گوگل در جدیدترین گام خود برای ورود هوش مصنوعی به حوزه پایداری محیطزیست، پروژه پیشبینی و جلوگیری از تشکیل ردهای سفید پروازی (کنتریلها) را به پروازهای فوقطولانی در منطقه آسیا-پاسیفیک گسترش داد. این پروژه تحقیقاتی که با همکاری خطوط هوایی و نهادهای هوانوردی پیش میرود، به خلبانان و دیسپچرهای پرواز امکان میدهد با اعمال تغییراتی اندک در ارتفاع، مانع از شکلگیری ابرهای به داماندازنده گرما در جو زمین شوند.
خطوط سفید آسمان؛ کاتالیزور پنهان گرمایش زمین
ردپای هواپیماها در آسمان فقط بخار آب ساده نیست؛ این پدیدهها که در اصطلاح هوانوردی کنتریل (Contrail) نامیده میشوند، هنگامی شکل میگیرند که دوده و رطوبت داغ خروجی از موتور جت در لایههای فوقانی و فوقالعاده سرد جو متراکم و منجمد شوند. مطالعات اقلیمی نشان میدهند که ابرهای سیروسِ حاصل از این ردپاها، گرمای متصاعدشده از سطح زمین را بازتاب داده و در اتمسفر به دام میاندازند.
بر اساس گزارشهای اقلیمی، کنتریلها مسئول بیش از یکسوم تأثیر کلی صنعت هوانوردی در گرمایش زمین هستند؛ سهمی شگفتآور که در بسیاری از پروازها حتی از اثر مستقیم دیاکسید کربن ناشی از سوخت پیشی میگیرد. با این حال، جلوگیری از تشکیل آنها نیازی به بازطراحی ساختار هواپیما یا اختراع سوخت جدید ندارد، بلکه با تغییر هوشمندانه ارتفاع پرواز قابل حل است.
سازوکار الگوریتم گوگل: ادغام ماهوارهها با یادگیری ماشین
بخش Google Research با ترکیب دادههای پیشبینی آبوهوا، اطلاعات پروازهای پیشین و تحلیل تصاویر ماهوارهای با کمک شبکههای عصبی عمیق، نقشههای لحظهای از لایههای رطوبتی جو (مناطق فوقاشباع از یخ) تولید میکند. این فناوری به سامانههای مدیریت ناوبری نشان میدهد که هواپیما با ورود به کدام محدوده جغرافیایی و در چه ارتفاعی باعث ایجاد کنتریلهای پایدار خواهد شد.
فرایند بهینهسازی مسیر با هوش مصنوعی
- تحلیل دادههای هواشناسی: پردازش مدلهای دقیق جوی مانند رطوبت نسبی، دما و بردار باد.
- پیشبینی نقطه انجماد: مشخص کردن دقیق لایههایی از آسمان که پتانسیل تشکیل ابرهای مصنوعی پایدار دارند.
- ارائه جایگزین بهینه به دیسپچر: پیشنهاد افزایش یا کاهش ملایم ارتفاع (معمولاً بین ۱۰۰۰ تا ۲۰۰۰ پا) برای عبور از منطقه بحرانی با کمترین مصرف سوخت مازاد.
- اعتبارسنجی ماهوارهای: رصد مسیر پرواز توسط ابزارهای بینایی ماشین گوگل برای ارزیابی موفقیت عدم تشکیل رد سفید.
چرا آزمایش در منطقه آسیا-پاسیفیک و پروازهای دوربرد مهم است؟
پس از موفقیت در آزمایشهای اولیه روی پروازهای داخلی ایالات متحده با همکاری امریکن ایرلاینز، گوگل تمرکز خود را روی مسیرهای دوربرد و متقاطع در حوزه آسیا-پاسیفیک (APAC) گذاشته است. این منطقه به دلیل تودههای هوایی مرطوب، آبوهوای گرمسیری متغیر و مسیرهای بسیار طولانی بر فراز اقیانوس، یکی از پیچیدهترین زیستبومهای هوانوردی جهان به شمار میرود.
پروازهای فوقطولانی (Ultra Long-Haul) ساعتها در ارتفاع کروز سیر میکنند و کوچکترین تغییر در مسیر میتواند تفاوت چشمگیری در انتشار کربن و مهار پدیده گرمایش ایجاد کند. آزمایش گوگل در این منطقه اثبات میکند که آیا این سیستم میتواند با دادههای پیچیدهتر و سیستمهای کنترل ترافیک هوایی چندملیتی هماهنگ شود یا خیر.
| شاخص | برنامهریزی سنتی پرواز | مسیریابی هوشمند با هوش مصنوعی گوگل |
|---|---|---|
| معیار تعیین ارتفاع | فقط کمترین مصرف سوخت و دوری از توربولانس | تلفیق مصرف سوخت، شرایط آبوهوا و جلوگیری از کنتریل |
| دادههای پایش رد پروازی | بدون پایش | بینایی ماشین ماهوارهای بهصورت بلادرنگ |
| هزینه سوخت اضافه | صفر درصد | کمتر از ۲ درصد (در ازای کاهش ۵۴ درصدی کنتریل) |
| تأثیر خالص زیستمحیطی | بالا به دلیل انتشار گرمایش ترکیبی | کاهش معنادار اثر گلخانهای پرواز در کوتاهمدت |
تأثیر اقتصادی بر صنعت هوانوردی و افق پیشرو
بزرگترین چالش شرکتهای هواپیمایی برای پذیرش فناوریهای سبز، بار مالی سنگین نوسازی ناوگان است. سیستم هوش مصنوعی گوگل برای جلوگیری از کنتریل، به عنوان یکی از مقرونبهصرفهترین راهکارهای اقلیمی تاریخ هوانوردی شناخته میشود؛ زیرا تنها با تحمیل کمتر از ۲ درصد سوخت مازاد برای پروازهای مشمول تغییر مسیر، اثر گرمایشی رد پروازها را تا بیش از ۵۰ درصد کاهش میدهد.
همگام شدن غولهای فناوری مانند گوگل با نهادهای جهانی نظیر یوروکنترل (Eurocontrol) و شرکتهای بینالمللی، نشاندهنده یک جریان جدید در بازار است؛ جایی که هوش مصنوعی نه به عنوان یک ابزار فانتزی، بلکه در قامت زیرساختی حیاتی برای هوانوردی با آلایندگی صفر ظاهر میشود.
جمعبندی
توسعه الگوریتمهای هوش مصنوعی برای جلوگیری از کنتریل در آسیا-پاسیفیک نشان میدهد که فناوریهای نرمافزاری میتوانند بدون نیاز به دههها انتظار برای جایگزینی ناوگان هوایی، اثرات اقلیمی پروازها را بهطور چشمگیری مهار کنند. هماهنگی موفق میان غولهای فناوری، اپراتورهای ترافیک هوایی و خطوط مسافربری در این طرح، الگویی عملی برای بهرهگیری تجاری و واقعی از هوش مصنوعی در حل بحرانهای جهانی به حساب میآید.
سؤالات متداول
کنتریل چیست و چرا برای محیطزیست مضر است؟
کنتریلها خطوط ابری سفیدی هستند که از انجماد بخار آب و ذرات خروجی موتور هواپیما در لایههای سرد جو پدید میآیند. این ابرها گرمای تابیدهشده از زمین را به دام میاندازند و سهمی حدود ۳۵ درصد در کل گرمایش ناشی از هوانوردی دارند.
هوش مصنوعی گوگل چگونه از تشکیل رد سفید هواپیماها جلوگیری میکند؟
الگوریتمهای یادگیری ماشین گوگل دادههای هواشناسی و تصاویر ماهوارهای را ترکیب کرده و لایههای رطوبتی مستعد تشکیل ابر را پیشبینی میکنند. سپس با پیشنهاد تغییر جزئی ارتفاع به خلبان، هواپیما را از این نواحی دور میسازند.
آیا تغییر ارتفاع برای دور زدن کنتریلها باعث مصرف زیاد سوخت نمیشود؟
خیر؛ طبق نتایج ارزیابیهای اولیه، این تغییر ارتفاع معمولاً به کمتر از ۲ درصد سوخت مازاد در پروازهای تحت آزمایش نیاز دارد که در مقایسه با کاهش بیش از ۵۰ درصدی اثر گرمایشی، توجیه اقتصادی و زیستمحیطی بسیار بالایی دارد.
چرا آزمایش جدید گوگل در منطقه آسیا-پاسیفیک اهمیت دارد؟
این منطقه به دلیل دارا بودن مسیرهای پروازی فوقطولانی، رطوبت متغیر و ترافیک فشرده اقیانوسی، دشوارترین محک برای دقت سیستمهای پیشبینی هوش مصنوعی در شرایط واقعی عملیاتی محسوب میشود.
