Años después de finalizar su proyecto de conducción autónoma, Uber está tratando de volver a la escena de los automóviles sin conductor de otra manera: transformando los vehículos de millones de conductores que solicitan viajes en línea en todo el mundo en "conjuntos de sensores" móviles que proporcionan datos a empresas de conducción autónoma y otros modelos de inteligencia artificial del mundo real.
El director de tecnología de Uber, Praveen Neppalli Naga, reveló la visión a largo plazo en una entrevista, describiéndola como una "extensión natural" del nuevo proyecto de la compañía que AV Labs anunció a finales de enero de este año. Dijo que la dirección final de Uber es instalar varios sensores en los automóviles privados de los conductores humanos en un futuro cercano para recopilar datos reales de la escena de la carretera. Naga también enfatizó que antes de dar este paso, la compañía necesita comprender a fondo las capacidades y métodos de trabajo de los diferentes kits de sensores, y esperar a que los estados de EE. UU. brinden orientación regulatoria más clara sobre "qué es un sensor y cómo compartir datos".
Actualmente, AV Labs todavía opera con una flota limitada de vehículos dedicados equipados con sensores operados por el propio Uber y que son independientes del grupo de conductores que realizan viajes diarios. Pero se puede ver en la narrativa de Uber que esto es solo un punto de partida: Uber tiene millones de conductores en todo el mundo, e incluso si solo una pequeña cantidad de vehículos están equipados con sensores, es suficiente para construir una red de recopilación de datos viales que es difícil de igualar para cualquier empresa de vehículos autónomos. Naga cree que el cuello de botella que restringe la evolución de la tecnología de conducción autónoma ya no es el algoritmo subyacente o la potencia informática, sino datos del mundo real de alta calidad y suficientemente diversos. "El cuello de botella son los datos", dijo. "Las empresas como Waymo necesitan salir constantemente y recopilar datos para cubrir diferentes escenarios".
En su visión, las empresas de conducción autónoma pueden personalizar datos de entrenamiento extremadamente detallados bajo demanda a través de la red de Uber, como el requisito de "recopilar las condiciones del tráfico en una intersección frente a una escuela en San Francisco durante un período de tiempo específico para entrenar el modelo". El verdadero problema es que la mayoría de las empresas de conducción autónoma no tienen capital suficiente para desplegar sus propias flotas a gran escala en todo el mundo para cubrir estos escenarios de cola larga y alta densidad. Si Uber puede movilizar los recursos existentes de conductores y vehículos, se espera que se convierta en la capa de suministro de datos para toda la industria, proporcionando un flujo constante de "combustible" para la tecnología de conducción autónoma.
El mundo exterior se ha preguntado durante mucho tiempo si Uber será "pasado por alto" por las empresas de conducción autónoma en el futuro después de dejar de construir sus propios coches autónomos, o incluso si quedará marginado en el ecosistema de viajes. El cofundador Travis Kalanick también ha declarado públicamente que renunciar a la conducción autónoma es un "gran error". Hoy, a través de AV Labs, Uber está tratando de transformar su papel de desarrollador de vehículos autónomos a una plataforma de infraestructura y datos en este campo, brindando capacidades subyacentes a todos los participantes con la ayuda de su extensa red de conductores y flujo de pedidos.
Actualmente, Uber tiene asociaciones con 25 empresas de conducción autónoma en todo el mundo, incluidas empresas como Wayve, que opera en Londres. Sobre esta base, la empresa está construyendo la llamada "nube AV": un almacén de datos de sensores multimodal totalmente anotado que los socios pueden recuperar y llamar para entrenar sus propios modelos de conducción autónoma. Naga dijo que las empresas asociadas también pueden ejecutar inferencias en "modo sombra" en pedidos reales en la plataforma Uber, es decir, simular cómo sus propios sistemas de conducción autónoma tomarán decisiones sobre datos de viajes reales sin poner realmente vehículos autónomos en la carretera.
A juzgar por su apariencia externa, Uber está tratando de presentar esta plataforma como una "instalación pública de la industria". "Nuestro objetivo no es ganar dinero con estos datos", dijo Naga, "sino democratizarlos". Sin embargo, dado el valor comercial y la escasez de datos de alta calidad sobre la conducción autónoma y el campo más amplio de la IA, todavía es cuestionable si ese posicionamiento podrá mantenerse en el futuro. De hecho, Uber ha realizado inversiones de capital en varias empresas de vehículos autónomos en los últimos años, y si los datos de capacitación diferenciados y a gran escala que posee se convierten en parte de las competencias centrales de sus socios, es probable que el poder de negociación de Uber frente a estas empresas se fortalezca aún más.
Detrás de esta idea, la lógica de Uber está cambiando de "construir un automóvil" a "construir una plataforma": por un lado, continúa manteniendo su ventaja de entrada a nivel de usuario final a través de su propia red de viajes y entrega de alimentos; por otro lado, intenta precipitar el itinerario real y las escenas del vehículo del conductor en activos de datos estructurados para servir a las empresas de conducción autónoma e incluso a otras grandes empresas modelo que requieren datos de entrenamiento del mundo físico. Para una empresa que hace tiempo que dejó de fabricar hardware y software de conducción autónoma, esta puede ser una nueva forma de seguir participando en la próxima ronda de cambios en la tecnología del transporte y mantener una presencia en ella.