Πώς η Τεχνητή Νοημοσύνη εντόπισε δυσεπίλυτη βλάβη σε αυτοκίνητο που δεν έβρισκαν τα συνεργεία

Η ραγδαία εξέλιξη της Τεχνητής Νοημοσύνης αρχίζει να ανατρέπει τα δεδομένα ακόμη και στην παραδοσιακή μηχανολογία. Χαρακτηριστικό παράδειγμα αποτελεί η περίπτωση ενός ιδιοκτήτη οχήματος στην Καλιφόρνια, ο οποίος, αφού είδε τα τοπικά συνεργεία να αδυνατούν να εντοπίσουν τη βλάβη στο όχημά του, κατέφυγε σε προηγμένα εργαλεία AI καταφέρνοντας να δώσει λύση με υλικά αξίας μόλις 15 δολαρίων.

Η πατέντα των 15 δολαρίων και η αποκωδικοποίηση δεδομένων

Ο Μουχάμαντ Ζουλάλι αντιμετώπιζε επίμονο πρόβλημα με το Jeep Cherokee XJ (μοντέλο με κινητήρα 4,0 λίτρων), καθώς το όχημα αποτύγχανε διαρκώς στους υποχρεωτικούς ελέγχους ρύπων λόγω αυξημένων εκπομπών οξειδίων του αζώτου (NOx). Έχοντας ήδη αντικαταστήσει χωρίς αποτέλεσμα τον αισθητήρα οξυγόνου και πληρώνοντας περίπου 100 δολάρια για κάθε επανέλεγχο, αποφάσισε να αλλάξει προσέγγιση.

Το παλαιότερο πρωτόκολλο επικοινωνίας SCI της Chrysler δεν επέτρεπε την άμεση σύνδεση σύγχρονων διαγνωστικών OBD-II. Ο Ζουλάλι κατασκεύασε μια αυτοσχέδια διάταξη χρησιμοποιώντας μια πλακέτα Arduino Nano κόστους 3 δολαρίων, καλώδια και σύνδεση USB σε υπολογιστή, δημιουργώντας το σύστημα «xj-scanner». Μέσω αυτής της πλατφόρμας τροφοδότησε με πραγματικά δεδομένα λειτουργίας τα γλωσσικά μοντέλα Claude Code και Codex.

Η ανάλυση αποκάλυψε κρίσιμα σφάλματα στην ανάγνωση των ενδείξεων. Συγκεκριμένα, το λογισμικό εμφάνιζε αρχικά πρόσθεση καυσίμου 22%, ενώ στην πραγματικότητα η μονάδα αφαιρούσε 4,7%. Αυτή η ανακρίβεια οδηγούσε τους τεχνικούς σε εντελώς λανθασμένα συμπεράσματα. Με την υποστήριξη του Codex για παρεμβάσεις στη μνήμη EEPROM και αναλύσεις της χαρτογράφησης, το όχημα πέρασε τελικά επιτυχώς τον έλεγχο ρύπων, αποδεικνύοντας τη σημασία της ορθής επεξεργασίας δεδομένων.

Πώς η Τεχνητή Νοημοσύνη εντόπισε δυσεπίλυτη βλάβη σε αυτοκίνητο που δεν έβρισκαν τα συνεργεία

Η σημασία για τον γερασμένο στόλο της Ελλάδας

Το συγκεκριμένο εγχείρημα αποκτά ιδιαίτερη σημασία για χώρες όπως η Ελλάδα. Σύμφωνα με την έκθεση «Vehicles on European Roads 2026» της ACEA, η μέση ηλικία των επιβατικών αυτοκινήτων στη χώρα μας αγγίζει τα 17,8 έτη, όταν ο μέσος όρος στην Ευρωπαϊκή Ένωση διαμορφώνεται στα 12,7 έτη. Σε οχήματα προηγούμενων δεκαετιών, οι βλάβες είναι συχνά πολυπαραγοντικές και δύσκολο να διαγνωστούν με συμβατικά εργαλεία.

Η ακριβής διάγνωση αποτελεί το «κλειδί» για τους οδηγούς ώστε να αποφεύγουν άσκοπες και δαπανηρές αντικαταστάσεις ανταλλακτικών. Η καταγραφή των πραγματικών μετρήσεων λειτουργίας και των συνθηκών εμφάνισης ενός συμπτώματος επιτρέπει μια πολύ πιο ουσιαστική και στοχευμένη τεχνική αξιολόγηση.

Από το DIY στις επαγγελματικές λύσεις της αγοράς

Η δυναμική αυτή δεν αφορά πλέον μόνο μεμονωμένους προγραμματιστές, καθώς οι μεγάλοι κατασκευαστές εξοπλισμού ενσωματώνουν ήδη αλγορίθμους τεχνητής νοημοσύνης στα συνεργεία. Χαρακτηριστικό είναι το παράδειγμα της Hella Gutmann με το σύστημα macsNova για τη σειρά διαγνωστικών mega macs, το οποίο αξιολογεί πραγματικές μετρήσεις και κωδικούς βλαβών για να προτείνει βήματα ελέγχου.

Παράλληλα, η Bosch εισάγει βοηθό AI στο λογισμικό ESI[tronic], αντλώντας δεδομένα από οδηγίες επισκευής και εργοστασιακές πληροφορίες. Σε κάθε περίπτωση, όπως τονίζουν οι ειδικοί, η τεχνητή νοημοσύνη δεν υποκαθιστά τον έμπειρο μηχανικό, αλλά λειτουργεί ως ένα ισχυρό αναλυτικό εργαλείο που περιορίζει τα σφάλματα και επιταχύνει τη διαδικασία επίλυσης σύνθετων προβλημάτων.

ThePostPolitics Newsroom
ThePostPolitics Newsroom