AI正在悄悄改变航天——人工智能技术在航天领域应用前景初探
ChatGPT现在很火。作为一个人工智能聊天机器人，它拥有信息整合能力、自然语言处理能力，能根据要求进行聊天、撰写论文、创作诗歌，还可以生成游戏剧本、编写程序代码。而在航天工程任务中，需要处理大量数据，协同大量仪表、设备与传感装置，那么人工智能在航天领域可以大显身手吗？
事实上，科幻电影对人工智能技术作用于航天领域的合理想象，正在悄悄发生。
对自我诊断修复能力的“渴望”
航天器造价高、工作环境复杂，在空间环境中若发生故障，则很难修复，从而造成重大损失。因此，航天器故障诊断技术能否向着智能高效化的方向发展显得尤为重要。
“我们原来采用预先设定规则的故障诊断方法，需要对各种可能出现的异常设定判断阈值，这就需要大量的专家经验，但对经验之外的故障通常缺乏检测能力。”中国航天科技集团有限公司五院通信与导航卫星总体部信息室副主任宫江雷表示。
人工智能技术或可成为卫星诊断自身故障的“好帮手”。卫星设计师正试图让航天器搭载人工智能处理部件上天，实现自主导航、控制、数据处理、故障判断和重构维修工作。
以往，卫星在轨的运行状态、故障、寿命等情况要通过地面测控系统进行监测、预警，“而人工智能算法具备不断学习强化和自适应的特性，数据怎么变，它就怎么调整，并且会变得越来越准确。”宫江雷表示。
“特别是随着现在通信、导航、遥感需求的兴起和网络复杂度的提升，对远程信息传输进行良好管理并确保优质的传输性能和可靠性，比以往任何时候都重要。”宫江雷指出，例如太空垃圾增多，空间碎片撞击航天器概率变大；卫星互联网的发展导致信息安全领域的隐患越来越大等，这些都预示着人工智能技术有着巨大的发挥空间。
传统的故障特征提取与识别评估方法是基于人类经验的，难以准确描述复杂故障特征信息。而结合不同应用场景下的多种人工智能学习算法，可有效提高航天器复杂撞击损伤检测效率和损伤特征分类效果，在探测和评估之余提供风险预警和修复帮助。
ChatGPT与航天结合的设想
航天科技集团一院正在开展“智慧火箭”研究，使火箭在出现故障时自动识别结果、主动更改策略，实行自主化飞行，让火箭更智能、更聪明。
在高密度发射常态化的今天，火箭对自主故障诊断及任务重构能力也十分“渴望”。一院研究发展中心人工智能专家介绍，“我们将结合人工智能与信息技术，建立运载火箭全生命周期的智慧健康监测系统，将其贯穿火箭设计验证、生产制造、测试发射和飞行试验全生命周期。”
能不能研究一个定制化的ChatGPT？
航天设计师们设想：通过构建智能化辅助设计系统，整合现有的海量资料及资源，模拟人脑思考的过程，形成一个“智慧大脑”，人工智能未来可能会成为设计航天产品的辅助工具。
定制化的ChatGPT也许会像一个经验丰富的航天高级专家，可以对文本数据进行系统化分析、理解与信息提取，辅助设计师开展运载火箭和航天器的设计工作。由于“智慧大脑”能够在很短的时间内完成大量知识的学习，并从中找出最优方案，设计的标准化和设计水平也能够得到保证。
以智慧火箭为例，在生产过程中，“智慧大脑”可以完成对火箭全生命周期信息的收集与保障，建立起一个综合档案履历资料库，收集制造、装配、测试各个过程的数据与知识，构建大数据分析中心，作为智慧火箭的数据支撑与健康诊断的依据，降低设计和研制成本、提高测发效率、提升火箭的可靠性。
ChatGPT也需要通过深度学习对人类思维方式建模，让机器能够理解人的行为，并将知识运用到与用户的交互中，达到机器“人性化”的终极目标，实现人工智能技术在航天领域的应用。
专家指出，实现定制化ChatGPT，还需要航天工作者将大量训练样本和知识信息注入机器学习过程中，并不断提升算法的泛化性和适应性，在应用层进行强化训练，提高算法水平。
担忧之处与先期破冰
人工智能技术的发展与应用，正在悄悄改变航天产品设计的原有模式和格局。然而，宫江雷也指出了当下的困难：航天器的遥测故障样本数据较少，深度学习算法训练和应用的效果会受限。除此之外，将人工智能方法应用于在轨航天器仍有许多需要解决的问题，如当前航天器存在的计算能力、存储资源不足等。
当前，大部分人工智能技术还处于“弱人工智能”阶段，因此航天领域仍以发展辅助分析和辅助决策层次的人工智能技术为主。
以神经网络为核心的人工智能具有“不可解释性”，这意味着人类无法知道智能算法给出这个结果的原因。“不可解释”就意味着风险，特别是在要求“万无一失”的航天工程任务中，这也是航天设计师们所担忧的。
“我们要对‘小样本学习’进行破局，试图通过有限数量的数据集训练出较好的效果。我们还亟须提升星上处理能力，一方面采用高性能的宇航级芯片提升星上计算能力，另一方面升级星上信息系统架构，提升星上数据传输能力，为人工智能算法在卫星上的应用夯实基础。”宫江雷说。
随着算法、算力和云技术的进一步突破，航天设计师们对未来“强人工智能”在航天领域的应用持乐观看好的态度。宫江雷始终认为，人工智能技术向航天领域的渗透日趋广泛，未来一定会实现技术的跨代，从而促进整个航天领域的发展。太空之中、九天之外，也有望成为人工智能的一个重要舞台。（邓雨楠）
人工智能在减灾遥感中的应用
人工智能在减灾遥感中的应用百晓张雪妮
人工智能及减灾遥感概述
近年来，人工智能已经渗透到国民经济、国防以及人民生活的各个方面，2017年国务院发布了《新一代人工智能发展规划》将人工智能上升为国家战略，有利地推动新一代智能研发应用与产业深入融合。美国、欧盟、英国、日本等也均将人工智能上升为国家战略，纷纷出台相关战略和计划，力争抢占产业技术制高点。
对于人工智能的定义有很多，但大多看来主要是让机器或系统具备人类那样的认知能力，能够对接收到的各种数据和信息进行分析学习获取其中的知识，虽然人工智能的研究才起步三十年，但近年来人工智能及其相关领域，如机器学习、计算机视觉、模式识别等均在理论上和应用上取得了很大的进展和突破。
在遥感领域，人工智能及相关方法也得到了很好的应用。遥感数据主要是指通过卫星、飞机等载体获得的远距离图像、雷达数据，通过对遥感数据的分析可以获得地表环境、城市结构、农业生产等重要信息和数据。传统的遥感数据分析大量依赖人力和一些简单的统计图像处理方法，随着近年来人工智能等相关领域的发展，遥感数据的分析也大量地使用人工智能方法。利用人工智能处理分析数据的优势，可以提高遥感数据分析的智能化、自动化，提升分析的精度与效率。
我国是一个地大物博的国家，资源丰富，但自然灾害也给国家民生带来了很大的影响，如何利用最新的技术减少自然灾害带给我们的伤害是科研领域的重要任务。多年来，遥感技术应用于各类灾害的减灾、预测、响应、灾后恢复等方面，取得了很多进展。灾害遥感已经成为各国应对自然灾害的重要手段。国际上，一系列用于环境、灾害等的遥感卫星SPOT、TM、AVHRR、MODIS、ASTER、PRISM 的发射也为开展遥感减灾提供了可行性，增强了遥感技术在减灾上的作用。国内也紧随其后发射了环境减灾小卫星“星座A”“星座B”以及“风云”“海洋”“资源”等系列卫星，此外，以高分系列卫星为代表的新一代遥感卫星也在加速发展，由此防灾减灾已成为卫星遥感技术的重要应用领域之一。
随着人工智能理论和方法的不断发展，遥感数据的分析将更加借助和依赖人工智能方法，从而更加有效地从遥感数据中获取有用的知识，为防灾减灾提供更加准确高效的服务。
本论文主要讲述人工智能及其相关方法（如目标检测、图像分类与识别、图像变化检测、图像分割等）在几类典型自然灾害（如暴风、洪涝、地震、森林火灾、滑坡等）中的应用，介绍人工智能在减灾遥感中发挥的作用及未来发展趋势。
人工智能方法在减灾遥感中的应用
目前，人们主要通过利用人工智能相关方法对遥感数据分析达到对自然灾害的检测与评估等目的。表1给出了不同人工智能方法在各种灾害遥感中所发挥的作用。主要涉及的方法包括：图像分类与识别、变化检测、图像分割、目标检测等，这里首先简单介绍一下这些人工智能方法。图像分类与识别是计算机视觉与机器学习领域的基本问题，根据图像中所含的目标图像特征与分类器学习到的类别特征进行比对，进而判断图像属于什么类别，识别出图像中的物体或场景。变化检测通过对不同时刻获取图像进行对比分析找出图像之间的区别。图像分割是根据图像中场景含义将图像分割成不同的区域，每个区域具有独特的语义信息。目标检测则是指在遥感图像数据中检测特定的目标，主要通过提取目标有效特征然后利用机器学习方法对量化的特征进行分析来确定存在目标的概率和位置等。上述方法是计算机视觉、机器学习领域的重要分析方法，需要指出的是随着人工智能的发展，上述方法本身也在发展，近年来也不断地提出了在性能上更加优秀的方法，进而也提升了应用的效果。
表1人工智能方法在各类灾害遥感图像上的应用
暴风
洪涝
地震
森林火灾
滑坡
图像分类与识别
次生地质灾害监测
火灾识别
滑坡体识别
变化检测
公路水毁识别
房屋倒塌评估；次生地质灾害监测
火灾区域提取
滑坡体区域提取
图像分割
风眼定位
水体识别
次生地质灾害监测
火灾区域提取
滑坡体区域提取
目标检测
救助物资识别
滑坡体识别
本文将根据不同灾害种类具体分析这些方法的应用。
（一）热带气旋
习惯上，热带气旋所带来的灾害可以被称为飓风、台风或热带风暴，它在卫星遥感图像上具有较明显的特征，图1是部分种类的热带气旋卫星图像示例。人工智能手段主要通过对采集到的遥感数据进行分析从而定位风眼和预测路径，进而对此类灾害进行预防和报警。
图1部分种类热带气旋的卫星云图
1.风眼定位：由于有眼热带气旋的眼壁轮廓通常是一条不规则的闭合曲线，因此可以使用基于活动轮廓模型的偏微分方程法来进行图像分割定位眼区。另外，由于在图像中风眼位置较暗，并且在边缘位置风速是不连续的,可根据这两个成像特点对遥感图像进行分析增加图像约束求得风眼边缘。风眼定位过程中要用到的人工智能方法有图像分割、图像识别等。
2.路径预测：研究表明，气旋路径可以通过周围积雨云的形状和相对位置进行判断，如图2所示。因此可以使用神经网络来学习不同时间点卫星图像中周围云相对于气旋中心的相对位置，及图像中云的拉长形状，以此指示气旋可能的移动路径。
图2 通过对积雨云的分析预测气旋路径
（二）洪涝
洪涝灾害中利用人工智能手段进行水体识别可以确定出洪涝受灾的区域，道路水毁识别则可以确定道路的毁坏进而评估受灾情况，确定最佳救援路径。
水体识别：水体识别技术是基于水体的光谱特征和空间位置关系进行分析，排除其他非水体信息从而实现水体信息提取的技术，是洪涝范围检测的核心。由于水体和周边地形地貌往往具有较大差异，根据水体特征的图像分割成为水体识别的主要方法。一种思路是通过综合提取遥感影像中地物的形状、光谱、纹理和邻域等特征进行逐像元分类实现智能分割。另一种思路是先进行遥感图像的多尺度分割，然后使用分类器，例如分类神经网络，进行水体识别。也可同时对洪涝前后时间段的同样位置进行水体识别，分析出受灾区域为抢险救灾提供信息。图3是鄱阳湖部分地区洪涝过后水体识别的结果示意图，在识别出水体和非水体的基础上，进一步根据水深程度进行洪涝等级分类并用不同的颜色表示，为下一步的灾害救援提供信息。这里用到的人工智能方法主要包括特征提取、图像分割、图像分类等。图3鄱阳湖（部分）地区洪涝分布图
2.公路水毁识别：公路水毁灾情是汛期灾情分析和抗灾抢险中的重要内容。通过对比洪涝发生前后的图像，采取图像多层次分析进行变化检测分析损毁信息。多层次方法就是采用面向对象的分类方法进行地物的分类和划分，但是分类有层次顺序，不同层次划分不同地物。例如可以在第一层次中，从洪灾发生后的影像中进行洪水范围的划分，然后在灾前灾后影像的配准基础上，用洪水发生前的影像进行第二层次的划分，划分道路和树木、建筑、空地等其他地物。
（三）地震
在地震灾害里，人工智能方法可以用来解决房屋倒塌评估、次生地质灾害监测，以及救灾帐篷识别等问题。
1.房屋倒塌评估：对房屋倒塌情况的评估是地震直接危害中最能反映震区破坏程度的指标。通过对震前震后遥感卫星数据进行影像匹配和变化检测，得到两者变化的区域，从而获取房屋倒塌信息和地震影响区域，评估结果如图4所示。这里应用人工智能中的图像变化检测方法完成地震影响区域分析。
图4汶川地震都江堰房屋倒塌评估图
2.次生地质灾害监测：地震次生地质灾害是指由地震直接引发或由地震作用影响而引发的灾害性地貌重塑过程。主要针对地震所造成的山体滑坡、堰塞湖等开展监测，按照其影像特征，结合灾前影像数据进行变化检测，开展滑坡体的识别。这里主要采用图像变化检测方法进行分析。
图像变化检测大致分为基于像元、基于特征以及基于目标三类方法。基于像元方法有灰度差值法、比值法、回归法等。基于特征的方法有主成分分析法、光谱角检测法、指数差值法、形状分析法和纹理分析法等。基于目标的方法主要利用图像识别、分类等方法，常用的算法有分类比较法、多时相分类法、小波变换分析法及神经网络分析法等。基于像元的方法是将像元作为单位进行前后时刻变换检测；特征方法则是在图像一定区域内提取图像量化特征并分析其变化；目标方法则根据特定目标，分析此目标在前后时刻是否有变化。
在特殊情况无法获得灾前影像数据时，图像分割方法也可以使用，具体表现为先分割后分类的思想，即先通过多尺度的分割将遥感图像划分为不同区域，然后通过分类器判别各区域是否属于地质灾害。这里一般需要进行分析方法训练，提前获取一些地震图像作为训练集，通过人工智能学习方法学习出地震区域的特点。图5给出一个灾后次生地质灾害提取的示例。
图5 震后次生灾害（滑坡、泥石流等）提取
3.救灾帐篷识别：救灾帐篷识别属于特定目标的识别与分析，救灾帐篷是地震发生后安置灾民的重要装备,准确核实灾区的帐篷数量和空间分布是评估灾区救助需求、核查地方救灾工作成效、优化安置点布局、估算转移安置人数的重要依据。目前主要使用分辨率高的无人机航空遥感图像，利用目标检测技术识别出帐篷的具体位置。目标检测算法根据要分析目标进行预学习和训练，然后设计一个滑动窗口在图像上均匀移动，每次对滑动窗口内的局部图像进行分类，判断是否存在此类物体，最终找到整张图像内的所有目标。
（四）森林火灾
人工智能方法在森林火灾中主要有火烧迹地分析、火灾识别等主要应用。
1.火灾识别：火灾识别主要利用无人机遥感的高分辨率图像判别有无可疑火灾发生，以便后续进行重点监测和及时救治。对无人机地面接收站接受的图像（图6）进行分类，使用分类神经网络进行训练，可以达到很高的识别精度。这里主要是通过对红外遥感图像进行分析，借用红外图像热成像特点对发热点区域进行分析。
图6 无人机拍摄森林火灾图像
2.火烧迹地：火烧迹地是指火灾结束后被烧毁的区域。由于森林中被火烧过的部分植被已不存在，在遥感图像上没有了森林影响反射，与周围植被的反射具有不连续性，因此可以通过面向区域的图像分割算法提取火烧迹地的范围。另外，也可以结合灾前的森林图像，通过面向像元的变化检测，比较配准后的灾前灾后影像得到差值灰度图，从而获得了火烧区域，可以进一步求得过火面积，如图7所示。
图7昆明西山森林火灾前后遥感影像及变化检测图像（局部）
（五）滑坡
人工智能方法主要在滑坡识别、滑坡区域提取等方面发挥作用。
1.滑坡体识别：遥感卫星图像通常包含的空间范围比较大，因此可以利用滑坡区域与背景区域之间存在明显差异的特点进行分析，快速确定滑坡体的位置。基于深度学习的目标检测技术主要包括基于可能区域的分类和基于边界框的回归两种思路，前者具有更高的准确度，后者则具有更快的速度。此外，大型滑坡调查中常常会使用无人机这种航空遥感手段获取地表灾害数据。由于航空遥感数据具有较高的分辨率，可以直接对其进行分类识别，来判断该区域是否包含滑坡体。深度学习的发展带来了分类精度的极大提高，因此也出现不少基于深度网络的滑坡分类识别方法。
2.滑坡体区域提取：通过对多时相遥感影像进行变化检测能够自动地提取滑坡边界信息。变化检测方法通常有两类方法：图像差集和后分类比较。图像差集是对灾前灾后图像进行减法，后分类比较则可以使用神经网络分类器对灾前灾后的图像进行多尺度分类，然后对分类结果进行比较得到变化信息，从而确定滑坡的区域。另外，也可以在滑坡体识别的基础上，进一步通过图像分割算法得到更精细的滑坡体轮廓（图8），从而为后续的救灾提供信息。
图8四川漳扎镇附近滑坡体提取
发展趋势及展望
人工智能在减灾遥感领域虽然取得了很好的发展与应用，但仍然还有很多的不足和值得突破的地方，具体如下：
1.目前人工智能在减灾遥感方面的应用主要依赖于对遥感图像数据的分析，下一步需要将卫星数据、地面数据以及其他传感器如无人机数据进行融合分析，利用人工智能方法对气象大数据和多源数据融合进行分析会比单纯只对遥感数据进行分析获得更多的信息和更好的预测。
2.现有智能分析方法大多还是在获取了数据后将数据传输到地面运算中心进行分析，未来将会在数据获取平台直接进行快速分析，例如在卫星上直接进行智能分析，将分析后有用的“信息”传输给地面，而不再是将卫星原始数据传给地面再分析。这好比在各类传感器上安装一个“大脑”提高了整体分析的效率和响应速度。
现有的人工智能方法大多还是用来解决灾害发生后的评估和救援，发挥的作用大多还是辅助现有灾害预防、气象分析等方法，随着人工智能领域的不断发展，笔者猜想未来人工智能会在灾害预测预防等方面起到引领的作用，从配角变成主角。
来源：《城市与减灾》2018年06期
浅析人工智能在现代航空中的应用
上海市位育中学 傅怡天 200231
摘要：现代航空是一个高度信息化的行业，其设计、生产、维修、运营等都需要较高的技术力，与人工智能技术相结合也是势在必行。本文将主要从空中交通管理、故障诊断与维修、民航企业运营三个领域探究人工智能在现代航空行业中应用的重要性，并分析其具体的应用原理和随之带来的优势。关键词：人工智能；空中交通管理；故障诊断；民航企业 1引言 近些年来不论是航空公司还是政府职能部门都在强调信息化与数字化转型。在新的时代，5G技术、互联网技术、芯片技术等都在构建一个信息涌动的世界。在这样的时代背景下人工智能的重要性不言而喻：短期来看，人工智能可以帮助工作人员管理大数据、挖掘大数据，从而更好地利用大数据；从长期来看，人工智能可以进一步解放人力，进一步优化航空线路甚至实现无人化的航空工业。 2空中交通管理 2.1人工智能对空中交通管理的影响/意义 传统空中管理系统有着空中空间利用效率低、空中交通飞行冲突发生频率高和对交通流量安排耗费人力大等弊端[1]。而人工智能能够通过对过往信息的检索，从而极大程度上的减少寻找最适合解决方案的时间，若将人工智能运用到空中交通管理上，便能够使空中交通管理的准确性与效率得到大大的提升。 2.2人工智能技术在空中交通管理方面的作用原理 将人工智能运用到空中管理中，其目的便是建立起一套全新的辅助系统和管理模式如智能飞行流量管理、智能冲突探测和解脱模块系统[2]，在问题发生的第一时间为工作人员提供关于问题的全方面资料和最佳的解决方案，从而帮助提高空中的空间利用效率，合理地、有序地安排空中交通飞行冲突，以避免发生飞机相撞等空中的交通隐患。这不但能极大程度上减轻工作人员的负担还能使空中管理的质量得到提升。 3.故障诊断 3.1传统故障诊断方法及其缺点 在传统的维修场景中，故障诊断基本依赖于维修工程师本身的个人素质，其工作流程一般为：发现故障-通过询问、检查、查阅资料等方式初步确定可能出现故障的部位-依次对可疑部位进行检查、试验-确定故障部位-排除故障-复查[3]。 上述的检修方法存在着明显的缺陷：首先在面对某种故障时，维修人员往往会局限于该故障本身，尤其是初学者，往往会采取将故障现象与书本、说明文档上的描述一一比对的情况，难以实现“故障遍历”的理想状态；其次，可参考的知识较为有限，对于刚刚走上工作岗位的工作人员来说，书本的知识往往是比较有限的，与实践也经常有较大出入，因此一旦出现与书本和教学时不同的情况往往会束手无策，很难借鉴和参考以往相似的维修保障案例和经验；最后，虽然现代的检测和诊断已经实现了高度的信息化，诸如飞行参数记录系统、光谱分析仪、颗粒污染度检测等设备都能够将历次的维修信息导入系统中，但仍然缺乏统一的管理、查询功能，也忽视了与前人交流的重要性。 总之，传统的诊断方法存在着“只见树木不见树林”的弊端，工作人员很难站在“历史”的角度上综合考量，将相当大的时间和精力浪费在重复分析已知的原因上，对于新手而言“上手期”也往往过长，有浪费资源的潜在弊端。因此，建立一个能够对航空装备的典型故障进行归纳总结并针对每一种具体的故障类型建立最佳实践方案，能够实现场景联想和给出建议的知识系统是有必要的。 3.2基于人工智能的诊断方法 基于人工智能的故障诊断与人工智能诊疗系统类似，都是将以往的故障知识、典型案例等进行场景关联[4]，在数学上产生联系，这样当工程师面临故障时，系统能够准确地调出以往的相关案例和经验教训来提供参考，甚至对于一些常见的故障可以直接按照优先级给出处理措施和建议，除此之外还可以提供处理这些案例的工程师的联系方式。 要实现上述的基于人工智能的故障诊断方法就需要建设相关的故障知识工程系统，该系统主要包括故障知识库和典型故障诊断场景两方面的内容，人工智能则是作为底层技术，通过特征向量、知识图谱等技术建立上述二者之间的关系。 不论是医疗诊断还是航空故障诊断，首先要解决的问题是“如何用数字语言描述故障/病症”，也就是建立故障知识库。故障知识的类别往往有很多，需要开发人员根据实际的情况来选择合适的维度。比较常见的分类维度有故障类型和装备类型。
期刊文章分类查询,尽在期刊图书馆 按照故障类型划分，故障知识可以分为综合性故障、系统性故障、部件级故障和零件级故障；按照装备类型划分则可以分为发动机故障、航电设备故障、液压装备故障、机电控制装备故障和综合故障等。考虑到实际场景，还可以做进一步细分，直到满足应用要求。 在系统中每条故障知识又包括故障分析和故障处理两部分，故障分析的目的在于确定故障的“病灶”，包含了故障现象、故障分析过程、可能诱因、不同原因的可能性大小等。从某种程度上说是一种“端到端”的逻辑回归系统，当前的神经网络等机器学习方法能够较好地完成该任务。故障处理则是针对每一种故障诊断所做出的解决方案，通过故障分析找到最优可能的故障原因后，由系统给出相应的解决方案，在工程师依次采用仍然无法处理后，系统还可以给出处理过相关情况的工程师的联系方式，通过咨询来解决疑难问题。通过这种系统，就可以将所有工程师的经验集合起来，实现知识的场景化应用。 4民航企业 民航企业的信息化与数字化建设早已展开，实际上传统的管理模式早已不适合民航企业这种信息量大、信息流动快的商业组织。与其他行业类似，人工智能在市场营销、改善用户体验层方面都有着得天独厚的优势。 4.1人工智能与市场营销 收益管理是各大公司增强收入必须进行的环节，如果收益管理不合理，轻则短期公司财务遭遇危机，重则直接倒闭。而所谓的收益管理指的是：通过对历史数据的分析，得到对未来市场需求的预测，并及时调整自己的售卖方案。例如飞机的舱位供应数量，就可以及时根据售卖的数量进行调整。而人工智能的强大之处就在于对数据的处理能力，如果在收益管理环节引入人工智能，就可轻松地根据在线数据来对飞机的各项参数进行及时地调整，保证收益最大化。 4.2人工智能与客舱服务 在客舱服务方面，当今社会有不少航空公司运用人工智能给予客户更加舒适的空中体验。英航便在一次航空出行中测试了一款名为幸福之毯的设备，该设备能够通过测量大脑神经元中的微电流以判断乘客的性情并给予乘务人员适当的提示让乘务人员及早发现并提供帮助，这不仅大大提高了客户的满意程度，还在一定程度上为客户展现了现代科技的魅力，为自身品牌形象大大加分[5]。 4.3人工智能与机场服务 人工智能在机场服务方面也能提供便利。通过遍布在机场各区域的摄像头，人工智能可以以先进的大数据和检索技术迅速锁定单个目标并通过人脸识别技术确定目标身份，从而给予乘客精准服务。这不但能够大大提高机场的安全系数还能够在突发状况和客户有需要时及时派出工作人员以免不必要的意外发生。在这方面，国内已有部分机场开始将其投入实践。银川机场新的T3候机楼装有全新自助行李托运系统，能够以人工和自助两种方式帮助乘客进行行李的托运工作。同时，银川机场在验证系统上加装了人脸识别系统，对旅客的识别率在99%以上，大幅提高安检效率及有效性。 4.4人工智能与公司管理/航班调度、航线规划、机场管制 人工智能在航班调度方面也大有帮助，对于一家民航企业，航班调度的条理性和效率是衡量企业运作效率的重要标准，而人工智能能够在大数据的基础上制定出最佳的航班调度方案，大大缩短了重复繁琐工作的情况从而解放了机场工作人员，有利于减少企业多于岗位的负担。人工智能也可以运用先进的天气预测与强大的信息处理能力，有条理地为航班错开拥挤时间，保证空中交通畅通，减少了潜在的空中事故概率。同时，人工智能也能调度机场工作人员的工作时间，在分析了旅客体验、公司成本和飞机机型等方面后合理调度工作岗位和航班，使工作时间中不至于出现重复多余的工作，是企业更高效运作的保障。 5结语 本文分析了人工智能分别在空中交通管理、故障诊断与维修、民航企业三个领域中的应用，航空业是一个相当宽泛的概念，既包含航空工业，也包含服务业，因此人工智能在航空领域中的应用是多方面、全方位的。实际上不仅仅是在本文提及的三个领域中，在智能制造、人员培训等领域人工智能都能发挥重大作用。相信在不远的未来，人工智能能够进一步服务我们的生活，造就一个更加美好的明天。参考文献[1]邹子君.人工智能技术在空中交通管理中的应用[J].中国新通信,2016,18(005):51-51.[2]苏弘扬.人工智能技术在空中交通管理中的应用探究[J].信息系统工程,2019,No.309(09):64-64.[3]贾晓霞,谢登峰.人工智能在航空装备故障诊断中的应用[C]//2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会.0.[4]陈毓夔.浅析大数据和人工智能在民航维修安全管理的应用[J].科技资讯,2020,v.18;No.595(22):55-56+60.[5]郑霄.未来人工智能与民航业融合应用研究[J].空运商务,2017,000(007):10-13.