উবার তার ড্রাইভার নেটওয়ার্ককে স্বচালিত গাড়ির জন্য একটি ডেটা লেয়ারে রূপ দিতে চায়

উবারের পরবর্তী স্বয়ংক্রিয় যানবাহন বাজি

উবারের দীর্ঘমেয়াদি স্বয়ংক্রিয় যানবাহন কৌশল এমন একটি ভূমিকাকে কেন্দ্র করে গড়ে উঠছে, যা কোম্পানির বিশ্বাস অনুযায়ী খুব কম প্রতিষ্ঠানই মেলাতে পারবে: বৈশ্বিক পরিসরে ডেটা সংগ্রহ। কোম্পানির বক্তব্য, তারা শেষ পর্যন্ত মানবচালকদের গাড়িতে সেন্সর বসাতে চায়, যাতে সেসব যানবাহন স্বয়ংক্রিয় যানবাহন নির্মাতাদের জন্য এবং সম্ভবত ভৌত বিশ্বের পরিস্থিতিতে প্রশিক্ষিত অন্যান্য AI সিস্টেমের জন্য বাস্তব-জগতের ড্রাইভিং ডেটা সংগ্রহ করতে পারে।

এই দৃষ্টিভঙ্গি ব্যাখ্যা করেন উবারের প্রধান প্রযুক্তি কর্মকর্তা প্রবীণ নেপল্লি নাগা, যিনি বলেন, কোম্পানি প্রথমে একটি ছোট অভ্যন্তরীণ প্রচেষ্টা থেকে আরও কিছু শেখার পর এই পথে এগোতে চায়। নিকট ভবিষ্যতে উবার জানুয়ারির শেষে ঘোষিত AV Labs কর্মসূচির মাধ্যমে সেন্সর-সজ্জিত গাড়ির একটি নিবেদিত বহর ব্যবহার করছে। কিন্তু কৌশলগত উচ্চাকাঙ্ক্ষা আরও বড়। উবারের ড্রাইভার নেটওয়ার্ক বিশ্বব্যাপী লক্ষ লক্ষের মধ্যে, যা এমন এক বিতরণকৃত সেন্সর প্ল্যাটফর্মের সম্ভাবনা তৈরি করে, যা যেকোনো একক self-driving কোম্পানির নিজস্ব বহরের চেয়েও বড় হতে পারে।

উবার কেন সুযোগটি ডেটাতেই দেখছে

কোম্পানির যুক্তি সরল: স্বায়ত্তশাসিত যানবাহন উন্নয়নের সীমাবদ্ধতা কেবল সফটওয়্যার ও হার্ডওয়্যার স্ট্যাক নয়, বরং সমৃদ্ধ, নানা পরিস্থিতির ডেটায় প্রবেশাধিকারও। নাগা যুক্তি দেন, আসল বাধা হলো ডেটা সংগ্রহ নিজেই। তাঁর মতে, AV নির্মাতাদের নির্দিষ্ট রাস্তা, দিনের নির্দিষ্ট সময়, এবং নির্দিষ্ট ড্রাইভিং অবস্থার লক্ষ্যভিত্তিক উদাহরণ দরকার, কিন্তু সেই তথ্য দক্ষভাবে সংগ্রহের জন্য যথেষ্ট যানবাহন মোতায়েন করার পুঁজি তাদের প্রায়ই থাকে না।

উবার যদি এই সমস্যা সমাধান করতে পারে, তবে এটি কেবল পরিবেশন অংশীদার না হয়ে AV খাতের জন্য অবকাঠামোতে পরিণত হতে পারে। এটি একটি গুরুত্বপূর্ণ পরিবর্তন। উবার আগে নিজস্ব স্বয়ংক্রিয় ড্রাইভিং সিস্টেম তৈরির পথ থেকে সরে এসেছিল, এবং robotaxi কর্মসূচির উত্থান দীর্ঘদিন ধরেই প্রশ্ন তুলেছে যে, নিজস্ব AV stack না থাকা প্ল্যাটফর্মগুলো শেষ পর্যন্ত প্রভাব হারাবে কি না। এই পরিকল্পনা ইঙ্গিত দেয়, উবার আরেকটি পথ দেখছে: ট্রিপ নেটওয়ার্কে প্রবেশাধিকার, অপারেশনাল ডিমান্ড সিগন্যাল, এবং এমন একটি ডেটা লেয়ার যেটি AV কোম্পানিগুলোকে তাদের মডেল উন্নত করতে সাহায্য করতে পারে।

রাইড প্ল্যাটফর্ম থেকে “AV cloud”

উবার বলছে, তারা একটি “AV cloud” তৈরি করছে, যা নাগার ভাষায় লেবেল করা সেন্সর ডেটার একটি লাইব্রেরি, যেটি অংশীদার কোম্পানিগুলো অনুসন্ধান করতে এবং মডেল প্রশিক্ষণে ব্যবহার করতে পারবে। কোম্পানি ইতিমধ্যেই লন্ডনভিত্তিক Wayve-সহ 25টি AV অংশীদারের সঙ্গে কাজ করে, বলা হয়েছে প্রদত্ত উৎস পাঠ্যে। এই বিদ্যমান অংশীদারিত্ব কাঠামো উবারকে এমন যেকোনো বিস্তৃত ডেটা সেবার জন্য একটি গ্রাহক বা সহযোগী ভিত্তি দেয়, যা তারা গড়ে তুলতে সক্ষম হয়।

এই পরিকল্পনা কেবল প্যাসিভ স্টোরেজ পর্যন্ত সীমাবদ্ধ নয়। উবার বলছে, অংশীদাররা তাদের ব্যবস্থাটি ব্যবহার করে বাস্তব উবার ট্রিপের বিপরীতে প্রশিক্ষিত মডেলগুলোকে “shadow mode”-এ চালাতে পারবে। সেই ব্যবস্থায় AV সিস্টেমটি আসলে গাড়ি চালাচ্ছে না, কিন্তু চালালে কেমন হতো সে অনুযায়ী মূল্যায়ন করা যায়, ফলে কোম্পানিগুলো রাস্তায় স্বচালিত গাড়ি না পাঠিয়েই মডেলের আচরণকে লাইভ ট্রিপ পরিস্থিতির সঙ্গে তুলনা করতে পারে।

এটি গুরুত্বপূর্ণ, কারণ এটি উবারের অপারেটিং নেটওয়ার্ককে বিতরণ চ্যানেলের পাশাপাশি একটি টেস্ট পরিবেশেও পরিণত করে। AV নির্মাতাদের জন্য, ডেটা সংগ্রহের পর বাস্তব ট্রিপ প্যাটার্নের বিপরীতে মডেল যাচাই করার ক্ষমতা প্রশিক্ষণ ও ডিপ্লয়মেন্টের মধ্যকার ব্যবধানের একটি অংশ কমাতে পারে।

নিয়ন্ত্রক ও প্রযুক্তিগত বাধা

উবার বলছে না যে এটি তাৎক্ষণিকভাবে সম্ভব। নাগা বলেন, আগে সেন্সর কিটগুলো কীভাবে কাজ করে তা নিয়ে আরও ভালো বোঝাপড়া দরকার। তিনি নিয়ন্ত্রক অনিশ্চয়তার কথাও উল্লেখ করেন, বলেছিলেন যে বিভিন্ন রাজ্যে সেন্সরের অর্থ কী এবং ডেটা শেয়ারিং কী বোঝাবে, সে বিষয়ে স্পষ্টতা দরকার হবে।

এই সীমাবদ্ধতাগুলো যথেষ্ট বড়। বৃহৎ আকারের, সেন্সরযুক্ত ব্যক্তিমালিকানাধীন যানবাহনের নেটওয়ার্ক স্থাপন, রক্ষণাবেক্ষণ, গোপনীয়তা, সম্মতি, এবং রাজ্যভিত্তিক অনুগততা নিয়ে প্রশ্ন তুলবে। উবারের নিজস্ব বিবরণই স্বীকার করে যে এই প্রকল্পটি এসব সমস্যা সমাধানের ওপর নির্ভরশীল। এখনকার জন্য AV Labs এই ধারণার একটি ছোট ও বেশি নিয়ন্ত্রিত সংস্করণ, যেখানে উবার-পরিচালিত গাড়ি ব্যবহার করা হচ্ছে, বৃহত্তর ড্রাইভার বেসকে চলমান ডেটা সংগ্রাহকে রূপান্তর করা হচ্ছে না।

এটি উবারের অবস্থান কীভাবে বদলাতে পারে

উবারের এই প্রস্তাব উল্লেখযোগ্য, কারণ এটি স্বায়ত্তশাসনের সঙ্গে কোম্পানির সম্পর্ককে নতুনভাবে সংজ্ঞায়িত করে। গাড়ি নির্মাতা বা autonomy developer হিসেবে সরাসরি প্রতিযোগিতা না করে, উবার নিজেকে এমন এক মধ্যস্থতাকারী হিসেবে স্থাপন করছে, যার ভৌত পরিসরে অনন্য পৌঁছানো আছে। লক্ষ লক্ষ ড্রাইভার route diversity, temporal coverage, এবং geographic spread তৈরি করে, যা একটি একক AV কোম্পানির পক্ষে পুনরাবৃত্তি করা কঠিন। যদি সেই গাড়িগুলোর মাত্র একটি অংশও সেন্সরে সজ্জিত হয়, তবে স্কেল বিশাল হতে পারে।

এতে সাফল্যের নিশ্চয়তা নেই। পরিকল্পনাটি নিয়ন্ত্রণ, অর্থনীতি, এবং অংশীদারদের গ্রহণের ওপর নির্ভরশীল। তবু এটি দেখায়, স্বচালিত প্রযুক্তি এগোতে থাকলে উবার কীভাবে কৌশলগতভাবে প্রাসঙ্গিক থাকতে চায়। ডেটা, লেবেলিং, ট্রিপ বিতরণ, এবং সিমুলেটেড মূল্যায়ন এমন সম্পদ, যেগুলো বহু AV খেলোয়াড় একই সঙ্গে প্রয়োজন করলে আরও মূল্যবান হয়ে ওঠে।

বৃহত্তর AI অবকাঠামো খেলা

উৎস পাঠ্য আরও বৃহত্তর ব্যাখ্যার সুযোগও রেখে দেয়। উবার বলছে, এই ডেটা শুধু স্বচালিত গাড়ির কোম্পানিগুলোর জন্য নয়, ভৌত বিশ্বের পরিস্থিতিতে প্রশিক্ষিত অন্যান্য AI সিস্টেমের জন্যও উপকারী হতে পারে। এটি ইঙ্গিত দেয় যে কোম্পানি রোবোট্যাক্সি বাজারের বাইরেও কিউরেটেড বাস্তব-জগতের সেন্সর ডেটায় মূল্য দেখছে।

এখনকার জন্য, তাত্ক্ষণিক গল্পটি পরিষ্কার। উবার রাইডার ও ড্রাইভারদের সংযোগকারী প্ল্যাটফর্ম থেকে এমন প্ল্যাটফর্মে রূপ নিতে চায়, যা স্বয়ংক্রিয় গতিশীলতার জন্য ডেটা অবকাঠামোও সরবরাহ করে। কোম্পানি AV Labs-এর মাধ্যমে ছোটভাবে শুরু করছে, কিন্তু দীর্ঘমেয়াদি উচ্চাকাঙ্ক্ষা স্পষ্ট: তার বৈশ্বিক ড্রাইভার নেটওয়ার্কের অংশগুলোকে একটি সেন্সর গ্রিডে রূপান্তর করে AV ইকোসিস্টেমের একটি মৌলিক স্তর হয়ে ওঠা।

এই নিবন্ধটি TechCrunch-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধ পড়ুন.