Uber patiesā ambīcija nav pašbraucošas automašīnas — tā ir jūsu pilsētas pārvēršana par dzīvu laboratoriju

Vispārpieņemtais uzskats vēsta, ka Uber cieta neveiksmi pašbraucošo automašīnu jomā. Pēc tam, kad uzņēmums iztērēja miljardus savai Advanced Technologies Group un galu galā pirms gadiem to nodeva Aurora, vēstījums bija skaidrs: Uber būs tirgus laukums, nevis ražotājs. Kamēr tādi uzņēmumi kā Waymo un Zoox gadiem ilgi pilnveidoja dārgo aparatūru, kas nepieciešama, lai aizstātu cilvēkus-vadītājus, Uber šķita apmierināts, vienkārši sēžot malā un gaidot, kad varēs izvietot šīs flotes savā lietotnē.

Raugoties uz kopējo ainu, šis vēstījums bija nepilnīgs. Lai gan šķita, ka Uber atkāpjas no autonomo transportlīdzekļu (AV) sacensībām, tas patiesībā pārpozicionēja sevi, lai iegūtu to, kas ir vērtīgāks par pašu automašīnu: datus, kas māca automašīnai domāt. Uber tehnoloģiju direktors Pravīns Nepalli Naga (Praveen Neppalli Naga) nesen atklāja stratēģiju, kas miljoniem parastu pasažieru transportlīdzekļu pārvērš par augstas izšķirtspējas sensoru tīklu. Runa vairs nav tikai par kopbraukšanu; runa ir par kļūšanu par pamata infrastruktūru visai uz mākslīgo intelektu balstītajai pasaulei.

Datu sastrēgums: kāpēc robotiem joprojām ir grūtības ar kreisajiem pagriezieniem

Lai saprastu, kāpēc Uber solis ir tik graujošs, mums jāaplūko pašreizējais autonomās braukšanas stāvoklis. Vienkāršiem vārdiem sakot, uzbūvēt pašbraucošu automašīnu ir viegli; uzbūvēt tādu, kas nepieļauj dzīvībai bīstamu kļūdu reizi 50 000 jūdzēs, ir neticami grūti. Nozare ir sasniegusi punktu, kurā pamata algoritmi — automašīnas smadzenes — ir diezgan spēcīgi. Problēma ir tāda, ka šīm smadzenēm ir jāpiedzīvo katrs iespējamais scenārijs, pirms tām var uzticēties.

Iedomājieties autonomu sistēmu kā nenogurdināmu praktikantu. Tas var strādāt 24/7, nekļūstot garlaicīgs, taču tam ir nulle veselā saprāta. Tam ir jāredz tūkstotis dažādu veidu, kā bērns varētu skriet pakaļ bumbai uz ielas vai kā būvstrādnieka rokas signāli atšķiras Londonā un Losandželosā. Pašlaik AV uzņēmumi vāc šos datus, izvietojot nelielas, specializētas flotes ar dārgiem, sensoriem aprīkotiem apvidus auto. Tas ir lēns, kapitālintensīvs process, kas ierobežo to mācīšanos tikai dažos konkrētos rajonos.

Uber atziņa ir tāda, ka viņiem jau ir miljoniem automašīnu flote, kas šķērso katru zemeslodes stūri. Ja pat 5% no šiem transportlīdzekļiem būtu aprīkoti ar vienkāršotu sensoru komplektu, Uber vienā pēcpusdienā varētu savākt vairāk reālās braukšanas datu nekā tradicionāls AV uzņēmums visa gada laikā.

No kopbraukšanas līdz AV mākonim

Būtībā šī programma ir Uber AV laboratoriju evolūcija. Sākotnēji tas bija neliels projekts, kurā izmantoja Uber piederošas automašīnas sensoru testēšanai. Tagad mērķis ir decentralizēt šo datu vākšanu. Uber veido to, ko Naga sauc par "AV mākoni" — milzīgu, meklējamu marķētu sensoru datu bibliotēku.

Iedomājieties, ka esat jaunuzņēmums, kas būvē piegādes robotu. Jums jāzina, kā cilvēki Mumbajā pārvietojas ap klaiņojošām govīm vai kā Bostonas autovadītāji tiek galā ar pēkšņu slapja sniega vētru. Tā vietā, lai sūtītu savas automašīnas uz šīm pilsētām, jūs vienkārši veicat pieprasījumu Uber bibliotēkā. Jūs maksājat par konkrētajiem scenārijiem, kas jums nepieciešami, un Uber nodrošina augstas precizitāces datus, ko savācis tā autovadītāju tīkls.

Papildus neapstrādātu datu pārdošanai Uber piedāvā pakalpojumu, kas pazīstams kā "ēnas režīms" (shadow mode). Tas ļauj AV uzņēmumam palaist savu programmatūru reāla Uber brauciena fonā. Cilvēks-vadītājs pilnībā kontrolē situāciju, bet MI "izliekas", ka brauc, reāllaikā salīdzinot savus lēmumus ar cilvēka rīcību. Tas izveido drošu, virtuālu mācību laukumu, kurā par fonu tiek izmantota fiziskā pasaule.

Kāpēc šī stratēģija ir finansiāls meistardarbs

No tirgus viedokļa šis pavērsiens ir klasisks piemērs virzībai augšup pa vērtības ķēdi. Aparatūras būvēšana ir nepastāvīga un dārga; datu nodrošināšana, kas darbina šo aparatūru, ir augstas peļņas, mērogojams programmatūras bizness. Attālinoties no "metāla" un virzoties uz "informāciju", Uber izvairās no milzīgām atbildības un uzturēšanas izmaksām, kas saistītas ar robotu taksometru flotes īpašumtiesībām, vienlaikus padarot sevi par neaizstājamu uzņēmumiem, kuriem šādas flotes pieder.

Vēsturiski tehnoloģiju nozare šādu gājienu jau ir redzējusi. Interneta pirmsākumos uzņēmumi cīnījās par labākā galddatora izveidi. Galu galā visizturīgākie izrādījās tie uzņēmumi, kas nodrošināja meklētājprogrammas un datu protokolus, kuri bija jāizmanto visiem pārējiem. Uber būtībā cenšas kļūt par fizisko ceļu Google meklētāju.

Ietekme uz vidējo lietotāju

Vidējam lietotājam šī maiņa sākumā var šķist neredzama, taču ilgtermiņa sekas ir sistēmiskas. Praktiski runājot, jūsu nākamais Uber brauciens varētu ierasties ar nedaudz sarežģītāku kameru masīvu, kas uzstādīts pie atpakaļskata spoguļa vai uz jumta. Uber ir devis mājienu, ka vēlas, lai šis process būtu caurspīdīgs, lai gan specifika par to, kā autovadītāji tiks kompensēti par savu automašīnu pārvēršanu mobilajos datu centros, joprojām ir neskaidra.

No patērētāja viedokļa tas faktiski varētu paātrināt autonomo funkciju parādīšanos jūsu personīgajā transportlīdzeklī. Tā kā Uber demokratizē šos mācību datus, mazāki automašīnu ražotāji, kuri nevar atļauties milzīgu AV pētniecības nodaļu, var iepirkties Uber mākonī, lai uzlabotu savas drošības funkcijas. Tas varētu novest pie nākotnes, kurā "pašbraukšana" nav tikai luksuss tiem, kas var atļauties sešciparu skaitļa vērtu elektroauto, bet gan standarta drošības funkcija, ko darbina miljoniem Uber vadītāju kolektīvā pieredze.

No otras puses, pastāv pamatotas bažas par privātumu un publisko telpu "novērošanu". Ja katrs Uber kļūst par ritošu 360 grādu kameru, par gājējiem, citiem autovadītājiem un privātīpašumu iegūto datu apjoms ir nepieredzēts. Uber būs jāorientējas sarežģītā globālo noteikumu tīklā, lai nodrošinātu, ka šie dati tiek anonimizēti un izmantoti ētiski.

"Un ko tad?" filtrs: ko tas nozīmē jums

Galu galā Uber liek likmi uz to, ka 21. gadsimta vērtīgākā prece nav spēja pārvietot cilvēkus no punkta A uz punktu B, bet gan spēja kartēt un saprast, kā šī kustība notiek reāllaikā. Viņi pārvērš pasaules ceļus digitālā jēlnaftā, un viņu autovadītāji ir urbji.

Tas nozīmē, ka "sacensība" par pašbraucošām automašīnām ieiet jaunā fāzē. Runa vairs nav par to, kuram ir stilīgākais robotu taksometrs; runa ir par to, kuram ir visplašākā cilvēku pieredzes bibliotēka, ar ko barot mašīnas.

Kā patērētājam jums jāsāk raudzīties uz platformu ekonomiku caur citu prizmu. Jūsu vadītājs ne tikai sniedz pakalpojumu; viņš netīši būvē tieši to sistēmu, kas kādu dienu varētu aizstāt vajadzību pēc viņa profesijas. Pagaidām tas nozīmē labākas kartes, drošākas braukšanas palīgsistēmas jūsu nākamajā automašīnā un, iespējams, intuitīvāku izpratni par mūsu pilsētām. Bet tas nozīmē arī to, ka mēs virzāmies uz pasauli, kurā katrs mūsu brauciens ir datu punkts daudz lielākā, savstarpēji saistītā mašīnmācīšanās eksperimentā.

Tā vietā, lai gaidītu pirmās bezpilota automašīnas ierašanos savā pilsētā, sāciet pievērst uzmanību sensoriem, kas parādās uz tām automašīnām, kurām pie stūres joprojām ir cilvēks. Tieši tur notiek īstā revolūcija — nevis Silīcija ielejas laboratorijās, bet gan jūsu vietējā rīta brauciena ikdienišķajā satiksmē.

Avoti:

• TechCrunch: StrictlyVC pasākuma intervija ar Pravīnu Nepalli Nagu.
• Uber Technologies, Inc. Investor Relations: AV stratēģijas pārskats.
• Wayve: Paziņojumi par sadarbības partnerību.
• National Highway Traffic Safety Administration (NHTSA): Datu vākšanas vadlīnijas autonomajām sistēmām.