उबर की असली महत्वाकांक्षा सेल्फ-ड्राइविंग कारें नहीं हैं—यह आपके शहर को एक जीवित प्रयोगशाला में बदलना है

पारंपरिक सोच कहती है कि उबर सेल्फ-ड्राइविंग कारों के मामले में विफल रही। अपने एडवांस्ड टेक्नोलॉजीज ग्रुप पर अरबों खर्च करने और अंततः वर्षों पहले इसे ऑरोरा (Aurora) को सौंपने के बाद, कहानी स्पष्ट थी: उबर एक मार्केटप्लेस होगा, निर्माता नहीं। जबकि वेमो (Waymo) और ज़ूक्स (Zoox) जैसी कंपनियों ने मानव ड्राइवरों को बदलने के लिए आवश्यक महंगे हार्डवेयर को बेहतर बनाने में वर्षों बिताए, उबर अपनी ऐप पर उन बेड़ों (fleets) की मेजबानी करने के लिए बस पीछे बैठकर प्रतीक्षा करने में संतुष्ट दिखाई दिया।

बड़ी तस्वीर को देखें तो वह कहानी अधूरी थी। हालांकि ऐसा लग रहा था कि उबर स्वायत्त वाहन (AV) की दौड़ से पीछे हट रहा है, लेकिन वह वास्तव में खुद को कार से भी अधिक मूल्यवान चीज़ का मालिक बनाने के लिए पुनर्गठित कर रहा था: वह डेटा जो कार को सोचना सिखाता है। उबर के मुख्य प्रौद्योगिकी अधिकारी (CTO), प्रवीण नेप्पल्ली नागा ने हाल ही में एक ऐसी रणनीति से पर्दा उठाया जो लाखों मानक यात्री वाहनों को एक उच्च-रिज़ॉल्यूशन सेंसर ग्रिड में बदल देती है। यह अब केवल राइड-हेलिंग के बारे में नहीं है; यह संपूर्ण AI-संचालित दुनिया के लिए आधारभूत बुनियादी ढांचा बनने के बारे में है।

डेटा की बाधा: रोबोट अभी भी बाएं मोड़ के लिए संघर्ष क्यों करते हैं

यह समझने के लिए कि उबर का यह कदम इतना विघटनकारी क्यों है, हमें स्वायत्त ड्राइविंग की वर्तमान स्थिति को देखना होगा। सरल शब्दों में, एक सेल्फ-ड्राइविंग कार बनाना आसान है; ऐसी कार बनाना जो हर 50,000 मील में एक बार भी जानलेवा गलती न करे, अविश्वसनीय रूप से कठिन है। उद्योग एक ऐसे बिंदु पर पहुँच गया है जहाँ अंतर्निहित एल्गोरिदम—कार का दिमाग—काफी मजबूत हैं। समस्या यह है कि इन दिमागों को भरोसा करने से पहले हर संभावित परिदृश्य का अनुभव करने की आवश्यकता है।

एक स्वायत्त प्रणाली को एक अथक इंटर्न के रूप में सोचें। यह बिना ऊबे 24/7 काम कर सकता है, लेकिन इसमें सामान्य ज्ञान शून्य है। इसे यह देखने की ज़रूरत है कि एक बच्चा गेंद का पीछा करते हुए सड़क पर एक हज़ार अलग-अलग तरीकों से कैसे आ सकता है, या लंदन बनाम लॉस एंजिल्स में एक निर्माण श्रमिक के हाथ के संकेत कैसे भिन्न होते हैं। वर्तमान में, AV कंपनियाँ महंगे सेंसर से लैस SUV के छोटे, विशेष बेड़े तैनात करके यह डेटा एकत्र करती हैं। यह एक धीमी, पूंजी-गहन प्रक्रिया है जो उनके सीखने को कुछ विशिष्ट पड़ोस तक सीमित कर देती है।

उबर का अहसास यह है कि उनके पास पहले से ही दुनिया के हर कोने में घूमने वाली लाखों कारों का बेड़ा है। यदि उन वाहनों में से 5% भी एक सुव्यवस्थित सेंसर किट से लैस हों, तो उबर एक पारंपरिक AV कंपनी की तुलना में एक ही दोपहर में अधिक वास्तविक दुनिया का ड्राइविंग डेटा एकत्र कर सकता है।

राइड-हेलिंग से AV क्लाउड तक

हुड के नीचे, यह कार्यक्रम उबर के AV लैब्स का एक विकास है। शुरुआत में, यह सेंसर का परीक्षण करने के लिए उबर के स्वामित्व वाली कारों का उपयोग करने वाला एक छोटा प्रोजेक्ट था। अब, लक्ष्य उस संग्रह को विकेंद्रीकृत करना है। उबर वह बना रहा है जिसे नागा "AV क्लाउड" कहते हैं—लेबल किए गए सेंसर डेटा की एक विशाल, खोजने योग्य लाइब्रेरी।

कल्पना कीजिए कि आप एक स्टार्टअप हैं जो डिलीवरी रोबोट बना रहे हैं। आपको यह जानने की जरूरत है कि मुंबई में लोग आवारा गायों के आसपास कैसे रास्ता बनाते हैं या बोस्टन के ड्राइवर अचानक आने वाले बर्फीले तूफान (Nor’easter) को कैसे संभालते हैं। उन शहरों में अपनी कारें भेजने के बजाय, आप बस उबर की लाइब्रेरी से पूछताछ करते हैं। आप अपनी ज़रूरत के विशिष्ट परिदृश्यों के लिए भुगतान करते हैं, और उबर अपने ड्राइवरों के नेटवर्क द्वारा एकत्र किया गया उच्च-सटीकता वाला डेटा प्रदान करता है।

सिर्फ कच्चा डेटा बेचने के अलावा, उबर "शैडो मोड" के रूप में जानी जाने वाली सेवा दे रहा है। यह एक AV कंपनी को वास्तविक उबर यात्रा के बैकग्राउंड में अपना सॉफ्टवेयर चलाने की अनुमति देता है। मानव ड्राइवर पूर्ण नियंत्रण में होता है, लेकिन AI ड्राइविंग का "दिखावा" कर रहा होता है, वास्तविक समय में मानव के कार्यों के साथ अपने निर्णयों की तुलना करता है। यह एक सुरक्षित, आभासी प्रशिक्षण मैदान बनाता है जो भौतिक दुनिया को अपनी पृष्ठभूमि के रूप में उपयोग करता है।

यह रणनीति एक वित्तीय मास्टरस्ट्रोक क्यों है

बाजार के पक्ष में, यह बदलाव मूल्य श्रृंखला (value chain) में ऊपर जाने का एक उत्कृष्ट उदाहरण है। हार्डवेयर बनाना अस्थिर और महंगा है; उस हार्डवेयर को शक्ति देने वाला डेटा प्रदान करना एक उच्च-मार्जिन वाला, स्केलेबल सॉफ्टवेयर व्यवसाय है। "मेटल" (हार्डवेयर) से दूर जाकर "इन्फो" (सूचना) की ओर बढ़कर, उबर रोबोटैक्सी बेड़े के मालिक होने की भारी देनदारी और रखरखाव लागत से बचता है, जबकि खुद को उन कंपनियों के लिए अपरिहार्य बना देता है जो ऐसा करती हैं।

ऐतिहासिक रूप से, तकनीकी उद्योग ने यह खेल पहले भी देखा है। इंटरनेट के शुरुआती दिनों में, कंपनियों ने सबसे अच्छा डेस्कटॉप कंप्यूटर बनाने के लिए लड़ाई लड़ी। अंततः, जो कंपनियाँ सबसे अधिक लचीली बनीं, वे थीं जिन्होंने सर्च इंजन और डेटा प्रोटोकॉल प्रदान किए जिनका उपयोग हर किसी को करना था। उबर अनिवार्य रूप से भौतिक सड़क का Google सर्च बनने की कोशिश कर रहा है।

औसत उपयोगकर्ता पर प्रभाव

औसत उपयोगकर्ता के लिए, यह बदलाव शुरू में अदृश्य लग सकता है, लेकिन दीर्घकालिक निहितार्थ प्रणालीगत हैं। व्यावहारिक रूप से, आपकी अगली उबर सवारी रियरव्यू मिरर के पास या छत पर लगे थोड़े अधिक परिष्कृत कैमरा सरणी के साथ आ सकती है। उबर ने संकेत दिया है कि वे चाहते हैं कि यह प्रक्रिया पारदर्शी हो, हालांकि ड्राइवरों को अपनी कारों को मोबाइल डेटा केंद्रों में बदलने के लिए कैसे मुआवजा दिया जाएगा, इसके विवरण अभी भी अस्पष्ट हैं।

उपभोक्ता के दृष्टिकोण से, यह वास्तव में आपके अपने व्यक्तिगत वाहन में स्वायत्त सुविधाओं के आगमन को तेज कर सकता है। जैसे-जैसे उबर इस प्रशिक्षण डेटा का लोकतंत्रीकरण करता है, छोटे कार निर्माता जो एक विशाल AV अनुसंधान प्रभाग का खर्च नहीं उठा सकते, वे अपनी सुरक्षा सुविधाओं को बेहतर बनाने के लिए उबर के क्लाउड का उपयोग कर सकते हैं। इससे एक ऐसा भविष्य बन सकता है जहाँ "सेल्फ-ड्राइविंग" केवल उन लोगों के लिए विलासिता नहीं है जो छह-अंकीय EV खरीद सकते हैं, बल्कि लाखों उबर ड्राइवरों के सामूहिक अनुभव द्वारा संचालित एक मानक सुरक्षा विशेषता है।

इसके विपरीत, गोपनीयता और सार्वजनिक स्थानों की "निगरानी" के संबंध में वैध चिंताएं हैं। यदि प्रत्येक उबर एक घूमता हुआ 360-डिग्री कैमरा बन जाता है, तो पैदल चलने वालों, अन्य ड्राइवरों और निजी संपत्ति के बारे में कैप्चर किए जा रहे डेटा की मात्रा अभूतपूर्व है। उबर को यह सुनिश्चित करने के लिए वैश्विक नियमों के एक जटिल जाल को नेविगेट करने की आवश्यकता होगी कि यह डेटा गुमनाम रहे और नैतिक रूप से उपयोग किया जाए।

"तो क्या?" फ़िल्टर: आपके लिए इसका क्या अर्थ है

अंततः, उबर दांव लगा रहा है कि 21वीं सदी की सबसे मूल्यवान वस्तु लोगों को बिंदु A से बिंदु B तक ले जाने की क्षमता नहीं है, बल्कि वास्तविक समय में उस गति को मैप करने और समझने की क्षमता है। वे दुनिया की सड़कों को डिजिटल कच्चे तेल में बदल रहे हैं, और उनके ड्राइवर ड्रिल (drills) हैं।

इसका मतलब यह है कि सेल्फ-ड्राइविंग कारों की "दौड़" एक नए चरण में प्रवेश कर रही है। अब यह इस बारे में नहीं है कि किसके पास सबसे अच्छी दिखने वाली रोबोटैक्सी है; यह इस बारे में है कि मशीनों को खिलाने के लिए किसके पास मानव अनुभव की सबसे मजबूत लाइब्रेरी है।

एक उपभोक्ता के रूप में, आपको गिग इकोनॉमी को एक अलग नजरिए से देखना शुरू करना चाहिए। आपका ड्राइवर केवल एक सेवा प्रदान नहीं कर रहा है; वे अनजाने में उस प्रणाली का निर्माण कर रहे हैं जो एक दिन उनके पेशे की आवश्यकता को समाप्त कर सकती है। फिलहाल, इसका मतलब बेहतर मैप्स, आपकी अगली कार में सुरक्षित असिस्टेड-ड्राइविंग फीचर्स और शायद हमारे शहरों की अधिक सहज समझ है। लेकिन इसका मतलब यह भी है कि हम एक ऐसी दुनिया की ओर बढ़ रहे हैं जहाँ हमारी हर यात्रा एक बहुत बड़े, परस्पर जुड़े मशीन-लर्निंग प्रयोग में एक डेटा पॉइंट है।

अपने शहर में पहली ड्राइवरलेस कार के आने का इंतज़ार करने के बजाय, उन कारों पर दिखाई देने वाले सेंसरों को देखना शुरू करें जिनमें अभी भी पहिए के पीछे एक व्यक्ति है। असली क्रांति वहीं हो रही है—सिलिकॉन वैली की प्रयोगशालाओं में नहीं, बल्कि आपके स्थानीय सुबह के आवागमन के सामान्य, रोज़मर्रा के ट्रैफिक में।

स्रोत:

• TechCrunch: StrictlyVC Event Interview with Praveen Neppalli Naga.
• Uber Technologies, Inc. Investor Relations: AV Strategy Overview.
• Wayve: Collaborative Partnership Announcements.
• National Highway Traffic Safety Administration (NHTSA): Data Collection Guidelines for Autonomous Systems.