基于机器学习（ML）的航空软件认证

ML和航空看似很远，却又很近。

神经网络是一种用于执行特定功能的软件，例如分析来自传感器的数据，并根据这些数据提供推断，它不具备做出决策和输出意见的能力，其行为是由机器学习的训练参数决定，机器学习过程可以完全离线进行（对于安全关键型应用程序，为了可预测性必须离线训练）。虽然神经网络可能会产生不正确的推断，但这些推断对应用程序最终输出的影响可以通过系统设计和引入冗余（DAL-A应用）来消除，例如通过分析图像序列而不仅仅是单个图像，系统可以提供更准确的答案并降低错误警报的概率；可接受的错误率由系统需求决定，它遵循工业标准，并用于确立航空应用中的安全性能指标。

基于机器学习的航空软件可以通过“学习保证”过程来被航空标准认证，类似传统软件保证过程。该过程有助于确保基于ML的软件符合所需的安全性能标准，并且在现场产生错误的频率不会超出可接受范围。这就超越了根据DO-178C认证执行神经网络或其他ML推理功能的实时软件。

尽管认证ML推理实时运行是一个必要的组成部分，但为了进一步证明机器学习部分实现了正确的行为，系统核心的神经网络必须是一个冻结的、确定性的程序执行特定的功能，并且已经在独立的数据中进行了训练、验证和测试，然后仔细的将系统级需求分解到数据集和学习算法的需求。统计学习理论方法（SLT）可用于获得系统在运行域内的行为保障，这些方法引出了学习保障，这些都是EASA和FAA与Daedalean合作的研究课题。EASA在其基于神经网络的应用认证指南中提出这一过程作为一种可接受的符合性方法，Daedalean的PilotEye™ STC程序是该认证程序的一个实例，也是EASA和FAA应用这些程序并评估其有效性的首项测试案例。