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.

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.