)訓(xùn)練數(shù)據(jù)中學(xué)習(xí)語(yǔ)言規(guī)律，從而實(shí)現(xiàn)和人類類似的認(rèn)知行為。

與之前發(fā)布的類似產(chǎn)品相比，ChatGPT對(duì)信息提取和編譯的準(zhǔn)確性有了根本性的提升，它改善了傳統(tǒng)語(yǔ)言訓(xùn)練模型在復(fù)雜場(chǎng)景下知識(shí)索引和演繹推理方面的缺陷，回答響應(yīng)迅速，文本生成基本準(zhǔn)確，被《紐約時(shí)報(bào)》譽(yù)為“有史以來(lái)向公眾發(fā)布的最佳人工智能聊天機(jī)器人”。

提升出行體驗(yàn)

提升人們的出行體驗(yàn)，是ChatGPT帶給航空產(chǎn)業(yè)最直觀的改變。從出行前的準(zhǔn)備開始，包括選擇航空公司、機(jī)型、時(shí)刻、座位，票價(jià)咨詢，當(dāng)?shù)鼐W(wǎng)約車服務(wù)和酒店房間預(yù)訂等工作，旅客都可以在ChatGPT中獲得建議和答案。大規(guī)模語(yǔ)言模型可以提供給旅客最新的酒店折扣信息，幫助其根據(jù)個(gè)人不同傾向選擇直飛或轉(zhuǎn)機(jī)方案，同步將旅客出行的個(gè)性化信息反饋給航空公司、酒店、旅行社和網(wǎng)約車公司等機(jī)構(gòu)，幫助后者推出定制化服務(wù)方案。

同時(shí)，基于大量數(shù)據(jù)預(yù)訓(xùn)練的NLP技術(shù)能夠極大地改善當(dāng)前智能語(yǔ)音服務(wù)的質(zhì)量，幫助客服主管翻譯和識(shí)別聊天中的關(guān)鍵參數(shù)，使客服人員及時(shí)響應(yīng)客戶的不滿。智能語(yǔ)音系統(tǒng)可以24小時(shí)待命，最大限度減少對(duì)人力資源的需求。此外，當(dāng)航班延誤或行李丟失等事件發(fā)生時(shí)，ChatGPT可以代表航空公司提供自動(dòng)化的服務(wù)響應(yīng)，幫助乘客改簽和跟蹤行李，以及及時(shí)提供旅客所需的其他問詢服務(wù)。

改善航司運(yùn)營(yíng)

相比航空制造領(lǐng)域，ChatGPT的出現(xiàn)率先給旅客出行和航空公司的運(yùn)行方式帶來(lái)了新的變化。2023年3月，在CAPA印度航空峰會(huì)上，塔塔集團(tuán)旗下的印度航空公司宣布其正在測(cè)試ChatGPT-4版本用以增強(qiáng)服務(wù)中的客戶體驗(yàn)，幫助旅客通過語(yǔ)音技術(shù)實(shí)現(xiàn)航班查詢、機(jī)票預(yù)訂和簡(jiǎn)易登機(jī)辦理等事項(xiàng)，并盡量取代原有紙版工作程序。印度航空希望此舉可以幫助公司在降低客服資源需求的同時(shí)減少旅客響應(yīng)時(shí)間，提供更為精準(zhǔn)的信息服務(wù)。印度航空公司不是唯一一家嘗試使用人工智能技術(shù)改善經(jīng)營(yíng)效果的航空公司，波羅的海航空（Air Baltic）和芬蘭航空（Finnair）公司也緊隨其后。 對(duì)于擁有成百上千架飛機(jī)的航空公司來(lái)說，飛行機(jī)組排班是一項(xiàng)復(fù)雜的工作。它需要考慮航班計(jì)劃、起降機(jī)場(chǎng)、機(jī)組人員資質(zhì)、執(zhí)勤時(shí)間要求、培訓(xùn)計(jì)劃、假期安排、公司運(yùn)行手冊(cè)以及機(jī)組人員最大負(fù)荷相關(guān)的適航要求等一系列因素，同時(shí)還會(huì)受到飛機(jī)定檢維護(hù)、天氣狀況的影響，以及隨時(shí)需要應(yīng)對(duì)突發(fā)事件，并及時(shí)做出最終安排?；诤娇展緝?nèi)部機(jī)型、人員、維修和培訓(xùn)方面的數(shù)據(jù)統(tǒng)計(jì)，大規(guī)模語(yǔ)言模型可以生成初步的機(jī)組排班計(jì)劃，這部分工作可以和航空公司運(yùn)行控制中心集成在一起。更為便捷的是， ChatGPT類計(jì)算模型可以根據(jù)突發(fā)情況實(shí)時(shí)調(diào)整原有機(jī)組飛行安排，相比基于流程的類似運(yùn)行規(guī)劃軟件而言，ChatGPT可以使航空公司經(jīng)營(yíng)、民航法規(guī)約束和人力資源效率之間達(dá)到較為理想的平衡。

ChatGPT不僅可以為旅客提供航班信息、行李位置等出行數(shù)據(jù)，為航空公司提供客流、機(jī)場(chǎng)負(fù)荷、天氣等監(jiān)控信息，還可以在航空公司廣告宣傳和媒體投放領(lǐng)域一展身手。目前，Air Baltic航空公司已經(jīng)將該程序用于新聞稿件、營(yíng)銷通信等宣傳材料的撰寫，而此前，這些工作通常需要第三方外協(xié)來(lái)完成。NLP預(yù)訓(xùn)練模型可以根據(jù)客戶數(shù)據(jù)和瀏覽行為生成個(gè)性化的營(yíng)銷材料，包括電子郵件、社交展示和網(wǎng)站宣傳等內(nèi)容，并通過瞄準(zhǔn)目標(biāo)受眾，以最佳的廣告投放時(shí)段和位置提高營(yíng)銷宣傳工作的客單轉(zhuǎn)化率。

參與飛行訓(xùn)練

大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型的一個(gè)特有優(yōu)勢(shì)便是虛擬現(xiàn)實(shí)場(chǎng)景內(nèi)容生成，這一特點(diǎn)也賦予了ChatGPT在航空培訓(xùn)領(lǐng)域的巨大應(yīng)用潛力。利用該程序，飛行員、維護(hù)人員可以在交互式人工智能場(chǎng)景中進(jìn)行操作訓(xùn)練，先前的模擬機(jī)、零部件車間等培訓(xùn)設(shè)施已被虛擬化場(chǎng)景代替，從某種角度來(lái)看，NLP模型更像是一個(gè)先進(jìn)的虛擬現(xiàn)實(shí)（VR）與增強(qiáng)現(xiàn)實(shí)（AR）算法的混合體。根據(jù)培訓(xùn)需要，ChatGPT可以創(chuàng)建個(gè)性化的培訓(xùn)項(xiàng)目，無(wú)論是例行復(fù)訓(xùn)還是緊急復(fù)飛，都可以被得到模擬。學(xué)員不僅可以切身感受真實(shí)環(huán)境中的操作體驗(yàn)，更可以在同場(chǎng)景互動(dòng)中接受到模擬程序的反饋。

在飛行培訓(xùn)中，學(xué)員可以直接向ChatGPT提出問題，后者基于飛機(jī)性能數(shù)據(jù)、航線歷史天氣信息、飛行機(jī)組手冊(cè)、公司運(yùn)行手冊(cè)、民航法規(guī)等內(nèi)容生成回答建議，幫助學(xué)員做出下一步操作選擇。同時(shí)，根據(jù)培訓(xùn)人員的視頻操作記錄，預(yù)訓(xùn)練模型可以對(duì)其整個(gè)培訓(xùn)過程進(jìn)行評(píng)價(jià)，針對(duì)性指出學(xué)員需要改進(jìn)的特定操作，以提高培訓(xùn)成效?，F(xiàn)階段，世界各國(guó)對(duì)于人工智能程序參與航空培訓(xùn)的法規(guī)要求尚不完善，沒有咨詢通告、技術(shù)標(biāo)準(zhǔn)等文件對(duì)ChatGPT類最新科技產(chǎn)品在航空培訓(xùn)管理中的效果予以量化規(guī)定，這也是未來(lái)一段時(shí)間民航監(jiān)管局方需要著重解決的問題。

輔助飛行駕駛

近年來(lái)，盡管世界航空安全已達(dá)到較高水平，越來(lái)越多的公眾信任航空出行，但監(jiān)管當(dāng)局和航空公司始終將飛行安全放在首位。當(dāng)飛機(jī)在運(yùn)行過程中出現(xiàn)異常時(shí)，飛行員需要在綜合考慮氣象條件、故障提示、空中交通密度、當(dāng)前飛行狀態(tài)等因素下緊急做出響應(yīng)，此時(shí)機(jī)組人員的負(fù)荷將會(huì)短時(shí)間內(nèi)陡升。因此，利用人工智能技術(shù)幫助飛行人員及時(shí)做出正確判斷，降低突發(fā)事件情況下的操作壓力對(duì)于保障持續(xù)飛行安全有著重要意義。2020年，在歐盟“潔凈天空”項(xiàng)目第二期規(guī)劃的資助下，一個(gè)由法國(guó)泰雷茲公司主導(dǎo)，挪威SINTEF研究所、Sensibel公司和比利時(shí)Acapela公司等機(jī)構(gòu)共同參與的名為“語(yǔ)音機(jī)組交互”（VOICI）的子項(xiàng)目得到了業(yè)界關(guān)注。該項(xiàng)目旨在實(shí)現(xiàn)機(jī)艙噪聲環(huán)境下駕駛艙語(yǔ)音的高清晰度捕捉、識(shí)別和人機(jī)對(duì)話功能，以提高機(jī)組人員在高負(fù)荷工作下的操作效率，進(jìn)一步保障飛行安全。

VOICI項(xiàng)目最主要的技術(shù)實(shí)現(xiàn)路徑是在深度神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和自然語(yǔ)言處理技術(shù)的基礎(chǔ)上，研究人員開發(fā)了一個(gè)逼真的音頻評(píng)估環(huán)境和嵌入式語(yǔ)音處理程序，以及以自動(dòng)語(yǔ)音合成為主要輸出的智能對(duì)話系統(tǒng)。語(yǔ)音捕獲通過飛行員耳機(jī)和低噪聲光學(xué)麥克風(fēng)陣列實(shí)現(xiàn)，研究人員同時(shí)在語(yǔ)言模型中集成了大量航空應(yīng)用術(shù)語(yǔ)，以提高人工智能語(yǔ)言理解與合成的準(zhǔn)確性。鑒于當(dāng)時(shí)的技術(shù)發(fā)展水平，VOICI項(xiàng)目最終僅達(dá)到TRL3級(jí)水平，即實(shí)現(xiàn)概念驗(yàn)證。如今，大規(guī)模語(yǔ)言模型的快速成熟和ChatGPT的出現(xiàn)，可以讓此類智能語(yǔ)音操作項(xiàng)目的成果得到本質(zhì)改善，直接提升到工程樣機(jī)研制階段。

泰雷茲公司還在Flyt X飛行管理系統(tǒng)項(xiàng)目中利用人工智能技術(shù)對(duì)未來(lái)飛機(jī)駕駛艙設(shè)計(jì)進(jìn)行深度嘗試。這個(gè)項(xiàng)目充分集成了觸控交互、語(yǔ)音識(shí)別和綜合模塊化航電等先進(jìn)設(shè)計(jì)元素，為公務(wù)機(jī)和直升機(jī)提供了新的駕駛體驗(yàn)。該項(xiàng)目可以為飛行員提供語(yǔ)音交互功能，并直觀解釋空中交通管制設(shè)備接收到的地面信號(hào)，輔助機(jī)組人員進(jìn)行特定操作。

當(dāng)Flyt X駕駛艙現(xiàn)有的智能語(yǔ)言處理程序升級(jí)到大規(guī)模語(yǔ)言預(yù)訓(xùn)練模型后，AI技術(shù)對(duì)飛機(jī)的信息綜合生成和輔助決策能力將得到顯著提升：通過關(guān)聯(lián)ChatGPT，飛行員可以使用簡(jiǎn)單的語(yǔ)音命令或文本輸入建立飛行計(jì)劃，查詢飛機(jī)狀態(tài)，并獲得天氣、航路、備降機(jī)場(chǎng)、空域限制等可能影響飛行決策的信息。ChatGPT可以幫助飛行員更容易理解上述信息，特別是可以明顯改善和空管員之間的溝通效率，并輔助機(jī)組人員做出及時(shí)、正確的決定。此外，ChatGPT還可以用于對(duì)飛行日志、維護(hù)報(bào)告等大量數(shù)據(jù)的定期分析，識(shí)別潛在安全隱患，向機(jī)組和地面管制人員發(fā)出預(yù)警。

泰雷茲公司計(jì)劃在2025年將Flyt X項(xiàng)目技術(shù)成果用于商業(yè)運(yùn)行，并對(duì)此保持同歐洲航空安全局（EASA）的溝通。然而，一旦基于大規(guī)模語(yǔ)言模型的人工智能生成技術(shù)真正應(yīng)用于飛機(jī)研制時(shí)，當(dāng)前AI程序算法的固有缺陷——不可解釋性極有可能拖慢飛機(jī)適航審定的節(jié)奏。

按照傳統(tǒng)機(jī)載航電設(shè)備研制過程保障要求（如 RTCA DO178、DO330標(biāo)準(zhǔn)等），現(xiàn)有大型語(yǔ)言模型（LLM）和自然語(yǔ)言處理（NLP）技術(shù)需要清晰展示算法程序中每一個(gè)需求在進(jìn)行數(shù)據(jù)化處理和判斷選擇時(shí)所依據(jù)的準(zhǔn)則，且軟件鑒定工具需要滿足特定的適航標(biāo)準(zhǔn)，而這些要求對(duì)于人工智能算法來(lái)講，現(xiàn)階段很難完全滿足。

促進(jìn)預(yù)測(cè)性維修轉(zhuǎn)變

在飛機(jī)維護(hù)、修理和大修（MRO）領(lǐng)域，ChatGPT的出現(xiàn)可以加速當(dāng)前維護(hù)理念向預(yù)測(cè)性維修的轉(zhuǎn)變，并在維修過程中對(duì)操作人員提供實(shí)時(shí)幫助。預(yù)測(cè)性維修工作的主要目標(biāo)是確定理想維修間隔，以便在零部件失效之前進(jìn)行針對(duì)性處理。這種方式既避免了事后檢查與零部件計(jì)劃外更換造成的非必要損失，又不需要像預(yù)防性維修一樣頻繁干預(yù)，從而節(jié)省了大量維修資源投放。預(yù)測(cè)性維修在有效降低機(jī)隊(duì)整體維修成本的同時(shí)提高了航空公司運(yùn)行效率，因此早已被業(yè)界視為航空維修工作的未來(lái)發(fā)展方向。

為了確定飛機(jī)的最佳維護(hù)時(shí)機(jī)，需要基于對(duì)飛機(jī)運(yùn)行的實(shí)時(shí)監(jiān)控記錄和歷史維修日志內(nèi)容的深入分析，在零部件失效之前對(duì)其故障進(jìn)行預(yù)測(cè)并采取行動(dòng)。維修日志包含了大量關(guān)于維護(hù)時(shí)間、故障類型、維修策略等方面的信息，這些信息的分類整理對(duì)于依靠人工智能算法實(shí)現(xiàn)預(yù)先判斷至關(guān)重要。目前，已有研究人員使用深度神經(jīng)網(wǎng)絡(luò)（DNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和預(yù)訓(xùn)練BERT等算法模型來(lái)嘗試對(duì)大量維修日志信息進(jìn)行分類處理。結(jié)果表明，預(yù)訓(xùn)練大規(guī)模語(yǔ)言模型是眾多算法中較為成功的一種，而ChatGPT正是基于該模型推出的典型應(yīng)用。理論上，該應(yīng)用可以對(duì)各種結(jié)構(gòu)化維修日志信息進(jìn)行有效分類，結(jié)合不同飛機(jī)機(jī)型手冊(cè)推薦的維修間隔與策略，在現(xiàn)階段人工智能決策算法基礎(chǔ)上生成預(yù)測(cè)性維修方案，并指導(dǎo)內(nèi)外場(chǎng)實(shí)施。

當(dāng)MRO技術(shù)人員在維修操作過程中需要查閱手冊(cè)或現(xiàn)場(chǎng)征求專家意見時(shí)，ChatGPT可以勝任上述兩種角色，為維修操作提供實(shí)時(shí)指導(dǎo)。基于先前維修記錄、故障報(bào)告和標(biāo)準(zhǔn)施工手冊(cè)等信息，ChatGPT可以總結(jié)并生成飛機(jī)、部附件等維修方案，對(duì)當(dāng)前疑難做出技術(shù)判斷，甚至對(duì)不同維修方案實(shí)施后的部件可靠性做出預(yù)測(cè)分析。大規(guī)模語(yǔ)言模型可以對(duì)來(lái)自不同維修技術(shù)專家的視頻信息進(jìn)行分解歸類，以語(yǔ)音和文本的形式在飛機(jī)維修過程中按需予以顯現(xiàn)；再加上智能信息檢索技術(shù)的幫助，ChatGPT完全可以成為維修工作小組的虛擬成員，實(shí)質(zhì)性參與到飛機(jī)維護(hù)與放行工作中。

人為因素事件預(yù)測(cè)

盡管世界航空運(yùn)輸已經(jīng)在高安全水平下持續(xù)運(yùn)行多年，但過去幾十年間航空事故分析結(jié)果表明，壓力、疲勞、溝通不暢等人為因素在事故中的占比呈逐年上升趨勢(shì)。對(duì)此，各國(guó)民航監(jiān)管當(dāng)局要求各航空公司采用安全管理系統(tǒng)（SMS）、維修資源管理（MRM）系統(tǒng)等手段，通過定期檢查、標(biāo)準(zhǔn)化審計(jì)等措施來(lái)識(shí)別安全違規(guī)風(fēng)險(xiǎn)。美國(guó)聯(lián)邦航空局（FAA）、歐洲航空安全局等機(jī)構(gòu)更是針對(duì)飛行機(jī)組和維修勤務(wù)人員頒布了多項(xiàng)旨在降低其工作疲勞的特別規(guī)定。

基于自然語(yǔ)言處理技術(shù)發(fā)展而來(lái)的ChatGPT的出現(xiàn)，為航空人為因素事件的預(yù)測(cè)提供了新的途徑。利用大規(guī)模預(yù)訓(xùn)練模型和航空安全報(bào)告中海量的描述數(shù)據(jù)，人們可以將文本片段轉(zhuǎn)化為數(shù)值矢量投影供計(jì)算機(jī)閱讀、破譯和理解，這一過程被稱為特征提取。在此基礎(chǔ)上，結(jié)合支持向量機(jī)（SVM）、自動(dòng)貝葉斯優(yōu)化算法等工具，可以構(gòu)建出“人為因素分析與分類系統(tǒng)”機(jī)器學(xué)習(xí)模型，從物理環(huán)境、智力（體力和情緒）局限、監(jiān)管缺失等不同角度對(duì)飛行操作和地面維護(hù)中人為因素所造成的不安全事件進(jìn)行分類，并對(duì)其發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。

谷歌推出的BERT模型被用來(lái)對(duì)人為因素事故趨勢(shì)進(jìn)行預(yù)測(cè)，一個(gè)主要原因在于它可以根據(jù)單詞出現(xiàn)的頻次聯(lián)系上下文對(duì)不同語(yǔ)境產(chǎn)生準(zhǔn)確理解，這可以解釋為該模型具備“自我意識(shí)”特征；此外，BERT模型還使用了遷移學(xué)習(xí)算法，該算法首先提供大量數(shù)據(jù)供模型針對(duì)特定任務(wù)進(jìn)行訓(xùn)練，隨后該模型將學(xué)習(xí)記憶應(yīng)用于有待解決的任務(wù)，這樣便充分發(fā)揮了模型預(yù)訓(xùn)練過程中在相似任務(wù)處理方面已有數(shù)據(jù)所包含的潛在效用。

總體而言，基于NLP技術(shù)發(fā)展而來(lái)的大規(guī)模語(yǔ)言模型在航空安全管理中大有可為。由于其在文本提取、語(yǔ)音交互和趨勢(shì)外推方面的特有技術(shù)屬性，可以在人為因素事故預(yù)測(cè)、航空安全報(bào)告處理等領(lǐng)域帶來(lái)新的問題解決辦法。但同時(shí)，該類模型也面臨著數(shù)據(jù)質(zhì)量和一致性欠佳、信息深度有限、數(shù)據(jù)分類復(fù)雜等現(xiàn)實(shí)的挑戰(zhàn)，這也會(huì)在一定時(shí)期內(nèi)延緩此類技術(shù)在更大范圍內(nèi)的推廣和應(yīng)用。

當(dāng)前ChatGPT的局限

盡管ChatGPT應(yīng)用程序在航空產(chǎn)業(yè)有著廣泛的應(yīng)用前景，但現(xiàn)階段人工智能技術(shù)固有的“黑盒特性”使得大規(guī)模預(yù)訓(xùn)練模型在推廣過程中依然需要接受嚴(yán)格的評(píng)估和檢驗(yàn)。雖然此類模型可以通過文本提取、語(yǔ)音識(shí)別針對(duì)特定場(chǎng)景和疑問生成回答，但它仍然是一個(gè)缺乏常識(shí)經(jīng)驗(yàn)的“求解者”。

現(xiàn)階段ChatGPT可以生成與人類書寫內(nèi)容非常相似的文本，但它缺乏類似人類的理解，這將導(dǎo)致生成內(nèi)容的準(zhǔn)確性和相關(guān)性難免存在局限，有些觀點(diǎn)并非原創(chuàng)，有時(shí)對(duì)于上下文背景的結(jié)合也不夠緊密。特別是在人們不知道準(zhǔn)確答案的情況下，如何鑒別NLP技術(shù)回答的合理性便成了棘手的問題，因?yàn)闆]有辦法深入探究大規(guī)模語(yǔ)言模型內(nèi)部數(shù)據(jù)篩選、集成和判斷生成的最終邏輯。

同時(shí)，ChatGPT對(duì)調(diào)整輸入短語(yǔ)或多次嘗試相同的提問非常敏感，這導(dǎo)致有時(shí)相似問題會(huì)得到截然不同的答案。由于訓(xùn)練數(shù)據(jù)不可避免存在偏差，模型算法可能會(huì)被過度優(yōu)化，ChatGPT的回答有時(shí)會(huì)重復(fù)冗長(zhǎng)，這表明在數(shù)據(jù)質(zhì)量適應(yīng)性方面該語(yǔ)言模型依然存在一定改良空間。預(yù)計(jì)隨著模型數(shù)據(jù)集范圍和容量的拓展，這一點(diǎn)會(huì)相應(yīng)得到改善。此外，在進(jìn)行單一任務(wù)處理時(shí)，以ChatGPT為代表的預(yù)訓(xùn)練語(yǔ)言模型可以表現(xiàn)出上佳的工作效率，但多任務(wù)并行處理將顯著降低此類模型的有效性和準(zhǔn)確性，在任務(wù)優(yōu)先級(jí)判斷方面模型還需要得到人工確認(rèn)。

在人工智能技術(shù)發(fā)展早期，占主導(dǎo)地位的推理方法多是邏輯性和象征性的。這使得多數(shù)算法模型均是通過執(zhí)行某種形式的邏輯推理來(lái)做出判斷。然而，隨著支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法的出現(xiàn)，計(jì)算模型越來(lái)越復(fù)雜，但算法模型的透明性和可解釋性卻變得越來(lái)越差。鑒于可解釋性是AI技術(shù)實(shí)現(xiàn)可信與自主的前提條件，2015年之后這一領(lǐng)域的研究成為了業(yè)界焦點(diǎn)。

雖然NLP自誕生之日起便使用了相對(duì)透明的人工智能算法，但近年來(lái)隨著深度學(xué)習(xí)概念和大規(guī)模預(yù)訓(xùn)練數(shù)據(jù)的融合，NLP技術(shù)也逐漸趨于黑盒求解狀態(tài)。這對(duì)于極為強(qiáng)調(diào)“確認(rèn)-驗(yàn)證”遞推性設(shè)計(jì)理念的航空產(chǎn)品研制來(lái)講，無(wú)疑是一個(gè)難以跨越的技術(shù)障礙。即便是在航空維修和培訓(xùn)領(lǐng)域，人工智能生成內(nèi)容（AIGC）技術(shù)生成的虛擬場(chǎng)景、技術(shù)回答等內(nèi)容的準(zhǔn)確性，也需要得到標(biāo)準(zhǔn)環(huán)境和相關(guān)數(shù)據(jù)的驗(yàn)證。但可以達(dá)成業(yè)界共識(shí)的是，以ChatGPT為代表的預(yù)訓(xùn)練語(yǔ)言模型是現(xiàn)階段打開AI技術(shù)可解釋性局限的最佳首選，對(duì)此類算法判斷邏輯的深度理解將有助于人們解釋其他深度學(xué)習(xí)模型的決策規(guī)律。

總的來(lái)說，人工智能技術(shù)在航空產(chǎn)業(yè)的悄然滲透早已成為業(yè)界共識(shí)。無(wú)論是適航監(jiān)管局方、飛機(jī)或發(fā)動(dòng)機(jī)等產(chǎn)品制造商，還是各航空公司、培訓(xùn)機(jī)構(gòu)，都在從不同角度對(duì)如何實(shí)現(xiàn)AI技術(shù)的有效應(yīng)用進(jìn)行探索。在局方發(fā)布的相關(guān)審定指導(dǎo)、主機(jī)廠內(nèi)部設(shè)計(jì)規(guī)范和航空公司積極調(diào)整的運(yùn)營(yíng)策略中，航空產(chǎn)業(yè)在ChatGPT等一眾人工智能算法的促進(jìn)下每天都發(fā)生著改變。雖然技術(shù)變革在帶來(lái)機(jī)遇的同時(shí)也會(huì)帶給人們挑戰(zhàn)，但從長(zhǎng)遠(yuǎn)來(lái)看，這將會(huì)成為行業(yè)進(jìn)步與繁榮的原動(dòng)力，不斷驅(qū)動(dòng)航空產(chǎn)業(yè)的高質(zhì)量發(fā)展。