آملیا: پلتفرم هوش مصنوعی برای آموزش خلبانان

آملیا که توسط باشگاه خلبانان خطوط هوایی توسعه داده شده ، به گونه‌ای طراحی شده که سطح جدیدی از دقت، ثبات و بینش مبتنی بر داده را به آموزش خلبانی ارائه دهد . به عبارتی شکاف بین آموزش سنتی و نسل بعدی آموزش مبتنی بر شایستگی و مبتنی بر شواهد را پر کند.
آملیا در هسته خود، از ترکیب ماشین لرنینگ و هوش مصنوعی مولد برای جمع‌آوری، تجزیه و تحلیل و تفسیر داده‌های آموزشی از طیف وسیعی از منابع استفاده می‌کند.
این سیستم به طور خودکار رویدادهای آموزشی – از جلسات کامل شبیه‌ساز شش ساعته گرفته تا تمرین‌های کوتاه سی دقیقه‌ای – را در برابر شایستگی‌های قابل اندازه‌گیری خلبان و رفتارهای قابل مشاهده ترسیم می‌کند.
بازخورد مربی، ضبط صدا و به زودی حتی داده‌های شبیه‌ساز در یک پلتفرم ادغام می‌شوند و به سازمان‌های آموزشی تصویری کامل و بلادرنگ از عملکرد خلبان ارائه می‌دهند.آنچه این سیستم را متمایز می‌کند، تأکید آن بر نمره‌دهی منسجم و عینی است.
ابزار تحلیل صوتی-تصویری بومی این پلتفرم فراتر عمل می‌کند و با تحلیل لحن، ریتم و بافت، ظرافت‌های ارتباطات کابین خلبان را حفظ می‌کند.
چندین شرکت هواپیمایی و آموزشگاه پرواز – از جمله چندین شرکت در اروپا و آمریکای شمالی – در حال حاضر از آملیا استفاده می‌کنند و انتظار می‌رود اطلاعیه‌های بیشتری در اواخر امسال منتشر شود.
خطوط هوایی با خودکارسازی ضبط و تحلیل داده‌ها، می‌توانند سال‌ها کار مقدماتی را که معمولاً برای اجرای برنامه‌های EBT مورد نیاز است، تسریع کنند و در عین حال وابستگی خود را به تحلیلگران متخصص داده کاهش دهند.آملیا کاملاً با قوانین هوش مصنوعی اتحادیه اروپا و استانداردهای داده‌های خاص هوانوردی همسو است.
تأثیر عملیاتی آن می‌تواند قابل توجه باشد. این ابزار می‌تواند زمان مدیریت مربی را تا ۳۰ درصد کاهش دهد، واریانس نمره‌دهی را تا ۴۰ درصد کاهش دهد و به طور بالقوه نرخ شکست آموزش‌های جبرانی را به نصف برساند.
برای خطوط هوایی، این به معنای افزایش بهره‌وری قابل اندازه‌گیری است – به طور بالقوه زمان آموزش مکرر سالانه خلبان را از چهار روز به سه روز کاهش می‌دهد.با این حال، این فناوری برای جایگزینی مربیان انسانی طراحی نشده است.