MACHINE LEARNING NA CABINE DE VOO:

desafios regulatórios e evolução da automação responsável

Resumo

Este artigo analisa o potencial de aplicação de ferramentas de inteligência artificial (IA): o machine learning (ML) e o deep learning (DL) na aviação, compreendendo as possibilidades de utilização da tecnologia na cabine de voo. Inicialmente, são definidos os conceitos de inteligência artificial IA, ML e DL, destacando sua capacidade de processar dados em larga escala e adaptar-se dinamicamente. Discutem-se desafios como transparência, confiança dos pilotos e integração segura dessas tecnologias, destacando iniciativas regulatórias da EASA, FAA e ICAO. Abordam-se propostas da indústria e academia, como sistemas híbridos (combinação de ML e sistemas baseados em regras) e aplicações não críticas (ex.: processamento de linguagem natural e visão computacional). Analisa-se também barreiras práticas, como ergonomia, certificação e riscos de automação excessiva. Conclui-se que, embora a IA ofereça oportunidades para reduzir carga de trabalho e melhorar decisões, sua adoção demanda harmonização entre normas globais, aprimoramento da transparência algorítmica e manutenção do piloto como elemento central na segurança. Reforça-se a necessidade de evolução gradual, alinhada a estudos contínuos sobre interação humano-máquina e critérios robustos de certificação. O estudo baseia-se em pesquisa bibliográfica de artigos, normas técnicas e documentos legislativos, mantendo abordagem descritiva e crítica.