يواجه قطاع الطيران تحديات كبيرة في تكامل تقنيات الذكاء الاصطناعي (Artificial Intelligence) ضمن أنظمة الأمان الحرجة. نظرًا لأن الطيران يُعتبر من أكثر وسائل النقل أمانًا، فإنه يعتمد بشكل كبير على أنظمة ذات معايير سلامة صارمة. في هذا السياق، تتطلب وكالة السلامة الجوية الأوروبية (EASA) اعتماد نهج السلامة حسب التصميم (Safety-by-Design) لضمان عمل أنظمة الذكاء الاصطناعي بشكل موثوق.

الشبكات الآمنة (Safety Nets) تندمج مع تقنيات ضغط الشبكات العصبية (Neural Networks) لخلق جداول بحثية (Lookup Tables) تضمن سلوكًا صحيحًا بنسبة 100% خلال التشغيل. ورغم أن الشبكات الآمنة قد تم دراستها من قبل، إلا أنه لم تُجرَ دراسة شاملة حول خصائصها وأداءها حتى الآن.

تقدم هذه الدراسة تحليلًا منهجيًا لأول مرة حول التوازن بين حجم الشبكات العصبية وجداول البحث في إطار الشبكات الآمنة. من خلال المقارنة بين هياكل الشبكات العصبية المختلفة، تم تحديد معايير التصميم المثلى التي تقلل من متطلبات الذاكرة والتخزين مع الاحتفاظ بمستويات الامتثال اللازمة.

تشير النتائج إلى أن الهياكل التي تحتوي على 3 إلى 5 طبقات مخفية، كل منها يتكون من حوالي 50 إلى 100 خلية عصبية، مع استخدام الترميز أحادي الحالة (One-Hot Encoding)، تعطي أفضل توازن بين الأداء والموارد. حيث تمثل الشبكات العصبية بدقة ما لا يقل عن 97% من البيانات، بينما تتولى جداول البحث معالجة الأخطاء المتبقية.

تمكن هذه الشبكات الآمنة من تقليل حجم النظام بمقدار ثلاثة أوامر من حيث الحجم، مما يجعلها تتناسب مع ميزانيات الذاكرة للأجهزة الحالية في مجال الطيران، مع ضمان المخرجات الصحيحة 100% عبر فضاء الإدخال الكامل كما يتطلبه دليل EASA.

تُعتبر هذه الدراسة النقطة الأولى نحو تقديم تطبيق مفتوح المصدر للشبكات الآمنة، وهي خطوة مهمة نحو تحقيق أنظمة ذكاء اصطناعي قابلة للتصديق في مجال الطيران.