Jen Vescio, președinta Empiric Earth – Seria de interviuri

Jen Vescio este președinta Empiric Earth, unde coordonează strategia de produs, dezvoltarea corporativă și comercializarea. Anterior, a ocupat funcția de directoare pentru dezvoltarea afacerilor la Uber, unde a condus activitățile globale de dezvoltare a afacerilor și încheierea de noi parteneriate în domeniul mobilității și al conducerii autonome. Experiența sa include, de asemenea, investiții în companii de tehnologie aflate la început de drum și oferirea de consultanță acestora, cu accent pe sprijinirea tranziției IA fizice de la cercetare la implementarea comercială.

Empiric Earth reunește Nexar și Nauto pentru a oferi informații despre condusul în condiții reale, modele de siguranță și capabilități de validare. Compania combină miliarde de mile de istoric al condusului cu înregistrări ale unor evenimente rare, pentru a-i ajuta pe dezvoltatori, operatorii de flote și alte organizații să înțeleagă performanța și riscurile. În acest interviu, Vescio vorbește despre evaluarea independentă, guvernanța responsabilă a datelor, comercializare și infrastructura necesară pentru extinderea IA fizice.

Ai avut o carieră amplă, care a cuprins dezvoltarea globală a afacerilor la Uber, investiții în tehnologii emergente și consultanță pentru companii din domeniul IA fizice. Te-ai alăturat inițial consiliului de administrație al Empiric Earth în aprilie, înainte de a prelua recent funcția de președintă. Ce te-a atras la companie și ce te-a convins, în cele din urmă, să-ți asumi un rol de conducere mai activ?

Ca investitoare și consilieră în domeniul IA fizice, observam mereu aceeași lacună. Multe echipe făceau experimente, dar foarte puține dispuneau de date din lumea reală care să demonstreze că sistemele lor funcționau în afara unui mediu de testare. Empiric Earth avea deja aceste date. Peste 10 miliarde de mile parcurse în condiții reale și 60 de milioane de cazuri-limită sunt ceva ce nu poți cumpăra și nici falsifica.

Asta plasează compania într-o poziție neobișnuită. Nu trebuie să concurăm cu firmele care construiesc roboți, vehicule sau modele. Le putem ajuta pe toate să ajungă mai repede pe piață, oferindu-le informațiile din lumea reală de care au nevoie pentru a gestiona riscurile, a valida performanța și a câștiga încrederea. Din poziția mea în consiliul de administrație, am văzut oportunitatea de a construi ceva fundamental pentru întregul ecosistem al IA fizice.

Ceea ce m-a determinat să preiau funcția de președintă a fost Zach și viziunea lui. Îl cunosc de pe vremea când amândoi dezvoltam parteneriate în domeniul mobilității: eu la Uber, el la Lyft. Când cineva în care ai avut încredere atâta timp îți aduce o problemă dificilă și un activ pe care nimeni altcineva nu-l are, îl asculți. Ne completăm reciproc. El se gândește la domeniu și la direcția în care se îndreaptă. Eu mi-am petrecut cariera transformând tehnologiile noi în afaceri capabile să se dezvolte la scară largă. IA fizică trece chiar acum din etapa de cercetare la implementarea în lumea reală și nu voiam să privesc acest lucru de la masa unei ședințe a consiliului de administrație.

Empiric Earth a fost înființată prin fuziunea dintre Nexar și Nauto, reunind două companii cu o vastă expertiză în informații despre condusul în condiții reale și siguranță bazată pe IA. Ce capabilități unice deblochează această combinație și cum preconizezi că se va diferenția compania unificată pe piața IA fizice, aflată într-o evoluție rapidă?

Nexar și Nauto au fost înființate ambele în 2015 și au petrecut împreună peste două decenii măsurând aceeași problemă din două perspective diferite. Împreună, putem înțelege ce se întâmplă pe șosea și cum reacționează șoferii, ceea ce ne oferă o imagine mult mai amplă asupra comportamentului și riscurilor din lumea reală.

Pentru piața în ansamblu, aceasta este puntea dintre simulare și lumea reală. Majoritatea echipelor construiesc și testează în simulare, însă partea dificilă este să demonstrezi că un sistem poate funcționa în mod fiabil în condiții reale. Îi putem ajuta pe parteneri să descopere scenarii cu care sistemele lor nu s-au mai confruntat, să-și îmbunătățească modelele și să valideze performanța în raport cu ceea ce se întâmplă efectiv. Astfel, se pot scurta ciclurile de dezvoltare, reduce riscurile și accelera comercializarea.

Ceea ce ne diferențiază este capacitatea de a facilita evaluarea independentă în întregul ecosistem al IA fizice. Nu construim vehiculele, roboții sau sistemele autonome pe care le dezvoltă clienții noștri. Le oferim informații din lumea reală care îi ajută să înțeleagă performanța, să gestioneze riscurile și să câștige încrederea. Acest lucru presupune un angajament față de neutralitate, portabilitate și interoperabilitate. Pe măsură ce aducem pe piață aplicații, modele și servicii noi, vrem ca clienții să le poată folosi cu diferite configurații hardware și tehnologice, fără să depindă de un singur furnizor. Obiectivul nostru este să fim un „arbitru” pentru întregul ecosistem, nu să alegem câștigătorii din interiorul acestuia.

IA fizică se conturează drept unul dintre următoarele mari frontiere ale inteligenței artificiale, cu aplicații care acoperă vehiculele autonome, robotica și infrastructura inteligentă. Care sunt, în opinia ta, cele mai mari obstacole care împiedică aceste sisteme să funcționeze fiabil în medii reale, imprevizibile, și de ce este atât de important accesul la date din lumea reală pentru depășirea lor?

Cel mai mare obstacol este că lumea fizică nu a fost niciodată consemnată în scris. Modelele lingvistice au devenit performante rapid pentru că au fost antrenate pe texte produse de oameni de-a lungul mai multor decenii. Nu există un echivalent pentru o șosea, podeaua unui depozit sau un trotuar. Majoritatea lucrurilor care se întâmplă acolo, precum o situație în care era cât pe ce să se producă un accident sau o bandă închisă în această dimineață, nu sunt înregistrate niciodată.

Asta creează două probleme. Prima este că lumea fizică se schimbă constant. Un sistem trebuie să știe ce este adevărat acum, iar o fotografie de primăvara trecută nu-i poate spune că un drum s-a schimbat în această dimineață. De asemenea, nu poți să te întorci în timp și să colectezi datele de ieri. A doua problemă este fragmentarea. Nicio companie nu poate observa suficient de mult din lume de una singură, așa că dezvoltatorii desfășoară experimente separate, folosind seturi de date, modele și stive tehnologice diferite. Astfel, devine mai greu să compari rezultatele, să împărtășești ce funcționează și să transformi cercetarea promițătoare în produse viabile comercial.

Datele din lumea reală ne permit să depășim ambele probleme. Evenimentele rare care provoacă defecțiuni ale unui sistem au loc undeva în fiecare zi și le poți identifica doar observând continuu o gamă foarte largă de condiții reale. În datele noastre din SUA, la fiecare coliziune corespund aproximativ 19 incidente evitate la limită, iar aproape niciunul dintre acestea nu apare într-un raport al poliției sau într-o cerere de despăgubire către asigurator. Zach a formulat bine ideea într-un eseu recent: siguranța înseamnă studiul lucrurilor care nu s-au întâmplat. Nu le poți studia dacă nimeni nu le-a numărat.

Empiric Earth a acumulat peste 10 miliarde de mile de date despre condus și peste 60 de milioane de cazuri-limită, captând în fiecare lună sute de milioane de mile suplimentare. Cum îi poate ajuta acest vast set de date pe dezvoltatorii de inteligență artificială să antreneze și să valideze sisteme autonome mai fiabile, în special în scenarii rare sau periculoase, pe care simulările tradiționale întâmpină dificultăți în a le reproduce?

În prezent, majoritatea sistemelor se descurcă bine în condiții obișnuite de condus. Ceea ce continuă să le pună probleme sunt situațiile rare din coada lungă: o coliziune, un pieton care apare dintre mașinile parcate, un animal pe carosabil sau o zonă de lucrări care nu exista săptămâna trecută. Astfel de momente sunt prea rare pentru a fi surprinse în număr util de o flotă de testare, iar simulările pot reproduce doar ceea ce s-a gândit deja cineva să modeleze.

Empiric Earth a fost creată pentru a le identifica. Nu procesăm fiecare milă parcursă de rețeaua noastră. Păstrăm mica parte pe care modelele noastre o semnalează ca fiind neobișnuită sau riscantă, iar astfel cele 10 miliarde de mile devin 60 de milioane de cazuri-limită pe care dezvoltatorii le pot folosi efectiv.

Echipele folosesc aceste date în trei moduri. Le caută: o echipă care lucrează la zonele de lucrări poate găsi mii de exemple reale în care șoferii au trecut prin astfel de zone, în loc să creeze câteva scenarii artificiale. Solicită datele care lipsesc: dacă un sistem întâmpină dificultăți la virajele la stânga în intersecții aglomerate, putem direcționa rețeaua exact către astfel de situații și colecta exemple noi pe măsură ce apar. De asemenea, își verifică simulările în raport cu realitatea. Când un partener reconstruiește coliziuni reale și incidente evitate la limită în care au fost implicați pietoni și bicicliști, poate vedea dacă lumea simulată se comportă ca cea reală înainte de lansare.

Asta face ca aceste date să fie valoroase dincolo de conținutul lor în sine. Simularea este esențială, dar trebuie să se bazeze pe ceea ce se întâmplă cu adevărat în lumea reală. Accesul la aceste dovezi îi ajută pe dezvoltatori să identifice mai devreme lacunele, să-și îmbunătățească sistemele mai rapid și să ia decizii mai bine fundamentate cu privire la momentul în care acestea sunt pregătite pentru implementare. În plus, creează o bază pentru evaluări mai consecvente și independente, pe măsură ce industria se extinde.

Unul dintre principiile definitorii ale Empiric Earth este independența față de producătorii de sisteme autonome și de vehicule pe care îi evaluează. De ce devine verificarea independentă tot mai importantă pe măsură ce IA fizică se apropie de implementarea pe scară largă și ce standarde ar trebui să adopte industria pentru a stabili criterii de referință relevante în materie de siguranță a inteligenței artificiale?

Pe măsură ce IA fizică trece din mediile de cercetare în spațiile publice, încrederea devine la fel de importantă ca performanța tehnică.

În prezent, o mare parte a industriei se bazează pe dezvoltatori pentru a-și testa sistemele și a raporta performanța acestora. Este de înțeles în această etapă, dar, pe măsură ce tot mai multe sisteme autonome ajung în mediile de zi cu zi, clienții, autoritățile de reglementare și publicul vor dori tot mai mult dovezi independente că aceste sisteme funcționează în mod fiabil.

Am întâlnit variante ale acestei provocări și în alte industrii. Când te urci într-o mașină, există un cadru bine stabilit pentru acordarea permiselor de conducere, inspectarea vehiculelor și definirea cerințelor de siguranță. IA fizică va avea nevoie de propriile metode pentru a demonstra gradul de pregătire și performanța. În cazul vehiculelor autonome, acest lucru ar putea semăna cu un permis de conducere: un test standardizat care să arate că un sistem funcționează la nivelul unui șofer uman sau peste acesta.

Întrebarea este cum stabilim criterii de referință relevante, care reflectă condițiile din lumea reală, în loc să ne bazăm exclusiv pe teste controlate sau simulări. Aceste criterii trebuie să se bazeze pe date din lumea reală, să țină cont de scenariile rare și periculoase și să permită evaluarea consecventă a performanței diferitelor sisteme.

Aici Empiric Earth poate avea un rol important. Nu credem că numai companiile care dezvoltă sisteme autonome ar trebui să le evalueze performanța. Rolul nostru este să furnizăm informații, modele și capacități de validare independente, bazate pe lumea reală, care să le permită altora să evalueze performanța, să gestioneze riscurile și să consolideze încrederea. Rămânând neutri și interoperabili, putem sprijini evaluarea diferitelor tehnologii și platforme, fără a favoriza o anumită abordare.

În cele din urmă, stabilirea standardelor va necesita colaborarea dintre dezvoltatori, cercetători, autorități de reglementare și alte părți interesate. Dorim să contribuim la crearea bazei care face posibilă evaluarea independentă, astfel încât încrederea să se întemeieze pe dovezi, nu pe afirmații.

Pe măsură ce sistemele de inteligență artificială devin tot mai sofisticate și interacționează cu lumea fizică, organizațiile trebuie să găsească un echilibru între nevoia de date cuprinzătoare din lumea reală și protecția vieții private, securitatea și guvernanța responsabilă a datelor. Cum abordează Empiric Earth aceste provocări și ce măsuri de protecție sunt esențiale pentru a câștiga încrederea publicului în infrastructura IA fizică la scară largă?

Încrederea începe cu modul în care datele sunt colectate, protejate și utilizate. La Empiric Earth, protecția vieții private este integrată în abordarea noastră încă de la început. Ne concentrăm pe captarea evenimentelor din lumea reală care oferă informații relevante, în loc să tratăm fiecare moment petrecut la volan ca având aceeași valoare. De-identificarea și gestionarea responsabilă a datelor sunt esențiale în acest proces.

Proveniența datelor este la fel de importantă. Pe măsură ce IA fizică se apropie de implementarea comercială, dezvoltatorii trebuie să știe de unde provin datele, cum au fost colectate și ce drepturi le reglementează utilizarea. Fără această bază, este dificil să se câștige încrederea necesară pentru extindere.

Piețele diferite au și cerințe diferite în privința protecției vieții private, a consimțământului și a rezidenței datelor. Platforma noastră aplică setări specifice fiecărei țări, astfel încât să putem respecta reglementările locale fără să reconstruim sistemul. Trebuie să ținem cont de aceste diferențe când evaluăm unde și cum să ne extindem.

Principiul general este transparența. Oricine construiește infrastructură pentru IA fizică ar trebui să poată explica ce date colectează, cum le protejează și cine le poate utiliza. Practicile responsabile privind datele nu sunt separate de construirea unei afaceri de succes. Ele fac parte din ceea ce permite adoptarea pe scară largă.

Experiența ta la Uber a presupus transformarea tehnologiilor emergente și a parteneriatelor strategice în afaceri scalabile. În noul tău rol, ești responsabilă de strategia de produs, dezvoltarea corporativă și comercializarea produselor la Empiric Earth. Ce lecții din perioada petrecută la Uber sunt cele mai relevante pentru extinderea IA fizice și cum decizi când să dezvolți capabilități intern, în loc să recurgi la achiziții sau parteneriate?

Uber m-a învățat că răspunsul potrivit se poate schimba. Ne-am dezvoltat propriul program de conducere autonomă, ATG, pentru că am crezut că trebuie să deținem întregul ansamblu tehnologic. Ulterior, l-am cedat către Aurora și am revenit în domeniul conducerii autonome prin parteneriate. Ambele decizii au avut sens în momentul în care le-am luat. Ceea ce s-a schimbat au fost criteriile noastre privind viteza, costul și riscul.

Așadar, pentru fiecare decizie de a dezvolta intern, de a cumpăra sau de a încheia un parteneriat, ne punem aceleași întrebări. Care este riscul? De ce resurse și capital este nevoie? Cât de repede ne ajută să ajungem pe piață și ce face concurența între timp? Se potrivește cu strategia?

Empiric Earth pornește dintr-o poziție diferită de cea a majorității companiilor, deoarece avem deja cea mai dificilă componentă de construit: datele. Dezvoltăm soluții acolo unde această bază ne oferă un avantaj greu de reprodus. Achizițiile au sens atunci când adaugă capabilități complementare sau accelerează strategia noastră. Iar parteneriatele pot fi adesea cea mai rapidă cale către clienți, piețe noi și extindere comercială. IA fizică este un domeniu prea vast pentru ca o singură companie să poată construi totul, așa că vrem să colaborăm cu parteneri care pot contribui la consolidarea întregului ecosistem și să ne etapizăm abordarea în funcție atât de condițiile pieței, cât și de alinierea cu avantajul nostru competitiv — activele noastre.

Ai fost implicată și în ecosistemul IA open-source, inclusiv prin colaborarea cu comunitatea OpenClaw. Cum crezi că poate contribui inovația open-source la progresul IA fizice și pot transparența și colaborarea sporite să accelereze adoptarea, menținând totodată standardele de siguranță și guvernanță necesare acestor sisteme?

Open-source-ul a schimbat ritmul progresului IA în domeniul software. Când mai mulți oameni pot construi pornind de la aceleași instrumente, ciclurile de cercetare se scurtează, iar ideile bune pot veni de oriunde, nu doar din cele mai mari laboratoare. IA fizică se află într-o etapă mai timpurie a acestui parcurs. O mare parte a domeniului este încă axată pe cercetare și demonstrații, iar întrebarea este acum cum poate fi transformată această muncă în afaceri durabile.

Am fost responsabilă de parteneriate la OpenClaw Foundation, înființată pentru a susține viziunea lui Peter Steinberger privind inteligența artificială personală, agentică și open-source. Este unul dintre cele mai clare exemple pe care le-am văzut de proiect open-source care accelerează munca reală, deoarece oamenii îl puteau prelua, îl puteau rula pe propriile sisteme și îl puteau adapta la activitățile lor concrete.

Aceasta este lecția pe care cred că domeniul IA fizice ar trebui să o ia în serios. Instrumentele deschise permit mai multor echipe să construiască și să experimenteze fără să pornească de la zero. Păstrarea datelor în mediul propriu al clientului, în loc să i se ceară să le trimită în altă parte, înlătură unul dintre principalele motive de ezitare ale companiilor. O flotă, un oraș sau un producător poate folosi IA pentru a-și valorifica propriile date, sub propriul control, și poate vedea mai repede beneficiile.

Împreună, aceste două idei pot ajuta industria să treacă de la cercetare și demonstrații la produse pentru care oamenii sunt dispuși să plătească. Deschiderea, de una singură, nu face un sistem sigur, așa că sunt în continuare necesare testări reale, o guvernanță clară și responsabilitate. Însă un ecosistem deschis, în care datele rămân la cei cărora le aparțin, aduce mai multe sisteme în uzul real, iar acolo învățarea se acumulează.

La Empiric Earth, ne interesează cum pot instrumentele deschise și datele care rămân în mediul clientului să contribuie la dezvoltarea întregului ecosistem de IA fizică, protejând în același timp datele din lumea reală care dau valoare muncii noastre. Nu credem că dezvoltarea ecosistemului și construirea unei afaceri sustenabile trebuie să fie obiective aflate în conflict.

Ai vorbit despre importanța implicării unui număr mai mare de femei în poziții de conducere în domeniul IA, mai ales acum, când industria începe să stabilească standardele de siguranță și cadrele de guvernanță care vor modela modul în care mașinile inteligente funcționează în societate. Cum crezi că o mai mare diversitate în conducere poate influența dezvoltarea unor sisteme de IA mai sigure și mai responsabile?

Sunt prudentă în privința acestui subiect, pentru că ideea că „dacă adăugăm mai multe femei, IA devine mai sigură” este ea însăși o formă de prejudecată. Miza este mai amplă. Agenții pe care îi construim învață din ceea ce au făcut deja oamenii și din felul în care îi instruim. Dacă toți cei care contribuie la această instruire gândesc la fel, sistemele vor prelua aceleași puncte oarbe.

O conducere diversă aduce mai multe perspective în deciziile despre valorile pe care ar trebui să le aibă un agent, inclusiv empatia, grija și felul în care o decizie îl afectează pe celălalt. Multe riscuri legate de IA sunt de natură tehnică. Alte riscuri apar atunci când sistemele iau decizii care nu reflectă valorile sau nevoile persoanelor afectate de ele. Implicarea unor perspective diferite în aceste decizii ne ajută să identificăm punctele oarbe înainte ca acestea să devină probleme în lumea reală.

Ceea ce îmi doresc de la aceste sisteme este simplu. Ele ar trebui să-i ajute pe oameni să ia decizii mai bune și să ne lase mai mult timp pentru a fi împreună în viața reală. Pentru a ajunge acolo, este nevoie de echilibru și de mecanisme de control concrete, bazate pe o varietate de perspective. Niciun grup nu poate rezolva singur problema, iar noi trebuie să le încurajăm și să le motivăm pe femei să participe și să contribuie la dezvoltarea conexiunilor dintre agenți și oameni, dintre agenți și dintre oameni.

Privind către următorii trei până la cinci ani, unde vezi cele mai mari oportunități pentru Empiric Earth, dincolo de aplicațiile sale actuale în siguranța rutieră și în domeniul inteligenței pentru flote? Pe măsură ce vehiculele autonome, robotica și alte tehnologii de IA fizică se integrează tot mai mult în viața de zi cu zi, ce rol îți imaginezi că va avea Empiric Earth în infrastructura care susține această tranziție?

Am început cu siguranța rutieră și flotele, iar acestea rămân esențiale pentru afacerea noastră. Însă oportunitatea mai amplă este să sprijinim IA fizică prin reducerea riscurilor, furnizarea unui standard de validare și, în cele din urmă, creșterea siguranței în lumea reală.

Provocările fundamentale sunt similare, fie că construiești un vehicul autonom, un robot de livrare sau un sistem de inteligență pentru retail care operează o rețea reală de publicitate și comerț. Cum înțelegi ce se întâmplă în lumea reală? Cum știi dacă un sistem poate face față situațiilor neprevăzute? Și cum îi evaluezi performanța și gestionezi riscurile pe măsură ce aceste sisteme ajung să fie utilizate comercial?

Văd Empiric Earth devenind un important nivel de inteligență pentru ecosistemul de IA fizică, oferind date din lumea reală, modele, aplicații și servicii care îi ajută pe dezvoltatori, parteneri și operatori să răspundă la aceste întrebări. Neutralitatea, portabilitatea și interoperabilitatea vor fi importante pentru această viziune. Ne dorim ca soluțiile noastre să funcționeze pe diverse tehnologii și platforme, astfel încât clienții să poată adopta soluțiile care li se potrivesc cel mai bine.

Avem o bază excepțională în domeniul inteligenței bazate pe experiența din lumea reală a condusului, iar acum avem ocazia să o dezvoltăm prin noi capabilități, parteneriate și modele comerciale.

IA fizică nu se va extinde doar pentru că o companie construiește cel mai bun robot sau cel mai bun model. Se va extinde atunci când ecosistemul mai larg va dispune de inteligența, instrumentele și măsurile de siguranță necesare pentru a pune aceste sisteme la lucru în lumea reală. Acesta este rolul pe care ne dorim să-l aibă Empiric Earth.

Mulțumim pentru interviul excelent. Cititorii care doresc să afle mai multe despre inteligența bazată pe date din lumea reală și validarea independentă pentru IA fizică pot vizita Empiric Earth.