Kunstig intelligens er på vej ind i cockpittet. Den kan hjælpe med at opdage fejl, analysere omgivelserne og måske en dag føre et passagerfly sikkert til jorden, hvis piloten ikke længere kan. Men gør stadig mere intelligente fly også piloterne bedre – eller risikerer de tværtimod at miste nogle af de færdigheder, som først bliver afgørende den dag, automatikken ikke længere kan hjælpe?
Da Lawrence Sperry i juni 1914 demonstrerede sin gyroskopiske stabilisator ved en flyvesikkerhedskonkurrence i Frankrig, gjorde han noget opsigtsvækkende. Hans Curtiss-fly kunne holde sig stabilt i luften uden pilotens konstante indgriben.
Sperry gik endda ud på flyets vinge under demonstrationen, mens hans assistent befandt sig på den modsatte vinge. Flyet fortsatte ligeud.
Det var en spektakulær demonstration af det princip, der senere skulle blive til autopiloten. Mere end 110 år senere diskuterer luftfarten kunstig intelligens, autonome fly og muligheden for en dag at gennemføre flyvninger med færre – måske slet ingen – piloter om bord.
Men i virkeligheden handler diskussionen om et spørgsmål, som er næsten lige så gammelt som flyvningen selv:
Hvor meget skal maskinen kunne – og hvad skal piloten stadig kunne selv?
Piloten har fået hjælp i mere end 100 år
Historien om automatisering i cockpittet begyndte længe før computeren.
Elmer og Lawrence Sperry udviklede i 1913 en automatisk gyrostabilisator, og året efter blev systemet demonstreret offentligt. Det amerikanske National Air and Space Museum betegner Sperrys system som den første succesfulde autopilot til fly.
Den var primitiv efter moderne standarder. Men ideen var revolutionerende: Piloten behøvede ikke længere selv at korrigere flyet hvert eneste sekund.
Siden fulgte generation efter generation af tekniske hjælpemidler. Mere avancerede autopiloter kunne holde højde og kurs. Radionavigation gjorde det muligt at navigere uden at se jorden. Flight directors fortalte piloten, hvordan flyet skulle manøvreres. Autothrottle kunne regulere motorkraften, og senere overtog Flight Management Systems en stor del af arbejdet med navigation, flyveplanlægning og flyets vertikale profil.
Da de elektroniske instrumenter og de såkaldte glass cockpits for alvor bredte sig på transportfly i 1980’erne og 1990’erne, ændrede pilotens arbejde karakter. NTSB har beskrevet udviklingen som et skifte fra selve udførelsen af opgaver mod mere planlægning og overvågning af systemer. Den stigende systemintegration var samtidig med til at gøre tomandsbesætninger mulige på fly, hvor der tidligere også havde været en flight engineer.
Et af de store teknologiske spring kom med Airbus A320.
Da typen kom i trafik i 1988, introducerede den digitalt fly-by-wire og sidestick i et masseproduceret passagerfly. Pilotens bevægelser blev ikke længere overført mekanisk til styrefladerne. De blev fortolket af computere, der sendte de relevante kommandoer videre til flyets styresystemer.
Samtidig blev flight envelope protection en integreret del af filosofien. Computeren kunne beskytte flyet mod bestemte manøvrer og overskridelser af grænserne for eksempelvis hastighed og angrebsvinkel.
Piloten fløj stadig flyet.
Men mellem pilotens hånd og flyets bevægelse stod nu en computer.
AI er derfor ikke begyndelsen på automatiseringen af cockpittet. Det er snarere næste kapitel i en udvikling, der har stået på i mere end et århundrede.
Forskellen mellem automation og AI
Alligevel er der en vigtig forskel.
En traditionel autopilot udfører grundlæggende de funktioner, den er konstrueret og programmeret til. Den kan eksempelvis holde en bestemt højde, følge en kurs eller flyve en programmeret rute.
AI-baserede systemer kan potentielt noget andet.
Ved hjælp af blandt andet machine learning og computer vision kan et system analysere store datamængder, identificere mønstre og fortolke information fra flyets omgivelser. Dermed kan automatiseringen i højere grad få noget, der minder om perception.
Flyet kan begynde at se.
Det er netop et af de områder, Airbus arbejder med.
Når flyet begynder at se landingsbanen
I 2018 begyndte Airbus projektet ATTOL – Autonomous Taxi, Take-Off & Landing.
Målet var blandt andet at undersøge, om et passagerfly ved hjælp af kameraer, billedgenkendelse og machine learning kunne identificere sine omgivelser og gennemføre taxi, start og landing uden at være afhængigt af eksempelvis et traditionelt Instrument Landing System.
I 2020 afsluttede Airbus projektet efter mere end 500 testflyvninger. Omkring 450 af flyvningerne blev brugt til at indsamle videodata til udvikling af algoritmerne, mens egentlige autonome flyvefunktioner blev afprøvet under en serie testflyvninger. Airbus gennemførte både automatisk taxi, start og landing ved hjælp af billedgenkendelse om bord.
Det næste skridt blev blandt andet DragonFly – også kendt som Airbus UpNext DragonFly.
Her anvendte Airbus et A350-1000-testfly til at undersøge systemer, der kunne hjælpe besætningen under taxi og landing – og i en nødsituation.
Under forsøgene kunne systemet håndtere et simuleret tilfælde, hvor et besætningsmedlem blev ukampdygtigt. Flyet kunne blandt andet analysere luftrum, terræn og vejr, beregne en ny flyvevej og kommunikere med både flyvekontrol og flyselskabets operationscenter.
Udviklingen er fortsat.
I juni 2026 præsenterede Airbus sin Vision Landing Application, hvor kunstig intelligens analyserer landingsbanens karakteristika i realtid gennem kameraer om bord på flyet. På længere sigt kan teknologien blandt andet gøre automatisk landing mindre afhængig af avanceret udstyr på jorden.
Airbus understreger samtidig, at teknologien fortsat befinder sig på forskningsstadiet og er langt fra kommerciel certificering.
Det interessante er derfor ikke, at Airbus snart vil sende pilotløse A350’ere over Atlanten.
Det interessante er, hvad teknologien fortæller om retningen.
Flyets systemer bevæger sig fra blot at kunne udføre instruktioner mod i stigende grad også at kunne opfatte, analysere og reagere på omgivelserne.
AI som pilotens ekstra sæt øjne
Det kan give piloten meget stærke nye hjælpemidler.
AI kan bruges til langt mere end at styre selve flyet. Systemerne kan analysere tekniske data og identificere unormale mønstre, understøtte ruteplanlægning, behandle vejrinformation og hjælpe besætningen med at sortere information i situationer med høj arbejdsbelastning.
Det er ikke svært at forestille sig værdien.
En moderne pilot kan blive præsenteret for enorme mængder information. Problemet er derfor ikke altid manglen på information, men at identificere hvilken information der er vigtig netop nu.
Her kan AI potentielt fungere som et filter.
Et system, der opdager en kombination af små afvigelser, som hver for sig er ubetydelige, kan måske advare besætningen om et problem, før et menneske ville have set sammenhængen.
Det kan også aflaste piloten for rutineopgaver.
Airbus beskriver selv målet med sin såkaldte Smart Automation som at lade automatiseringen overtage gentagne taktiske opgaver, så piloterne i højere grad kan koncentrere sig om de strategiske og sikkerhedskritiske dele af flyvningen.
Set sådan kan AI meget vel gøre piloten bedre.
Piloten får mere information, tidligere advarsler og mere tid til at træffe beslutninger.
Men her begynder paradokset.
Når en maskine gør mennesket dårligere
Automatiseringens historie i luftfarten viser nemlig, at tekniske hjælpemidler ikke kun fjerner problemer.
De kan også skabe nye.
Hvis en pilot sjældent behøver at flyve manuelt, bliver piloten så dårligere til at flyve manuelt?
Hvis et system næsten altid træffer den rigtige beslutning, bliver mennesket så dårligere til at opdage den sjældne situation, hvor systemet tager fejl?
Og hvis flyet klarer stadig flere opgaver selv, risikerer piloten så at gå fra at være aktiv deltager til passiv overvåger?
Problemet er kendt som automation dependency eller overafhængighed af automation.
Det er ikke et hypotetisk problem skabt af den aktuelle AI-debat.
Allerede længe før generativ AI blev hvermandseje, beskæftigede luftfartsmyndigheder og forskere sig med risikoen for, at piloter kunne blive for afhængige af cockpitautomation.
ICAO har peget på, at automatiseringen ganske vist har forbedret flyvesikkerheden, men samtidig kan medvirke til manglende træning og dermed forringelse af piloternes manuelle færdigheder.
Så sent som i 2025 advarede FAA igen mod problemet. Hvis de manuelle flyvefærdigheder ikke bruges, forringes de. Samtidig kan overdreven tillid til automatiseringen føre til mindre opmærksomhed og dårligere situationsbevidsthed.
IATA behandler det samme problem i et nyere white paper om Flight Path Management. Her fremhæves risikoen for forringelse af piloternes manuelle kompetencer i stadig mere automatiserede cockpits og behovet for at bevare mulighederne for manuel flyvning og træning.
Det er automatiseringens paradoks:
Jo bedre systemerne bliver til at håndtere den normale flyvning, desto mindre erfaring får piloten måske med selv at gøre det – og desto mere afgørende kan pilotens færdigheder blive den dag, systemet ikke længere kan.
AI kan gøre dette paradoks endnu tydeligere.
Når piloten spørger: Hvad laver maskinen?
Diskussionen om automation og arbejdsbelastning er ikke kun teoretisk. Flyvere.dk har talt med David, en erfaren pilot, der flyver store transportfly, om hvad der sker, når automatikken i et moderne cockpit ikke opfører sig, som besætningen forventer.
Kan automatikken og mængden af information i sig selv blive en del af pilotens arbejdsbelastning? Og kan udfordringen nogle gange være mindre at flyve flyet end hurtigt at forstå, hvad systemerne gør – og hvorfor?
“Ja, absolut. Især i simulatoren, men en gang imellem også i den normale operation kan det være en fordel at slå automatikken fuldstændig fra og flyve manuelt.”
Piloten forklarer, at man kan tale om forskellige niveauer af automation. Det første er den helt manuelle flyvning. På næste niveau kan flyet eksempelvis holde kurs, højde, attitude og fart, men fortsætter grundlæggende med det, det er blevet indstillet til. På det højere niveau kommer blandt andet LNAV og VNAV – lateral og vertikal navigation – hvor flyet følger det, piloterne har programmeret i Flight Management Computer, FMC, og tager højde for blandt andet rute, performance samt fart- og højderestriktioner.
Men mere automation er ikke nødvendigvis altid den bedste løsning.
“Nogle gange hjælper det piloten simpelthen at gå ned på 1. niveau og bare flyve flyet. Det er naturligvis ikke optimalt at ende der, men det gøres i en erkendelse af, at man har mistet overblikket over flyets intentioner, og der er ikke tid til at finde ud af årsagen til, hvorfor flyet gør noget andet, end man regner med.”
Han har selv oplevet netop sådan en situation:
“Som et helt grundlæggende eksempel har jeg selv oplevet, at flyet er programmeret til at flyve ligeud, og pludselig begynder det at dreje til en af siderne. Vi sad og spurgte os selv: ‘Hvad laver maskinen?’ Men i kontrolleret luftrum er der ikke plads til den slags, og prioriteten blev så at få styr på flyet. Derefter begynder detektivarbejdet.”
I en nødsituation kan forholdet mellem pilot og automation blive endnu mere kritisk. Her kan automatikken aflaste besætningen på et tidspunkt, hvor arbejdsbelastningen er høj. Men det forudsætter, at piloterne forstår, hvad systemerne foretager sig.
“Her kan automatikken være en kæmpe hjælp, men også hurtigt blive en klods om benet, hvis den ikke forstås korrekt – her er erfaring og teknisk snilde de eneste remedier, hvis man vil fortsætte med at benytte automatikken.”
Det er ikke nødvendigvis sådan, at piloterne på ethvert tidspunkt kan se alle de informationer, der ligger bag flyets beregninger.
“Sagen er, at vi ikke altid har en indsigt i, hvorfor flyet gør, som det gør. Heldigvis kan vi i langt, langt de fleste tilfælde forudsige det på baggrund af, hvad vi selv har smidt ind i computeren, men computeren laver sine beregninger på baggrund af inputs, som vi ikke kan se.”
Når AI bliver rådgiver – eller begynder at styre
Netop den erfaring rejser et nyt spørgsmål, hvis kunstig intelligens bliver en del af fremtidens cockpit. Vil AI gøre pilotens arbejde lettere, eller vil den samtidig stille større krav til pilotens forståelse af systemerne og evne til at overtage, når automatikken gør noget uventet?
“Det vil bestemt stille større krav til forståelsen. Men her tror jeg, det kommer an på AI’s rolle. Skal den fungere som rådgiver? Den kan måske hjælpe os med at finde den bedste rute gennem uvejr. Så kan vi forholdsvis let forholde os til det og holde forslaget op mod vores egen erfaring.”
Her er AI et hjælpemiddel. Piloten får et forslag, men kan vurdere det på baggrund af sin egen viden og erfaring.
Men situationen ændrer karakter, hvis AI ikke længere blot rådgiver piloten:
“Eller skal den styre flyet? Så vil det være langt mere kritisk for os at vide, hvordan den er nået sin konklusion, og om den har gjort brug af nogle antagelser.”
Det rammer en afgørende forskel mellem traditionel cockpitautomation og nogle af de muligheder, som AI åbner. Jo mere komplekst systemets beslutningsgrundlag bliver, desto vanskeligere kan det blive for mennesket at gennemskue, hvorfor systemet gør, som det gør.
Piloten ser derfor et klart potentiale for AI i de rutinemæssige opgaver, men er mere forbeholden, når situationen bevæger sig uden for det normale:
“Der er, for mig, ingen tvivl om, at rutinearbejdet vil blive gjort lettere med AI, men jeg bliver langt mere påpasselig, når det handler om uvante situationer. Ikke fordi jeg tvivler på computerens evne, men fordi jeg er usikker på, om jeg kan gennemskue den bagvedliggende logik.”
Og netop her kommer spørgsmålet om ansvar ind. For selv hvis computeren foreslår – eller måske en dag selv udfører – en handling, forsvinder pilotens ansvar ikke nødvendigvis med den.
Som piloten formulerer det:
“I sidste ende skal jeg, som besætningsmedlem, stå til ansvar for computerens beslutning.”
Boeing 737 MAX: Når piloten og automatikken ikke forstår hinanden
Et af de alvorligste eksempler på problemer i samspillet mellem piloten og automatiserede flyvesystemer findes i den nyere flyhistorie.
I oktober 2018 styrtede Lion Air Flight 610 ned kort efter starten fra Jakarta. Fem måneder senere, i marts 2019, styrtede Ethiopian Airlines Flight 302 ned kort efter starten fra Addis Ababa. Begge fly var Boeing 737 MAX 8, og alle 346 mennesker om bord på de to fly omkom.
Flyvere.dk fulgte Boeing 737 MAX-krisen tæt fra det globale flyveforbud i marts 2019 og gennem det langvarige efterspil med undersøgelser af MCAS, nye softwareproblemer, testflyvninger, ændrede certificeringskrav og den efterfølgende kritik af både Boeing og de amerikanske luftfartsmyndigheder FAA.
Hele Flyvere.dk’s dækning af Boeing 737 MAX og MCAS kan findes her.
I centrum for undersøgelserne kom flyets Maneuvering Characteristics Augmentation System – MCAS.
MCAS var ikke kunstig intelligens. Det var en automatiseret funktion i 737 MAX-flyets flight-control-system, udviklet til automatisk at påvirke flyets pitch-karakteristik under bestemte flyveforhold.
Men netop derfor er MCAS interessant i diskussionen om AI og fremtidens cockpit.
Systemet kunne aktivere automatisk uden pilotens kommando. På de oprindelige 737 MAX-fly kunne fejlagtige data fra en enkelt Angle of Attack-sensor føre til, at MCAS beordrede stabilisatoren i nose-down-retning. Efter de to havarier viste undersøgelser samtidig, at Boeing under udvikling og certificering havde gjort antagelser om, hvor hurtigt og korrekt piloterne ville identificere og reagere på en utilsigtet aktivering af systemet.
Problemet var dermed ikke blot software eller en defekt sensor.
Det handlede også om forholdet mellem mennesket og automatikken.
Piloterne skulle kunne forstå og håndtere en situation skabt af et automatiseret system, samtidig med at de blev præsenteret for andre advarsler og informationer i cockpittet. Efterfølgende undersøgelser kritiserede blandt andet, at denne samlede arbejdsbelastning ikke var blevet tilstrækkeligt inddraget i sikkerhedsvurderingen.
Samtidig havde mange 737 MAX-piloter fået meget begrænset information om MCAS. Oplysninger om systemets funktion var blevet fjernet fra den Flight Crew Operating Manual, som blev vurderet under certificeringen, og systemet indgik derfor heller ikke i pilotuddannelsen på en måde, der svarede til den betydning, det senere viste sig at have.
Efter de to havarier blev 737 MAX pålagt et globalt flyveforbud, og MCAS blev grundlæggende ændret, inden flytypen igen kunne sættes i kommerciel drift.
737 MAX-krisen viser derfor noget vigtigt om den diskussion, der nu begynder omkring kunstig intelligens.
Det afgørende er ikke alene, hvad et automatiseret system kan gøre.
Piloten skal også forstå, hvad systemet gør, hvorfor det gør det, hvilke informationer det bygger sin beslutning på – og hvordan systemet kan tilsidesættes, når det tager fejl.
Den udfordring bliver næppe mindre, når automatiseringen bliver mere avanceret og begynder at anvende kunstig intelligens.
Problemet var dermed ikke blot software eller en defekt sensor.
Det handlede også om forholdet mellem mennesket og automatikken.
Piloterne skulle kunne forstå og håndtere en situation skabt af et automatiseret system, samtidig med at de blev præsenteret for andre advarsler og informationer i cockpittet. Efterfølgende undersøgelser viste imidlertid, at problemerne rakte langt ud over selve MCAS. I 2020 konkluderede en omfattende rapport fra den amerikanske Kongres, at havarierne ikke kunne føres tilbage til én enkelt fejl, men var resultatet af en længere kæde af fejlagtige tekniske antagelser, manglende åbenhed hos Boeing og utilstrækkeligt tilsyn fra FAA.
Flyvere.dk beskrev rapporten og dens kritik af Boeing og FAA i artiklen Rapport giver FAA og Boeing skylden.
Samtidig havde mange 737 MAX-piloter fået meget begrænset information om MCAS. Oplysninger om systemets funktion var blevet fjernet fra den Flight Crew Operating Manual, som blev vurderet under certificeringen, og systemet indgik derfor heller ikke i pilotuddannelsen på en måde, der svarede til den betydning, det senere viste sig at have.
Den vanskeligste situation er den, computeren ikke kender
Det moderne trafikfly er bemærkelsesværdigt godt til normal drift.
Det interessante spørgsmål er derfor ikke kun, hvordan et AI-system klarer de tusinder af situationer, det er udviklet til.
Det er, hvad der sker i situation nummer 1001.
Flyvning foregår i en verden af vejr, mennesker, tekniske fejl, fugle, lufthavne, flyveledere og andre fly. Kombinationen af hændelser kan skabe situationer, som systemets konstruktører ikke nødvendigvis har forudset.
Netop her har mennesket traditionelt haft en særlig rolle.
En erfaren pilot kan forstå kontekst, improvisere og tilsidesætte en procedure, hvis situationen kræver det.
Det er forskellen mellem blot at betjene et system og at have airmanship.
Kunstig intelligens kan sandsynligvis blive ekstremt dygtig til bestemte opgaver. Men i luftfarten er det ikke nok, at et system statistisk set næsten altid har ret.
Det skal også være muligt at forstå, certificere og håndtere, hvad der sker, når det tager fejl.
FAA offentliggjorde i 2025 et særskilt sikkerhedsframework for automation i fly. Her fremhæves netop et problem, som luftfarten kender fra eksisterende automation: Automatisering kan reducere pilotens arbejdsbelastning under normale forhold, men samtidig øge både kompleksiteten og arbejdsbelastningen, når noget går galt.
Den pointe bliver ikke mindre vigtig med AI.
Tværtimod.
AI er ikke andenpiloten
Der er derfor en sproglig fælde i diskussionen om kunstig intelligens i cockpittet.
Det kan være fristende at forestille sig AI som et nyt medlem af besætningen – en slags elektronisk andenpilot.
Men det er en problematisk analogi.
En menneskelig andenpilot har uddannelse, erfaring, situationsforståelse og et professionelt ansvar. To piloter kan udfordre hinandens beslutninger, diskutere en situation og kontrollere hinandens handlinger.
Et AI-system er et teknisk system.
Det kan udføre funktioner, der tidligere krævede et menneske. Det kan muligvis analysere visse informationer hurtigere og mere præcist end piloten.
Men det har ikke ansvar for flyet.
Derfor arbejder både amerikanske og europæiske luftfartsmyndigheder med modeller, hvor forholdet mellem menneske og AI skal defineres langt mere præcist end blot ved at kalde maskinen en digital copilot.
EASA opdeler eksempelvis udviklingen i forskellige niveauer.
Level 1 omfatter AI som human augmentation eller assistance. Level 2 handler om egentlig samarbejde mellem menneske og AI. I det seneste konceptpapir fra juni 2026 behandles også Level 3 – advanced automation – hvor mennesket i nogle operationer kan befinde sig et andet sted eller slet ikke være til stede under operationen.
Det viser samtidig, hvor langt der er fra en AI-assistent i et cockpit til et autonomt passagerfly.
Fra tre piloter til to – og fra to til én?
Historisk har automatisering allerede reduceret antallet af mennesker i cockpittet.
På tidligere generationer af store passagerfly bestod besætningen ofte af kaptajn, styrmand og flight engineer. På endnu ældre langdistancefly kunne der også være navigatør og radiooperatør.
Efterhånden overtog teknologien mange af deres funktioner.
Flight engineer forsvandt fra moderne passagerfly, da overvågning og betjening af motorer og andre systemer i stigende grad blev automatiseret.
Det giver et oplagt spørgsmål:
Hvis automatisering kunne reducere besætningen fra tre til to, hvorfor skulle AI ikke kunne reducere den fra to til én?
Og hvis den kan reducere den til én, hvorfor så ikke til nul?
Teknologisk er spørgsmålet ikke absurd. Airbus har allerede demonstreret et passagerfly, der ved hjælp af computer vision kunne taxe, starte og lande automatisk.
Men et moderne rutefly er ikke certificeret ud fra spørgsmålet om, hvorvidt autopiloten kan holde flyet i luften.
Hele systemet bygger på redundans.
To piloter er ikke blot to mennesker, der kan bevæge styregrejerne. De overvåger flyet og hinanden, fordeler arbejdsopgaver og kan reagere forskelligt på en uventet situation.
Derfor er spørgsmålet om færre piloter lige så meget et spørgsmål om sikkerhedsarkitektur som om teknologi.
Et aktuelt indlæg hos Airline Pilot Central argumenterer for, at AI derfor snarere bliver et værktøj for fremtidens piloter end deres afløser. Blandt argumenterne er både luftfartens meget høje sikkerhedskrav og passagerernes forventning om fortsat at have mennesker i cockpittet.
Det sidste kan naturligvis ændre sig.
Engang havde elevatorer også elevatorførere.
Men luftfarten har gennem sin historie vist, at ny teknologi ikke bliver indført alene, fordi den kan fungere. Den skal kunne dokumenteres, certificeres og indpasses i et sikkerhedssystem, hvor konsekvensen af en fejl kan være katastrofal.
Fremtidens pilot skal måske kunne noget andet
Derfor kan AI meget vel ændre pilotens arbejde uden at fjerne piloten.
Og måske ligger den største forandring netop dér.
Den klassiske forestilling om den dygtige pilot er tæt forbundet med selve håndværket: præcis flyvning, navigation, meteorologi, motorbehandling og evnen til at mærke og forstå flyvemaskinen.
Disse færdigheder forsvinder ikke.
Men oven på dem er kommet en anden disciplin: systemforståelse.
Piloten skal vide, hvad automatikken gør, hvorfor den gør det, hvornår den ikke gør det, man forventer – og hvornår det er nødvendigt at koble den fra.
Med AI bliver denne kompetence endnu vigtigere.
Fremtidens pilot skal ikke nødvendigvis konkurrere med computeren om at beregne hurtigst eller analysere flest datapunkter.
Piloten skal kunne vurdere computerens resultat.
Det kræver måske en anden form for ekspertise: forståelse af systemernes begrænsninger, kritisk vurdering af anbefalinger, bevarelse af situationsbevidsthed og evnen til hurtigt at overtage en opgave, som automatiseringen indtil da har udført.
Det er ikke nødvendigvis lettere at være pilot i et stærkt automatiseret fly.
På nogle områder kan det være vanskeligere.
Piloten skal være kompetent nok til at gribe ind i en opgave, som han eller hun måske meget sjældent udfører selv.
Fra Lawrence Sperry til kunstig intelligens
Dermed er vi tilbage ved Lawrence Sperry.
Da han i 1914 demonstrerede, at et fly kunne holde sig stabilt uden konstant hjælp fra piloten, kunne teknologien opfattes som en konkurrent til pilotens færdigheder.
I stedet blev autopiloten et af de vigtigste hjælpemidler i moderne luftfart.
Det samme skete med radionavigation, instrumentflyvning, autothrottle, Flight Management Systems, glass cockpit og fly-by-wire.
Hver generation af teknologi har overtaget opgaver fra piloten.
Men hver generation har samtidig ændret, hvad det vil sige at være en god pilot.
AI bliver sandsynligvis ikke anderledes.
Den store gevinst ligger næppe i at skabe en elektronisk pilot, der efterligner mennesket. Den kan ligge i kombinationen af to meget forskellige styrker.
Computeren er god til at behandle enorme datamængder, overvåge systemer kontinuerligt, genkende mønstre og udføre gentagne opgaver med stor præcision.
Mennesket kan forstå kontekst, tvivle, improvisere og tage ansvar.
Det afgørende bliver derfor ikke nødvendigvis, om AI kan flyve et fly.
Det kan automatiseringen allerede i bemærkelsesværdigt mange situationer.
Det interessante spørgsmål er, hvad der sker med mennesket ved siden af.
Bedre piloter – eller bedre assisterede piloter?
Så giver AI bedre piloter?
Ikke nødvendigvis.
AI kan give piloten bedre information. Den kan reducere arbejdsbelastningen, opdage problemer tidligere og overtage rutineopgaver. På længere sigt kan den måske også fungere som endnu et sikkerhedslag, der hjælper flyet og besætningen gennem situationer, som i dag kræver meget høj arbejdsbelastning.
Alt dette kan gøre flyvningen sikrere.
Men en bedre maskine skaber ikke automatisk et dygtigere menneske.
Hvis piloten bliver for afhængig af automatiseringen, kan resultatet blive det modsatte: svagere manuelle færdigheder, mindre aktiv overvågning og større vanskeligheder ved at overtage kontrollen, når systemet ikke længere kan løse problemet.
Det er derfor muligt, at fremtidens vigtigste pilotfærdighed bliver en gammel disciplin i ny form:
At vide, hvornår man skal stole på flyvemaskinen – og hvornår man ikke skal.
Fra Sperrys autopilot i 1914 til nutidens forsøg med computer vision og kunstig intelligens har teknologien igen og igen flyttet grænsen mellem menneske og maskine.
AI flytter den endnu en gang.
Men måske er det forkerte spørgsmål, om kunstig intelligens kan erstatte piloten.
Det langt mere interessante er, om den kan gøre piloten bedre – uden samtidig at gøre piloten mindre til pilot.