Por que a Tesla é, na verdade, uma grande empresa de dados?

Mencionar a Tesla para os investidores, geralmente, causa uma das seguintes reações: elogios ou críticas. Em outras palavras, ou a companhia está revolucionando a indústria automobilística para sempre, ou indo para lugar algum.

Mas vamos deixar de lado as finanças, a concorrência, as polêmicas de Elon Musk, CEO da empresa, para dar uma olhada na Tesla de uma perspectiva diferente. Afinal, há um aspecto sobre a companhia que a coloca quilômetros à frente da concorrência: o uso de dados para construir o que pode ser a rede neural mais sofisticada do mundo.

Quando o big data era a próxima grande novidade

O Vale do Silício adora palavras-chave que metaforicamente ressaltam a “próxima grande novidade”. Os dados, por exemplo, foram considerados “o novo petróleo”, prontos para serem aproveitados, refinados e para gerarem vantagem competitiva.

Mas o hype e o alvoroço em relação aos big data foram ofuscados ​​pela realidade dos desafios técnicos de converter esse material estruturado, não estruturado e semiestruturado em algo valioso.

Enquanto isso, a inteligência artificial (IA) e o aprendizado de máquina (ML) estão ganhando mais destaque. E além das grandes plataformas de mídia social (que estão ansiosas para otimizar seus algoritmos para vender mais), quem mais está fazendo algo significativo sobre o assunto?

O uso de dados, IA e ML para construir uma rede neural – um sistema de sensores, dados, comunicações, CPUs, hardware periférico e software que coletivamente processa informações e se adapta e aprende como um humano – é onde a empresa de Elon Musk está brilhando.

A corrida começou

De acordo com os analistas, o mercado disponível para o transporte autônomo está na casa dos trilhões. É por isso que a Tesla, a Google Waymo, a Uber e todas as grandes fabricantes de automóveis estão lutando para desenvolver a tecnologia.

A condução autônoma tem, de fato, começado a fazer parte da direção humana há anos. A frenagem ABS, orientação de mudança de faixa e até mesmo os air bags podem ser considerados passos no caminho para alcançar o objetivo. Chegar a uma operação totalmente autônoma, no entanto, é um trabalho difícil. Afinal, como você pode garantir que um computador sobre rodas possa pensar, reagir e tomar decisões inteligentes quando confrontado com o imprevisível mundo do trânsito?

Serão necessários milhões de horas de codificação, definição e refinamento de algoritmos, modelagem e simulações 3D sofisticadas, trilhas de teste e até testes beta em situações da vida real. Pelo menos, esse seria o caso se você usasse a abordagem tradicional, mas não é o que Tesla está fazendo.

Com 600 mil carros na estrada, a Tesla trata cada veículo, cada sensor, cada “evento” (ou seja, interação humana com o volante, pedais de freio, etc.) como pontos de dados. Com isso, a empresa coleta essas informações, analisa e utiliza o conjunto para melhorar e criar novos algoritmos para melhorar os veículos.

Quando você olha para todas as milhas percorridas em veículos Tesla (esteja o piloto automático envolvido ou não), o número total registrado é de cerca de 10 bilhões, segundo Tasha Keeny, analista da ARK, empresa especializada em tecnologias e mercados disruptivos. Esse é uma acervo enorme que a Tesla pode explorar para ensinar a sua rede neural novas habilidades.

De qualquer forma, as principais distinções entre a Tesla e as outras empresas são as seguintes:

• Os dados da Tesla são adquiridos a partir do mundo real
• Os proprietários de carros da Tesla não estão apenas dirigindo para ir ao trabalho. Eles estão simultaneamente treinando os sistemas de IA e ML da companhia enquanto dirigem.
• “Quando um veículo aprende alguma coisa”, disse Musk, “todos aprendem o mesmo”.

Essa é uma das iniciativas de treinamento de IA / ML mais eficazes da atualidade.

Autonomy Day

Como a Tesla atinge esses números e impulsiona essas melhorias contínuas no sistema?

Em um evento recente para investidores que a Tesla classificou como “Autonomy Day”, o vice-presidente de engenharia Stuart Bowers esclareceu a abordagem.

“Para começar tudo isso, iniciamos tentando entender o mundo ao nosso redor”, declarou Bowers. “Temos oito câmeras, mas temos 12 sensores ultra-sônicos (radar), uma unidade de medição inercial, GPS e a única coisa que geralmente esquecemos: as ações de pedal e direção.”

Cada um desses sensores, observou Bowers, tem “campos sobrepostos” que se auditam mutuamente. Com essa abordagem, a Tesla consegue obter “uma compreensão extremamente precisa do que está acontecendo”.

Dessa forma, cada novo evento, cada nova interação entre o motorista e a máquina, é registrado e carregado em seu banco de dados. As informações são então usadas para criar simulações em 3D, que os engenheiros de software da Tesla podem estudar para melhorar e refinar os algoritmos.

Acesso antecipado

A parte brilhante é: Antes de colocar essas mudanças em prática, a Tesla opera as modificações em fases beta, o que cria um loop de feedback contínuo.

Em termos mais simples, imagine que o sistema funciona como o seu eu adolescente, ansioso para obter sua permissão para dirigir, sentado no banco do passageiro enquanto o seu pai dirige e explica o que está fazendo. Você presta muita atenção, porque você vai estar no banco do motorista em breve.

“Quando temos novos algoritmos que queremos testar, podemos colocá-los na frota e ver o que eles teriam feito nos cenários do mundo real”, comentou Bowers. “Por fim, podemos fazer mais e mais através do aprendizado de máquina e, depois, entrar em uma implantação controlada, que para nós é o programa de acesso antecipado”.

Uma característica que a Tesla está testando agora é um comportamento preditivo sobre o que um pedestre ou ciclista na frente de um veículo pode fazer.

“Temos a capacidade de detectar um obstáculo na estrada e um pedestre é um obstáculo”, disse Bowers. “Nós podemos realmente olhar para bicicletas e pessoas e nosso sistema de frenagem automática de emergência da próxima geração não vai apenas parar para as pessoas que estão em seu caminho, ele também vai parar para as pessoas que podem ter a intenção de entrar no seu caminho.”

Esse novo recurso está em teste beta no momento, revelou Bowers. Em seguida, ele será enviado para toda a frota de veículos da Tesla, mas será testado posteriormente por um grupo de motoristas inscritos.

Outro exemplo é a mudança de faixa em uma rodovia. Até o momento, a Tesla acumulou 9 milhões de conclusões bem sucedidas usando o piloto automático sem um acidente.

“Estamos fazendo cerca de 100.000 desses por dia”, disse Bowers.

Mobilidade como serviço (MaaS)

A corrida para o desenvolvimento da direção autônoma não é para vender um carro robô aos consumidores. É para que as pessoas aluguem o carro.

Esse é o campo emergente da mobilidade como serviço. Em uma entrevista recente, Tasha Keeny, da ARK, argumentou que a MaaS (mobilidade como serviço) já está em andamento em certo sentido, se você considerar o aumento do uso do Uber e do Lyft, junto com os serviços tradicionais de táxi.

Mas ainda é mais caro “alugar” do que comprar, segundo os números. Hoje, ter um carro custa cerca de 70 centavos por 1,5 km, mais barato do que usar um serviço. Porém, se excluirmos o trabalho humano da jogada, o preço cai para 22 centavos de dólar por 1,5 km – valor muito menor do que ter um carro.

De acordo com Keeny, quando não tivermos mais carros, e sim usarmos aplicativos para chamar veículos sem motorista, será criado um mercado no valor de US$ 5 trilhões.

Essa é a meta de todas as empresas envolvidas na condução autônoma: desfrutar de uma fatia do faturamento. E é por isso que os investidores da Uber estão dispostos a aceitar US$ 6 bilhões em perdas só neste ano. Também é por isso que a Waymo fez uma parceria com a Avis e a Autonation.

A Tesla também planeja entrar no jogo da MaaS. O novo Tesla Model 3s, por exemplo, pode ser alugado, mas o consumidor não pode comprá-lo ao final do contrato. Na verdade, a companhia está se preparando para usar os veículos para um tipo semi-autônomo de MaaS.

As apostas são altas, e pelo menos do ponto de vista tecnológico, a Tesla está à frente da concorrência. Afinal, as grandes fabricantes de automóveis continuam trabalhando no que fazem de melhor: projetar e construir veículos em escala para reduzir custos e permanecer competitivos na venda de carros.

No entanto, como geralmente acontece com empresas disruptivas, a Tesla não cumpre essas regras. A empresa está construindo seus próprios chips, seu próprio hardware, software e, talvez o mais importante, a sua própria rede neural. Na Tesla, a produção de veículos em si é apenas uma parte da equação.