Prawdziwa ambicja Ubera to nie autonomiczne samochody — to zmiana Twojego miasta w żywe laboratorium

Powszechnie uważa się, że Uber poniósł porażkę w dziedzinie autonomicznych samochodów. Po przepaleniu miliardów dolarów na grupę Advanced Technologies Group i ostatecznym przekazaniu jej firmie Aurora kilka lat temu, narracja była jasna: Uber ma być rynkiem, a nie producentem. Podczas gdy firmy takie jak Waymo i Zoox spędzały lata na dopracowywaniu kosztownego sprzętu potrzebnego do zastąpienia ludzkich kierowców, Uber wydawał się zadowolony z samej roli gospodarza tych flot w swojej aplikacji.

Patrząc na szerszy obraz, ta narracja była niepełna. Choć wydawało się, że Uber wycofuje się z wyścigu pojazdów autonomicznych (AV), w rzeczywistości zmieniał on swoją pozycję, aby posiąść coś cenniejszego niż sam samochód: dane, które uczą samochód, jak myśleć. Dyrektor ds. technologii Ubera, Praveen Neppalli Naga, uchylił ostatnio rąbka tajemnicy na temat strategii, która przekształca miliony standardowych pojazdów pasażerskich w sieć czujników o wysokiej rozdzielczości. Tu nie chodzi już tylko o zamawianie przejazdów; chodzi o stanie się fundamentem infrastruktury dla całego świata napędzanego przez AI.

Wąskie gardło danych: Dlaczego roboty wciąż mają problemy ze skrętem w lewo

Aby zrozumieć, dlaczego ruch Ubera jest tak przełomowy, musimy przyjrzeć się obecnemu stanowi autonomicznej jazdy. Mówiąc prościej, zbudowanie autonomicznego samochodu jest łatwe; zbudowanie takiego, który nie popełni błędu zagrażającego życiu raz na 50 000 mil, jest niesamowicie trudne. Branża dotarła do punktu, w którym podstawowe algorytmy — mózgi samochodów — są dość solidne. Problem polega na tym, że te mózgi muszą doświadczyć każdego możliwego scenariusza, zanim będzie można im zaufać.

Pomyśl o systemie autonomicznym jak o niestrudzonym stażyście. Może pracować 24/7 bez znudzenia, ale nie posiada zdrowego rozsądku. Musi zobaczyć tysiąc różnych sposobów, w jakie dziecko może wbiec na ulicę za piłką, lub jak sygnały ręczne robotnika budowlanego różnią się w Londynie i Los Angeles. Obecnie firmy AV zbierają te dane, wysyłając małe, wyspecjalizowane floty drogich SUV-ów naszpikowanych czujnikami. Jest to powolny, kapitałochłonny proces, który ogranicza ich naukę do kilku konkretnych dzielnic.

Uber zdał sobie sprawę, że posiada już flotę milionów samochodów przemierzających każdy zakątek globu. Gdyby choć 5% tych pojazdów zostało wyposażonych w uproszczony zestaw czujników, Uber mógłby zebrać więcej danych o jeździe w świecie rzeczywistym w jedno popołudnie, niż tradycyjna firma AV w ciągu roku.

Od przejazdów do chmury AV

„Pod maską” program ten jest ewolucją AV Labs Ubera. Początkowo był to mały projekt wykorzystujący samochody należące do Ubera do testowania czujników. Teraz celem jest decentralizacja tego zbierania danych. Uber buduje to, co Naga nazywa „Chmurą AV” (AV Cloud) — ogromną, przeszukiwalną bibliotekę etykietowanych danych z czujników.

Wyobraź sobie, że jesteś startupem budującym robota dostawczego. Musisz wiedzieć, jak ludzie w Bombaju omijają bezpańskie krowy lub jak kierowcy w Bostonie radzą sobie z nagłą śnieżycą. Zamiast wysyłać własne samochody do tych miast, po prostu składasz zapytanie do biblioteki Ubera. Płacisz za konkretne scenariusze, których potrzebujesz, a Uber dostarcza wysokiej jakości dane zebrane przez swoją sieć kierowców.

Poza samą sprzedażą surowych danych, Uber oferuje usługę znaną jako „tryb cienia” (shadow mode). Pozwala to firmie AV na uruchomienie swojego oprogramowania w tle prawdziwego przejazdu Uberem. Ludzki kierowca ma pełną kontrolę, ale AI „udaje”, że prowadzi, porównując swoje decyzje z działaniami człowieka w czasie rzeczywistym. Tworzy to bezpieczny, wirtualny poligon doświadczalny, który wykorzystuje świat fizyczny jako tło.

Dlaczego ta strategia to finansowy majstersztyk

Od strony rynkowej, ten zwrot jest klasycznym przykładem przechodzenia w górę łańcucha wartości. Budowanie sprzętu jest ryzykowne i kosztowne; dostarczanie danych zasilających ten sprzęt to wysokomarżowy, skalowalny biznes programistyczny. Odchodząc od „metalu” w stronę „informacji”, Uber unika ogromnej odpowiedzialności i kosztów utrzymania floty robotaksówek, stając się jednocześnie niezbędnym dla firm, które je posiadają.

Historycznie branża technologiczna widziała już takie zagrania. W początkach internetu firmy walczyły o zbudowanie najlepszego komputera stacjonarnego. Ostatecznie najbardziej odporne okazały się te firmy, które dostarczyły wyszukiwarki i protokoły danych, z których musieli korzystać wszyscy inni. Uber w zasadzie próbuje stać się wyszukiwarką Google dla fizycznych dróg.

Wpływ na przeciętnego użytkownika

Dla przeciętnego użytkownika ta zmiana może początkowo wydawać się niewidoczna, ale długofalowe skutki mają charakter systemowy. W praktyce Twój następny przejazd Uberem może odbyć się samochodem z nieco bardziej zaawansowanym układem kamer zamontowanym przy lusterku wstecznym lub na dachu. Uber zasygnalizował, że chce, aby ten proces był przejrzysty, choć szczegóły dotyczące wynagradzania kierowców za przekształcenie ich aut w mobilne centra danych pozostają niejasne.

Z punktu widzenia konsumenta może to przyspieszyć pojawienie się funkcji autonomicznych w Twoim prywatnym samochodzie. Dzięki temu, że Uber demokratyzuje te dane treningowe, mniejsi producenci aut, których nie stać na potężny dział badawczy AV, mogą wykupić dostęp do chmury Ubera, aby ulepszyć własne systemy bezpieczeństwa. Może to doprowadzić do przyszłości, w której „autonomiczna jazda” nie będzie luksusem dla posiadaczy drogich aut elektrycznych, ale standardową funkcją bezpieczeństwa napędzaną zbiorowym doświadczeniem milionów kierowców Ubera.

Z drugiej strony istnieją uzasadnione obawy dotyczące prywatności i „inwigilacji” przestrzeni publicznej. Jeśli każdy Uber stanie się poruszającą się kamerą 360 stopni, ilość danych gromadzonych na temat pieszych, innych kierowców i prywatnych posesji będzie bezprecedensowa. Uber będzie musiał poruszać się w gąszczu globalnych regulacji, aby zapewnić anonimizację tych danych i ich etyczne wykorzystanie.

Filtr „I co z tego?”: Co to oznacza dla Ciebie

Ostatecznie Uber stawia na to, że najcenniejszym towarem XXI wieku nie jest umiejętność przemieszczania ludzi z punktu A do punktu B, ale zdolność mapowania i rozumienia tego ruchu w czasie rzeczywistym. Zamieniają drogi świata w cyfrową ropę naftową, a ich kierowcy są wiertłami.

Oznacza to, że „wyścig” o autonomiczne samochody wchodzi w nową fazę. Nie chodzi już o to, kto ma najfajniej wyglądającą robotaksówkę; chodzi o to, kto ma najbardziej rozbudowaną bibliotekę ludzkich doświadczeń, którymi można karmić maszyny.

Jako konsument powinieneś zacząć patrzeć na ekonomię zleceń (gig economy) przez inny pryzmat. Twój kierowca nie tylko świadczy usługę; nieświadomie buduje system, który pewnego dnia może zastąpić potrzebę istnienia jego profesji. Na razie oznacza to lepsze mapy, bezpieczniejsze funkcje wspomagania jazdy w Twoim następnym samochodzie i być może bardziej intuicyjne zrozumienie naszych miast. Ale oznacza to również, że zmierzamy w stronę świata, w którym każda nasza podróż jest punktem danych w znacznie większym, połączonym eksperymencie uczenia maszynowego.

Zamiast wypatrywać przyjazdu pierwszego bezzałogowego samochodu w Twoim mieście, zacznij przyglądać się czujnikom pojawiającym się w tych, które wciąż mają człowieka za kierownicą. To tam dzieje się prawdziwa rewolucja — nie w laboratoriach Doliny Krzemowej, ale w prozaicznym, codziennym ruchu podczas Twoich porannych dojazdów do pracy.

Źródła:

• 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.