Новые правила и новые технологии открывают путь для адаптивного обучения

Авиационная промышленность находится в процессе перехода к более основанным на фактах подходам к обучению пилотов. Европейское агентство по авиационной безопасности (EASA) предложило внести поправки в свои правила и разработать новые правила, требующие от организаций, обучающих пилотов, применять подход, основанный на компетенциях:

… Для обеспечения того, чтобы авиационный персонал обладал необходимыми компетенциями и методами обучения, чтобы справляться с новыми задачами. Это один из наиболее важных системных вопросов в Европейском плане обеспечения безопасности полетов (EPAS) на 2018–2022 годы.

Основная посылка заключается в том, что общее количество летных часов и проверки квалификации - это не то же самое, что и квалификация. Глубокие знания и понимание, наряду с процедурными знаниями, - вот для чего мы должны тренироваться.

Если дела пойдут по расписанию, новые правила обучения, основанного на фактах (EBT), будут приняты вместе с приемлемыми средствами обеспечения соответствия в третьем квартале 2020 года. Это означает, что обучающим организациям скоро придется изменить свои методы обучения пилотов.

На протяжении десятилетий авиационная промышленность использовала датчики и данные, чтобы сделать полеты более безопасными для всех. Многие сложные системы на борту самолета используют данные, чтобы видеть сквозь облака, ориентироваться, избегать столкновений и обеспечивать плавное путешествие для пассажиров. Данные из регистратора быстрого доступа загружаются и анализируются, чтобы сделать полеты более безопасными и эффективными. А в худшем случае черные ящики помогают нам понять, что пошло не так, и как мы можем избежать катастрофы в будущем.

Данные с самолетов начинают информировать о том, как обучаются сами пилоты. Например, решения о настройках тангажа и дроссельной заслонки во время взлета и набора высоты могут иметь огромное влияние на общий расход топлива, что оказывает влияние как на окружающую среду, так и на экономику авиакомпании.

Но в обучении происходит большая революция, в том числе с данными. В то время как идея EBT, как правило, заключается в использовании эксплуатационных данных для улучшения обучения пилотов, идея обучения на основе компетенций (CBT) заключается в использовании наблюдений о знаниях отдельного пилота, навыки и отношение, чтобы адаптировать обучение к индивидуальным потребностям пилота.

В Paladin AI мы называем этот подход адаптивным обучением, потому что каждый человек учится с разной скоростью и имеет разный опыт и знания. В прошлом по умолчанию использовался универсальный подход, но технологии позволяют применять более персонализированные подходы. И выгода может быть значительной.

В этой статье мы расскажем, как адаптивное обучение может значительно улучшить экономику обучения пилотов, что принесет пользу всем.

Различные виды подготовки пилотов

Кратко напомним, как обучаются пилоты. При первом запуске потенциальный пилот проходит обучение ab initio (латинское: «с самого начала»). Обычно это делается в специальной летной школе или в колледже / университете. По всему миру существуют тысячи летных школ, но большинство из них частные, и обучение обычно платит стажер.

Пилот должен быть сертифицирован для управления воздушным судном определенного типа. Окончание летной школы не дает вам автоматически права на полет на коммерческом самолете. Пилот должен получить начальный «рейтинг типа», который дает ему право на использование одного типа воздушного судна. Это также означает, что наличие рейтинга типа на Airbus A320 не дает пилоту права управлять самолетом Boeing 747. Если авиакомпания хочет, чтобы пилот летал на другом типе самолета, пилот должен пройти «преобразование типа».

Поступив на работу в авиакомпанию, каждый пилот ежегодно проходит регулярную переподготовку. Во время повторного обучения пилот направляется в утвержденную учебную организацию (ATO), где в течение нескольких дней ему предстоит выполнить серию упражнений на авиасимуляторе для проверки и закрепления своих знаний и процедур. Эти изнурительные тренировки проходят под наблюдением летного инструктора, который должен подтвердить квалификацию каждого пилота. Предполагая, что они пройдут мимо, пилоты возвращаются домой и возобновляют полеты к своему работодателю.

Стоимость обучения

Неудивительно, что обучение пилотов стоит дорого. Прохождение всего обучения ab initio, от лицензии частного пилота до лицензии пилота авиатранспорта (ATPL) или ее эквивалента, может обойтись пилоту в 250 000 долларов США. Весь процесс также может занять годы.

Когда дело доходит до получения рейтинга нового типа или прохождения повторного обучения, именно авиакомпания оплачивает обучение, и затраты являются значительными. Пилота необходимо вывести из строя, затем отправиться в тренировочный центр (который может находиться в другой стране или даже на другом континенте), затем провести там до недели, остановившись в отелях, прежде чем вернуться домой.

На стоимость влияет множество факторов, но повторное обучение может стоить до 20 000 долларов на пилота в год. У крупных авиакомпаний есть тысячи пилотов, и они ежегодно тратят миллионы на поддержание их в рабочем состоянии. Чтобы помочь контролировать расходы, авиакомпания может построить или купить специализированную учебную организацию. Это работает только для крупных авиакомпаний, которые могут максимально использовать возможности учебного центра. Один полноценный авиасимулятор стоит около 10 миллионов долларов. Небольшие авиакомпании обычно привлекают сторонние учебные центры.

По одной оценке EASA, общие годовые затраты на переподготовку для средней / крупной авиакомпании с 1000 пилотами составляют примерно 13,4 миллиона евро (около 14,5 миллиона долларов США).

Анализ затрат / выгод научно-обоснованного обучения

На первый взгляд, переход от текущего подхода к обучению к обучению, основанному на фактах, потребует больших предварительных затрат. Для типичной авиакомпании, по оценке EASA, внедрение обойдется в 1,1 миллиона евро в первый год, а затем в 10 000 евро в год на постоянной основе.

Учебные центры, внедряющие EBT / CBT, обеспокоены тем, что им придется выбросить все свои учебные материалы, разработать совершенно новые учебные программы и переобучить всех своих инструкторов новому подходу. Это серьезная головная боль и потенциально довольно затратная, но есть надежда, что организация обучения станет более конкурентоспособной.

В конечном итоге авиакомпании могут рассчитывать на получение экономических выгод. Поскольку авиакомпания демонстрирует соответствие требованиям и повышенную безопасность, им могут быть предоставлены особые привилегии: требования к линейным проверкам и наземному обучению сокращены с одного раза в год до одного раза в два года.

Регулирующие органы также ожидают, что с внедрением EBT потребность в дорогостоящем коррекционном обучении уменьшится, поскольку все больше пилотов успешно проходят регулярные проверки квалификации.

В окончательном анализе затрат и выгод можно ожидать, что средняя / крупная авиакомпания будет ежегодно экономить 900 евро на пилота.

Но эта экономия невелика, учитывая, что авиакомпания может потратить в 10 раз больше на реактивное топливо, необходимое для одного полета. Можем ли мы сделать лучше?

Адаптивное обучение с помощью искусственного интеллекта

Руководящим документом для внедрения обучения, основанного на фактических данных, является Руководство ИКАО по обучению, основанному на фактах (Doc 9995). Его рекомендация ложится серьезным бременем на летных инструкторов:

Программы профессиональной подготовки, такие как курсы EBT и ab-initio MPL, во многом зависят от аналитических и оценочных навыков преподавательского состава. Кроме того, важно, чтобы на должности инструкторов рассматривались только те люди, которые
хорошо разбираются в процессе обучения и способах положительного влияния на человеческое поведение. Потенциальные инструкторы должны отбираться, обучаться и иметь квалификацию в соответствии с положениями п. 6.1.2 главы 6 Правил аэронавигационного обслуживания - подготовка (Doc 9868).

Это означает, что летных инструкторов необходимо будет переучить в соответствии с новой парадигмой подготовки и научить оценивать компетенции пилотов. Фактически, переход на EBT будет трудным и дорогостоящим.

Также существует риск перехода от очень конкретного подхода к проверкам и процедурам к чему-то, где инструктор должен соотносить наблюдения за поведенческими индикаторами (например, «Выявление и устранение угроз безопасности самолета и людей») с результатами проверки. тренировка приводит к перегрузке инструктора.

Соблазн по умолчанию просто установить флажки вместо оценки компетенций будет велик.

Что, если бы искусственный интеллект можно было использовать для определения и измерения компетенций?

Искусственный интеллект (ИИ) отлично справляется с распознаванием образов. Покажите глубокой нейронной сети достаточно примеров некоторого сложного паттерна в данных, и она научится видеть этот паттерн везде, где он встречается.

Предполагая, что более компетентные пилоты по-разному реагируют на сложные обстоятельства, мы можем обучить ИИ распознавать эту разницу.

Самолеты и авиасимуляторы уже оснащены датчиками и генерируют великолепные объемы данных. Что, если в этих данных уже есть подписи о квалификации пилота? Если бы мы могли выделить этот сигнал из шума, это бы все изменило.

ИКАО в своем руководстве уже оказала нам услугу, указав все основные профессиональные качества, которыми должен обладать пилот, а также поведенческие и эксплуатационные показатели, которые должны присутствовать.

Основные компетенции - это ситуационная осведомленность, управление рабочей нагрузкой и решение проблем.

Благодаря непосредственному взаимодействию с авиасимуляторами наши мощные системы машинного обучения могут анализировать сотни параметров полета и обнаруживать признаки компетентности пилота. Мы используем комбинацию глубоких нейронных сетей, байесовского вывода, выборки методом Монте-Карло цепи Маркова и классических алгоритмов контролируемого и неконтролируемого обучения, чтобы понять, что происходит в симуляторе, и создать составной профиль пилота.

Вместо того, чтобы просить инструкторов выбросить свои планы уроков и оценочные листы, мы просто просим инструкторов тренироваться с помощью нашей приборной панели, которая отслеживает пилот в режиме реального времени, а затем предоставляет аналитику обучения и отзывы о компетенциях после занятия.

Заключение

Обучение, основанное на фактах, можно использовать гораздо меньше, чем оценивают EASA или другие регулирующие органы, но только если мы будем использовать инструменты современной науки о данных. Переложив обнаружение и измерение десятков поведенческих индикаторов на алгоритмы машинного обучения, инструкторы могут сосредоточиться на привитии человеческих качеств, которые делают пилотов лучше: лидерство, командная работа, общение, дисциплина и профессионализм. Это качества, которые не может обеспечить ни один алгоритм. Хорошие учителя воплощают эти качества.

Адаптивное обучение с использованием инструментов искусственного интеллекта сделает отрасль более безопасной, а обучение станет более доступным. Инвестиции авиакомпаний и учебных центров в эту технологию еще долгое время будут приносить дивиденды, поскольку потребности в обучении сокращаются на 30–50%.

Используя инструменты искусственного интеллекта, можно добиться соответствия новым правилам за гораздо меньшее время и с гораздо меньшими затратами.

Paladin AI создает инструменты и технологии, которые сделают адаптивное обучение недорогим. Это позволит учебным центрам начать применять методы обучения, основанные на фактических данных, без необходимости полностью пересматривать свои учебные программы или покупать новое дорогое оборудование.

Хотя в этой статье основное внимание уделяется затратам на обучение существующих пилотов, мы ожидаем, что адаптивное обучение также упростит, чем когда-либо, стать пилотом. Устранение финансовых барьеров, мешающих многим начать карьеру в авиации, не только создаст экономические возможности для большего числа пилотов, но и сделает авиацию более безопасной, уменьшив нехватку пилотов.

По состоянию на февраль 2020 года Paladin AI тестирует InstructIQ ™, нашу платформу аналитики обучения, с несколькими партнерами по всему миру. Мы верим в будущее, в котором человеческий и машинный интеллект летят вместе. Вместе это сделает мир более безопасным.