Инженеры начали применять большие языковые модели, в частности Claude Code, для анализа и декодирования данных CAN-шины (Controller Area Network), используемой в современных автомобилях. Процесс включает загрузку логов трафика шины в ИИ-модель, которая помогает идентифицировать закономерности в сообщениях, отвечающих за работу различных узлов транспортного средства, таких как двигатель, тормозная система или мультимедиа.
Традиционно обратная разработка CAN-протоколов требовала значительных временных затрат на ручной анализ дампов данных и поиск корреляций между действиями водителя и изменениями в пакетах данных. Использование ИИ позволяет автоматизировать первичную фильтрацию и классификацию сигналов, что значительно ускоряет процесс создания документации для сторонних систем диагностики или интеграции дополнительного оборудования.
Данный подход демонстрирует эффективность LLM в задачах анализа структурированных бинарных данных и поиска аномалий в промышленных протоколах. Несмотря на необходимость верификации результатов человеком, автоматизация анализа позволяет инженерам быстрее переходить к этапу тестирования конкретных команд управления, сокращая цикл разработки решений для автомобильной электроники.