Un coche autónomo de Google.
Para los desarrolladores de automóviles autónomos, como muchos usuarios de iPhone y Google Photos, el costo creciente de almacenar archivos en la nube se ha convertido en un dolor de cabeza persistente.
Al principio, las empresas de robocars aplicaron un enfoque de fuerza bruta para maximizar las millas y los datos. “Podríamos tomar todos los datos que los autos han visto a lo largo del tiempo, los cientos de miles de peatones, ciclistas y vehículos, [and] tomar de eso un modelo de cómo esperamos que se muevan”, dijo Chris Urmson, uno de los primeros líderes del proyecto de conducción autónoma de Google, en una charla TED de 2015.
Urmson habló en un momento en que los prototipos de vehículos autónomos eran relativamente pocos y las pocas empresas que los probaban podían permitirse el lujo de conservar casi todos los puntos de datos que recogían de la carretera. Pero casi una década más tarde, el proyecto de Google y muchos otros se han quedado muy atrás de sus propias predicciones de la línea de tiempo para el éxito. Flotas en crecimiento, sensores más sofisticados y presupuestos más ajustados están obligando a las empresas que trabajan en servicios de robotaxi y robofreight a ser más exigentes con lo que permanece en sus servidores.
La nueva moderación es una señal de madurez para una industria que ha comenzado a mover personas y bienes sin conductores en algunas ciudades cuando el clima es bueno y las calles están relativamente despejadas, pero aún no genera ganancias. Descubrir qué datos conservar y cuáles descartar podría ser clave para expandir el servicio a más ubicaciones a medida que las empresas entrenan su tecnología en los matices de nuevas áreas.
“Tener toneladas y toneladas de datos es valioso hasta cierto punto”, dice Andrew Chatham, quien supervisa la infraestructura informática en Waymo, la empresa de tecnología sin conductor de Google. “Pero en algún momento, es importante tener datos más interesantes”. Rivales como Aurora, Cruise, Motional y TuSimple también vigilan más de cerca sus almacenes de datos.
La tendencia podría extenderse en un momento en que los proyectos autónomos se enfrentan a la presión de controlar el gasto después de años de pérdidas. Empresas que van desde General Motors, propietaria del servicio de robotaxi Cruise, hasta Alphabet, propietaria de Waymo, se encuentran en medio de una amplia reducción de costos este año, incluidos despidos masivos, ya que las ventas en los negocios principales disminuyen debido a una economía inestable. Mientras tanto, la financiación barata y fácil se está agotando para las nuevas empresas de vehículos autónomos.
Naturalmente, todos los gastos están bajo escrutinio. Amazon Web Services cobra alrededor de 2 centavos por gigabyte mensualmente por su popular servicio de almacenamiento en la nube S3, un precio que se suma rápidamente en proyectos de uso intensivo de datos y se duplica en algunos casos cuando se tienen en cuenta los costos de ancho de banda para transferir datos. Intel estimó en 2016 que cada vehículo autónomo generaría 4.000 gigabytes de datos por día, un volumen que costaría unos 350.000 dólares almacenar durante un año a los precios actuales de Amazon.
Tirar datos puede sonar perverso para la industria tecnológica. Durante mucho tiempo, empresas como Google y Meta han sido ridiculizadas e incluso penalizadas por recopilar todo lo que pueden, incluidas las ubicaciones, los clics y las búsquedas de los usuarios, con la idea de que una mayor comprensión del comportamiento conduce a servicios mejor diseñados. El mantra creó una cultura de recopilación de datos a pesar de cualquier aplicación clara. Por ejemplo, el CEO de Google, Sundar Pichai, reconoció en 2019 que solo «un pequeño subconjunto de datos ayuda a publicar anuncios».
Los desarrolladores de automóviles autónomos inicialmente tenían una filosofía similar de maximización de datos. Generan video a partir de conjuntos de cámaras dentro y fuera de los vehículos, grabaciones de audio de micrófonos, nubes de puntos que mapean objetos en el espacio a partir de lidar y radar, lecturas de diagnóstico de partes de vehículos, lecturas de GPS y mucho más.
Algunos asumieron que cuantos más datos se recolectaran, más inteligente podría volverse el sistema de conducción autónoma, dice Brady Wang, quien estudia tecnologías automotrices en el investigador de mercado Counterpoint. Pero el enfoque no siempre funcionó porque el volumen y la complejidad de los datos dificultaban su organización y comprensión, dice Wang.