人工智能（AI）已廣泛應用於多個行業，尤其是在預測性用途方面，而在電動車（EV）領域的應用潛力同樣引人注目。儘管人工智能帶來了許多正面影響，但其潛在的缺陷也可能對駕駛者和乘客的安全構成威脅。在電動車的技術中，最受關注的就是電池估算系統，這一系統旨在提高電動車的效率。在電動車中，電池的充電狀態讀數不僅僅是一個估算值，而是一個對乘客安全至關重要的指標。
充電狀態（State of Charge，SOC）是一個顯示電動車電池剩餘容量的指標，通常以百分比形式表示。這一數據對於防止過充和電池耗盡等安全功能至關重要。如果未能正確測量充電狀態，可能會導致過充，進而引發過高的熱量、化學分解，甚至在極端情況下導致電池著火，這種現象被稱為「熱失控」。這一風險成為電動車行業尚未完全採用人工智能的障礙，儘管其潛力巨大，能顯著提高效率。
據瑞典研究院（RISE）成員馬丁·斯科格倫（Martin Skoglund）透露，人工智能未能在電動車中獲得批准的真正原因在於其數據驅動的特性，這使得在因果關係和責任問題上存在困難。他表示，「過去，由於人工智能組件的數據驅動特性，這些組件不被允許用於汽車中，因為它們是黑盒子，無法清楚地指出問題所在。」傳統系統則依賴於基於電流和電壓等指標的嚴格計算，這使得它們可以進行充分測試，並根據溫度進行調整。
不過，近年來對人工智能的看法出現了變化。研究人員現在正在對電池數據進行AI模型的訓練，以識別電壓、電流、溫度等細微模式。斯科格倫指出，「遊戲規則的改變在於電池的演變速度非常快，而如果以傳統方式進行，則進展緩慢，無法捕捉到電池老化和磨損的所有細微差別，這些都是人工智能組件可能解決的問題。」
將人工智能整合到電池估算系統中，意味著電動車能夠實現更長的行駛距離和更長的使用壽命。但這只有在正確實施的情況下才能實現。如果出現錯誤，則可能會對生命造成嚴重威脅。斯科格倫和他的同事進行了一系列模擬測試，這些測試被稱為「故障注入實驗」，旨在探討人工智能在其生命周期中可能遭遇的問題。他指出，「因為故障是人工智能在其使用過程中可能經歷的事情，所以某些輸入傳感器會出現故障。」而這些實驗的結果顯示，人工智能的輸入即使出現小錯誤，也會導致其讀數出現重大偏差，顯示的充電水平與實際情況不符。
這些不準確性可能會將駕駛者和乘客置於危險之中，導致突然的車輛停機或電池過充，甚至在嚴重情況下引發過熱或火災。為了解決這一問題，研究人員提出了一個「安全籠」的概念，這是一個經過嚴格測試的系統，能夠監控電動車中的人工智能，並對電壓、電流和溫度進行簡單檢查。如果人工智能的行為變得不可預測，則安全籠會將其關閉。這種混合方法結合了傳統的安全保障和先進的人工智能，為將這項技術安全地整合到電動車中提供了一條可行的道路。
