Tesla jeździ na danych

Tesla wykorzystuje sztuczną inteligencję i uczenie maszynowe do budowy jednej z najbardziej innowacyjnych sieci neuronowych na świecie. Dzięki temu w wyścigu do stworzenia autonomicznego pojazdu, który będzie mógł świadczyć usługi MaaS wyprzedza konkurencję o jedno okrążenie.

FOTO: Tesla

Reakcje przeciętnych inwestorów na dźwięk nazwy „Tesla” są zwykle skrajne: pochwalne lub krytyczne. Pomińmy jednak finanse, konkurencję, czy nawet manipulacje, których dopuszcza się rozrywkowy polihistor, celebryta i prezes zarządu firmy - Elon Musk. Pod pewnym względem Tesla zaszła bowiem o wiele dalej, niż konkurencja. Nikt nie osiągnął tyle co firma Muska jeśli chodzi o budowę złożonej, najnowocześniejszej na świecie sieci neuronowej.

Kiedy Big Data było next big thing

Dolina Krzemowa uwielbia opisywać nowe zjawiska w kategoriach „next big thing” –"następnej wielkiej rzeczy”. Dane, na przykład, była to „nowa ropa naftowa”, czyli surowiec, nieprzetworzony zasób, gotowy i czekający na pozyskanie, przetworzenie i wykorzystanie w celu zwiększenia przewagi konkurencyjnej.

Ale entuzjazm i szaleństwo, jakie wywołało Big Data, przyćmiła skrzecząca rzeczywistość technicznych wyzwań towarzyszących próbom przekształcenia tej uporządkowanej, częściowo uporządkowanej lub całkiem nieuporządkowanej masy w coś naprawdę cennego. W rzeczywistości,

w odniesieniu do Big Data znajdujemy się już w słynnej Gartnerowskiej „fazie rozczarowania”.
Na przykład Hadoop nigdy nie stał się wielką ujednoliconą platformą danych, która wydawała się tak obiecująco świecić na firmamencie jeszcze 10 lat temu.

Na znaczeniu zyskują tymczasem sztuczna inteligencja i uczenie maszynowe. Jednak czy ktoś przy pomocy danych robi już coś naprawdę istotnego? Poza platformami mediów społecznościowych w zasadzie nie widać takich przykładów, a z kolei wartość ich osiągnięć jest dyskusyjna: optymalizują swoje algorytmy, aby sprzedać Ci więcej rzeczy, o których nie wiedziałeś, że ich potrzebujesz.

Tesla właśnie jest więc tym chwalebnym wyjątkiem. Buduje sieć neuronową dla systemu czujników, danych, komunikacji, procesorów, urządzeń peryferyjnych i oprogramowania – system przetwarza wspólnie informacje oraz adaptuje się i uczy jak człowiek.

Wyścig ruszył

Według analityków, wartość rynku transportu autonomicznego to w przyszłości biliony dolarów. Nic dziwnego, że Tesla, należący do Google Waymo, Uber i wszyscy wielcy producenci tradycyjnych samochodów ciężko pracują nad pojazdami autonomicznymi.

Autonomiczna jazda stopniowo i od lat wkracza w nasze przyzwyczajenia związane z prowadzeniem pojazdu. Tempomat, układ ABS, asystenci zmiany pasa ruchu, a nawet poduszki powietrzne, mogą być uważane za pojedyncze kroki na drodze do ostatecznego celu, jakim jest wyeliminowanie człowieka z procesu prowadzenia samochodu. Tryb Autopilota Tesli jest prawdopodobnie najbardziej zaawansowanym systemem wspomagania kierowcy stworzonym do tej pory.

Jednak stworzenie w pełni autonomicznego samochodu wymaga jeszcze wiele pracy. W jaki sposób sprawić by komputer na kołach myślał, reagował i podejmował mądre decyzje w obliczu nieprzewidywalnego szaleństwa jakim jest ruch drogowy? Potrzeba na to milionów godzin kodowania, definiowania i udoskonalania algorytmów, zaawansowanego modelowania i symulacji 3D, ścieżek testowych, a nawet testów beta w rzeczywistych sytuacjach.

A raczej: tak by było gdyby zastosować tradycyjne podejście. Ale Tesla zrewolucjonizowała je i robi coś całkowicie nowatorskiego.

Ponad 600 000 samochodów jeżdżących po drogach Tesla monitoruje pod kątem zdarzeń – interakcji człowieka z kierownicą, pedałami itd. Każde zdarzenie dostarcza danych.

Tesla pobiera i analizuje te dane, następnie wykorzystuje je do udoskonalenia algorytmów, tworzenia nowych. Udoskonalenia i nowości przesyła następnie do komputerów w pojazdach.

Od 2015 roku do końca listopada 2018 Tesla zgromadziła dane z ponad 1,6 miliarda kilometrów jazdy wspomaganej przez autopilota.

Dla porównania, Waymo posiadał wówczas dane tylko z około 24 milionów km jazdy. Łącznie – z włączonym autopilotem i bez niego - pojazdy Tesli dostarczyły danych z 16 mld km drogi – szacuje Tasha Keeny, analityk z ARK, firmy inwestycyjnej specjalizującej się w przełomowych technologiach i rynkach.

Jest to ogromna biblioteka danych, którą Tesla wykorzystuje, aby uczyć swoją sieć neuronową nowych rzeczy, przystosować się i udoskonalić.

Ale naprawdę istotna różnica między Teslą a innymi graczami jest inna:

  • dane Tesli są zbierane z prawdziwych mil przejechanych w świecie rzeczywistym.
  • właściciele Tesli jeżdżą samochodem do pracy lub załatwiać sprawy i równocześnie w trakcie jazdy trenują silniki AI/ML Tesli.

„Kiedy jeden pojazd czegoś się nauczy przekazuje to wszystkim pozostałym" - wyjaśnił Elon Musk. Prawdopodobnie to jedna z najbardziej efektywnych crowdfundingowych inicjatyw uczenia AI/ML z jakimi dotychczas mieliśmy do czynienia.

Dzień pełnej autonomii

W jaki sposób Tesla osiąga te liczby i wprowadza ciągłe udoskonalenia do systemu?

Na ostatniej imprezie dla inwestorów, którą Tesla nazwała "Dniem Pełnej Autonomii", wiceprezes ds. inżynierii Stuart Bowers przedstawił podejście firmy - do obejrzenia na YouTube, uwagi Bowersa pojawiają się między 2:50 a 3 minutą.

"Na początek zaczynamy od próby poznania otaczającego nas świata" - mówi Bowers. "Mamy osiem kamer, ale także 12 czujników ultradźwiękowych (radar), układ bezwładnościowy, GPS i jeszcze jedną rzecz, o której zazwyczaj zapominamy: pedały i kierownicę”.

Wszystkie czujniki posiadają nakładające się pola, wzajemnie się więc kontrolują. Dzięki temu Tesla jest w stanie uzyskać precyzyjne rozpoznanie rzeczywistej sytuacji.

Każde nowe zdarzenie, każda nowa interakcja pomiędzy kierowcą a maszyną, jest rejestrowana i przesyłana do bazy danych. Następnie służy do wykonania symulacji 3D, które inżynierowie oprogramowania Tesla badają w celu udoskonalenia i dopracowania algorytmów. Aktualizacje, zmiany lub modyfikacje całego systemu są następnie przesyłane drogą radiową do wszystkich pojazdów Tesla.

Tryb cienia

A teraz wisienka na torcie: przed wdrożeniem zmian do oprogramowania pojazdów, Tesla uruchamia je w trybie "shadow mode". Tryb cienia stanowi bez wątpienia znaczący postęp w stosunku do zwykłej symulacji lub beta testu, ponieważ działa w czasie rzeczywistym, w realnym świecie, „myśląc" w tle, aby stworzyć ciągłą pętlę sprzężenia zwrotnego w systemie.

Tryb ten można porównać do wspomnienia z naszego wieku nastoletniego gdy przygotowaliśmy się do uzyskania prawa jazdy, siedząc na fotelu pasażera i obserwując, jak tata prowadzi samochód i wyjaśnia, co się dzieje. Zwracaliśmy na to baczną uwagę, bo wiedzieliśmy, że wkrótce sami znajdziemy się na miejscu kierowcy.

"Kiedy pojawiają się nowe algorytmy, które chcemy wypróbować, możemy umieścić je w całej flocie pojazdów i zobaczyć, jak reagują w rzeczywistych sytuacjach" - mówi Bowers. I dodaje: "Dzięki uczeniu się maszyn możemy uzyskać dalszy postęp, a następnie przejść do kontrolowanego wdrożenia, które u nas jest programem wczesnego dostępu”.

Jedną z funkcji obecnie testowanych w Tesli jest przewidywanie zachowania się pieszego lub rowerzysty przed pojazdem. „Dysponujemy zdolnością wykrywania przeszkody na drodze, a pieszy właśnie taką przeszkodę stanowi" - mówi Bowers. "Możemy obserwować rowery i ludzi, a nasz system automatycznego awaryjnego hamowania nowej generacji nie tylko zatrzyma się przed człowiekiem, który wszedł nam na drogę, ale również przed takim, który dopiero zamierza wejść nam na drogę”.

Nowa funkcja działa teraz w trybie cienia. Wkrótce zostanie przesłana całej flocie pojazdów Tesla, pozostając nadal w testach beta prowadzonych przez grupę kierowców-entuzjastów, którzy zgłosili się do programu.

Innym przykładem jest zmiana pasa ruchu na autostradzie. Tesla zgromadziła dane z 9 milionów udanych manewrów zmiany pasa przy użyciu Autopilota bez żadnego wypadku. „Wykonujemy około 100 000 takich manewrów dziennie" – mówi Bowers.

Zarejestrowano także 70 milionów mil, podczas których Autopilot w połączeniu z nawigacją GPS poprowadził kierowców i pasażerów od drzwi do drzwi.

Według Bowers'a ostatecznym celem jest zsumowanie danych ze wszystkich źródeł i „uzyskanie w rezultacie jednego źródła prawdy o otaczającym świecie”.

Mobilność jako usługa

W wyścigu do autonomicznej jazdy nie chodzi o sprzedawanie nam samochodu-robota, lecz o to, abyśmy zaczęli wynajmować usługę taksówki-robota.

Na tym polega powstająca właśnie dziedzina mobilności jako usługi (MaaS). W ostatnim wywiadzie dla CIO, Tasha Keeny z ARK argumentował, że MaaS jest już w pewnym sensie wdrożony, jeśli weźmie się pod uwagę zwiększone wykorzystanie pojazdów firm Uber i Lyft, obok tradycyjnych usług taksówkarskich.

Na razie, według jego szacunków,

wynajmowanie samochodu jest nadal droższe niż jego kupno. Własny samochód kosztuje około 44 centów na kilometr, co wychodzi taniej, niż korzystanie z wynajmu. Ale jeśli usuniemy z równania ludzką pracę, cena ta gwałtownie spada do 14 centów za kilometr dla MaaS, co czyni usługę znacznie tańszą.

Można być też w zasadzie pewnym, że millenialsi – reprezentanci pokolenia nawykłego do dzielenia się wszystkim - staną pierwsi w kolejce do tej usługi.

Punkt zwrotny, czyli sytuacja, kiedy nie będziemy już posiadali własnego samochodu, tylko woleli skorzystać z aplikacji w telefonie, aby wezwać pojazd bez kierowcy - otworzy rynek wart 5 bilionów dolarów (bilionów, nie miliardów), podkreśla Keeny. Dla wszystkich firm zaangażowanych w autonomiczne samochody będzie to kopalnia złota. Dlatego właśnie inwestorzy Ubera są skłonni akceptować tylko w tym roku straty w wysokości 6 miliardów dolarów. Dlatego też Waymo współpracuje z Avisem i Autonation.

Do gry o MaaS planuje również włączyć się Tesla. Tesla Model 3 może na przykład być brana w leasing ale bez możliwości wykupu samochodu po jego zakończeniu. Tesla przygotowuje się do wykorzystania tych pojazdów do jazdy w półautomatycznym trybie MaaS, ponieważ w niedalekiej przyszłości przejdzie do trybu w pełni autonomicznego.

Stawka jest ogromna. Świat mobilności jako usługi przybliża się bardzo szybko. Z chwilą jego nastania będziemy mieli do czynienia z całkowitą zmianą sytuacji.

Z punktu widzenia technologii, Tesla wyprzedza konkurencję o pełne okrążenie. Wielcy producenci samochodów robią to, co potrafią najlepiej: projektują i budują pojazdy wykorzystując efekt skali, aby obniżyć koszty i pozostać konkurencyjnym w sprzedaży pojazdów. Ale jak przystało na firmę łamiącą konwenanse i przyjęte modele biznesowe, Tesla tworzy własne układy scalone, własny sprzęt, oprogramowanie (od jądra systemu wzwyż), a co być może najważniejsze - sieć neuronową. A wszystko to w celu zaoferowania własnej wersji MaaS.
Produkcja samochodów jest przy tym tylko jednym z elementów całego równania. Nie ulega wątpliwości, że dla Tesli najważniejszym elementem w tym holistycznym podejściu są dane.

*Bowers w międzyczasie odszedł z Tesli.

George Paolini jest konsultantem technologicznym zajmującym się ekosystemami partnerskimi, usługami w chmurze i integracją danych. Przed rozpoczęciem pracy w konsultingu, George był dziennikarzem, a następnie dyrektorem wykonawczym różnych firm w Dolinie Krzemowej, w tym Sun Microsystems, SAP i Informatica. Konsultował również wiele innych firm, w tym Cisco i HP, a także doradzał wielu nowym firmom. Prowadzi blog o niezamierzonych konsekwencjach technologii pod adresem gpaolini.com.