飞机认证中的Al/ML术语解释

戳关注，右上菜单栏···键，设为星标

以下术语 是 关于航空人工智能 / 机器学习认证的快速参考， 其解释 可能与其他表达 方式 的定义不同。

Agent：一个使用Alto自动执行任务以响应重新确定目标的软件系统。Agents通常是通过一种称为强化学习的机器学习过程开发的，在这种过程中，算法奖励积极的结果，惩罚消极的结果。

算法：一组定义运行顺序的规则。在机器学习中，它指的是用于训练机器学习模型以识别集中数据的模式并对新数据进行预测的过程。

ARP4754：“民用航空器和系统开发指南”，由标准组织SAE发布的航空航天推荐规范（ARP）文件。它提供了一种识别和最小化飞机系统设计中开发错误影响的方法，并被监管机构视为遵守系统功能和安全法规的一种手段。

ARP4761：“民用飞机、系统和设备安全评估过程指南”，SAE推荐规程，提供了确保飞机系统安全设计的程序。监管机构将其视为遵守系统安全法规的一种方式。

ARP6983/ED-324：“航空产品实施开发和认证批准过程标准/Al”，SAE/EUROCAEG-34/WG-114联合工作组目前正在制定的推荐实践。它有可能提供一个支持包含机器学习的飞机系统和设备认证的途径。该标准的第一版将仅限于通过监督学习开发的冻结ML模型。

人工智能（AI）：基于机器的系统执行通常与人类智能相关的任务能力。“AI”也经常被用来指代执行这些任务的特定技术，如专家系统或机器学习。

人工神经网络：一种计算算法，由连接的节点或“神经元”组成，定义了对输入执行操作的顺序。人工神经网络识别训练数据中的模式并将其应用于新数据。

深度神经网络：一种具有多个中间层的人工神经网络，与“深度学习”有关

确定性：就计算机程序而言，在给定特定输入的情况下，总是生成相同输出的系统。“确定性”有时用来指传统的、基于逻辑的软件，而不是机器学习，尽管在合适的硬件中实现“冻结”的ML模型也可能是确定性的。最初的航空认证工作集中在这些类型的冻结模型上，这些模型在飞机上实施后不会继续学习。

开发保证：一组流程，确保复杂的飞机系统既能执行其预期功能，又不会出现不可接受的非预期行为。

开发保证水平（DAL）：飞机功能（FDAL）或项目（IDAL）所需的开发严格程度。五个级别从最严格的DALA（与潜在的灾难性安全影响相关）到最不严重的DALE（无安全影响）。

DO-178：“机载系统和设备认证中的软件考虑”，由标准组织RTCA发布的确保机载软件安全的核心文件。

DO-254：“机载电子硬件设计保证指南”，RTCA标准，用于确保机载硬件的安全。

Expertsystems：A的一个分支，致力于开发使用逻辑规则操纵输入的系统，旨在模仿人类专家的决策能力。这种形式的Al在20世纪70年代和80年代很受欢迎。

功能危险评估：识别飞机上每个功能及其损失或故障相关的潜在后果的评估。

G-34/WG-114：正在开发ARP6983/ED-324的SAE/EUROCAE联合工作组。

Generative AI：一种Althat学习训练数据的潜在模式，并使用它们生成新数据，如文本、图像或音频。

行业共识标准：由相关行业成员共同制定的一份文件，概述了某一领域的最佳实践或普遍接受的要求。

项目：在开发保证中，安装在飞机上以满足既定要求的硬件或软件。

大语言模型：一个ML模型在大量文本上进行训练，并设计用于语言生成等自然语言处理任务。大语言模型为聊天机器人提供支持，如ChatGPT

学习保证：由欧盟航空安全局（EASA）推出的一系列活动，旨在提供信心，使人们相信ML模型的训练数据是正确和完整的，并且该模型可以在原始训练数据之外看不见的数据上表现良好。

机器学习（ML）：Al的一个分支关注的是允许计算机从数据中学习而不是遵循硬编码规则的算法的发展。

ML组成部分：最初由欧洲航空安全局提出并纳入ARP6983/ED-324草案版本的概念，定义为硬件或软件项目的丰富集合，其中至少有一个包含ML模型。它修改了传统的开发保证实践，在系统和项目之间达到了中间水平。

ML模型：用机器学习算法训练的计算机程序。它接收输入数据并输出预测或决策。

合规方式：一种可接受的遵守法规的方式。如果监管机构接受，任何工业共识标准都可以作为合规依据。

要求：在开发保证中，飞机、系统或项目需要做的事情。有不同类别的要求（如客户要求或安装要求），并非所有要求都适用于每个级别。

S-18/WG-63：SAE/EUROCAE联合委员会，负责开发和维护ARP4754B和ARP4761A，这两个文件都被广泛认为是飞机系统安全认证中的标志文件，并被监管机构认可为遵守系统安全规定的一种手段。

安全评估：飞机系统级别的评估，根据所需的架构确定安全目标（初步安全评估），并验证所实施的产品是否满足这些安全目标（最终安全评估）。

监督学习：一种使用标记训练数据的机器学习形式，该数据由样本数据点以及正确的输出或答案组成。例如，航空交通检测系统的训练数据可能包括人类正确标记为飞机、鸟类或无人机的物体的图像。

系统：开发保证，围绕飞机供电等功能组织的飞机设计水平。系统将需求分配给项目，这些项目实现硬件和/或软件来支持功能。

训练数据：用于训练机器学习模型以做出有用预测的数据。

············推荐关注············

声 明：原创文章，欢迎联系获取转载授权，并注明来源飞行邦；转载文章，目的在于传递更多信息，并不代表平台赞同其观点和对其真实性负责。 如涉及作品内容、版权和其它问题，请及时联系我们更正或删除 。文章版权归原作者及原出处所有 ，本平台只提供参考并不构成任何投资及应用建议。