另外，航空事故很少是因单一错误而引发的，诱因通常比较复杂，将控制权交给自主系统的风险是很大的。因此，机器学习只能承担部分飞行员的角色。
此前瑞典就曾发生过一架飞机在空中保持自动驾驶状态不停盘旋，所有乘客和副驾驶都昏迷后只能等待燃油耗尽坠机的“幽灵航班”。第一次波音 737-MAX8 客机坠毁，也是因为飞机自动驾驶系统不断将机头降低，而飞行员则人工操作不断尝试将机头抬起，最终没能成功纠偏，导致飞机失事……
总而言之，空域情况的复杂判断与调度，人工智能算法还远达不到人类级别的精准操作。
我们知道，空中交通管制（Air Traffic Control，ATC）通信对所有航班来说，都很关键。但是许多对话都带有浓重口音，飞行员之间和管制员很难相互理解，能否利用已经相对成熟的NLP语音翻译技术实现辨识呢？
至少目前来说，让AI读懂空中交通对话，依然是一件难度很高的任务。因为驾驶舱内的空中广播甚至手机对话环境十分嘈杂，会话还很快，又充满了特定领域词汇，一些语料不足的方言或口音，机器也并不能够清晰地识别出来。我们很难想象，万一8633在空中听不懂那一声声“成都叫你”的呼唤，将会发生什么……
目前，为了解决这一问题，空客已经在AI Gym 竞赛中不断寻求解决方案，但就当前进度来看，语音辅助还处于不成熟的探索阶段，看来还是人类机长的耳朵更好使一点。
随着商用航空大量引入人工智能，大量用户的数据也会面临机密性的风险。此前阿联酋航空就曾向第三方服务商泄露了姓名，电子邮件，行程，电话号码甚至护照号码等客户详细信息，拿到这些隐私数据的企业包括Boxever， Facebook和Google等。
而大多数航司和机场都推出了基于计算机视觉的重重服务，人脸识别等设备的部署，隐私安全法规政策的含糊不清，或许推迟非关键领域的AI落地并不是一件坏事。
在电影的最后，管理中心的负责人仰望蓝天，他说，此时此刻，在蓝天上有50万人在飞翔。而我们所能看见的，飞行，依旧是一个专业人员与自然风险的勇敢博弈游戏。当然，AI的无声浸润，正在让一切充满新的变数。