Pomodo
HomeTeknologiBisnisSainsFinansial

Gagalnya AI dalam Estimasi Baterai EV dan Solusi 'Safety Cage' yang Menjanjikan

Teknologi
Kendaraan Listrik dan Baterai
electronic-vehicles-and-batteries (8mo ago) electronic-vehicles-and-batteries (8mo ago)
01 Agt 2025
252 dibaca
1 menit
Gagalnya AI dalam Estimasi Baterai EV dan Solusi 'Safety Cage' yang Menjanjikan

Rangkuman 15 Detik

Penggunaan AI dalam kendaraan listrik memiliki potensi besar untuk meningkatkan efisiensi, tetapi juga membawa risiko keselamatan.
Tantangan utama dalam penerapan AI adalah kesulitan dalam membuktikan kesalahan dan tanggung jawab.
Solusi yang diusulkan, seperti 'kandang keamanan', dapat memberikan pendekatan yang lebih aman untuk mengintegrasikan AI dalam kendaraan listrik.
AI semakin banyak digunakan dalam berbagai industri untuk prediksi, termasuk kendaraan listrik. Di EV, AI bisa membantu memperkirakan sisa baterai dengan lebih akurat sehingga membuat kendaraan lebih efisien dan aman. Sistem tradisional dalam kendaraan listrik saat ini mengandalkan pengukuran yang pasti seperti arus dan tegangan, yang mudah diuji dan disesuaikan untuk berbagai kondisi. Namun, AI yang bekerja berdasarkan data cenderung sulit dipahami dan diuji secara langsung. Masalah utama dari AI ini adalah jika terjadi kesalahan sensor atau gangguan pada data input, maka output AI akan meleset jauh dari kenyataan. Hal ini dapat mengakibatkan overcharging baterai yang berbahaya dan bahkan risiko kebakaran baterai yang dikenal sebagai thermal runaway. Peneliti dari RISE, termasuk Martin Skoglund, menyarankan pemakaian sistem pengamanan bernama 'safety cage' yang akan memantau AI secara ketat dengan melakukan pengecekan sederhana atas parameter baterai. Jika AI berperilaku tak terduga, sistem ini akan mematikan AI untuk mencegah risiko. Pendekatan hybrid ini memadukan keunggulan sistem tradisional dan AI modern, sehingga membuka jalan bagi penggunaan AI yang lebih aman dan efisien di kendaraan listrik masa depan tanpa mengurangi keselamatan penumpang.

Analisis Ahli

Martin Skoglund
AI sulit diterapkan dalam kendaraan karena sifatnya yang black box, sehingga sulit menentukan penyebab kesalahan dan tanggung jawab; namun dengan data yang tepat, AI bisa menangkap pola yang tidak bisa dilihat oleh sistem tradisional.