Sztuczna inteligencja otworzyła nowy rozdział transformacji branży motoryzacyjnej?

153

Samochody podłączone do ładowarek są coraz powszechniejszym zjawiskiem na ulicach, a temat rezygnacji z napędów spalinowych na rzecz elektrycznych, cieszy się niesłabnącą popularnością. Jednak transformacja na rynku motoryzacyjnym to maraton, a nie wyścig, zatem tempo zmian różni się w zależności od producenta i regionu. Na przykład Walter Mertl, dyrektor finansowy BMW, ujawnił, że koncern notuje obecnie większy przyrost sprzedaży za sprawą samochodów elektrycznych (EV), a nie spalinowych.

Z około 100 milionami wierszy kodu i 1000 lub więcej chipami półprzewodnikowymi, cyfryzacja i komputeryzacja samochodów stanowią kolejne ważne kroki w rewolucji technologicznej, a ich znaczenie wciąż rośnie. Dzisiaj szacuje się już, że dla najnowocześniejszych pojazdów autonomicznych napisano około 300 milionów wierszy kodu, a jeden tylko pojazd elektryczny potrzebuje około 3000 chipów.

Ten wykładniczy postęp w obszarze cyfryzacji pojazdów skłania decydentów na rynku motoryzacyjnym do inwestowania w technologie mobilne najnowszej generacji, które wesprą pracowników fabryk i pozwolą im nie odstawać na rynku od konkurentów. Zgodnie z raportem Zebra Technologies na temat rynku motoryzacyjnego aż 78% osób decyzyjnych uważa, że aby zachować konkurencyjność w branży, ich organizacja powinna być bardziej innowacyjna. W związku z tym liderzy produkcji i dystrybucji w przemyśle samochodowym stawiają na cyfryzację i zwiększają odporność łańcucha dostaw. Jednocześnie inwestują środki w automatyzację, aby stworzyć ofertę, która pozwoli im się wyróżnić na tle konkurencji.

Systemy kontroli

Patrząc na samochody wyjeżdżające z fabryki Volkswagena wyposażone w asystenta głosowego IDA czy ChatGPT albo auta BMW, które nawiązało współpracę z Amazon w celu wprowadzenia dużych modeli językowych (LLM) do ich inteligentnego asystenta osobistego, możemy przypuszczać, że nowy rozdział transformacji przemysłu motoryzacyjnego prawdopodobnie już się rozpoczął. Wciąż jest za wcześnie, aby powiedzieć, jak w dłuższej perspektywie generatywna sztuczna inteligencja wpłynie na sposób interakcji między kierowcami, samochodami i otoczeniem. Trudno jednak kryć entuzjazm, jaki wzbudzają możliwości związane z wykorzystaniem SI w sytuacjach wykraczających poza rozwiązania od BMW i Volkswagena.

Kierowcy mogliby na przykład korzystać ze spersonalizowanego asystenta SI, który pomagałby im w planowaniu podróży, ustawianiu przypomnień, znajdowaniu wolnego parkingu, zbierałby dane o przebiegu trasy, aktualizowałby ją w czasie rzeczywistym i rekomendowałby najbardziej optymalne drogi. Mógłby nawet zamówić kawę lub lunch gotowy do odbioru po dotarciu na najbliższą stację benzynową.

Coraz większe znaczenie sztucznej inteligencji w produkcji samochodów 

Wprowadzenie generatywnej sztucznej inteligencji do samochodów zapowiada nową erę, w której SI będzie stanowić wartość dodaną zarówno dla konsumentów, jak i inżynierów, którzy dzięki postępowi również zyskują przewagę. Bowiem koncerny motoryzacyjne korzystają z wielu zastosowań sztucznej inteligencji, aby ich samochody spełniały najwyższe standardy i były atrakcyjne dla potencjalnych klientów. Podobne podejście dotyczy poprawy jakości i warunków pracy personelu zatrudnionego w fabrykach.

Jednym z wykorzystywanych rodzajów zaawansowanej sztucznej inteligencji jest tzw. głębokie uczenie (deep learning), które naśladuje ludzkie sieci neuronowe znajdujące się w mózgu. Badacze akademiccy i firmy technologiczne uważają, że głębokie uczenie może wspomóc koncerny motoryzacyjne w prowadzeniu sprawnej kontroli wizyjnej produkowanych części, z którą nie radzą sobie tradycyjne narzędzia. Tradycyjne systemy wizyjne są wykorzystywane do weryfikowania jakości i kontroli na końcu linii produkcyjnej. Służą do rozpoznawania części, wykonywania pomiarów, weryfikacji obecności elementów na linii produkcyjnej, metrologii i kontroli porowatości. Z drugiej strony, używanie takich narzędzi wiąże się z wyzwaniami, których skutki mogą być odczuwalne dopiero w długim terminie. Chodzi między innymi o czas potrzebny na szkolenie z ich obsługi, wysokie koszty użytkowania i konserwacji, trudności związane z interoperacyjnością czy wyzwania dotyczące obsługi złożonych scenariuszy użytkowania.

Jednak sytuacja w branży samochodowej się zmienia, co widać w opublikowanym niedawno raporcie firmy Zebra, z którego wynika, że 56% liderów branży motoryzacyjnej w Wielkiej Brytanii i 43% w Niemczech deklaruje, że w projektach związanych z widzeniem maszynowym wykorzystuje sztuczną inteligencję, np. głębokie uczenie. Ponadto, średnio 20% ankietowanych zarówno w Wielkiej Brytanii, jak i w Niemczech twierdzi, że co prawda nie korzysta jeszcze ze sztucznej inteligencji, ale chcieliby poszerzyć swoją wiedzę na ten temat lub już planują zakup narzędzi SI.

ZOSTAW ODPOWIEDŹ

Proszę wpisać swój komentarz!
Proszę podać swoje imię tutaj