在北大西洋上空38,000英尺，两名飞行员静坐无声，只有发动机的嗡鸣声。

天空晴朗，随着太阳在地平线上升起，橙色和粉色的色调映满天际。

机舱内，显示屏的光辉映在光洁的仪表板和疲惫的眼睛上。

这是一次例行巡航……至少表面上看是这样。

随后，一声提示音打破寂静，伴随着一条信息出现在飞行管理计算机上。

一个指示灯亮了起来。

这并不戏剧化；没有警报，也没有闪烁的灯光。

只是刚好把飞行员的状态从平静转为专注。

这就是现代航空飞行的日常。

正是在这种情形下，而非在电影化的紧急场景中，双机组飞行的重要性最为明显。

人工智能的存在已接近70年。

自艾伦·图灵最早提出机器智能的设想以来，人工智能的影响如今几乎渗透到每一个行业。

但如果它承担起世界上受过最高训练的职业之一的角色，会怎样？

机组如何飞行

要充分理解这一情况的严重性，首先必须弄清航空机组是如何运作的。

在日常语言中，“机长”和“副驾驶”，以及“飞行员”和“副飞行员”等术语常被互换使用，用来指代“谁在驾驶飞机”。

但实际上，现代机组并非如此运作；他们会指定一名正在驾驶的飞行员（Pilot Flying，PF）和一名监控飞行的飞行员（Pilot Monitoring，PM）。

在任何航段中，机长或副驾驶都可以担任PF或PM，职责由程序规定，而非由职衔决定。

人们通常有充分理由认为PM的工作负荷往往比PF更重。

PF几乎专注于控制飞机——也就是操纵飞行控制和监视飞机的航迹与推力设置——而PM则承担着监控飞行其他各方面的关键角色。

这包括监控飞机系统、保持态势感知、与空中交通管制沟通，以及管理飞行管理系统，后者使机组能够监督导航和性能。

PF与PM职责分工

当发生故障时，PF的首要任务是保持飞机稳定和可预测。

此时PM则转为系统管理者和协调者，诊断问题、与外部机构沟通，并引导机组遵循程序。

这样的结构化分工可防止认知过载，使PF能够专注于安全地解决问题。

这种飞行方式使其成为最安全的交通方式之一。

但最近，全球专家和监管机构开始出现新的争论：是否可以用人工智能来自动化PM的职责？

人工智能副驾驶？

在理论上，这个想法看起来相当直接，因为PM的许多任务涉及监控数据流、处理信息以及处理通信。

毕竟，这些正是AI擅长的领域。

计算机可以比人类更快地扫描和处理数据，从而使决策更迅速。

而在某些情况下，几个秒钟就可能意味着生死的差别。

然而，这一论点并非没有细节可讲：PM的角色并不仅限于技术层面。

在许多情况下，PM必须根据飞行安全主动做出决策，同时也要考虑机长的偏好。

每位飞行员都有自己的飞行方式。

尽管必须始终遵守标准操作程序，但在具体操作飞机时仍存在一定的灵活空间。

在这里，PM在支持机长方面起着重要作用。

PM提供的良好支持，例如在飞行管理计算机中调整导航、就可接受的飞行参数（包括空速和下降率）提供定期更新和提醒，以及在飞行安全受到威胁时明确确认并提示采取行动，都会对飞行产生直接的积极影响。

这是飞行支柱之一——机组资源管理（CRM）的关键因素。

具备强烈态势感知的PM总是会提前一两步思考，这是计算机未必能够保证做到的。

每一位持证飞行员在CRM方面都非常熟练。

在人因学研究中，CRM是事故或意外发生后重点审查的飞行要素之一。

在大多数民航事故中，CRM的失效似乎是一个促成因素。

若机组能更好地实施CRM，许多事故本可避免或其后果可被减轻。

其中一个最有力且近代的例子是Air France Flight 447，该航班在2009年坠入大西洋，原因是空速指示不可靠引发机组混乱。

尽管在事件的大部分时间里飞机结构仍完好，但沟通的崩溃导致飞行员之间交叉核对失效，造成态势感知的丧失，并最终引发持续的气动失速，飞机未能恢复。

事故发生初期，机长当时正在休息，两名副驾驶在诊断问题时陷入挣扎。

他们在试图处理问题时未能口头表达各自的操作和意图，导致配合失误。

调查人员后来得出结论：若有更强的CRM——例如果断的沟通和对将采取行动达成一致——可能会让机组正确识别问题并使飞机恢复。

那么，装有AI副驾驶的驾驶舱会是什么样子？

它几乎可以类比于通用航空中广泛使用的单飞行员资源管理（single-pilot resource management）。

但由于AI更像一个虚拟助手，PF仍然需要与AI进行交互。

如何交互？可能是语音，也可能是预设的计算机文本提示，或者其他方式。

确保飞行员与AI在某种程度上仍能交互——尤其是在非正常和紧急情况下——是制造商和开发者在测试时必须精确把握的一个方面。

谁又能说飞行员何时会拥有可以对话的私人“Jarvis”呢？

这当然不是出于害怕被AI取代的悲观飞行员的观点，而是来自一位亲身经历过、深知在驾驶舱里与另一个人交流并相互讨论想法重要性的飞行员。

话虽如此，今天的飞行运作是建立在一百年人类飞行经验之上的。

但这并不意味着我们不能利用AI来增强飞行能力，弥补“优秀”与“完美”之间的差距。

尽管在现实运行中完美本质上难以达到，但朝着完美努力是我们接近它的唯一途径。

回到CRM，践行我们所倡导的“利用一切可用资源”更是理所当然的。

航空业以前也经历过类似的转变。

机舱中取消飞行工程师一职常被引用为先例。

然而，这种比较并不完全贴切。

飞行工程师主要负责管理飞机系统，而自动化逐步吸收了这一角色。

而在今天，PM的职责远不止于系统管理：还包括沟通、决策支持以及基于经验的判断。

我们如何赢得公众支持？

公众认知最终将决定变革的步伐。

制造商不仅要克服公众几乎肯定存在的不安情绪，还必须赢得运营方的支持。

监管机构需要通过严谨的测试、仿真和现实验证而被说服。

此外，飞行员自身必须确信这项技术是在增强安全，而非削弱安全。

这可能从一架测试用飞机开始，该飞机允许在必要时禁用AI。

针对紧急状况的测试至关重要。

算法不仅需要证明它能够持续做出明智的决策，测试还必须包含多变量的情景以促进学习。

例如，发动机失效的模拟必须包含在不同天气条件、机上燃油量、可用着陆跑道以及其他同时发生的系统故障等多种情形下的多次迭代。

这应当训练算法尽可能多地学习决策，无论这些情况多么不太可能出现。

这种“边缘情况训练”与飞行员在现实世界中的训练方式高度相似。

其他行业已经在日常运营中采用了AI。

在空中交通管制方面，National Air Traffic Services（NATS）目前在伦敦希思罗机场使用人工智能来优化飞机间距，尤其是在进近阶段。

AI并非基于尾流湍流分类进行通用的编序和间隔，而是考虑到精确的重量、空速和其他飞机参数，为管制员提供更为准确的间隔建议。

事实证明，这能改善空中交通流量，提升飞机吞吐量。

反过来，这意味着更少的飞机需要进入等待航线，从而显著节省燃油和减少排放，也意味着更少的延误和更高的运营灵活性。

对于支撑世界上最繁忙机场之一的运营来说，这是一次极佳的技术演进。

未来的天空

因此，尽管你在航班上还不会马上听到虚拟电脑化的声音来迎接你，航空业其他由AI驱动的功能确实已在眼前。

一些消费者的包裹已经由无人机投递，且大量研发正在投入到在城市空中出行（Urban Air Mobility）中使用AI。

空中出租车成为现实的时间比我们想象的要近得多。

完全自主运营会在我的职业生涯内出现，甚至在我有生之年出现吗？

虽然可能性很大，但现在下定论或许为时过早。

近来技术能力呈指数级增长。

谁能说我们不会在本世纪结束前看到像Wisk和Archer这样的UAM公司在推进商业自主飞行方面取得巨大飞跃？

我们已经看到其他人支持在航空中使用AI。

即便对于那些担心被自动化取代的飞行员，我们仍有责任为飞行公众尽一切可能以维护和提升安全与效率。

毕竟，如果人工智能将长期存在，何不将其为我所用？