美國卡內基梅隆大學機器人研究所科學家創建了一個名為World2Rules的人工智能（AI）系統，它能從數據中學習陳述性的安全規則，用以分析、驗證和解釋潛在的碰撞場景，從而預防機場出現碰撞事故。

機場相撞事件時有發生。通過從日常機場活動及有據可查的安全違規事件中汲取經驗，這套AI系統能清晰地區分何為“正常”、何為“不安全”。當檢測到潛在違規時，它不僅能發出警報，還能明確指出哪條安全規則被觸犯，並解釋為何這種情況充滿風險，同時將其與已知的危險模式逐一對應，為飛行員和管制員搶出關鍵反應時間。

團隊首先創建了名為“Amelia-42”的數據集。該數據集匯聚了美國42個機場兩年間的聯邦航空管理局地面運動數據，既涵蓋日常運營，也包含碰撞事故報告，可追蹤飛機和車輛在跑道與滑行道上的每一處軌跡。這些數據幫助系統學會了區分正常與危險情況。為了消化這些海量信息，團隊還動用了匹茲堡超級計算中心的Bridges-2超級計算機。

為理解所有這些數據，World2Rules巧妙融合了神經學與符號學這兩種AI方法。神經學部分負責捕捉機場數據中隱藏的模式，符號學部分則將這些模式轉化成人類可讀的、清晰且富有邏輯的規則。通過將模式識別與基於規則的推理相結合，這套新系統既能找出風險，又能條分縷析地講明風險何在。

除航空領域，World2Rules還可拓展至其他對安全極度敏感的行業。