空客A350飞机的5万多个感测器每天收集飞行和效能资料超过2.5TB。
日前，飞机制造商和航空公司正在投入重要的资源将人工智能技术用于从驾驶舱到客户体验的各种应用中。
商用飞机上AI的应用研究
自动化系统多年来一直是商用航空关注的领域。由于采用了电传操纵控制和自动飞行系统，机器学习（ML）和人工智能技术正在承担驾驶舱中机组成员的工作量，甚至可以成为另一个副驾驶。最初为无人驾驶飞行器（UAV）安全开发的广播式自动相关监视（ADS-B）系统已经应用于有人驾驶飞机；开发中的机动特性增强系统（MCAS）使用感测器资料根据飞行条件自动调整飞机的控制面，在必要时对飞机操纵特性进行补偿，从而提高安全性。
在现代客机上，机器学习有大量资料可以发掘：空客推出的双发宽体飞机A350XWB拥有约5万个感测器，每天收集的飞行和效能资料总计超过2.5TB。AI可以通过多种方式利用这些资料。
目前，空客正致力于一些专案，减少飞行员的认知负荷和由此产生的认知疲劳。这意味着机组人员可以花更多的时间处理整个飞行策略和任务，花更少的时间处理飞机驾驶等的小事情。其中一个例子是空客飞机上一种称为跑道超限保护（ROPS）的功能选项。ROPS是个软件，计算飞机进近速度和重量，将得到的物理模型与公布的跑道长度和当地的天气进行比较。如果检测到不安全的情况，系统会广播“跑道太短”的讯息。ROPS还可计算最佳的进近下滑道或轨迹，帮助滑行、起飞和其他飞行操作。
空客公司利用人工智能的另一个重点领域之一是研发自动驾驶飞行器和空中计程车，旨在为城市地区的人们提供交通服务。此外，在客机的飞行员因机舱压力下降而失去意识时，AI就大有用场；在高压情况下，AI可以比人类更快地做出更佳的决策。
空中交通管制（ATC）通讯是所有飞行的关键。然而，许多对话都是重口音的英语，这使得飞行员和管制员难以相互理解。为此，空客公司启动了公开竞赛专案AI Gym。AI Gym的目标是完整转译ATC音讯，并从音讯中提取飞机呼号以便进行会话跟踪和警报。AI Gym专案使空客能够利用外部专业知识，发现AI的一些途。
航空公司利用AI技术提升运营能力
在飞行安全问题上，航空公司严重依赖飞机制造商。然而，航空公司不仅仅指望AI协助驾驶舱，还希望机器学习和人工智能帮助航空公司简化地面运营，并尽可能为客户提供轻松无缝的旅行体验。
美国联合航空公司正在对后端资料（如从客户、维护日志、员工工作日志和飞行中收集的资料）进行机器学习，以提高业务能力。2018年9月，美联航和Palantir Technologies宣布建立长期合作关系，部署Palantir Foundry，将之作为美联航的中央平台，整合公司关键业务部门的不同平台资料。
美联航还在使用机器学习来帮助排程飞行。这需要考虑所有相关变数，如派遣机组人员（基于休息时间和适当的机组人员飞机认证）、飞机燃料和操作限制、飞机座位容量等。在这样复杂的决策过程中，往往必须在25分钟内根据届时可用的有限资料进行计算并作出决定。
Palantir与空客公司合作建立了航空资料分析平台Skywise，为小型航空公司提供订购服务，其中包括减少飞机计划外维护的工具。航空公司还同GE一起，将飞机感测器资料转变为基于机器学习的服务，以推动GE喷气发动机的预测性维护。美联航使用机器学习和人工智能远不止用于维护和飞机时刻表的管理。美联航的机器学习演算法采用150个不同的客户和航班资料点，实时确定在购买或登入点将哪个特定产品呈现在客户面前。该系统考虑了乘客以前的购买、偏好、目的地和活动等事项，为客户提供各种选择，包括航班选择、座位升级、里程购买和优先访问权等。
其他航空公司正在采用其他形式的AI来减少航空公司员工的工作量。如面部识别技术现在用于加快机场的登机手续。达美航空公司是第一个部署此流程的航空公司，加快了乘客登机时间近10分钟。该系统目前用于国际航班的登机手续和行李托运，达美预计2019年将业务扩充套件至国内航班。
预防未来灾难的发生
基于人工智能的分析最重要的用途之一是在灾难发生之前识别出飞机的安全风险，例如印尼狮航610号航班坠毁事件，飞行前自动控制系统发生故障可能标志着存在重大的安全问题。位于硅谷的美国国家航空航天局（NASA）的艾姆斯研究中心的一个专案重点就是识别商业航空事故资料中预示飞机存在潜在系统性大问题的“异常执行”。
NASA已经对异常检测和事件先兆识别相关的演算法进行了初步开发，并开始收集该领域专家的反馈。目前NASA正在为联邦航空管理局（FAA）的分析合作伙伴Mitre开发一种用于飞机资料安全性分析的系统。Mitre是联邦政府资助的研究和开发中心，执行一个名为航空安全资讯分析和共享（ASIAS）专案，目的是在NASA、FAA、国家运输安全委员会、飞机制造商和50多家航空公司之间建立一个安全资料共享联盟。航空公司将其航班记录资料的一些子集上传给Mitre，后者执行分析后提供潜在问题的反馈。
