Air Charter Safety Foundation 发布公务航空人工智能实用指南

美国公务航空安全基金会(ACSF)发布了一篇指导文章，旨在为公务机业主、董事及飞行部门揭开人工智能的神秘面纱。该文章用通俗语言定义了人工智能的关键术语，并提供了一套框架，用来评估该技术在何处可能有用，又在何处必须保留人为监督。

该文件区分了飞行部门与人工智能互动的四个层级。在「对话」层级，用户提问，系统作答，除非有人依据答复采取行动，否则不会发生任何实际操作。在「协同」层级，系统可以查找信息或填写草稿，由人审核并采取有实际影响的行动。在「代理」层级，人工智能被赋予一个目标，并获得足够的自主性去规划、使用工具、检查结果、调整方法，而无需每一步都经过审批。第四个层级「受控操作」，指人工智能直接连接公司系统。

基金会还提供了一份术语表，将核心人工智能术语与航空类比对应：模型被描述为人工智能产品的引擎；大语言模型(LLM)是在海量文本与代码上训练出的模型，ChatGPT 被列为示例；基础模型被比作一款获得型号合格证、可为不同任务配置的机身；前沿模型被定义为当前能力最领先的模型；提示词被比作一份放行许可或行前简报；幻觉被定义为一个听起来自信、但实际错误、凭空捏造或缺乏依据的答案。

基金会认为，对飞行部门而言最安全的早期用途，是那些能减少工作量、但不涉及运营决策的行政任务——起草日常信函、总结内部会议、整理行程资料夹信息、比对文件、制作培训材料初稿，以及将笔记转化为检查单草稿。基金会建议各部门在采用任何人工智能工具前先问四个问题：涉及哪个人工智能层级、需要多少监督；具体涉及哪些数据来源和系统；授予了哪些权限，这些权限是否具体且可审查；以及谁是对最终行动负责的指定责任人。

这份指导文件契合了以安全为重的行业机构的一项更广泛努力，即在人工智能工具在飞行部门中非正式扩散之前，先为运营人员建立一套共用词汇。通过界定人工智能自主性的离散层级——从被动的「对话」响应，到拥有系统直接访问权限的「受控操作」——该框架为各部门提供了一种方式，可以对任何一款正在推销给他们的新工具进行归类，而不必每次都从零评估。

该文件强调行政类、非运营类的应用场景，反映出公务航空飞行部门采用新技术的一贯方式：先使用能减少工作量的工具，由人对每一项有实际影响的产出进行事先审核，之后才考虑向涉及排班、调度或跟踪飞行决策的工具扩展。让一名指定责任人对最终行动负责，维持了安全管理体系本就依赖的问责链条。

接下来的走向，将取决于哪些飞行部门开始按基金会建议、从一个范围可控、后果较小的问题入手试点，也取决于早期结果是否足够准确、可追溯，能够证明所花的审核时间是值得的。那些跳过试点阶段、在建立起这种可信记录之前就授予更广泛数据访问权限或权限范围的部门，最有可能触及这一框架的边界。