Skip to content
IT, technologijų, elektromobilių, dirbtinio intelekto ir kitos naujienos
IT, technologijų, elektromobilių, dirbtinio intelekto ir kitos naujienos

Technologijų, IT, elektromobilių, dirbtinio intelekto ir kiti naujienų pranešimai

  • Apžvalgos
  • Atsiliepimai
  • Buitinė technika
  • Kavos aparatai
  • Kompiuteriai
  • Naujienos
  • Patarimai
  • Telefonai
  • Televizoriai
  • Aktyvumas
  • Auto-Moto
  • NT
  • Pramogos
  • Servisas
  • Sveikata
  • Veikla
  • IT
  • Dirbtinis intelektas
  • Elektromobiliai
  • Technologijos
  • Tesla
  • REKLAMA
IT, technologijų, elektromobilių, dirbtinio intelekto ir kitos naujienos

Technologijų, IT, elektromobilių, dirbtinio intelekto ir kiti naujienų pranešimai

3 balandžio, 2024

Kaip dirbtinis intelektas keičia elektromobilių baterijų technologiją: nuo prognozavimo iki savaiminio optimizavimo

Baterijos ir algoritmai – nauja meilės istorija?

Elektromobilių baterijos jau seniai tapo ta vieta, kur susikerta viltys ir nusivylimai. Visi žino tą jausmą – žiemą pažiūri į ekraną ir matai, kad likęs nuotolis sumažėjo trečdaliu. Gamintojai dešimtmečius žadėjo revoliuciją, o mes vis dar skaičiuojame kilometrus iki kito įkrovimo taško. Dabar į šį žaidimą įsiterpia dirbtinis intelektas, ir reikia pripažinti – šįkart pokyčiai atrodo kiek realiau nei įprasti rinkodaros šūkiai.

Tačiau prieš pradedant ploti, verta paklausti: ar DI iš tikrųjų keičia žaidimo taisykles, ar tiesiog leidžia gamintojams gražiau pakuoti senus sprendimus?

Prognozavimas – tai, ką DI daro geriau nei bet kas kitas

Tradiciniai baterijų valdymo sistemos (BMS) veikė pagal gana primityvią logiką – matuok įtampą, temperatūrą, srovę ir iš to spėk, kiek dar liko. Problema ta, kad baterijos sensta nevienodai, reaguoja į aplinką skirtingai, o kiekvienas vairuotojas jas naudoja savaip. Senas metodas buvo tarsi bandymas prognozuoti orą žiūrint tik pro langą.

DI modeliai, ypač tie, kurie mokosi iš realių naudojimo duomenų, gali sekti šimtus kintamųjų vienu metu. Tesla, BYD, o dabar ir Volkswagen grupė jau naudoja mašininio mokymosi algoritmus, kurie prognozuoja baterijos degradaciją su gerokai didesniu tikslumu. Tai reiškia, kad sistema gali iš anksto perspėti, kai baterija artėja prie kritinės ribos – ne po to, kai ji jau sugedo.

Skamba gerai. Bet čia ir prasideda pirmasis klaustukas: šie duomenys renkami iš vartotojų. Kiek žmonių tikrai supranta, ką jie atiduoda mainais už „geresnę baterijos diagnostiką”?

Savaiminis optimizavimas – realybė ar rinkodaros terminas?

Dar įdomiau tampa, kai kalbame apie vadinamąjį savaiminį optimizavimą. Idėja tokia: sistema ne tik prognozuoja, bet ir pati koreguoja įkrovimo strategiją, galios paskirstymą, aušinimą – visa tai realiuoju laiku, be vairuotojo įsikišimo.

Teoriškai tai puiku. Praktiškai – reikia atsargiai. Kai kurie gamintojai šį terminą naudoja labai laisvai. Savaiminis optimizavimas kartais reiškia tiesiog tai, kad algoritmas pasirenka iš kelių iš anksto nustatytų scenarijų. Tai nėra tas pats, kas tikrai adaptyvus mokymasis. Skirtumas svarbus, nes nuo jo priklauso, ar sistema iš tikrųjų gerėja laikui bėgant, ar tiesiog gerai atrodo specifikacijų lape.

Solidus darbas šioje srityje vyksta laboratorijose – MIT, Stanford, Fraunhofer institutai kuria sistemas, kurios tikrai mokosi iš kiekvieno įkrovimo ciklo ir keičia savo elgesį. Bet nuo laboratorijos iki serijiniu būdu pagaminamo automobilio – ilgas kelias, ir šio kelio trukmę gamintojai dažnai nutyli.

Kai algoritmas žino apie tavo bateriją daugiau nei tu

Vienas iš labiausiai neįvertintų DI aspektų baterijų technologijoje – tai, kad jis gali aptikti problemas, kurių vartotojas niekada nepastebėtų. Mikro-degradacija, netolygus ląstelių senėjimas, ankstyvi trumpojo jungimo požymiai – visa tai gali būti identifikuota gerokai anksčiau nei baterija pradeda elgtis keistai.

Tai turi realią vertę. Tik vėl kyla klausimas – kas naudojasi šia informacija ir kaip? Jei gamintojas žino, kad tavo baterija degraduos greičiau nei vidutiniškai, ar jis tau apie tai praneš? O gal tiesiog pakoreguos garantijos sąlygas smulkiu šriftu?

Iki šiol skaidrumo šioje srityje trūksta. Vartotojas gauna „geresnę patirtį”, bet retai gauna realią prieigą prie savo baterijos duomenų. Tai šiek tiek primena situaciją, kai daktaras žino diagnozę, bet sako tik „viskas gerai, ateikite po metų”.

Tarp pažado ir realybės – kur mes iš tikrųjų esame

DI tikrai keičia baterijų technologiją – tai nėra tik šurmulys. Prognozavimo tikslumas gerėja, įkrovimo strategijos tampa protingesnės, o baterijų tarnavimo laikas pailgėja. Tai faktas, patvirtintas ir nepriklausomų tyrimų.

Bet reikia išlaikyti blaivų žvilgsnį. Didelė dalis to, kas šiandien parduodama kaip „DI valdoma baterija”, yra geresni algoritmai, o ne kažkas iš esmės naujo. Tikrasis proveržis – kai sistema realiu laiku prisitaikys prie konkretaus vairuotojo, konkrečios klimato zonos ir konkrečios baterijos cheminės sudėties senėjimo profilio – dar tik artėja.

O svarbiausia, ko trūksta šioje istorijoje – tai vartotojų kontrolė ir skaidrumas. Algoritmai gali būti kiek nori protingi, bet jei žmogus, kurio automobilis ir baterija, neturi prieigos prie savo duomenų ir negali suprasti, ką sistema daro ir kodėl – tai ne pažanga. Tai tiesiog protingesnė priklausomybė nuo gamintojo. Ir tą skirtumą verta prisiminti kiekvieną kartą, kai matai reklamą su žodžiu „AI-powered”.

Auto-Moto Dirbtinis intelektas Elektromobiliai IT

Navigacija tarp įrašų

Previous post
Next post
©2026 IT, technologijų, elektromobilių, dirbtinio intelekto ir kitos naujienos | WordPress Theme by SuperbThemes