شرکت هواپیمایی کَثی پسیفیک و گوگل اعلام کرده‌اند آزمایش مشترک خود برای استفاده از هوش مصنوعی در کاهش اثرات اقلیمی ردهای سفید هواپیماها را گسترش می‌دهند. این ردها که در زبان انگلیسی Contrails نامیده می‌شوند، در ارتفاع بالا و هنگام عبور هواپیما از مناطق سرد و مرطوب شکل می‌گیرند و در برخی شرایط می‌توانند برای مدتی طولانی در جو باقی بمانند.

رد سفید هواپیما معمولاً زمانی ایجاد می‌شود که بخار آب موجود در گازهای خروجی موتور در هوای بسیار سرد متراکم یا منجمد شود. نتیجه این فرایند، شکل‌گیری خطوط باریک یخی در پشت هواپیما است. بسیاری از این ردها در مدت کوتاهی از بین می‌روند، اما بعضی از آن‌ها در شرایط خاص جوی گسترش پیدا می‌کنند و می‌توانند اثر گرمایی بیشتری داشته باشند.

بر اساس توضیحات شرکت‌ها، آزمایش اولیه از اواخر سال ۲۰۲۵ آغاز شد. گوگل در این پروژه از ابزارهای پیش‌بینی مبتنی بر هوش مصنوعی استفاده کرد تا مناطقی را که احتمال شکل‌گیری ردهای پایدار در آن‌ها بیشتر است، شناسایی کند. خلبانان سپس می‌توانند با توجه به شرایط، ارتفاع پرواز را اندکی تغییر دهند و از عبور از آن مناطق جلوگیری کنند.

این روش به تغییر اساسی در هواپیما یا موتور نیاز ندارد. همچنین قرار نیست مسیر پرواز به‌طور کامل عوض شود. هدف، ایجاد تغییرهای کوچک در ارتفاع یا مسیر است؛ تغییرهایی که بتوانند احتمال شکل‌گیری ردهای ماندگار را کاهش دهند، بدون آنکه هزینه سوخت و زمان پرواز به شکل قابل توجهی افزایش پیدا کند.

در آزمایش اولیه، بیش از ۸۰ پرواز کَثی پسیفیک بررسی شد. شرکت‌ها اعلام کرده‌اند این آزمایش به کاهش تقریبی ۴۰ درصدی اثر گرمایی ردهای هواپیما منجر شده است. این رقم به معنای حذف ۴۰ درصد کل ردهای هواپیما نیست، بلکه به اثر گرمایی مرتبط با ردهایی اشاره دارد که در شرایط مورد بررسی می‌توانستند ماندگار باشند.

کَثی پسیفیک نخستین شریک تجاری گوگل در منطقه آسیا-اقیانوسیه برای این فناوری معرفی شده است. این شرکت همچنین نخستین شرکت هواپیمایی در جهان محسوب می‌شود که آزمایش اجتناب از ردهای ماندگار را در پروازهای فوق‌طولانی انجام داده است. پروازهای فوق‌طولانی به دلیل عبور از مناطق مختلف جوی و طی مسافت‌های زیاد، فرصت مناسبی برای ارزیابی عملکرد چنین سامانه‌هایی فراهم می‌کنند.

در مرحله بعدی، آزمایش‌ها در بخش بزرگ‌تری از شبکه پروازی کَثی پسیفیک انجام خواهد شد. مسیرهای آسیایی و مسیرهای عبوری از اقیانوس آرام در این مرحله مورد توجه قرار می‌گیرند. هدف، جمع‌آوری داده‌های بیشتر و بررسی عملکرد سامانه در شرایط متنوع‌تر آب‌وهوایی است.

هوش مصنوعی در این پروژه نقش پیش‌بینی‌کننده دارد. سامانه باید اطلاعات مربوط به دما، رطوبت، فشار، ارتفاع، مسیر پرواز و شرایط جوی را در کنار یکدیگر تحلیل کند. سپس باید مناطقی را مشخص کند که عبور هواپیما از آن‌ها می‌تواند احتمال ایجاد رد ماندگار را افزایش دهد.

این کار ساده نیست، زیرا شرایط جو در ارتفاع پرواز می‌تواند در فاصله‌های کوتاه تغییر کند. علاوه بر این، پیش‌بینی دقیق ردهای هواپیما به داده‌های باکیفیت و مدل‌های جوی دقیق نیاز دارد. اگر سامانه منطقه‌ای را به اشتباه خطرناک تشخیص دهد، تغییر ارتفاع ممکن است بدون فایده، مصرف سوخت یا زمان پرواز را افزایش دهد. اگر هم منطقه‌ای پرخطر شناسایی نشود، رد ماندگار شکل خواهد گرفت.

شرکت‌ها می‌گویند این فناوری برای هواپیماهای موجود طراحی شده است و می‌تواند در کنار سایر اقدامات کاهش انتشار استفاده شود. نوسازی ناوگان، افزایش بهره‌وری موتور، استفاده از سوخت پایدار هوانوردی و کاهش مصرف سوخت همچنان بخش‌های اصلی برنامه کاهش اثرات زیست‌محیطی صنعت هوانوردی هستند. اجتناب از ردهای ماندگار قرار نیست جایگزین این اقدامات شود، بلکه به‌عنوان ابزاری مکمل مطرح شده است.

بر اساس اعلام گوگل و کَثی پسیفیک، ردهای ماندگار ممکن است حدود یک‌سوم اثر اقلیمی صنعت هوانوردی را تشکیل دهند. این برآورد نشان می‌دهد اثر پرواز فقط به دی‌اکسیدکربن منتشرشده از موتور محدود نیست. برخی پدیده‌های جوی ناشی از پرواز نیز می‌توانند بر توازن گرمایی جو اثر بگذارند.

اهمیت این موضوع در آن است که کاهش ردهای ماندگار ممکن است با تغییرهای عملیاتی نسبتاً کوچک انجام شود. برای مثال، هواپیما ممکن است چند صد متر بالاتر یا پایین‌تر پرواز کند یا در بخش محدودی از مسیر تغییر ارتفاع دهد. البته هر تغییر باید با محدودیت‌های کنترل ترافیک هوایی، ایمنی، مصرف سوخت، ظرفیت مسیر و زمان‌بندی پرواز هماهنگ باشد.

استفاده از این فناوری پرسش‌هایی نیز ایجاد می‌کند. نخست اینکه نتیجه آزمایش محدود روی ده‌ها پرواز، برای تعمیم به تمام مسیرها کافی نیست. دوم اینکه باید مشخص شود تغییر ارتفاع در شرایط واقعی تا چه اندازه بر مصرف سوخت اثر می‌گذارد. اگر اجتناب از ردها باعث افزایش قابل توجه مصرف سوخت شود، بخشی از مزیت اقلیمی آن کاهش خواهد یافت.

از سوی دیگر، هماهنگی میان شرکت‌های هواپیمایی و کنترل‌کنندگان ترافیک هوایی ضروری است. یک هواپیما نمی‌تواند صرفاً بر اساس پیشنهاد سامانه هوش مصنوعی مسیر یا ارتفاع خود را تغییر دهد. هر تغییر باید در چارچوب قوانین ایمنی و مدیریت ترافیک هوایی انجام شود.

گوگل و کَثی پسیفیک در مرحله بعدی تلاش خواهند کرد داده‌های بیشتری از پروازهای تجاری واقعی به دست آورند. این داده‌ها می‌تواند برای بهبود مدل‌های پیش‌بینی و بررسی تفاوت عملکرد سامانه در مسیرهای کوتاه، طولانی و فوق‌طولانی استفاده شود.

این پروژه نمونه‌ای از کاربرد هوش مصنوعی در کاهش اثرات زیست‌محیطی زیرساخت‌های موجود است. در اینجا هدف ساخت هواپیما یا موتور کاملاً جدید نیست، بلکه استفاده بهتر از داده‌های جوی و تصمیم‌گیری دقیق‌تر در زمان پرواز است. اگر نتایج آزمایش‌های گسترده‌تر موفق باشد، شرکت‌های هواپیمایی دیگر نیز ممکن است به استفاده از چنین سامانه‌هایی علاقه‌مند شوند.

با این حال، هنوز نمی‌توان گفت هوش مصنوعی به‌تنهایی مشکل اقلیمی هوانوردی را حل می‌کند. پروازها همچنان به سوخت نیاز دارند و انتشار دی‌اکسیدکربن همچنان یکی از مهم‌ترین چالش‌های این صنعت است. فناوری اجتناب از ردهای ماندگار تنها می‌تواند بخشی از اثرات پرواز را کاهش دهد و موفقیت آن به دقت مدل‌ها، همکاری خلبانان، کنترلرهای ترافیک هوایی و شرکت‌های هواپیمایی وابسته خواهد بود.