هوش مصنوعی در راه آهن: ایجاد یک پل بین نوآوری چین و اروپا

در ۲۲ ژانویه ۲۰۲۶، وبینار «هوش مصنوعی در بخش راه‌آهن: پیوند نوآوری بین چین و اروپا» بیش از ۱۳۰ شرکت‌کننده را گرد هم آورد تا تأثیر تحول‌آفرین هوش مصنوعی بر سیستم راه‌آهن را تحلیل کنند. این کارگاه که با همکاری Eurnex، UIC و دانشگاه Jiaotong پکن (BJTU) برگزار شد، فرصتی را برای تبادل اطلاعات سطح بالا در مورد استراتژی‌های تحقیق و کاربرد صنعتی فراهم کرد.

جلسه ۱: نوآوری در مقیاس بزرگ چین

همکاران چینی بر ادغام سریع راه‌حل‌های مبتنی بر هوش مصنوعی و به‌کارگیری آن‌ها به عنوان بخشی از توسعه زیرساخت‌های هوشمند تمرکز کردند:

· پلتفرم‌های هوشمند: دکتر پینگ لی، آکادمی علوم راه‌آهن چین (CARS)، جزئیات ابتکار «مغز راه‌آهن» را شرح داد که از رانندگی خودکار با سرعت ۳۵۰ کیلومتر بر ساعت، ساخت و عملیات هوشمند پشتیبانی می‌کند.

· نگهداری و رباتیک: پروفسور گئوچینگ جینگ، BJTU، بر تغییر تمرکز از ساخت و ساز به نگهداری تأکید کرد و مفاهیمی را برای بازرسی رباتیک مسیر و «ریل‌های هوشمند» با سنسورهای یکپارچه برای کاهش نیروی کار رو به کاهش معرفی کرد.

· پیچیدگی داده‌ها: پروفسور لیپینگ جینگ، BJTU، چالش‌های پردازش مقادیر عظیمی از داده‌های متنی و تصویری را مورد بحث قرار داد و موارد استفاده مانند تشخیص نفوذ و ابزارهای مدل زبان بزرگ (LLM) را برای کنترل کیفیت برجسته کرد.

جلسه ۲: اعتماد و مقررات اروپایی

ارائه‌های اروپایی بر گذار از اتوماسیون به خودمختاری در محیط نظارتی سختگیرانه قاره تمرکز داشتند:

· هوش مصنوعی قابل اعتماد: پروفسور فرانچسکو فلامینی، دانشگاه علوم کاربردی و هنرهای سوئیس جنوبی (SUPSI)، و دکتر کنزا هارکوکن سایه، Alstom، ضرورت هوش مصنوعی «قابل توضیح» را، به ویژه برای عملکردهای حیاتی ایمنی مانند تشخیص سیگنال و نظارت بر تقاطع‌های همسطح، تشریح کردند.

· کارایی و پایداری: Alstom نشان داد که چگونه هوش مصنوعی مصرف انرژی و نگهداری پیش‌بینانه را برای مدیریت هوشمند ناوگان بهینه می‌کند.

· استانداردسازی: دکتر پیتر سودرهولم، Trafikverket، استدلال کرد که در حالی که فناوری به سرعت در حال توسعه است، مقررات عقب مانده‌اند. او پیشنهاد کرد که از خود هوش مصنوعی برای مدیریت چارچوب‌های نظارتی پیچیده و تجزیه و تحلیل ریسک استفاده شود.

جلسه ۳: بحث پنل در مورد هوش مصنوعی

جلسه سوم شامل یک بحث پنل عمیق بود که به طور مشترک توسط آرتور فویود، UIC، و جیانلوکا کولما، Imotion Analytics، تعدیل شد. این جلسه فراتر از ارائه‌های فنی رفت تا موانع اجتماعی-فنی پیاده‌سازی هوش مصنوعی در سطح جهانی را مورد بررسی قرار دهد.

فویود به طور خاص گفتگو را به سمت توسعه یک چارچوب حاکمیت هوش مصنوعی هدایت کرد. او تأکید کرد که برای اینکه بخش راه‌آهن راه‌حل‌های نوآورانه را به طور مسئولانه بپذیرد، باید الزامات روشنی برای چگونگی معرفی قابلیت‌های جدید توسط هوش مصنوعی وجود داشته باشد. فویود توجه را به «شرایط پذیرش مسئولانه» جلب کرد و اطمینان حاصل کرد که هوش مصنوعی به عنوان یک ابزار حمایتی باقی می‌ماند و نه جایگزینی کنترل نشده برای تخصص انسانی. در طول بحث، سه موضوع مهم نیز مورد بررسی قرار گرفت:

۱. کیفیت داده در مقابل حجم: کارشناسان به این اجماع رسیدند که داده‌های با کیفیت بالا و برچسب‌گذاری شده به طور دقیق بسیار مفیدتر از حجم صرف هستند، به ویژه هنگام آموزش سیستم‌ها برای رویدادهای نادر و فاجعه‌بار «موارد مرزی».

2. تقسیم انسان و هوش مصنوعی: پنل یک مدل «انسان در حلقه» را پیشنهاد کرد. در این رابطه همزیستی، هوش مصنوعی پردازش داده‌های با فرکانس بالا و اجرای اولیه را بر عهده می‌گیرد، در حالی که اپراتورهای انسانی نظارت را برای تصمیم‌گیری‌های استراتژیک و سناریوهای استثنایی حفظ می‌کنند.3. استانداردسازی جهانی

: این بحث به مشکلات مربوط به اشتراک‌گذاری داده‌های بین‌المللی پرداخت. در حالی که مقررات سختگیرانه اروپا ممکن است نوآوری را در مقایسه با سایر مناطق کند کند، پنل خاطرنشان کرد که آنها معیارهای ایمنی بالاتری را تضمین می‌کنند.نتیجه‌گیری و گام‌های بعدیاین رویداد با یک اجماع روشن به پایان رسید: مسیر ادغام کامل هوش مصنوعی نیازمند برنامه‌ریزی دقیق، همکاری بین‌بخشی و تعهد تزلزل‌ناپذیر به ایمنی است. بنابراین شرکت‌کنندگان ایجاد یک گروه کاری اختصاصی را برای پر کردن شکاف بین تحقیقات علمی و کاربرد صنعتی پیشنهاد کردند.

منبع

:https://uic.org/com/enews/article/artificial-intelligence-in-rail-bridging-innovation-between-china-and-europe