Hasta hace unos pocos años la Inteligencia Artificial (IA) se ubicaba en el espectro de la ciencia ficción, sin embargo, actualmente no solo es una realidad sino una valiosa herramienta que se ha convertido en un nuevo paradigma cuya aplicación se extiende a cada vez más campos, tales como la investigación, la ingeniería, la salud, la educación, las finanzas, entro muchos otros.  

Un estimado colega nos comparte el presente artículo sobre una aplicación muy específica de esta herramienta (IA), en el campo de la aviación. El artículo fue escrito por Rachel Gordon, publicado el 3 de octubre de 2023 en el boletín MIT News del Massachusetts Institute of Technology  (MIT) y traducido por nosotros para este espacio. Veamos de qué se trata…

Imagine que está usted en un avión con dos pilotos, un humano y una computadora. Ambos tienen sus "manos" en los controles del avión, pero siempre están buscando cosas diferentes. Cuando ambos prestan atención a lo mismo, el humano puede pilotear sin problemas. Pero si el humano se distrae o se pierde en algo, la computadora rápidamente toma el control.

Conozca Air-Guardian, un sistema desarrollado por investigadores del MIT Computer Science and Artificial Intelligence Laboratory (MIT-CSAIL). Mientras los pilotos modernos se enfrentan a una avalancha de información proveniente de múltiples monitores, especialmente durante los momentos críticos, Air-Guardian actúa como un copiloto proactivo; una asociación entre humanos y máquinas, basada en la comprensión de la atención.

Pero, ¿cómo se determina exactamente el nivel de la atención? Para los humanos, utiliza el seguimiento ocular y, para el sistema neuronal, se basa en algo llamado "mapas de prominencia", que señalan hacia dónde se dirige la atención. Los mapas sirven como guías visuales que resaltan regiones clave dentro de una imagen, lo que ayuda a comprender y descifrar el comportamiento de algoritmos complejos. Air-Guardian identifica señales tempranas de riesgos potenciales a través de estos marcadores de atención, en lugar de intervenir únicamente durante violaciones de seguridad, como los sistemas de piloto automático tradicionales.

Las implicaciones más amplias de este sistema van más allá de la aviación. Algún día podrían utilizarse mecanismos de control cooperativo similares en automóviles, drones y un espectro más amplio de robótica.

"Una característica interesante de nuestro método es su diferenciabilidad", dice el postdoctorado de MIT CSAIL Lianhao Yin, autor principal de un nuevo artículo sobre Air-Guardian, publicado en el servidor de preimpresión arXiv. "Nuestra capa cooperativa y todo el proceso de un extremo a otro se pueden entrenar. Elegimos específicamente el modelo de red neuronal causal de profundidad continua debido a sus características dinámicas en el mapeo de la atención. Otro aspecto único es la adaptabilidad.  “El sistema Air-Guardian no es rígido; se puede ajustar en función de las demandas de la situación, asegurando una asociación equilibrada entre humanos y máquinas".

En las pruebas de campo, tanto el piloto como el sistema tomaron decisiones basadas en las mismas imágenes sin procesar al navegar hacia el punto de referencia objetivo. El éxito de Air-Guardian se midió en función de las recompensas acumuladas obtenidas durante el vuelo y el camino más corto hasta el punto de referencia. El guardián redujo el nivel de riesgo de los vuelos y aumentó la tasa de éxito de la navegación hacia los puntos objetivo.

"Este sistema representa el enfoque innovador de la aviación basada en IA centrada en el ser humano", añade Ramin Hasani, afiliado de investigación del MIT CSAIL e inventor de las redes neuronales líquidas. "Nuestro uso de redes neuronales líquidas proporciona un enfoque dinámico y adaptativo, asegurando que la IA no simplemente reemplace el juicio humano sino que lo complemente, lo que lleva a una mayor seguridad y colaboración en los cielos".

La verdadera fortaleza de Air-Guardian es su tecnología fundamental. Utilizando una capa cooperativa basada en optimización que utiliza la atención visual de humanos y máquinas, y redes neuronales líquidas de tiempo continuo (CfC) de forma cerrada conocidas por su destreza para descifrar relaciones de causa y efecto, analiza las imágenes entrantes en busca de información vital. Complementando esto está el algoritmo VisualBackProp, que identifica los puntos focales del sistema dentro de una imagen, asegurando una comprensión clara de sus mapas de atención.

Para una futura adopción masiva, es necesario perfeccionar la interfaz hombre-máquina. Los comentarios sugieren que un indicador podría ser más intuitivo para indicar cuándo el sistema guardián toma el control.

Air-Guardian presagia una nueva era de cielos más seguros, ofreciendo una red de seguridad confiable para esos momentos en los que la atención humana flaquea.

"El sistema Air-Guardian resalta la sinergia entre la experiencia humana y el aprendizaje automático, promoviendo el objetivo de utilizar el aprendizaje automático para ayudar a los pilotos en escenarios desafiantes y reducir los errores operativos", dice Daniela Rus, profesora que lidera la cátedra de electricidad Andrew (1956) y Erna Viterbi en  Ingeniería y Ciencias de la Computación en el MIT, también directora de CSAIL y autora principal del artículo.

"Uno de los resultados más interesantes del uso de una métrica de atención visual en este trabajo es la posibilidad de permitir intervenciones más tempranas y una mayor interpretabilidad por parte de los pilotos humanos", dice Stephanie Gil, profesora asistente de ciencias de la computación en la Universidad de Harvard, que no participó en el estudio. "Esto muestra un gran ejemplo de cómo se puede utilizar la IA para trabajar con un ser humano, reduciendo la barrera para lograr la confianza mediante el uso de mecanismos de comunicación naturales entre el ser humano y el sistema de IA".

Fuente: https://news.mit.edu/2023/ai-co-pilot-enhances-human-precision-safer-aviation-1003