To bardzo niecodzienne podejście do tematu, szczególnie, że mówimy o wykorzystaniu sztucznej inteligencji w celu redukcji zagrożenia. Jak wyjaśnia zespół powiązany z Narodowym Instytutem Standaryzacji i Technologii, narzędzie oparte na sztucznej inteligencji znajduje zastosowanie względem akumulatorów litowych. Zanim pojawi się ogień, takie baterie emitują na tyle charakterystyczne odgłosy, aby dało się je powiązać z nadchodzącym zagrożeniem.
Czytaj też: Prościej, taniej i ekologicznie. Koreańska technologia zmienia recykling akumulatorów litowo-jonowych
Mając na uwadze to, jak powszechne są na przykład akumulatory litowo-jonowe, nie dziwi fakt, że co jakiś czas dochodzi do ich zapłonów. Stosuje się je przecież na każdym kroku i zapewne nawet w tym momencie macie z nimi do czynienia – choćby poprzez kontakt ze smartfonem czy laptopem. O ile jednak nad pożarem urządzenia wielkości telefonu można relatywnie łatwo zapanować, tak sytuacja staje się zdecydowanie bardziej skomplikowana, gdy w grę wchodzi ogień trawiący całe auto.
O skali zagrożenia najlepiej świadczą dane dotyczące takiego ognia. Akumulator litowo-jonowy może wytwarzać temperaturę dochodzącą do 1100 stopni Celsjusza. Rozgrzewa się do takich wartości w bardzo krótkim czasie wynoszącym około sekundy. To zgoła odmienny scenariusz niż w przypadku większości scenariuszy, w których zwykle ogień tli się stosunkowo powoli, a otoczenia ma czas, by na to zareagować – czy to ucieczką czy też próbą jego ugaszenia.
Zabezpieczenie w postaci narzędzia wykrywającego nadchodzący pożar akumulatora, na przykład w elektryku, zapewnia odpowiednio wczesną reakcję na zagrożenie
Ale są pewne sposoby nawet w odniesieniu do baterii litowych. Zanim takowa się zapali, zachodzi reakcja chemiczna wywołująca wzrost ciśnienia wewnątrz. Urządzenie zaczyna więc puchnąć, ale ma pod tym względem ograniczone możliwości, ponieważ ogranicza je obudowa. W tej ostatniej jest wbudowany swego rodzaju zawór bezpieczeństwa, który – pękając – emituje charakterystyczny dźwięk. Na tyle rozpoznawalny, aby dało się go zidentyfikować.
Czytaj też: Rower elektryczny z Biedronki? Za taką cenę żal nie brać
I właśnie tym zajmuje się nowe narzędzie opracowane przez przedstawicieli NIST. Oparte na algorytmie uczenia maszynowego zostało oddelegowane do realizacji postawionego przed nim zadania. Szkolenie tego oprogramowania wykorzystało analizę odgłosów pochodzących z 38 wybuchających baterii. Te posłużyły do stworzenia ponad 1000 unikalnych próbek audio odzwierciedlających odgłosy pojawiające się tuż przed objęciem baterii ogniem. Kiedy przyszła pora na ostateczne testy, okazało się, iż algorytm był w stanie rozpoznać nadchodzące zagrożenie w aż 94% przypadków. Jako że zawór bezpieczeństwa pęka w zwykle na około dwie minuty przed momentem kulminacyjnym, to osoba przebywająca w pobliżu miałaby całkiem sporo czasu na reakcję.