Tesla ya no debería ser vista como un fabricante de autos eléctricos. Es una empresa de inteligencia artificial, si se le cree a su CEO, Elon Musk. Su confianza está respaldada por un conjunto único de datos: petabytes de video obtenidos de los autos de la compañía, mientras sus clientes registran millones de kilómetros de conducción en todo el mundo.

En teoría, toda esa información del mundo real es exactamente lo que Tesla necesita para entrenar a sus vehículos y que operen sin asistencia humana, un objetivo central en la visión de Musk para el futuro de la empresa. Pero hay un problema: esos datos no son necesariamente tan útiles como él afirma. De hecho, algunos ni siquiera sirven.

Construir inteligencia artificial capaz de manejar un auto tan bien como una persona es un desafío completamente distinto al de desarrollar un chatbot de procesamiento de lenguaje natural como ChatGPT, que fue entrenado con miles de millones de palabras extraídas de internet.

Mientras que el objetivo de ChatGPT y de sistemas similares, como Grok de xAI, es usar el reconocimiento de patrones para brindar información confiable y responder preguntas, los resultados a menudo presentan errores vergonzosos. Pero si la inteligencia artificial que controla un vehículo comete un error, las consecuencias pueden ser fatales.

"Cualquier chico de 17 años puede aprender a manejar en unas 20 horas de práctica"

Yann LeCun, científico jefe de IA en Meta

Conducir un auto es una tarea completamente diferente, con muchas más variables: condiciones del camino, clima, obras en construcción, cambios en el tráfico, los movimientos de otros vehículos. Manejar con éxito todas esas variables y estar preparado para reaccionar ante lo inesperado es el verdadero desafío de la inteligencia artificial aplicada a la conducción autónoma. Entrenarla con interminables videos de personas manejando en autopistas no ayuda a que aprenda a enfrentar lo que realmente importa: los casos extremos que pueden provocar accidentes o situaciones peligrosas.

"Te puede hacer manejar con mucha fluidez en situaciones normales, pero cuando las cosas se complican un poco, no tenés nada", afirmó un científico informático y ejecutivo de una empresa de tecnología autónoma, que pidió no ser identificado para evitar criticar abiertamente a Tesla. "Y lo único que aprendiste son malos hábitos. Nueve de cada diez personas no frenan completamente en una señal de stop. Si solo te dedicás a aprender lo que hace la gente, tampoco vas a frenar", agregó.

Por eso los rivales de Tesla en el negocio de los robotaxis utilizan sensores láser lidar, que generan imágenes en 3D, y radares para detectar objetos sólidos en el camino de un vehículo, lo que permite obtener imágenes más detalladas y precisas del entorno. Si bien es posible depender únicamente de cámaras, se necesita "el mejor sistema de cámaras para manejarlo realmente", dijo Drago Anguelov, jefe de investigación de Waymo, en una conferencia de desarrolladores de Google hace algunos años. "Es una apuesta muy grande creer que se puede lograr. Es extremadamente arriesgado y, además, innecesario", añadió.

Yann LeCun, científico jefe de inteligencia artificial en Meta y profesor de informática en la Universidad de Nueva York, tampoco está convencido de que los datos de Tesla le otorguen una ventaja competitiva.

"El impacto de los datos suele estar sobrevalorado: a medida que se obtiene más información, el rendimiento mejora, pero con  resultados peores", expresó LeCun. "Duplicar la cantidad de datos trae mejoras marginales que todavía están muy lejos de la confiabilidad humana", argumentó. A pesar del enorme volumen de información, ninguna empresa logró desarrollar la denominada autonomía de Nivel 5, el punto en el que un vehículo puede conducirse por sí solo en todas las circunstancias en las que lo haría un ser humano.

"Sin embargo, cualquier chico de 17 años puede aprender a manejar en unas 20 horas de práctica", aseguró Yann LeCun. "Esto nos dice que las arquitecturas actuales de inteligencia artificial están dejando algo fundamental afuera en su capacidad para comprender el mundo y aprender a partir de cantidades limitadas de datos o ensayos", agregó.

"Si alguien no cree que Tesla va a resolver la autonomía, entonces no debería ser inversor de la compañía"

Elon Musk

Nada de esto impidió que los seguidores de Tesla sigan apostando a la visión de inteligencia artificial de Musk, incluso cuando las ventas de vehículos eléctricos —y el valor de las acciones de la empresa— siguen cayendo en picada y manifestantes protestan frente a las tiendas de Tesla por el papel de Musk como principal promotor del controvertido proyecto DOGE del presidente Donald Trump. Algunos analistas de Wall Street siguen convencidos de que Musk sabe algo que los demás ignoran. "Creemos que la autonomía, por sí sola, vale un billón de dólares y esta tesis se confirmará en los próximos años", señaló Dan Ives, analista de Wedbush Securities, a Forbes US.

Musk y Tesla no respondieron a las solicitudes de comentarios. Tampoco lo hizo Ashok Elluswamy, jefe del programa de vehículos autónomos de la compañía.

'Garbage in, garbage out'

Musk apostó el futuro de Tesla a las aplicaciones de inteligencia artificial, incluyendo robots humanoides y fábricas inteligentes, dejando de lado el objetivo de largo plazo de la compañía de vender 20 millones de vehículos eléctricos al año para 2030. Una de las razones probablemente sea el aumento de la competencia en el sector de los autos eléctricos, especialmente por parte de empresas como BYD de China. Otra es que, si Tesla logra resolver la conducción autónoma, resultará más barato y rentable desplegar cientos de miles de robotaxis eléctricos generadores de ingresos en todo el mundo que construir más fábricas para vender millones de vehículos personales.

Este enfoque es tan central para la compañía que Musk no quiere que los escépticos compren acciones de Tesla. "Si alguien no cree que Tesla va a resolver la autonomía, entonces no debería ser inversor de la compañía", afirmó en una llamada de resultados en 2024.

En enero, anunció que el vasto reservorio de datos de Tesla está siendo utilizado en su nuevo centro de datos "Cortex" en Austin para mejorar su software Full Self-Driving (FSD), que, pese a su nombre, requiere supervisión humana en todo momento. Esa función, basada en inteligencia artificial, junto con el sistema Autopilot original de Tesla, ciertamente necesita mejoras: a lo largo de los años, FSD y Autopilot estuvieron vinculados a 52 accidentes fatales en todo el mundo.

Los grandes volúmenes de datos de cámaras son útiles, pero eso no convierte automáticamente a Tesla en líder del mercado de inteligencia artificial. "Tener acceso a fuentes de datos únicas es ciertamente una ventaja", afirmó Alex Ratner, científico informático y CEO de Snorkel AI, una empresa que desarrolla software para automatizar el etiquetado de datos en bruto.

"No hay garantías de que todos los casos límite que los autos necesitan aprender estén en los datos en una cantidad suficiente para generar un comportamiento aprendido"

Missy Cummings

"Pero el viejo dicho 'garbage in, garbage out' ('si entran datos basura, salen resultados basura') se aplica aquí más que nunca", dijo Ratner, quien tiene un familiar trabajando en Waymo, en declaraciones a Forbes US. "En la curación de datos, ¿cómo se distingue qué video proviene de un buen conductor y cuál de uno malo? Eso es algo no trivial y súper importante, porque estos modelos... aprenden de lo que ven con mayor frecuencia", explicó.

Las empresas que dedicaron años a perfeccionar la inteligencia artificial para manejar autos y camiones de forma segura, como Waymo, Zoox, Aurora y Waabi, se centraron en crear conjuntos de datos de alta calidad que prioricen suficientes casos límite, dominando situaciones extremas o peligrosas en la ruta mediante simulaciones avanzadas por computadora y pruebas estructuradas en el mundo real. Los datos de Tesla no necesariamente reflejan esos eventos más raros.

"No hay garantías de que todos los casos límite que los autos necesitan aprender estén en los datos en una cantidad suficiente para generar un comportamiento aprendido", comentó Missy Cummings, experta en inteligencia artificial y profesora de la Universidad George Mason, quien asesoró a reguladores federales y de California sobre tecnología de vehículos autónomos. Esto dificulta resolver problemas que enfrentaron todos los desarrolladores de conducción autónoma, como los repentinos eventos de "frenado fantasma", cuando la inteligencia artificial malinterpreta ciertas circunstancias del camino como peligrosas.

Incluso identificar los fragmentos más relevantes de los datos de conducción para fines de entrenamiento, entre millones de horas de video grabado en ruta, es extremadamente difícil, señaló un investigador de vehículos autónomos y científico informático con conocimiento del enfoque de Tesla, quien pidió no ser identificado.

"Así que tenés billones de kilómetros de datos", continuó Cummings. "¿Cómo se aseguran de seleccionar lo que realmente importa para entrenar el sistema?", agregó.

Es difícil saberlo, ya que Tesla no es transparente sobre su proceso. Tampoco participa activamente en la comunidad de investigación en inteligencia artificial, donde los ingenieros de las principales empresas tecnológicas publican regularmente artículos detallando sus últimos avances.

"Tesla tiene prácticamente cero presencia en el circuito de I+D de inteligencia artificial: conferencias, publicaciones, etc.", dijo LeCun. "Es como si no existieran", sentenció.

Historial Irregular

Los logros de Tesla en conducción autónoma quedaron muy por debajo de los objetivos de Musk una y otra vez. Su promesa de 2016 de que un Tesla podría cruzar Estados Unidos sin intervención humana todavía no se cumplió. Su meta de 2019 de tener un millón de robotaxis en funcionamiento para 2020... ni siquiera estuvo cerca.

"Elon estuvo exagerando y entregando menos de lo prometido con la 'conducción autónoma total' de manera constante durante casi una década", afirmó Yann LeCun. "Para muchos de nosotros era evidente que todas esas afirmaciones eran o mentiras o signos de autoengaño. No entiendo cómo alguien todavía puede creer en lo que dice sobre el tema", añadió.

Pero eso no impidió que Musk siga haciendo más y más promesas, ni que sus seguidores más fervientes sigan invirtiendo en él. Sin embargo, los prototipos que mostró hasta ahora parecen estar bastante lejos de la realidad. En octubre pasado, organizó una demostración escenificada del "CyberCab" de la compañía, que transportó a los asistentes del evento por los estudios de cine de Universal Studios en Los Ángeles. Pero incluso en un estudio cerrado, se pudo ver a los técnicos de Tesla monitoreando, si no controlando de forma remota, los prototipos de baja velocidad. Del mismo modo, las versiones del robot humanoide de Tesla, "Optimus", que estaban allí para servir bebidas a los asistentes, también eran controladas a distancia.

"Creo que a largo plazo, Optimus tiene el potencial de generar más de 10 billones de dólares en ingresos. Es una locura", afirmó Musk en la conferencia de resultados.

La verdadera prueba llegará en junio con el lanzamiento piloto del servicio de robotaxis de Tesla en Austin, siempre y cuando se estrene a tiempo. "Vamos a examinarlo muy cuidadosamente para asegurarnos de que no haya algo que se nos haya pasado por alto", dijo Musk en la misma conferencia. "Será un servicio de transporte autónomo pago en Austin en junio y luego lo implementaremos en otras ciudades de Estados Unidos lo antes posible", explicó. (Tesla también solicitó un permiso para operar un servicio similar a los taxis en California con vehículos de su propiedad y operación, aunque no específicamente para robotaxis, según informó la Comisión de Servicios Públicos de California a Forbes US).

El dominio de la autonomía "no vendrá de Tesla" señaló LeCun, que no cree que Tesla tenga lo necesario para liderar la conducción autónoma. "Simplemente no tienen una organización de investigación con suficiente libertad ni suficientes científicos talentosos para lograrlo", argumentó.

Musk tiene mucho camino por recorrer para alcanzar a Waymo, la filial de Alphabet (Google), que es por lejos la empresa líder en robotaxis en Estados Unidos. Actualmente opera su servicio de transporte automatizado en Phoenix, San Francisco, Los Ángeles y Austin. La semana pasada, anunció que está registrando más de 200.000 viajes pagos por semana con una flota de aproximadamente 700 vehículos. A finales de este año, la compañía se expandirá a Atlanta y planea lanzar el servicio en Miami en 2025. Alphabet no reveló los ingresos de Waymo, aunque Forbes US estima que superaron los 100 millones de dólares gracias a los 4 millones de viajes reservados en 2024.

Si bien Waymo tuvo algunos accidentes menores, hasta ahora su flota de vehículos autónomos no se vio involucrada en accidentes fatales. En cambio, los propietarios de Tesla suben habitualmente videos de sus autos realizando maniobras peligrosas en modo FSD, como casi chocar con otros vehículos en una salida de autopista en Nueva Jersey o pasarse semáforos en rojo en China.

En última instancia, la apuesta de Musk por la inteligencia artificial en Tesla se basa en lo que podría valer financieramente para su compañía, con la visión de que en los próximos años generará billones de dólares en ingresos.

LeCun, de Meta, cree que para lograr una autonomía total similar a la humana, se necesita un "cambio de paradigma" que permita a las máquinas aprender cómo funciona el mundo a partir del video, algo que podría requerir otra década de investigación.

"Mi intuición es que no llegaremos a una autonomía total similar a la humana—ni a robots humanoides realmente prácticos—hasta que logremos que los sistemas de inteligencia artificial aprendan cómo funciona el mundo, de la misma manera en que lo hacen los animales y los humanos", concluyó.

Con información de Forbes US.