Прорывное испытание, проведенное Google и American Airlines, демонстрирует, что искусственный интеллект может эффективно снизить климатическое воздействие авиаперевозок, корректируя маршруты полетов для предотвращения образования конденсационных следов. Исследование, включавшее более 2400 реальных рейсов между США и Европой, показало общее снижение видимого образования конденсационных следов на 11,6%, когда пилотам предоставлялись маршруты, оптимизированные искусственным интеллектом.
Проблема Конденсационных Следов: Больше Тепла, Чем CO₂?
В течение многих лет воздействие авиации на окружающую среду в основном рассматривалось через призму выбросов углекислого газа. Однако последние исследования показывают, что конденсационные следы – полосы конденсации, оставленные авиационными двигателями – могут вносить больший вклад в потепление, чем CO₂ сам по себе, особенно в определенных атмосферных условиях. Эти ледяные кристаллы удерживают тепло и могут оказывать значительное кумулятивное воздействие на глобальные температуры.
Ключ в предсказуемости: искусственный интеллект теперь может прогнозировать, где будут образовываться эти проблемные, богатые льдом области в верхних слоях атмосферы, позволяя перенаправлять рейсы. В то время как небольшие тесты показали обнадеживающие результаты, это испытание знаменует собой первую полномасштабную, рандомизированную, контролируемую реализацию в коммерческих операциях.
Как Проводилось Испытание
С января по май 2025 года рейсы, направляющиеся на восток, были разделены на две группы. Одна группа диспетчеров имела доступ к маршрутам, предложенным искусственным интеллектом, разработанным для минимизации образования конденсационных следов; другая – нет. Испытание было сосредоточено на ночных рейсах, поскольку конденсационные следы вызывают большее потепление ночью (когда они не отражают солнечный свет обратно в космос).
Несмотря на наличие такой возможности, только 112 из 1232 рейсов в группе, использующей искусственный интеллект, фактически выбрали альтернативный маршрут, ссылаясь на оперативные проблемы, такие как стоимость и безопасность. Даже при ограниченном принятии результаты были значительными: рейсы, следовавшие по маршрутам, оптимизированным искусственным интеллектом, показали снижение видимых конденсационных следов на 62%.
Последствия и Проблемы Масштабирования
Команда оценивает, что эффект потепления от всей группы с предложенными маршрутами был снижен на 13,7%, в то время как рейсы, выбравшие оптимизированный маршрут, показали ошеломляющее снижение на 69,3%. Важно отметить, что расход топлива остался статистически неизменным, что говорит о том, что избежание конденсационных следов не обязательно увеличивает операционные затраты.
Эдвард Гриспеердт из Имперского колледжа Лондона отмечает, что это, «вероятно, лучшее, чего можно достичь с использованием текущих инструментов». Однако масштабирование до снижения на 60% для всех рейсов маловероятно из-за реальных сложностей в управлении воздушным движением. Даже снижение на 10%, однако, станет значительным шагом к более экологичной авиации.
“Мы подтвердили тезис: если мы сможем безопасно интегрировать это в планирование полетов, это будет масштабируемый способ решения проблемы избежания конденсационных следов.” – Динеш Санекомму, Google.
Испытание подчеркивает потенциал искусственного интеллекта в смягчении климатического воздействия, выходящего за рамки простого сокращения выбросов углерода. По мере улучшения прогнозного моделирования и более плавного оперативного внедрения ожидайте, что эта стратегия станет стандартной практикой в авиационной отрасли.
