در دو دهه گذشته، Raquel Urtasun، بنیانگذار و مدیر عامل استارت آپ حمل و نقل خودکار Waab، در حال توسعه سیستم های هوش مصنوعی است که می توانند مانند انسان ها استدلال کنند.
پیشگام هوش مصنوعی پیش از این به عنوان دانشمند ارشد در Uber ATG قبل از راه‌اندازی Waabi در سال 2021 فعالیت می‌کرد. Waabi پیشگام «رویکرد اول هوش مصنوعی» برای تسریع استقرار تجاری وسایل نقلیه خودران بود که با کامیون‌های دوربرد شروع شد.
Urtasun به TechCrunch گفت: «اگر می‌توانید سیستم‌هایی بسازید که واقعاً این کار را انجام دهند، ناگهان به داده‌های بسیار کمتری نیاز دارید. “شما به محاسبات بسیار کمتری نیاز دارید. اگر بتوانید به طور موثر استدلال کنید، نیازی به استفاده از ناوگان در سراسر جهان ندارید.
تسلا سعی کرده است یک پشته AV با هوش مصنوعی بسازد که جهان را به عنوان نیروی انسانی ببیند و در زمان واقعی واکنش نشان دهد. این چیزی است که تسلا سعی کرده است با رویکرد اول دید در رانندگی خودران انجام دهد. جدای از راحتی استفاده از حسگرهای لیدار Waab، تفاوت این است که سیستم رانندگی کامل تسلا از “آموزش تقلید” برای یادگیری نحوه رانندگی استفاده می کند. این امر مستلزم جمع‌آوری و تجزیه و تحلیل میلیون‌ها ویدیو از موقعیت‌های رانندگی واقعی توسط تسلا است که از آنها برای آموزش مدل هوش مصنوعی خود استفاده می‌کند.
از طرف دیگر، Waabi Driver بیشتر آموزش، آزمایش و اعتبار سنجی خود را با استفاده از شبیه ساز حلقه بسته به نام Waabi World انجام داده است که به طور خودکار دوقلوهای دیجیتالی جهان را از داده ها می سازد. انجام شبیه سازی حسگر در زمان واقعی؛ سناریوهایی را برای تست استرس راننده Waabi آماده کنید. و به راننده می آموزد که بدون دخالت انسان از اشتباهات خود درس بگیرد.
تنها در چهار سال، این شبیه‌ساز به Waab کمک کرد خلبان‌های تجاری (راننده در صندلی جلو) را در تگزاس راه‌اندازی کند، که بسیاری از آنها از طریق مشارکت با Uber Freight انجام می‌شوند. Waabi World همچنین این استارتاپ را قادر می سازد تا در سال 2025 راه اندازی تجاری برنامه ریزی شده کاملاً بدون راننده خود را انجام دهد.
اما ماموریت طولانی مدت Waab بسیار بزرگتر از کامیون ها است.
Urtasun، که از طریق مصاحبه ویدئویی با یک تخته سفید پر از فرمول های هیروگلیف پشت سر خود با TechCrunch صحبت کرد، گفت: “این فناوری فوق العاده، بسیار قدرتمند است.” «قابلیت تعمیم شگفت انگیزی دارد، بسیار انعطاف پذیر است و خیلی سریع تکامل می یابد. و این چیزی است که ما می توانیم در آینده آن را گسترش دهیم تا کارهای بسیار بیشتری از حمل و نقل با کامیون انجام دهیم… این می تواند یک ربات باشد. این می تواند انسان نما یا رباتیک انبار باشد. این فناوری می تواند هر یک از این موارد استفاده را حل کند.»
نوید فناوری Waab – که اولین بار در مقیاس برای حمل و نقل خودکار مورد استفاده قرار گرفت – این استارتاپ را قادر ساخت تا دور سری B 200 میلیون دلاری را به رهبری سرمایه گذاران فعلی Uber و Khosla Ventures ببندد. سرمایه گذاران استراتژیک قوی شامل Nvidia، Volvo Group Venture Capital، Porsche Automobil Holding SE، Scania Invest و Ingka Investments هستند. این دور کل بودجه Waab را به 283.5 میلیون دلار می رساند.
اندازه راند و قدرت شرکت کنندگان آن به ویژه با توجه به ضربه هایی که صنعت AV در سال های اخیر داشته است قابل توجه است. تنها در حوزه حمل و نقل، Embark Trucks فعالیت خود را متوقف کرد، Waymo تصمیم گرفت تجارت بار مستقل خود را متوقف کند، و TuSimple فعالیت خود را در ایالات متحده متوقف کرد. در همین حال، در فضای تاکسی ربات، هوش مصنوعی Argo با خاموش شدن خود مواجه شد، کروز مجوز فعالیت خود را در کالیفرنیا پس از یک حادثه ایمنی بزرگ از دست داد، Motional تقریباً نیمی از نیروی کار خود را کاهش داد و تنظیم‌کننده‌ها فعالانه در حال بررسی Waymo و Zoox هستند.
Urtasun گفت: «شما قوی‌ترین شرکت‌ها را زمانی ایجاد می‌کنید که در زمان‌های واقعاً سخت سرمایه جمع‌آوری می‌کنید، و به‌ویژه صنعت AV شکست‌های زیادی را تجربه کرده است.
با این حال، بازیکنان متمرکز بر هوش مصنوعی در این مرحله راه اندازی وسایل نقلیه خودران امسال افزایش سرمایه قابل توجهی دریافت کرده اند. Wayve مستقر در انگلستان همچنین در حال توسعه یک سیستم مبتنی بر قوانین خودآموز برای رانندگی خودران است و در ماه مه یک دور سری C به ارزش 1.05 میلیارد دلار به رهبری گروه SoftBank بسته شد. و Applied Intuition در ماه مارس 250 میلیون دلار با ارزش 6 میلیارد دلار جمع آوری کرد تا هوش مصنوعی را به خودرو، دفاع، ساخت و ساز و کشاورزی بیاورد.
Urtasun با اشاره به اینکه رباتیک و خودرانی توسط سیستم‌های هوش مصنوعی پیچیده و شکننده متوقف شده‌اند، گفت: «با AV 1.0، امروز بسیار واضح است که بسیار سرمایه‌بر و واقعاً کند است. و من می‌توانم بگویم که سرمایه‌گذاران از این رویکرد خیلی هیجان‌زده نیستند.»
با این حال، امروزه سرمایه گذاران با وعده هوش مصنوعی مولد هیجان زده هستند، اصطلاحی که دقیقاً در زمان راه اندازی Waab رایج نبود، اما با این وجود سیستمی را که Urtasun و تیمش ایجاد کرده اند توصیف می کند. Urtasun می گوید Waabi’s نسل بعدی genAI است که می تواند در دنیای فیزیکی مستقر شود. و بر خلاف مدل‌های رایج ژنAI مبتنی بر زبان امروزی، مانند ChatGPT OpenAI، Waabi چگونگی ایجاد چنین سیستم‌هایی را بدون تکیه بر مجموعه داده‌های عظیم، مدل‌های زبانی بزرگ، و تمام قدرت محاسباتی همراه با آنها کشف کرده است.
Urtasun می گوید Waabi Driver توانایی قابل توجهی در تعمیم دارد. به جای تلاش برای آموزش سیستم برای هر نقطه داده ممکنی که تا به حال وجود داشته یا می تواند وجود داشته باشد، سیستم می تواند از چند نمونه یاد بگیرد و ناشناخته ها را با خیال راحت مدیریت کند.
اورتاسون گفت: “این در طراحی بود. ما این سیستم‌ها را ساختیم که می‌توانند جهان را درک کنند، انتزاع‌هایی از جهان ایجاد کنند و سپس آن انتزاع‌ها و استدلال‌ها را در نظر بگیرند، “اگر این کار را انجام دهم چه اتفاقی می‌افتد؟”
Urtasun می‌گوید این رویکرد انسانی‌تر و مبتنی بر استدلال بسیار مقیاس‌پذیرتر و از نظر سرمایه کارآمدتر است. همچنین برای اعتبارسنجی سیستم های حیاتی ایمنی که در لبه کار می کنند حیاتی است. او گفت، شما سیستمی را نمی خواهید که چند ثانیه طول بکشد تا پاسخ دهد یا در حال خراب شدن هستید. Waabi شراکتی را برای آوردن Drive Thor انویدیا به کامیون‌های خودران خود اعلام کرد و به استارت‌آپ امکان دسترسی به قدرت محاسباتی در سطح خودرو در مقیاس بزرگ را داد.
در جاده، به نظر می رسد که راننده Waabi متوجه شده است که چیزی محکم در جلوی آن وجود دارد و باید با احتیاط رانندگی کند. ممکن است نداند آن چیزی چیست، اما می داند چگونه از آن اجتناب کند. Urtasun همچنین گفت که راننده توانسته است رفتار سایر کاربران جاده را بدون آموزش متفاوت پیش بینی کند.
اورتاسون می گوید: «بدون اینکه ما به سیستم درباره مفهوم اشیاء، نحوه حرکت آنها در جهان، حرکت چیزهای مختلف متفاوت، انسداد وجود دارد، عدم اطمینان در مورد نحوه رفتار هنگام بارندگی زیاد به سیستم بگوییم، می فهمد. “همه این چیزها، به طور خودکار یاد می گیرد. و از آنجا که در حال حاضر در معرض موقعیت های رانندگی قرار دارد، همه این ویژگی ها را یاد می گیرد.
او خاطرنشان کرد که معماری ساده و منفرد Waab را می توان در سایر موارد استفاده از خودمختاری اعمال کرد.
او گفت: «اگر آن را در معرض فعل و انفعالات در انبار، برداشتن و انداختن اشیا قرار دهید، می‌تواند بدون مشکل یاد بگیرد. “شما می توانید آن را در معرض موارد استفاده چندگانه قرار دهید، و می تواند یاد بگیرد که همه این مهارت ها را با هم انجام دهد. هیچ محدودیتی برای انجام آن وجود ندارد.”
