Dok recentni skok u napretku umjetne inteligencije hara digitalnim gospodarstvima stvarajući nova tržišta u masovnoj eksploziji mogućnosti proizvodnje, neki su već odavno uvidjeli što bi u budućnosti ovaj najnoviji alat mogao donijeti društvu. Bruno Antulov-Fantulin i njegovi suradnici već više od desetljeća upotrebljavaju umjetnu inteligenciju u sklopu svog rada na Fakultetu prometnih znanosti u Zagrebu. Njihov model umjetne inteligencije za procjenu kompleksnosti zračnog prometa nastao je iz istraživanja koje je započeto još 2013. godine, dok je njegova trenutačna inačica razvijena 2019. godine. S njegovim patentiranjem, Antulov-Fantulin kao izumitelj patenta i njegov tim s Fakulteta prometnih znanosti polako će se pokušati probiti na svjetsko tržište.

Antulov-Fantulin je svojim profesorskim i istraživačkim radom uspio ujedno postati osnivač i direktor prve „spin-off“ tvrtke Fakulteta prometnih znanosti – tvrtke koja je proizašla iz istraživanja Fakulteta. Pod službenim nazivom SKAI LABS, novoosnovana tvrtka služi daljnjem razvijanju i promicanju njihova sada dostupnog proizvoda „Interaktivnog sučelja za optimizaciju zračnog prometa“, namijenjenog kontrolorima leta diljem svijeta. Cilj proizvoda je tehnološkim inovacijama – ponajprije modelima umjetne inteligencije – optimizirati zračni prostor i promet. Antulov-Fantulin inače je bio student kontrole leta na FPZ-u; nakon što je diplomirao i zaposlio se kao asistent te kroz rad na doktorskoj disertaciji, došao je do revolucionarnog rješenja za problem zagušenosti zračnog prostora te nedostatka kapaciteta, a temelji se na smanjenju kompleksnosti zračnog prometa. Da bi shvatili tehnološku inovaciju koju razvija u svojoj tvrtki, potrebno je ukratko objasniti temelje. Općenito, zračni prostor je zagušen zbog velikog broja letova čiji broj rase iz godine u godinu što rezultira velikim brojem kompleksnih interakcija zrakoplova, odnosno prometnih situacija, što ima za posljedicu: zagušenje zračnog prostora i velika kašnjenja te povećano radno opterećenje kontrolora i nedostatak kapaciteta. Antulov-Fantulin i njegov tim istražuju kompleksnost zračnog prometa kao temeljnu veličinu navedene problematike, a koja se može opisati kao varijabla koja opisuje međusobne odnose zrakoplova u prostoru te predstavlja težinu rada kontrolora da ih razriješe, da ne dođe do ugroze sigurnosti prometa..

Model nastao u zagrebačkom FPZ-u pridonijet će sigurnosti u zračnom prometu na globalnoj razini i smanjenju kašnjenja zrakoplova. FOTO: Marin Hižar

„Mislim da smo uspjeli definirati izvjestan pristup tome kako istrenirati umjetnu inteligenciju da procjenjuje što je ljudima kompleksno – u našem slučaju ono što je kompleksno u zračnom prometu. Zašto je to problematično i zašto nitko to dosad nije napravio? Kada pitate više osoba što bi njima bilo kompleksno, koja radnja bi njima bila kompleksnija, njihov odgovor se uvijek temelji na subjektivnoj procjeni. Mladoj ili staroj osobi nije posao prenošenja stolica iz jedne u drugu sobu podjednako kompleksna radnja. Tako možemo navoditi primjere i za bilo koju drugu radnju u bilo kojoj drugoj branši – kontrolore leta isto tako. Postavlja se pitanje kako nešto toliko dinamično i kompleksno kao što je zračni promet, kvantificirati tako da umjetna inteligencija jednako može procijeniti kompleksnost poput ljudskog kontrolora leta“, rekao je za MegaWatt Bruno Antulov-Fantulin.

Što zapravo radi model umjetne inteligencije proizveden na Fakultetu prometnih znanosti? Vrijedi krenuti od osnova. Mnogi zamišljaju kontrolora leta kao čovjeka koji sa slušalicama i mikrofonom sjedi u tornju zračne luke. Većinu zračnog prometa svake države u svijetu zapravo čine preleti. Svjetski prosjek udjela preleta u državnom zračnom prometu je osamdeset posto. Hrvatska također pripada tom prosjeku. Njima upravlja oblasna kontrola leta – ne lučka. Upravo zbog dinamike i obujma prometa interaktivno sučelje kojeg su proizveli Antulov-Fantulin i njegovi suradnici namijenjeno je oblasnoj kontroli. Aerodromska kontrola bavi se letovima u dolasku ili odlasku s nekog aerodroma, odnosno zračne luke. Isto vrijedi i za prilaznu kontrolu koja se “naslanja na aerodromsku, dok sve izvan tog prostora potpada pod oblasnu kontrolu. Oblasna kontrola ima najveći broj letova, ali generira i velika zagušenja, kašnjenja i neefikasnost.

Zračni prostor oblasne kontrole često je limitiran brojem kontrolora leta koji je dostupan. S obzirom na količinu prometa na određenim njegovim točkama, on se dijeli na manje sektore za koje se određuje određen broj kontrolora koji lakše njima upravljaju. Ovdje uskače model koji je razvijen u SKAI LABS u suradnji s Fakultetom prometnih znanosti. Model omogućava da se dan ranije sagledavaju nadolazeći planovi leta te je sam model sposoban predložiti najbolja moguća raspodjele zračnog prostora neke države ili nekog područja, nešto što se stručno naziva sektorizacija, tako da se što efikasnije rasporede i rasterete raspoloživi oblasni kontrolori leta. Analiza modela temelji se na dva aspekta – i to je ono ključno. Model se ne obazire samo na kapacitete dijelova zračnog prostora, već i na njegovu kompleksnost koja ovisi o interakcijama zrakoplova.

„Broj zrakoplova nije jedina mjera kompleksnosti. Vi možete imati zračni prostor u kojem je jako puno zrakoplova, ali su raspoređeni da svaki dolazi jedan iza drugoga. U tom slučaju, imate veliku gustoću prometa, ali vrlo nisku kompleksnost, pošto kontrolor zapravo ima manje zadaća za odraditi, odnosno ima manje radno opterećenje. Također, možete imati situaciju gdje parovi zrakoplova lete prema istoj točki na istim visinama iz različitih smjerova. To je vrlo kompleksna situacija za koju kontrolor treba više vremena da ju razriješi. Prema tome, broj zrakoplova jednostavno nije jedini faktor pomoću kojeg se kvalitetno može raspodijeliti zračni prostor. Zbog limitiranog broja kontrolora, nadležne kontrole leta za svoje zračne prostore uvode regulaciju prometa te time sprječavaju situacije prekompleksne prometne situacije i preopterećenje kontrolora Baš iz tog razloga dolazi do pojave velikog kašnjenja. Samo prošle godine na razini Europe imali smo 18,1 milijuna minuta kašnjenja. Naš sistem omogućuje identifikaciju problematičnih zrakoplova u zračnom prostoru i umjesto da reguliramo jedan takav cijeli prostor, mi možemo vrlo lako pomoću našeg modela raditi modifikaciju rute samo za određene zrakoplove i onda unaprijed riješiti problem – prije nego što se on uopće dogodi“, objašnjava Bruno Antulov-Fantulin.

U proučavanju i sistematiziranju zračnog prometa tim Antulova-Fantulina je, po njegovoj procjeni, ‘napravio veliki iskorak’. Korak je bio tako velik da su na početku svi bili skeptični. FOTO: Tomislav Miletic/PIXSELL

Model je bio treniran na temelju procjene licenciranih oblasnih kontrolora i koje je kasnijom interpolacijom slijedio kao ciljane varijable, vrijednosti koje valja postići u nekoj danoj prometnoj situaciji. Nakon toga je morao primjenjivati naučene postavke na zadane prometne varijable, a na njima je model umjetne inteligencije učio do kada nije postigao te ciljane varijable. Kod određivanja onoga što je zapravo kompleksnost, Antulov-Fantulin i njegovi fakultetski suradnici proučavali su i napravili detaljan pregled područja znanstvenih publikacija kompleksnosti zračnog prometa te utvrdili gdje se mogu napraviti pomaci u području kompleksnosti. Shvatili su time da kada se zapravo stavi kontrolore leta da rade i prilikom toga određuju kompleksnost nekog zadatka, ono što oni podsvjesno rade je da procjenjuju radno opterećenje. Ono nije isto što i kompleksnost, već je derivirano iz njega. Dok je kompleksnost derivirana iz geometrije prostora i prometa, radno opterećenje proizlazi iz derivacije kompleksnosti i posrednih čimbenika poput kognitivne sposobnosti kontrolora i njegove interakcije sa sučeljem i radnim kolegama. Idući korak je onda bio maknuti kontrolore iz tog vrlo subjektivno doživljenog radnog okruženja i dati im zadatke bez ikakvog radnog pritiska i uspoređivati koje dvije situacije su kompleksnije od drugih, te su time, prema riječima Antulov-Fantulina, uspjeli „eliminirati ljudsku nekonzistentnost kroz niz pametnih pristupa i time prvi u području uspjeli opisati i dizajnirati općenitu kompleksnost zračnog prometa“.

U proučavanju i sistematiziranju zračnog prometa tim Antulova-Fantulina je, po njegovoj osobnoj procjeni, „napravio veliki iskorak“. Korak je bio tako velik da su na početku svi bili skeptični da je to uopće istina. Mora da su nešto previdjeli u svom programu – u nekom dijelu koda mora postojati greška. Kada su pak išli testirati svoj model umjetne inteligencije na osamnaest oblasnih licenciranih kontrolora leta, ispostavilo se da predviđanja koja on radi u simuliranim stvarnim uvjetima su još bolja od onih koje su očekivali. Pokazalo se da model kojeg su proizveli daje jednako dobre, pa ponekad čak i bolje odgovore od kontrolora leta na danih tisuću upita za različite situacije u zračnom prometu. U znanstvenoj terminologiji, uzimajući tipične odgovore na situaciju kao srednju vrijednost, njihov model umjetne inteligencije jednako je odstupao od te srednje vrijednosti kao i kontrolori leta koji su bili ispitani. Na kraju, model su uspjeli patentirati i plasirati na tržište te bi on trebao iznimno pridonijeti zračnom prometu na globalnoj razini po pitanju povećanja kapaciteta i smanjenju kašnjenja zrakoplova, ali i doprinosu sigurnosti prometa.

„Mi ćemo svoj proizvod uvijek morati prilagođavati kupcu. Zbog toga je nezahvalno govoriti o cijenama. Trenutno poslujemo s kontrolom leta u Maastrichtu. Ono što oni traže je dio funkcionalnosti koje smo im ponudili u izvornom obliku, dok bi drugi dio željeli prilagoditi kako bi naše interaktivno sučelje i model u potpunosti odgovarali njihovim specifičnim potrebama. Svaki daljnji potencijalni korisnik će, također, imati svoje uvjete kojima ćemo prilagoditi model i sukladno tome i cijenu. Trebamo se još probiti na tržište. Poprilično smo mali, a „plivamo u moru“, pa čak i oceanu velikih „igrača“. Mi imamo unikatnu ponudu, ali teško je uopće doći do toga da nas nekoj kontroli leta prezentiramo naš proizvod. Ipak smo svi ovdje doktori znanosti u tehničkom području, a ne doktori marketinga“, opisuje Antulov-Fantulin.

Na pitanje zašto Hrvatska kontrola leta ne koristi vaše sustave Antulov-Fantulin šaljivo izbjegava odgovor „to je pitanje za njih“ pa nastavlja „trudimo se dokazati da smo zbilja izvrsni i inovativni te da iza sebe imamo kvantificirane i provjerene rezultate. Uvjereni smo da je samo pitanje vremena kada će kvalitetna rješenja SKAI LABS-a biti prepoznata na globalnom tržištu“. Uz Antulov-Fantulina kao izumitelja, na izradi modela sudjelovali su matematičar Alen Lančić, Nino Faraguna, Damjan Rafaj, Sven Fijan i brojni drugi djelatnici Fakulteta prometnih znanosti koji pomažu u daljnjoj realizaciji modela poput profesora Tomislava Radišića, profesorica Biljana Juričić i dr. sc. Zoran Jakšić, pa i studenti i studentice koje pomažu u provođenju usporednih projekata.