Вештачка интелигенција

Хондин интелигентни хуманоидни

робот АСИМО

Вештачка интелигенција (ВИ, ен. Artificial intelligence, AI, рус. Иску́сственный интелле́кт, ИИ) је подобласт рачунарства. ВИ се доводи у везу са задатком коришћења рачунара да разуме људски интелект, али не ограничавајући се на веродостојне биолошке методе. Циљ истраживања вештачке интелигенције је развијање програма (софтвера), који ће рачунарима омогућити интелигeнтне карактеристике. Прва истраживања су везана за саме корене рачунарства. Идеја о стварању машина које ће бити способне да обављају различите задатке интелигентно, била је централна преокупација научника рачунарства који су се определили за истраживање вештачке интелигенције, током целе друге половине 20. века. Савремена истраживања у вештачкој интелигенцији су орјентисана на експертске и преводилачке системе у ограниченим доменима, препознавање природног говора и писаног текста, аутоматске доказиваче теорема, као и константно интересовање за стварање генерално интелигентних аутономних агената.

Вештачка интелигенција као појам у ширем смислу, означава капацитет једне вештачке творевине за реализацију функција блиских карактеристикама људског размишљања. Могућност развоја сличног пројекта је будила интересовање људи још од античког доба; ипак, тек у другој половини двадесетог века таква могућност је добила прва оруђа (рачунаре), чиме се отворио пут за тај подухват.

Потпомогнута напретком модерне науке, истраживања на пољу вештачке интелигенције се развијају у два основна смера: психолошка и физиолошка истраживања природе људског ума, и технолошки развој све сложенијих рачунарских система.

У том смислу, појам вештачке интелигенције се првобитно приписао системима и рачунарским програмима са способностима реализовања сложених задатака, односно симулацијама функционисања људског размишљања, иако је то прилично далеко од циља. У тој сфери, најважније области истраживања су обрада података, препознавање модела различитих области знања, игре и примењене области, као на пример медицина.

Неке области данашњих истраживања обрађивања података се концентришу програмима, који настоје оспособити рачунар за разумевање писане и вербалне информације, стварање резимеа, давање одговара на одређена питања или редистрибуцију података корисницима заинтересованим за одређене делове тих информација. У тим програмима је од суштинског значаја капацитет система за конструисање граматички коректних реченица и успостављање везе између речи и идеја, односно идентификовање значења. Истраживања су показала да, док је проблеме структурне логике језика, односно његове синтаксе, могуће решити програмирањем одговарајућих алгоритама, проблем значења, или семантика, је много дубљи и иде у правцу аутентичне вештачке интелигенције.

Основне тенденције данас, за развој система ВИ представљају: развој експертских система и развој неуронских мрежа. Експертски системи покушавају репродуковати људско размишљањене преко симбола. Неуронске мреже то раде више из биолошке перспективе (рекреирају структуру људског мозга уз помоћ генетских алгоритама). Упркос сложености оба система, резултати су веома далеко од стварног интелигентног размишљања.

Многи научници су скептици према могућности развијања истинске ВИ. Функционисање људског размишљања, још увек није дубље познато, из ког разлога ће информатички пројекат интелигентних система, још дужи временски период бити у суштини онеспособљен за представљање тих непознатих и сложених процеса.

Истраживања у ВИ су фокусирана на компоненте интелигенције: учење, размишљање, решавање проблема, перцепција и разумевање природног језика.

Историјат и појам – вештачка интелигенција

Размишљање машина и „вештачка бића“ се појављују у грчким митовима, попут Талос са Крита, бронзани робот Гефеста, и статуа Пигмалион, Галатеја. Веровање да постоји интелигенција слична људској изграђено је у сваком већој цивилизацији: анимиране култне слике су обожавали у Египту и Грчкој. Такође је широко веровано у вештачки створена бића, у 19. и 20. веку, која су имала заједничке фукционалне карактеристике. Приче о овим створењима и њиховим судбинама расправљане су масовно. Истицане су исте наде, страхови и етичке бриге, које представљају вештачке интелигенције.

Механичко расуђивање је развијено од филозофа и математичара још је од антике. Проучавање логике довело је директно до проналаска програмског дигиталног електронског рачунара, на основу рада математичара Алана Туринга (ен. Alan Turing) и других. Турингова теорија рачунања је основа за развијање машине – рачунара. Мешање симбола је једноставно преко измене бројева „0" и „1", с чиме се може симулирати било који разуман чин математичке дедукције. Ово, заједно са истовременим открићима у неурологији, теорији информација и кибернетици, инспирисало је групу истраживача да почне озбиљно да разматра могућност изградње „електронског мозга“.

Програм истраживања ВИ је направљен на конференцији у студентском граду колеџа Дартмут, у лето 1956. године. Резултат тога су написани програми који су, за већину људи, једноставно запањујући: рачунари су у играма побеђивали на жетоне (програм за игру сличан дами), решавани су проблеми речи у алгебри, повезујући логичке теореме и енглески говор.  Негдје из исте епохе су написани и први програми за играње шаха.

У преамбули дефиниције вештачке интелигенције, што је дао Џон Макарти на тој конференцији, је цитирано да ВИ није у директној вези са разумевањем интелигенције људи. Према Макартију, истраживачи ВИ могу слободно да користе методе које се не јављају код људи, ако то доприноси решавању конкретних проблема.

Овај тренд резултата се ломи средином шездесетих година и превише оптимистичка предвиђања из предходних година се фрустрирају. До тада имплементирани системи су функционисали у ограниченим доменима, познатим као микросвијетови (ен. microworlds). Трансформација која би омогућила њихову примену у стварним окружењима није била тако лако изводљива, упркос очекивањима многих истраживача. По Раселу и Норивигу, постоје три фундаментална фактора који су то отежавали:

1. Многи пројектовани системи нису поседовали сазнање о окружењу примене, или је имплементирано сазнање било врло ниског нивоа и састојало се од неких једноставних синтактичких манипулација.
2. Многи проблеми које су покушавали решити су били у суштини нерешиви, боље речено, док је количина сазнања била мала и ограничена решење је било могуће, али када би дошло до пораста обима сазнања, проблеми постају нерешиви.
3. Неке од основних структура које су се користиле за стварање одређеног интелигентног понашања су биле веома ограничене.

До тог момента решавање проблема је било засновано на једном механизму опште претраге преко којег се покушавају повезати, корак по корак, елементарне основе размишљања да би се дошло до коначног решења. Наравно, такав приступ подразумева и велике издатке, те да би се смањили, развијају се први алгоритми за потребе контролосиња трошкова истраживања. На примјер, Едсхер Дајкстра 1959. године, пројектује један метод за стабилизацију издатака, Невил и Ернст, 1965. године развијају концепт хеуристичке претраге и Харт, Нилсон и Рафаел, алгоритам А. У исто време, у вези програма за игре, дефинише се претрага алфа-бета. Творац идеје је иначе био Мекарти, 1956. године, а касније ју је користио Невил, 1958. године.

Важност схватања сазнања у контексту домена и примене, као и грађе структуре, којој би било лако приступати, довела је до детаљнијих студија метода представљања сазнања. Између осталих, дефинисале су се семантичке мреже (дефинисане почетком шездесетих година, од стране Килијана) и окружења (које је дефинисао Мински 1975. године). У истом периоду почињу да се користе одређене врсте логике за представљање сазнања.

Паралелно с тим, током истих година, настављају се истраживања за стварање система за игру даме, за који је заслужан Самуел, оријентисан на имплементацију неке врсте методе учења. Е. Б. Хунт, Ј. Мартин и П. Т. Стоне, 1969. године конструишу хијерархијску структуру одлука (ради класификације), коју је већ идејно поставио Шенон, 1949. године. Килијан, 1979., представља метод IDZ који треба да послужи као основа за конструкцију такве структуре. С друге стране, П. Винстон, 1979. године, развија властити програм за учење описа сложених објеката, и Т. Мичел, 1977., развија тзв., простор верзија. Касније, средином осамдесетих, поновна примена методе учења за неуронске мреже тзв., енг backpropagation, доводи до поновног оживљавања ове области.

Конструкција апликација за стварна окружења, довела је до потребе разматрања аспеката као што су неизвесност, или непрецизност (који се такође јављају приликом решавања проблема у играма). За решавање ових проблема примењиване су пробабилистичке методе (теорија пробабилитета, или пробабилистичке мреже) и развијали други формализми као дифузни скупови (дефинисани од Л. Задеха 1965. године), или Демпстер-Шаферова теорија (творац теорије је А. Демпстер, 1968., са значајним доприносом Г. Шафера 1976. године).

На основу ових истраживања, почев од осамдесетих година, пројектују се први комерцијални системи вештачке интелигенције, углавном  експертски системи.

Савремени проблеми који се настоје решити у истраживањима вештачке интелигенције, везани су за настојања конструкције кооперативних система на бази агената, укључујући системе за управљање подацима, утврђивање редоследа обраде података и покушаје имитације природног језика, између осталих.

Истовремено су се и совјетски / руски научни центри организовано бавили истраживањима вештачке интелигенције. Учесници њиховог удружења за вештачку интелигенцију дају јој специфичну дефиницију:

• Научна област у коју се решавају проблеми хардвера и софтвера за симулацију људских активности које, се традиционално сматрају интелигентне.
• Садржај интелигентних система за обављање функције (креативне), које се традиционално сматрају прерогатив човека. У исто време интелигентни систем – технички (хардвер) или софтвер који могу да одговоре изазовима традиционално се сматрају креативним, који припадају одређеној области, чије се знање чува у њиховој меморији. Структура интелигентног система се састоји од три главна блока – базе знања, механизма за решавае задатка и интелигентног интерфејса који омогућава дијалог са рачунаром без посебног софтвера за унос података.
• Научна област под називом Вештачка интелигенција је комплекс информатике, а настала је на основу њених технологија. Циљ ове науке је реконструкција погодних рачунарских система и других вештачких уређаја за интелигентно резоновање и радње.

Једна од дефиниција личне интелигенције, које су заједничке за човека и „машину“ може се формулисати као: „обавештајне - способности система за креирање учења  програма (првенствено хеуристика) за решавање одређене класе сложености и да реши ове проблеме“.

Често се назива вештачка интелигенција, где једноставна електроника обрађује запажања сензора, аутоматски у селективном режиму. Реч вештачка, у овом случају, значи да не треба очекивати од система способност да пронађе нови начин рада у ситуацијама које нису предвиђене програмом. Ово тумачење је блиско досадашњој примени у ваздухопловству, у областима интеграције система и фузији података сензора.

Истраживање

Циљеви

Генерални проблем симулације (или стварање) интелигенције је наишао на велики број специфичних под-проблема. Они се састоје од одређених особина или способности да истраживачи желе интелигентан систем као резултат.

Приступи и смернице решавања проблема

Рани истраживачи ВИ су развили алгоритме који имитирају корак-по-корак резоновање које људи користе када решавају загонетке или доносе логичке закључке. До касних осамдесетих и деведесетих година, истраживањем ВИ је такође развијена веома успешна метода за рад са неизвесним или непотпуним информацијама, користећи појмове из вероватноће и економије. За тешке проблеме, већина тих алгоритама може захтевати огромне рачунарске ресурсе – већина загуше рачунаре комбинацијом количине меморије и потребног времена. Рачунар постаје астрономски када проблем превазилази одређену величину. Потрага за ефикаснијим решавањем проблема алгоритама је висок приоритет за истраживања ВИ. Људска бића решају већину својих проблема користећи брзе, интуитивне пресуде, а не свесно, корак-по-корак. Редукцијом проблема, у ранијим истраживањима, се успевало ефикасније моделирати. ВИ је тако постигла известан напредак у поступку оваквог симболичнод имитирања решавања проблема: огледа се у агенти приступу истицања значаја сензоримоторне вештине код вишег разума; неуронским сопственим истраживањима покушава се симулирати структура унутар мозга која доводи до ове вештине; статистички приступи ВИ опонашају вероватноће природе људске способности да нагађа.

Један одговор на питање, шта је ВИ не постоји. Скоро сваки аутор који пише књигу о ВИ, она је одбија од било које дефиниције, у светлу остварења ове науке. У филозофији, није решено питање природе и статуса људског интелекта. Не постоји егзактни експеримент и рачунар који достижу "оправданост", иако у раним данима вештачке интелигенције је предложено већи број хипотеза, као што су Турингова, или хипотеза Невелл – Симон. Дакле, упркос многим приступима разумевања извршавања задатака ВИ и стварање интелигентних информационих система, постоје два основна приступа у развоју ВИ:

• одозго на доле (енг Top-Down AI), семиотика – стварање експертских система, база знања и закључак система, симулирајући менталне процесе на високом нивоу: размишљање, резоновање, говор, емоције, креативност, и тако даље;
• одоздо на горе (енг.  Bottom-Up AI), најновије биологија – проучавање неуронске мреже и еволуциона рачунања, моделирање интелигентног понашања заснованог на биолошким елементима, као и стварање одговарајућих рачунарских система, као што су неурорачунар или био-рачунар.

Овај други приступ, строго говорећи, не односи се на науку ВИ, у смислу као што је дао Макарти, – њих повезује само крајњи заједничким циљ.

Тјурингов експеримент

Људско и вештачко интелигентно

понашање.

У познатом такозваном Тјуринговом експерименту, који је Алан Тјуринг описао и објавио у једном чланку из 1950. године, под насловом Рачунске машине и интелигенција ( енг Computing machinery and intelligence), предлаже се откривање интелигентог понашања једне машине.

Експеримент полази од једне игре у којој испитивач треба да погоди пол два интерлокутора, A и Б, а који се налазе у посебним и одвојеним собама. Иако обоје тврде да су женског пола, у ствари ради се о мушкарцу и жени. У изворном Тјуринговом предлогу урађена је извесна модификација, те је жену заменио рачунар. Испитивач треба да погоди ко је од њих машина, полазећи од њиховог међусобног разговора и имајући у виду да обоје тврде да су људи.

Задатак треба постићи упркос чињеници да ниједан од интерлокутора није обавезан да говори истину, те на пример, машина може одлучити да да погрешан резултат једне аритметичке операције, или чак да га саопшти много касније како би варка била увјерљивија.

Проверава се само способност да се машина понаша као особа, а не да је машина уопштено интелигентна. Експеримент је у стању да процени општу интелигенцију машине из два разлога:

• Понекад понашање човека не може бити тумачено да је разумно. Истовремено Турингов експеримент захтева да је машина била у могућности да симулира све врсте људског понашања, не обраћајући пажњу у којој мери је то разумно. Такође проверава способност да имитира понашање, на пример, реакцију на увреде, искушење да лаже или само велики број грешака у куцању, а разумну особу и неће разматрати. Ако машина не може да имитира понашање људских делова, грешке у куцању и слично, то не пролази у експерименту, упркос својој интелигенцији да то може поседовати.
• Неко разумно понашање није својствено човеку. Турингов експеримент не проверава високо интелигентно понашање, као што су способност решавања сложених проблема и изношење оригиналних идеја. У ствари, експеримент захтева да се машина може преварити: без обзира колико је паметна, није се тражило да се она претвара да је превише паметна и да положи сваки и тежи испит. Ако је машина у стању да брзо реши одређене рачунарске задатке, који нису својствени особама (људима), по дефиницији, то није експеримент.

По оптимистичкој хипотези самог Тјуринга, око 2000. године, већ је требало да постоје довољно добри и способљени рачунари за игру ове врсте, тако да просечан испитивач нема више од 70% шансе да уради исправну идентификацију, након пет минута постављања питања.

Када би то данас заиста било тако, налазили би се пред једном истински интелигентном машином, или у најмању руку машином која зна да се представи као интелигентна.

Не треба ни поменути да су Тјурингова предвиђања била превише оптимистична, што је био врло чест случај у самим почецима развоја области вештачке интелигенције.

У стварности проблем није само везан за способност рачунара за обраду података, него на првом месту и за могућност програмирања рачунара са способностима за интелигентно понашање.

Корист и употреба вештачке интелигенције

Истраживачки центри

Највећи научни и истраживачки центри, у области вештачке интелигенције:

• Сједињене америчке државе
  • Институт за технологије, Масачусетс
• Немачка
  • Немачки истраживачки центар за вештачку интелигенцију
• Јапан
  • Национални институт за савремену индустријску науку и технологију (АИСТ)
• Русија
  • Научни савет о методологији вештачке интелигенције Руске академије наука

Примена у образовању

Сан о рачунарима који би могли да образују ученике и студенте, више деценија је инспирисао научнике у научним центрима. Прва генерација таквих система (названи енг Computer Aided Instruction или енг Computer Based Instruction), углавном су се заснивали на хипертексту. Структура тих система се састојала од презентације материјала и питања са више избора, која шаљу ученика на даље информације, у зависности од њиховог предходног одговора.

Наредна генерација ових система енг Intelligent CAI или енг Intelligent Tutoring Systems, заснивали су се на имплементацији знања о одређеној теми, у сам рачунар. Постајала су два типа оваквих система. Први је тренирао ученика у самом процесу решавања сложених проблема, као што је нпр., препознавање грешака пројекта у једном електричном колу или писање рачунарског програма. Други тип система је покушавао да одржава силогистички дијалог са студентима. Имплементацију другог типа система је било врло тешко спровести у пракси, великим делом због проблема програмирања система за разумевање спонтаног и природног људског језика. Из тог разлога, пројектовано их је само неколико.

Типични систем за тренирање ученика и студената се обично састоји од четири основне компоненте.

• Прва компонента је окружење у којем ученик или студент ради на решавању сложених задатака. То може бити симулација компоненте или компонената електронских уређаја представљена као серија проблема које студент треба да реши.
• Друга компонента је експертски систем који може решити представљене проблеме на којима студент ради.
• Трећу чини један посебан модул који може упоредити решења која нуди студент са онима који су уграђени у експертски систем и његов циљ је да препозна студентов план за решење проблема, као и које делове знања највероватније студент користи.
• Четврту чини педагошки модул који сугерише задатке које треба решити, одговар на питања студента и указује му на могуће грешке. Одговори на питања студента и сугестије за планирање решавања задатака, заснивају се на прикупљеним подацима из претходног питања.

Свака од ових компонената може користити технологију вештачке интелигенције. Окружење може садржати софистицирану симулацију или интелигентног агента, односно симулираног студента или чак опонента студенту. Модул који чини експертски систем се састоји од класичних проблема вештачке интелигенције, као што су препознавање плана и резоновање над проблемима који укључују неизвесност. Задатак педагошког модула је надгледање плана инструкције и његово адаптирање на основу нових информација о компетентности студента за решавање проблема. Упркос сложености система за тренирање ученика и студената, пројектовани су у великом броју, а неки од њих се регуларно користе у школама, индустрији и за војне инструкције.

Војна примена – ваздухопловство

Принцип фузије података сензора

Код борбених авиона 4. и 5. генерације, пилот је заузет многим системима и управљањем с њима, што му оставља мање времена за основни задатак, вођење борбе. У циљу превазилажења тога проблема развијана је аутоматизација и елементи вештачке интелигенције и спроведена је  њихова интеграција у системе.

Примена је у:

• интреграцији система,
• фузији приказивања података пилоту у кабини
• нападно – навигацијском систему, 
• управљање гласом и
• самотестирању система.

Фузија и презентација сигнала сензора

Исход борбе супростављених ловачких авиона, у ваздушном простору, зависи од више фактора. Један од битних је имати први праве препознатљиве информације о противнику, његовом оружју и намерама. Тако се добија предност у времену, што је једна од најприоритетнијих борбених карактеристика. Сензори авиона то обезбеђују у интеграцији са другим системима. Они су допунска чула вида и слуха пилота. Обрада сигнала примљених од сензора и лако схватљив њихов начин презентације пилоту са сугерисаним приоритетима одбрандбених радњи, представља проширење његовог нервног система, са повећаним капацитетом одлучивања и деловања. То је врло важан фактор у ситуацији када пилот има мало времена на располагању, када су већ лансиране ракете кратког домета на његов авион. Оне могу бити лансиране на растојањима на којима се у најбољем случају могу визуелно открити као тамне тачке, а могу се са системом идентификације препознати да су ракете ваздух-ваздух, у теоретском опсегу више од 100 km. Тај фактор „идентификације“ је још један од пресудних. Ко први идентификује непријатеља може и први да употреби своје оружје и да стекне почетну предност у борби, што је најчешће и одлучујуће.

Технолошки ниво, многобројно умрежавање, интеграција, дигитализација и технологија вештачке интелигенције, отвара потпуно нови начин и могућности идентификације и евидентирања сигнала у широком опсегу и приоритетима у одлучивању. Извршеном фузијом сигнала великог броја сензора, комбиновањем тих добијених података, обезбеђује се оптимални избор тренутно најповољнијег система за праћење циља, избор оружја и  тренутак дества.

• Контакт, и ако је снимљен са неколико сензора, приказан је само на једном месту. Пилоту се подаци приказују сажето у најмањем потребном броју, независно један од другог, што доводи до смањења његовог оптерећења и смањује се потребно време за његову реакцију (одзив), односно одлуку.
• Међусобно комплементарни сензори, допуњавају се усклађено временски, просторно и спектрално. Са тиме се постиже већа резолуција и гушће скенирање у надзору.
• Фузија рачунарски обрађених сигнала сензора, омогућава заједничко аутоматско паметно рангирање приоритета свих откривених циљева.
• Ако је дестинација циља изван опсега детекције неког од сензора, циљ може бити „пребачен“ на други боље позиционирани и тако ће бити „покривен“ са откривањем, идентификацијом и праћењем.
• Пренос података у пакету, штеди ресурсе рачунара, за различите паралелне податке.
• Сазнање о циљу, продубљено је и увећано. Зна се поред количине, смер кретања, удаљеност, брзина, радарски и инфрацрвени одраз и инфрацрвена слика као и радио сигнали, пренос података и радарска учестаност. На тај начин се добија и потпуна идентификација циља. То олакшава класификацију релевантних инфомација у бази података.
• Контакт са пасивним праћењем циља може да се реализује са снимањем без емисије својих сензора, треба да се прикупљају подаци о зрачењу, што није нужно са својим активним сензорима. Може да се без укључења радара активирати оружје и без свога откривања напасти циљ. Такво маскирање се спроводи као елемент максималног изненађења противника.

 Софтвером се прикупљају улази из свих сензора, као и интегрисано из слоја везе, обезбеђује се фузија континуалних приказа информација од сензора. Паметни софтвер користи интегрисани процесор. Процесор служи као централни „мозак“ за ваздухоплове, интегришући све електронске системе, координира њихов рад и обликује њихове информације за приказивање пилоту, истовремено преноси и извршава његове команде. Овај систем је од виталног значаја, поготово код авиона једноседа, а пилоту је потребна помоћ и растерећење од многих споредних радњи да би успео сам извршити свој основни задатак. Присуство синергије између сензора, као специфични захтеви за „чула“ авиона од којих се очекује да пруже кохезивну слику стварности око њега и да у принципу иста буде стално доступна, за коришћење у било ком могућем начину и у било којој могућој међусобној комбинацији. Сви сензори директно „хране“ главни процесор подацима у циљу подршке целе мисије авиона. 

Интегрисана опрема, са мултиспектралном фузијом сигнала сензора значајно подиже ситуациону свест пилота

Управљање гласом

Директан улаз у систем – глас (DVI) назива се управљање гласом (VIC). То је вид интеракције човека и машине HMI, у којем корисник чини команду гласом, као инструкције машини, која их извршава. Овај пример паметне машине је нашао примену у пројектовању кабина авиона са пратећим системима на савременим војним авионима 4. и 5. генерације: Јурофајтер тајфун, F-35 лајтнинг II, Рафал, Нови авион и ЈАС 39 грипен, пошто је испробан на ранијим авионима као што су Хариер AV-8B и F-16 VISTA.Такође, истраживање је спроведено и од стране Холандског ваздухопловства користећи управљање гласом у F-16 симулатору.

Американци су првобитно желели DVI за F-22 раптор, али су се на крају одрекли тога, сматрајући га ризичним решењем.

Атрапа развојне кабине за

Нови авион

DVI системи могу бити зависни или независни од корисника. Зависни системи захтевају лични глас пилота, креиран по шаблону, који се мора убацити у систем у кабини авиона пред његово полетање. Независни системи не захтевају никакве личне говорне шаблоне и ради се са гласом било ког корисника пилота.

У току рада на развоју Новог авиона, у Ваздухопловнотехничком институту је развијен функционални модул управљања гласом. Модул је био интегрисан у „атрапу“ кабине и функционисао је у лабораторији за интеграције система.

У 2006. године у Холандији, испитивали су употребу управљања гласом на симулатору, у експерименту је учествовало дванаест пилота. Иако је хардвер обављао добро функције, истраживачи су открили да, пре уградње у реални авион, систем треба кориговати, јер је одзив са већим кашњењем од класичног прилаза. Препоручили су да

• синтакса мора постати једноставнија,
• степен препознавања се мора побољшати и
• време одзива система се мора смањити.

Систем може, на овом нивоу развоја, бити интересантан за неке споредне радње, које не угрожавају поузданост и безбедност лета авиона. Првенствено за позив информација и проверу рада система, што пилот може паралелно извести гласом не ангажујући руке, с којима управља примарним системима.

Извори