Исследователи искусственного интеллекта Airbus разработали систему, которая использует понимание естественного языка для повышения эффективности ответов на вопросы (QA), когда летные экипажи ищут информацию об эксплуатации самолета.
Аэрокосмическая промышленность опирается на технические документы, такие как руководства по эксплуатации воздушных судов (AOM), инструкции по эксплуатации воздушных судов и, в частности, руководства по эксплуатации летных экипажей (FCOM), которые служат руководством для летных экипажей при эксплуатации воздушных судов в нормальных, нештатных и аварийных условиях. FCOM выпускаются производителями самолетов и охватывают описания систем, процедуры, методы и данные о характеристиках. Они используются для разработки стандартных рабочих процедур для повышения безопасности и эффективности.
Большинство государственных авиационных администраций разрешили использование планшетных компьютеров пилотами коммерческих авиаперевозчиков и летными экипажами для доступа к информации FCOM. Однако исследователи Airbus AI отмечают, что существующие системы электронных полетных сумок (EFB), используемые для этой цели, на практике представляют собой не более чем программы просмотра PDF-файлов с функцией поиска по ключевым словам. Вместо этого новая система Smart Librarian (SL) использует понимание естественного языка и интерактивный поиск для повышения производительности QA на FCOM.
Система контроля качества SL FCOM от Airbus AI состоит из трех основных компонентов: механизма диалога, средства поиска (поискового механизма) и модуля контроля качества.
Система использует основанную на естественном языке платформу Rasa с открытым исходным кодом в качестве механизма диалога, что позволяет ей распознавать высокоуровневые высказывания пользователя, прогнозировать следующее наилучшее действие и идентифицировать вопросы пользователей на основе состояния диалога. Система извлечения была построена в соответствии с классической архитектурой системы контроля качества с общей функцией фильтрации документов, предназначенной для получения ответов в течение ограниченного периода времени. Извлекатель также использует структуру вероятностной релевантности BM25 в качестве схемы индексации для повышения производительности.
Имея диалоговый движок и поисковую систему с фильтром-ретривером, следующей задачей исследователей было заставить модули контроля качества дать правильный и окончательный ответ на естественном языке. Для этого они использовали большие модели Google BERT (представления двунаправленного кодировщика от трансформаторов), модель DrQA, многозадачный подход к обучению и XGBoost.
В интерактивных пользовательских экспериментах система SL превзошла функцию поиска по ключевым словам FCOM EFB, находя ответы с большей точностью и за меньшее время как с включением ключевых слов в запросы, так и без них.
Команда искусственного интеллекта Airbus определяет будущие области для улучшения системы SL, такие как увеличение объема данных в домене для дальнейшей точной настройки механизма обеспечения качества, а также улучшение способности системы извлекать ответы из таблиц FCOM.
Статья Система вопросов и ответов для документации пилотов самолетов размещена на arXiv.
Аналитик: Роберт Тиан | Редактор: Майкл Саразен и Фанью Цай
Синхронизированный отчет | Обзор китайских решений искусственного интеллекта в ответ на пандемию COVID-19 — 87 тематических исследований от более чем 700 поставщиков ИИ
В этом отчете предлагается взглянуть на то, как Китай использует технологии искусственного интеллекта в борьбе с COVID-19. Он также доступен на Amazon Kindle. Вместе с этим отчетом мы также представили базу данных, охватывающую дополнительные 1428 решений искусственного интеллекта для 12 сценариев пандемии.
Нажмите здесь, чтобы найти больше отчетов от нас.
Мы знаем, что вы не хотите пропустить ни одной новости или научного открытия. Подпишитесь на нашу популярную рассылку Synced Global AI Weekly, чтобы получать еженедельные обновления AI.
