«ایرگاردین» که برای اطمینان از آسمان ایمن‌تر طراحی شده است، شهود انسان را با دقت ماشین ترکیب می‌کند و رابطه همزیستی بیشتری بین خلبان و هواپیما ایجاد می‌کند.
«ایرگاردین» یک برنامه کامپیوتری است می‌تواند با استفاده از فناوری ردیابی چشم، چشم‌های خلبان را ردیابی کند که به کجا نگاه می‌کند بنابراین بهتر می‌تواند بفهمد خلبان روی چه چیزی تمرکز کرده است.
تصور کنید در یک هواپیما با دو خلبان، یک انسان و یک کامپیوتر هستید. هر دو “دست” خود را روی کنترلرها دارند، اما همیشه به دنبال چیزهای مختلف هستند. اگر هر دو به یک چیز توجه کنند، انسان باید هدایت کند. اما اگر انسان حواسش پرت شود یا چیزی را از دست بدهد، کامپیوتر به سرعت کار را به دست می گیرد.
با «ایرگاردین» سیستمی که توسط محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) توسعه یافته است آشنا شوید. از آنجایی که خلبانان مدرن با هجوم اطلاعات از چندین مانیتور، به ویژه در لحظات حساس دست و پنجه نرم می کنند «ایرگاردین» به عنوان یک خلبان فعال عمل می کند. مشارکت بین انسان و ماشین که ریشه در درک توجه دارد.
«ایرگاردین» به جای مداخله در هنگام نقض ایمنی مانند سیستم های خلبان خودکار سنتی، علائم اولیه خطرات بالقوه را از طریق این نشانگرهای توجه شناسایی می کند.
پیامدهای گسترده تر این سیستم فراتر از هوانوردی است. مکانیزم‌های کنترل مشارکتی مشابه روزی می‌توانند در خودروها، هواپیماهای بدون سرنشین و طیف وسیع‌تری از رباتیک مورد استفاده قرار گیرند.
لیانهائو یین می گوید: «یک ویژگی هیجان انگیز روش ما، تمایز آن است. “لایه مشارکتی ما و کل فرآیند انتها به انتها را می توان آموزش داد. ما به طور خاص مدل شبکه عصبی با عمق پیوسته علی را به دلیل ویژگی های پویا در توجه نقشه برداری انتخاب کردیم. یکی دیگر از جنبه های منحصر به فرد سازگاری است. می توان آن را بر اساس خواسته های موقعیت تنظیم کرد و از مشارکت متوازن بین انسان و ماشین اطمینان حاصل کرد.”
رامین حسنی می‌افزاید: «این سیستم نشان‌دهنده رویکرد نوآورانه هوانوردی مبتنی بر هوش مصنوعی انسان محور است». استفاده ما از شبکه‌های عصبی مایع، رویکردی پویا و تطبیقی را ارائه می‌کند و تضمین می‌کند که هوش مصنوعی صرفاً جایگزین قضاوت انسان نمی‌شود، بلکه آن را تکمیل می‌کند و منجر به افزایش ایمنی و همکاری در آسمان می‌شود.»
نقطه قوت واقعی «ایرگاردین» فناوری پایه آن است. با استفاده از یک لایه مشارکتی مبتنی بر بهینه‌سازی با استفاده از توجه بصری از انسان و ماشین، و شبکه‌های عصبی زمان پیوسته (CfC) که به دلیل مهارتش در رمزگشایی روابط علت و معلولی شناخته شده است، تصاویر دریافتی را برای اطلاعات حیاتی تجزیه و تحلیل می‌کند.
دانیلا روس، اندرو پروفسور مهندسی در بخش برق موسسه فناوری ماساچوست می‌گوید: سیستم «ایرگاردین» هم‌افزایی بین تخصص انسانی و یادگیری ماشینی را برجسته می‌کند و هدف استفاده از یادگیری ماشینی برای تقویت خلبان‌ها در سناریو‌های چالش‌برانگیز و کاهش خطا‌های عملیاتی را تقویت می‌کند.
