Настоящие амбиции Uber — не беспилотные автомобили, а превращение вашего города в живую лабораторию

Общепринятое мнение гласит, что Uber потерпел неудачу в сфере беспилотных автомобилей. После того как компания потратила миллиарды на свое подразделение Advanced Technologies Group и в итоге передала его компании Aurora несколько лет назад, вывод казался очевидным: Uber будет торговой площадкой, а не производителем. Пока такие компании, как Waymo и Zoox, годами совершенствовали дорогостоящее оборудование, необходимое для замены водителей-людей, Uber, казалось, довольствовался ролью посредника, ожидая возможности разместить эти автопарки в своем приложении.

Если взглянуть на общую картину, эта версия была неполной. Пока казалось, что Uber отступает в гонке автономных транспортных средств (AV), на самом деле компания перестраивалась, чтобы завладеть чем-то более ценным, чем сам автомобиль: данными, которые учат машину думать. Технический директор Uber Правин Неппалли Нага недавно приоткрыл завесу тайны над стратегией, которая превращает миллионы обычных пассажирских автомобилей в сенсорную сеть высокого разрешения. Речь больше не идет просто о заказе поездок; речь идет о том, чтобы стать фундаментальной инфраструктурой для всего мира, управляемого ИИ.

Дефицит данных: почему роботы все еще испытывают трудности с левыми поворотами

Чтобы понять, почему шаг Uber настолько разрушителен, нам нужно взглянуть на текущее состояние автономного вождения. Проще говоря, построить беспилотный автомобиль легко; построить такой, который не совершит опасную для жизни ошибку раз в 50 000 миль, невероятно сложно. Индустрия достигла точки, когда базовые алгоритмы — «мозги» автомобиля — стали довольно надежными. Проблема в том, что этим мозгам нужно прожить все возможные сценарии, прежде чем им можно будет доверять.

Представьте себе автономную систему как неутомимого стажера. Он может работать круглосуточно, не уставая, но у него совершенно нет здравого смысла. Ему нужно увидеть тысячу разных способов, которыми ребенок может выбежать на дорогу за мячом, или то, как сигналы руками строителя в Лондоне отличаются от сигналов в Лос-Анджелесе. В настоящее время компании, занимающиеся беспилотниками, собирают эти данные, развертывая небольшие специализированные парки дорогих внедорожников, оснащенных датчиками. Это медленный, капиталоемкий процесс, который ограничивает их обучение несколькими конкретными районами.

В Uber осознали, что у них уже есть парк из миллионов автомобилей, пересекающих каждый уголок земного шара. Если бы даже 5% этих транспортных средств были оснащены упрощенным комплектом датчиков, Uber смог бы собрать больше данных о вождении в реальном мире за один день, чем традиционная компания по производству беспилотников за год.

От заказа поездок к «облаку беспилотников» (AV Cloud)

По сути, эта программа является развитием подразделения AV Labs компании Uber. Изначально это был небольшой проект, использующий собственные автомобили Uber для тестирования датчиков. Теперь цель состоит в том, чтобы децентрализовать этот сбор. Uber создает то, что Нага называет «AV Cloud» — массивную библиотеку размеченных данных с датчиков с возможностью поиска.

Представьте, что вы — стартап, создающий робота-доставщика. Вам нужно знать, как люди в Мумбаи объезжают бродячих коров или как водители в Бостоне справляются с внезапной снежной бурей. Вместо того чтобы отправлять свои собственные машины в эти города, вы просто делаете запрос в библиотеку Uber. Вы платите за конкретные сценарии, которые вам нужны, и Uber предоставляет высокоточные данные, собранные его сетью водителей.

Помимо продажи «сырых» данных, Uber предлагает услугу, известную как «теневой режим» (shadow mode). Это позволяет компании-разработчику запускать свое программное обеспечение в фоновом режиме во время реальной поездки Uber. Водитель-человек полностью контролирует ситуацию, но ИИ «притворяется», что управляет машиной, сравнивая свои решения с действиями человека в режиме реального времени. Это создает безопасную виртуальную тренировочную площадку, фоном для которой служит физический мир.

Почему эта стратегия является финансовым шедевром

С точки зрения рынка, этот разворот — классический пример движения вверх по цепочке создания стоимости. Производство оборудования — процесс нестабильный и дорогой; предоставление данных, которые питают это оборудование, — это высокомаржинальный масштабируемый программный бизнес. Отходя от «железа» в сторону «информации», Uber избегает огромной ответственности и затрат на обслуживание парка роботакси, становясь при этом незаменимым для компаний, которые этим занимаются.

Исторически технологическая индустрия уже видела подобное. На заре интернета компании боролись за создание лучшего настольного компьютера. В конечном итоге самыми устойчивыми стали те, кто предоставил поисковые системы и протоколы данных, которыми пришлось пользоваться всем остальным. Uber, по сути, пытается стать «Google Поиском» для физических дорог.

Влияние на обычного пользователя

Для обычного пользователя этот сдвиг поначалу может быть незаметен, но долгосрочные последствия будут системными. С практической точки зрения, ваша следующая поездка на Uber может начаться в машине с чуть более сложной системой камер, установленной возле зеркала заднего вида или на крыше. Uber дал понять, что хочет сделать этот процесс прозрачным, хотя детали того, как водители будут получать компенсацию за превращение своих автомобилей в мобильные центры обработки данных, остаются неясными.

С точки зрения потребителя, это может ускорить появление функций автономного вождения в вашем личном автомобиле. Поскольку Uber демократизирует эти обучающие данные, небольшие автопроизводители, которые не могут позволить себе огромное исследовательское подразделение, смогут подключиться к облаку Uber для улучшения своих систем безопасности. Это может привести к будущему, в котором «автопилот» станет не просто роскошью для владельцев дорогих электромобилей, а стандартной функцией безопасности, основанной на коллективном опыте миллионов водителей Uber.

С другой стороны, существуют обоснованные опасения по поводу конфиденциальности и «слежки» в общественных местах. Если каждый Uber станет движущейся камерой с обзором 360 градусов, объем данных о пешеходах, других водителях и частной собственности станет беспрецедентным. Uber придется столкнуться со сложной сетью глобальных правил, чтобы гарантировать анонимность этих данных и их этичное использование.

Фильтр «И что дальше?»: что это значит для вас

В конечном итоге Uber делает ставку на то, что самым ценным товаром XXI века является не способность перевозить людей из пункта А в пункт Б, а способность картографировать и понимать, как это движение происходит в реальном времени. Они превращают дороги мира в цифровую сырую нефть, а их водители — это буровые установки.

Это означает, что «гонка» беспилотных автомобилей вступает в новую фазу. Речь больше не идет о том, у кого самое крутое роботакси; речь о том, у кого самая обширная библиотека человеческого опыта для обучения машин.

Как потребителю, вам стоит взглянуть на гиг-экономику под другим углом. Ваш водитель не просто оказывает услугу; он непреднамеренно создает ту самую систему, которая однажды может заменить его профессию. Пока что это означает лучшие карты, более безопасные функции помощи водителю в вашем следующем автомобиле и, возможно, более интуитивное понимание наших городов. Но это также означает, что мы движемся к миру, где каждая наша поездка является точкой данных в гораздо более масштабном взаимосвязанном эксперименте по машинному обучению.

Вместо того чтобы ждать появления первого беспилотного автомобиля в вашем городе, присмотритесь к датчикам на тех машинах, за рулем которых все еще сидит человек. Именно там происходит настоящая революция — не в лабораториях Кремниевой долины, а в обычном повседневном трафике по дороге на работу.

Источники:

• 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.