Bên trong "thế giới bí mật" chuyên đào tạo xe tự lái của Google

Tại một góc nhỏ trong khuôn viên Alphabet (công ty mẹ của Google), một nhóm kỹ sư đang cùng nhau phát triển một phần mềm có thể là chìa khóa cho lĩnh vực xe tự lái. Họ đặt tên cho phần mềm đó là Carcraft, tương tự cách gọi tên tựa game nổi tiếng World of Warcraft.

James Stout, tác giả của Carcraft, là một chàng kỹ sư có khuôn mặt trẻ măng và mái tóc dày đang ngồi cạnh tôi trong khu văn phòng khôngvách ngăn nhưng yên ắng do mọi người đều đeo tai nghe. Trên màn hình máy tính là mô hình ảo của một giao lộ. Trong mắt những người ngoại đạo, hình ảnh đó không quá đặc biệt, chỉ là một hình vẽ đơn giản có cấu trúc kiểu mặt đường. Trong hình còn có một chiếc Chrysler Pacifica tự lái và một khung hộp ám chỉ sự hiện diện của một phương tiện giao thông khác.

Carcraft, phần mềm dựng mô hình của Waymo (ảnh: Waymo)

Vài tháng trước, một nhóm kỹ sư về xe tự lái đã gặp một giao lộ tương tự ở Texas, Mỹ. Tốc độ của các phương tiện và sự phức tạp của giao thông khi đó khiến chiếc xe bối rối, do đó cả nhóm quyết định dựng mô hình giống như thật tại khu thử nghiệm. Hình ảnh tôi đang nhìn thấy là bước thứ ba của quá trình học hỏi: số hóa việc lái xe thực tế. Ở bước này, một di chuyển trong thực tế - chẳng hạn một chiếc xe tạt đầu một xe khác tại nút giao – có thể được giải nghĩa bằng hàng nghìn kịch bản mô phỏng khác nhau.

Những kịch bản kiểu này chính là nền tảng của công cụ mô phỏng Carcraft. Đây là công cụ sẽ giúp đẩy nhanh quá trình phát triển của các phương tiện giao thông tự hành tại Waymo, công ty được tách ra từ bộ phận thí nghiệm các dự án "moonshot" của Alphabet tháng 12/2016.

Nếu trong vài năm tới Waymo có thể tạo ra những chiếc xe hoàn toàn tự động, Carcraft sẽ được nhớ đến như là một thế giới ảo đóng vai trò to lớn trong việc định hình lại thế giới thực.

Ban đầu được phát triển để tái dựng lại những kịch bản vận hành thực tế khi lái xe trên đường, Carcraft hay các công cụ giả lập khác đang ngày càng đóng một vai trò quan trọng trong các dự án xe tự lái.

Hiện tại, bất kỳ lúc nào cũng có 25.000 chiếc xe tự lái đang chạy trên những mô hình mô phỏng Austin, Mountain View và Phoenix. Waymo có thể mô phỏng việc lái xe trên một cung đường đặc biệt ‘khó nhằn' hàng trăm nghìn lần trong một ngày. Tính ra, họ lái xe một quãng đường lên đến gần 13 triệu km trong thế giới ảo trong một ngày. Trong năm 2016, những chiếc xe của Waymo đã chạy hơn 4 tỉ km, so với con số khoảng 5 triệu km của những chiếc xe tự lái của Google trên những con đường thực. Quan trọng hơn, những km ảo đó được những người Waymo gọi là những km "thú vị", giúp họ học được thứ gì đó mới mẻ. Nó không phải là những cung đường đi làm nhàm chán.

Những mô hình giả lập là một phần trong tiến trình phức tạp mà Waymo đã phát triển. Công ty kết hợp đan xen chặt chẽ giữa những km di chuyển thực tế trên đường với một chương trình "thử nghiệm có cấu trúc" được thực hiện tại một địa điểm bí mật có tên Lâu đài.

Waymo chưa từng tiết lộ về hệ thống này. Những km lái xe thực tế trên đường chỉ cho họ thấy những chỗ cần thực hành thêm. Họ dựng lên những khoảng không gian mình cần tại Lâu đài, sau đó thực hành hàng nghìn lần các kịch bản khác nhau. Nhờ vào cả hai tình huống thử nghiệm thực tế này, những chiếc xe của Waymo sẽ thu thập đủ dữ liệu để có thể phản ứng hoàn toàn tự động trong tương lai. Trong không gian ảo đó, họ không bị bó buộc trong những giới hạn của cuộc sống thực, nên có thể tạo ra hàng nghìn tình huống khác nhau của cùng một kịch bản để chiếc ô tô kỹ thuật số thực hành. Phần mềm sau cải tiến tiếp tục được download quay trở lại chiếc xe vật lý để cùng vượt qua nhiều cung đường khó nhằn hơn. Vòng tròn thử nghiệm mới bắt đầu.

Để đến được Lâu đài, từ Vịnh San Francisco bạn lái xe về phía đông rồi xuôi về phía nam trên cao tốc 99. Những ruộng ngô nối tiếp, xen kẽ các khu vực đang phát triển, đường chân trời ẩn hiện sau làn sương mờ. Ra khỏi đường cao tốc tại chỗ rẽ gần một thị trấn nhỏ của Atwater, nơi từng là căn cứ quân sự Castle Air Force với 6.000 người tham gia dự án B-52. Ngày nay, thị trấn này là ranh giới phía bắc của  khu đô thị Merced, ở đây tỉ lệ thất nghiệp những năm 2010 lên đến 20%, cho đến giờ vẫn xấp xỉ 10%. 40% người dân nói tiếng Tây Ban Nha. Chúng tôi đi ngang qua một vài đường ray xe lửa trước khi quặt vào khu vực căn cứ quân sự cũ, nơi đây hiện giờ là địa điểm của nhiều tổ chức, từ Cơ quan Kiểm soát Động vật hạt Merced cho đến nhà tù Atwater.

Những công cụ chỉ đường không chỉ đến một địa chỉ chính xác, mà chỉ đưa ra các định vị GPS. Chúng tôi lái xe dọc một hàng rào khá cao màu xanh, cho đến khi Google Maps nhắc dừng lại. Xung quanh không có thứ gì trông giống một cái cổng, nhưng nhân viên Waymo đó lại rất tự tin. Quả đúng vậy: một nhân viên anh ninh xuất hiện, kéo rộng một khe hở trên hàng rào và kiểm tra thông tin cá nhân của chúng tôi.

Hàng rào (ảnh: Alexis Madrigal)

Hàng rào mở ra, chúng tôi lái xe vào một khuôn viên nhỏ nhưng nhộn nhịp. Những người trẻ tuổi mặc quần short, đội mũ đi tới đi lui. Xung quanh là những tòa nhà di động, những ga-ra có mái vòm, và tất nhiên, những chiếc xe tự lái trong bãi đỗ xe của tòa nhà chính. Nơi đây tập trung các loại xe thuộc nhiều nhãn hiệu khác nhau: từ những chiếc Lexus khá phổ biến trên đường phố, đến những chiếc Prius đã được cho ‘nghỉ hưu', và cả những chiếc minivan Chrysler Pacifica đời mới.

Rất dễ để nhận ra những chiếc xe tự lái. Chúng được gắn rất nhiều cảm biến. Nổi bật nhất là các máy quét laser (thường được gọi là LIDAR) được gắn trên nóc xe. Những chiếc Pacifia còn có thêm các thiết bị LIDAR cỡ chai bia đặt gần gương chiếu hậu. Các máy radar được gắn ở phía sau trông rất giống đôi tai của gã chằn tinh Shrek.

Khi những bộ cảm biến làm việc, kể cả khi chiếc xe đang đỗ, các hệ thống LIDAR sẽ quay tạo ra một thứ âm thanh kỳ quái, vừa giống tiếng rên lại vừa giống tiếng thở nặng nhọc, rất lạ tai và không giống với bất kỳ tiếng động nào từ những chiếc xe ô tô đã quen thuộc với tôi từ khi còn thơ bé.

Phía bên kia đường đối diện tòa nhà chính, còn có một chiếc xe đặc biệt hơn. Các chữ X's (nghĩa là "của X") bằng băng keo màu đỏ với nhiều kích cỡ khác nhau được dán kín trên xe. Đó là chiếc ô tô tự lái ở Level 4. Các cấp độ này được Hiệp hội các Kỹ sư Xe hơi sử dụng để đo mức độ tự động của một chiếc xe. Phần lớn những chiếc xe chúng ta nghe thấy là đã từng vận hành trên đường đều ở Level 1 hoặc 2, có nghĩa là có khả năng kiểm soát hành trình thông minh trên cao tốc. Nhưng chiếc xe chữ-X-màu-đỏ là một ‘động vật' hoàn toàn khác. Không chỉ hoàn toàn tự động, nó còn không thể được điều khiển bằng con người, bởi thế họ muốn nó thật sự khác biệt với những chiếc xe khác.

Bên trong khu vực đỗ xe, ở đó thấp thoáng bóng dáng của Dự án Manhattan (dự án đã chế tạo ra quả bom nguyên tử đầu tiên trên thế giới), của những tiến bộ khoa học, của startup công nghệ. Phía trong tòa nhà chính có kích thước khoảng bằng một phòng học, tôi gặp người đóng vai trò "đòn bẩy" đứng sau địa điểm thú vị này. Tên cô ấy là Steph Villegas.

Villegas mặc áo sơ mi trắng, dài và hợp dáng, vận chiếc quần jean rách tinh tế, kết hợp đôi sneaker màu xám, tất cả đều thời trang và đúng chất với một người đã từng làm tại cửa hàng quần áo Azalea ở San Francisco trước khi đến Google. Villegas lớn lên tại vùng ngoại ô East Bay, tốt nghiệp chuyên ngành mỹ thuật tại Đại học California trước khi gia nhập dự án xe hơi tự lái vào năm 2011.

"Cô từng là một lái xe?" tôi hỏi.

"Luôn luôn là một lái xe", Villegas trả lời.

"Ngồi nhiều trong xe, tôi có thể cảm nhận được chiếc xe đang làm gì bằng ‘mông' của mình. Hơi thô chút, nhưng đúng là như vậy".

Villegas đã dành không biết bao nhiêu thời gian lái xe trên cao tốc 101 và 280 nối liền San Francisco với Mountain View. Giống như những tài xế khác, cô dần cảm nhận được cách những chiếc xe vận hành trên một cung đường thoáng xe cộ. Và đây là một kiến thức quan trọng với chương trình xe tự lái, giúp mọi người cảm nhận được những việc có thể làm khó chiếc xe. "Sau khi thực hiện một số bài thử nghiệm trên các phần mềm mới và vai trò trong nhóm của mình cũng đã tăng lên, tôi bắt đầu tìm kiếm các cách để thử thách hệ thống", Villegas kể lại.

Và thế là Villegas cùng một số kỹ sư bắt tay vào việc nghĩ ra và dựng lên các kịch bản hiếm, giúp họ thử nghiệm những hành vi mới một cách có kiểm soát. Cả nhóm trưng dụng bãi đỗ xe đối diện nhà hát Shoreline Amphitheater, cử người canh gác tại tất cả các cửa ra vào đảm bảo chỉ có những Googler có liên quan mới được vào bên trong.

"Đó là nơi mọi thứ bắt đầu", Villegas nói. "Khi đó có tôi và một vài lái xe nữa. Hằng tuần, chúng tôi sẽ nghĩ ra một nhóm những kịch bản mình muốn thử nghiệm, xếp đồ lên một chiếc xe tải rồi lái xe đến đó để tiến hành chạy thử".

Những kịch bản đó sau này trở thành những buổi thử nghiệm có cấu trúc đầu tiên của chương trình xe tự lái. Hóa ra, những kịch bản đáng sợ kiểu sẽ-thế-nào-nếu-có-một-zombie-đang-ăn-thịt-người-trên-phố lại không đáng lo ngại, cái khó là làm cách nào để có thể vận hành một cách tự tin và đáng tin cậy như một người lái xe thực sự, trong bối cảnh có vô khối chuyển động khác nhau của giao thông thông thường.

Villegas bắt đầu thu thập đạo cụ từ mọi ngóc ngách có thể: những hình nộm, những cọc tiêu hình nón, cây giả, đồ chơi trẻ em, ván trượt, xe ba bánh, búp bê, bóng và rất nhiều những món đồ không tên khác. Tất cả được cất vào khu vực dành riêng cho đạo cụ. (Về sau, những đạo cụ này được để trong một cái lều, và bây giờ là ở Lâu đài, trong một kho tổng chứa đồ).

Kho chứa đạo cụ tại Lâu đài (ảnh: Alexis Madrigal)

Nhưng vẫn có những vấn đề cần giải quyết. Họ muốn chiếc xe đi nhanh hơn, muốn sử dụng đèn giao thông và biển báo dừng. Rồi những buổi hòa nhạc tại nhà hát Shoreline Amphitheater thường xuyên ảnh hưởng đến kế hoạch của nhóm. "Thường có những việc kiểu như ‘Ồ, nhóm nhạc rock Metallica sắp đến đây, và chắc là chúng ta sẽ phải rời đi'", Villegas nhớ lại.

Họ cần một căn cứ, một căn cứ bí mật. Đó đúng là thứ Lâu đài mang đến. Họ ký hợp đồng thuê địa điểm rồi bắt đầu xây dựng thành phố giả lập trong mơ của mình. "Chúng tôi cố tình tạo ra những con phố nằm trong khu dân cư, những con đường theo kiểu đường cao tốc, những đường cụt, những bãi đỗ xe, và những thứ tương tự như vậy", Villegas cho biết, "bằng cách đó, chúng tôi tự tạo ra những hạ tầng giao thông đặc trưng để những chiếc xe của mình đi qua".

Chúng tôi cùng nhau đi bộ từ văn phòng di động của Villegas đến chỗ chiếc xe của cô đang đỗ. Villegas đưa cho tôi một tấm bản đồ trước khi bắt đầu chuyến đi quanh khuôn viên Lâu đài. "Cũng giống ở Disneyland vậy, nên anh có thể theo dõi chuyến đi trên bản đồ", cô nói. Tấm bản đồ được làm khá tỉ mỉ. Trên một góc là bảng hiệu ghi dòng chữ "Chào mừng đến Lâu đài Fabulous, California". Mỗi khu vực trong khuôn viên có quy ước đặt tên riêng. Ví dụ, ở nơi chúng tôi đang đi qua, mỗi con đường được đặt tên theo một chiếc xe nổi tiếng (DeLorean, Bullitt) hoặc theo tên một chiếc xe cụ thể (ví dụ Barbaro) thuộc đội xe Prius từ những ngày đầu của dự án.

Chúng tôi đi qua một dãy các tòa nhà màu hồng vốn là khu ký túc xá quân sự cũ. Một trong số những ngôi nhà đã được cải tạo lại: Đây là nơi những người Waymo ngủ nếu họ không kịp quay lại Vịnh. Ngoài ra, không có bất cứ căn nhà nào khác trong khu vực thử nghiệm. Đó thực sự là thành phố của những chiếc xe hơi tự động. Ở đây chỉ có một thứ quan trọng, đó là thứ đang chạy trên những con đường ngoài kia.

Một "khu phố" tại Lâu đài (ảnh: Alexis Madrigal)

Bạn sẽ cảm thấy thú vị khi băng qua những đại lộ, những con đường nhỏ trong các khu phố với những lối đi bằng xi măng, đến cả các giao lộ vùng ngoại ô, nhưng lại không hề có bất kỳ một ngôi nhà nào. Đôi lúc tôi bất chợt có cảm giác giống ở một nơi nào đó tôi đã từng đi qua.

Chúng tôi đi đến một giao lộ rộng 2 làn xe. Một vòng tròn tường rào màu trắng được đặt ở giữa. "Nút giao này được tạo ra sau khi chúng tôi trải nghiệm một giao lộ nhiều làn xe ở Austin, Texas", Villegas nói. "Trước đó, ở đây chỉ có nút giao một làn và chúng tôi đã nghĩ ‘Ồ, chúng ta làm được rồi. Chúng ta đã giải quyết được vấn đề đó rồi'. Cho đến khi gặp phải giao lộ ở Austin kia, cảm giác khi đó của chúng tôi giống như ‘Khác biệt hoàn toàn! Cảm ơn Texas'. Rồi chúng tôi làm thêm giao lộ này".

Giao lộ 2 làn xe (ảnh: Alexis Madrigal)

Chúng tôi dừng lại khi Villegas nhìn thấy một khu mới được hoàn thiện: Hai làn xe ô tô và một làn xe đạp cắt ngang một khu đỗ xe song song tiếp giáp với lề cỏ. "Tôi rất hứng thú những khu thử nghiệm có bãi đỗ xe song song. Những chỗ như thế này rất thường thấy ở các khu phố vùng ngoại ô. Walnut Creek. Mountain View. Palo Alto", cô nói. "Mọi người đi ra từ các cửa hàng, từ công viên. Họ đi bộ qua các khoảng trống giữa những chiếc ô tô, có khi còn cầm theo lỉnh kỉnh đồ đạc".

Khi quay trở lại văn phòng chính, chúng tôi bất ngờ gặp một chiếc xe tự lái, một trong những chiếc Chrysler Pacifica. Ngồi ở ghế lái là Brandon Cain. Người đồng nghiệp của Cain ngồi bên ghế hành khách bên phải, có trách nhiệm theo dõi hoạt động của chiếc xe bằng một phần mềm có tên XView.

Tham gia thử nghiệm còn có các trợ lý, được gọi là những "con cáo". Họ sẽ lái xe hơi, tạo tình huống giao thông, đóng vai người đi bộ, hoặc lái xe đạp, cầm các biển báo dừng. Họ giống như những diễn viên và khán giả là chiếc xe tự lái.

Bài thử nghiệm đầu tiên sẽ là "một cú vượt và tạt đầu đơn giản" nhưng ở tốc độ cao, trong ngữ cảnh này là khoảng 72km/h. Chúng tôi sẽ lái xe đi thẳng trên một con đường rộng được đặt tên là Autobahn.

Sau khi một "con cáo" bất chợt chạy ngang qua trước mui, chiếc xe Waymo sẽ phanh lại và cả nhóm kiểm tra điểm dữ liệu then chốt: quá trình giảm tốc. Họ cố gắng tạo ra những kịch bản có thể khiến chiếc xe phải phanh gấp. Vậy gấp đến mức nào? Đâu đó giữa việc phanh gấp do "chuột kìa" và "nách tôi bỗng dưng đổ mồ hôi và điện thoại thì rơi xuống sàn".

Tôi muốn nói điều này: đây không phải là lần đầu tiên tôi ngồi trên một chiếc xe tự lái. Trước đây, tôi đã có hai lần trải nghiệm rồi: một lần trên chiếc Lexus SUV đi qua những con phố của Mountain View, lần thứ hai là trên chiếc Firefly nhỏ xinh của Google lượn vòng trên mái của tòa nhà Google. Tuy nhiên, cả hai đều không quá đáng nhớ.

Lần này khác. Cả hai chiếc xe đều đang di chuyển rất nhanh, và một chiếc sẽ bất ngờ tạt ngang trước xe của chúng tôi bằng một cú tạt  đầy "kích thích".

Bắt đầu thôi. Cain khởi động máy và chiếc xe cất tiếng nói "Tự lái". Chiếc xe còn lại tiến tới rồi cắt ngang đầu xe, giống như một tài xế lái Porsche cố gắng tranh giành lối ra. Chiếc xe phanh gấp, nhanh chóng và êm ru. Tôi thật sự ấn tượng.

Sau đó, họ kiểm tra quá trình giảm tốc và nhận thấy cú phanh chưa đủ gấp. Thử nghiệm phải được tiến hành lại. Rồi lại lần nữa. Rồi lần nữa. Chiếc xe tạt ngang từ những góc khác nhau, với những cách khác nhau. Họ gọi đó là "bao quát hết các khả năng".

Hai chiếc xe nhập làn ở tốc độ cao, một trong 2 là xe tự lái (ảnh: Alexis Madrigal)

Chúng tôi còn thực hiện ba thử nghiệm khác nữa: nhập làn ở tốc độ cao, gặp một chiếc xe đang lùi từ gara trong khi một chiếc xe thứ ba che khuất tầm nhìn, và từ từ dừng lại khi một quả bóng rổ bị ném ra đường. Mỗi thử nghiệm đều có điểm ấn tượng riêng, nhưng thử nghiệm tạt đầu khiến tôi thấy thú vị nhất.

Khi chúng tôi chuẩn bị đi thêm một vòng nữa, Cain nhanh chóng ngồi vào ghế. "Anh đã xem Đại chiến Thái Bình Dương chưa?" Cain hỏi tôi. Đó là bộ phim của đạo diễn Guillermo del Toro, khi con người được đồng bộ với những người máy khổng lồ để chiến đấu chống lại quái vật. "Tôi đang cố gắng để đồng bộ với chiếc xe. Chúng tôi có một vài điểm chung".

Tôi đề nghị Cain giải thích "đồng bộ" với chiếc xe nghĩa là như thế nào. "Tôi đang cố gắng để quen với sự khác biệt về cân nặng của những người ngồi trên xe", anh nói. "Ngồi trên xe nhiều, tôi có thể cảm nhận được chiếc xe đang làm gì bằng mông của mình, nghe hơi bậy bạ nhưng đúng là như vậy. Tôi có thể hiểu được chiếc xe muốn làm gì".

Cách xa những khói bụi, nắng nóng ở Lâu đài là trụ sở chính lịch thiệp của Google tại Mountain View. Tôi đã đến thăm các kỹ sư của Waymo, những người này thuộc biên chế của X, hay còn được biết đến với cái tên Google X, bộ phận nghiên cứu của công ty. Năm 2015, khi Google tái cơ cấu và thành lập công ty mẹ có tên Alphabet, cụm Google không còn xuất hiện trong tên của X. Một năm sau lần tái cơ cấu táo bạo, X/Alphabet quyết định cho phép chương trình xe ô tô tự lái được "tốt nghiệp" để thành lập một công ty riêng, giống như cách X đã làm với nhiều dự án khác trước đó. Công ty đó chính là Waymo. Waymo giống như đứa con của Google.

Vì thế, các văn phòng của Waymo vẫn nằm trong khuôn viên của con tàu mẹ, dù hai công ty giống hai thái cực đang ngày càng phân hóa.

Tòa nhà văn phòng của X/Waymo rộng rãi và thoáng đãng. Các thiết bị bay không người lái phiên bản prototype của dự án Project Wing xuất hiện ở khắp nơi. Tôi thoáng thấy chiếc ô tô Firefly nhỏ xinh mà công ty đã chế tạo. ("Có gì đó ngọt ngào ở những thứ bạn tự tạo ra", Villegas đã nói như vậy lần gặp gỡ tại Lâu đài).

Tại khu vực làm việc của bộ phận mô phỏng Waymo, trên màn hình máy tính của ai cũng có Carcraft và XView. Rất nhiều hình đa giác trên khung nền màu đen. Đây chính là những người tạo ra các thế giới ảo để những chiếc xe Waymo chạy trên đó.

Những gì thiết bị quét laser của xe Waymo nhìn thấy khi có 4 người đang đẩy một chiếc xe ở phía trước (ảnh: Waymo)

James Stout, tác giả của Carcraft đang đợi tôi. Stout chưa bao giờ nói chuyện với người ngoài về dự án của mình nên có vẻ rất sốt sắng. Carcraft là đứa con của James.

"Tôi đang lướt các dòng tin tuyển dụng khi thấy bài đăng về việc bộ phận xe tự lái đang tuyển người", Stout nói. "Tôi chẳng thể tin nổi là họ đã có việc để tuyển rồi". Anh tham gia nhóm và ngay lập tức bắt tay vào xây dựng công cụ mà hiện nay đang hỗ trợ 13 triệu km lái xe mỗi ngày.

Khi đó, họ chủ yếu dùng công cụ này để kiểm tra xem những chiếc xe tự lái của mình sẽ làm gì trong những tình huống khó lường, khi người lái xe đã kiểm soát được chiếc xe. Và họ bắt đầu tạo ra các kịch bản từ những khoảnh khắc này. "Rất nhanh chóng chúng tôi nhận ra đây thực sự là một việc làm hữu ích, từ đó có thể dựng nên rất nhiều thứ", Stout nói. Các không gian trong Carcraft được mở rộng để mô phỏng toàn bộ thành phố, và số lượng xe ảo cũng tăng lên nhanh chóng.

Stout giới thiệu Elena Kolarov, người phụ trách một nhóm có tên "bảo trì kịch bản". Có hai màn hình máy tính được đặt trước mặt Kolarov. Màn hình phía bên phải là phần mềm XView, hiển thị những gì chiếc xe đang "nhìn thấy". Những chiếc xe tự lái sử dụng camera, radar và máy quét laser để xác định các vật thể trong tầm nhìn, sau đó tái hiện những hình ảnh này trong phần mềm thông qua những hình khối, mô phỏng lại thế giới thực.

Những đường kẻ màu xanh xung quanh các khối hình biểu thị những hướng di chuyển của vật thể mà chiếc xe dự đoán. Phía dưới là một chuỗi hình ảnh được chụp bởi những chiếc camera thông thường được gắn trên xe. Kolarov cũng có thể mở những dữ liệu thu thập được bởi các hệ thống quét laser LIDAR, được hiển thị dưới dạng những chấm vàng và tím.

Chúng tôi xem lại đoạn video về một cú nhập làn thực tế tại giao lộ ở Lâu đài. Kolarov chuyển sang dạng mô phỏng. Nhìn giống phiên bản thật, nhưng không còn là một log dữ liệu nữa mà trở thành một tình huống chiếc xe phải xử lý. Điểm khác biệt duy nhất là phía trên phần mềm XView có hiển thị cụm "Mô phỏng" bằng chữ đỏ. Stout nói họ thêm cụm chữ kia vào vì mọi người liên tục nhầm lẫn giữa hai phiên bản thực tế và mô phỏng.

Giao lộ tại Lâu đài được mô phỏng trên XView (Ảnh: Waymo)

Một kịch bản khác được tải lên. Lần này là ở Phoenix. Kolarov thu nhỏ hình ảnh để chỉ cho tôi thấy mô hình của thành phố mà họ đã dựng lên. Trên đó có thông tin về "vị trí của những làn đường, làn đường nào giao với làn đường nào, nơi nào có biển báo dừng, nơi nào có đèn giao thông, có lề đường, tất tần tật những thứ bạn cần biết", Stout nói.

Mô phỏng thành phố Chandler, bang Arizona (ảnh: Waymo)

Chúng tôi phóng to vào khu vực của một ngã tư gần Phoenix. Kolarov bắt đầu thả vào đó những chiếc xe hơi, người đi bộ và người đi xe đạp, tất cả đều là mô hình.

Quá trình tạo một kịch bản mô phỏng với Carcraft (Ảnh: Waymo)

Sau một cú bấm, tất cả những vật thể trên màn hình bắt đầu di chuyển. Những chiếc xe hơi làm đúng nhiệm vụ của những chiếc xe hơi, chạy trên làn đường dành riêng, rồi quay đầu. Người đi xe đạp hành động đúng như người đi xe đạp. Logic hoạt động được đúc rút từ hàng triệu những km lái xe trên đường của nhóm nghiên cứu. Nhưng thực ra, không thể bỏ qua vai trò của những bản đồ siêu chi tiết và những mô hình cho từng đối tượng cụ thể xuất hiện trong bối cảnh.

Kịch bản được mô phỏng trên XView (ảnh: Waymo)

Dĩ nhiên, điều khó khăn nhất để mô phỏng là hành vi của người khác. Cũng giống như một câu nói kinh điển của các ông bố bà mẹ: "Bố mẹ không lo lắng về việc con lái xe. Mà bố mẹ lo về những người khác trên đường".

"Những chiếc xe của chúng tôi nhìn thế giới. Chúng hiểu thế giới. Và rồi, khi có bất kỳ thứ gì có hoạt động xuất hiện – ví dụ một chiếc xe hơi, một người đi bộ, một người đi xe đạp, hay một chiếc xe máy – những chiếc xe của chúng tôi đều coi đó là một đối tượng. Chỉ đứng từ xa để dõi theo một vật là chưa đủ. Bạn cần phải hiểu được nó đang làm gì", Dmitri Dolgov, phó chủ tịch phụ trách kỹ thuật của Waymo nói với tôi như vậy. "Đây là vấn đề then chốt trong việc tạo ra một chiếc xe tự lái có khả năng và an toàn. Và nhiệm vụ mô phỏng, hiểu hành vi của những người khác cũng rất giống với nhiệm vụ mô phỏng lại họ trong thế giới giả lập".

Có một điểm khác biệt then chốt: Trong thế giới thực, họ phải thu thập những dữ liệu theo thời gian thực mới nhất về môi trường xung quanh, chuyển những dữ liệu đó thành kiến thức về bối cảnh rồi mới di chuyển. Nhưng giờ đây, sau nhiều năm tham gia vào dự án, họ cảm thấy tự tin bởi đã có "một loạt các cuộc thử nghiệm cho thấy chúng ta có thể nhận ra nhiều kiểu người đi bộ khác nhau", Stout nói.

Vì thế, với hầu hết các kịch bản được giả lập, họ bỏ qua bước nhận dạng đối tượng. Thay vì cung cấp cho chiếc xe những dữ liệu thô để từ đó xác định đây là một người đi bộ, họ chỉ cần nói với chiếc xe: Có một người đi bộ đang ở đây.

Tại ngã tư, Kolarov đang tạo ra những nhiệm vụ khó khăn hơn cho chiếc xe tự lái. Cô nhấn phím nóng V và một đối tượng mới xuất hiện trên Carcraft. Sau đó Kolarov di chuột đến một menu dọc bên phải, nơi liệt kê một loạt các loại xe khác nhau.

Các đối tượng có thể tuân thủ theo logic Waymo đã dựng sẵn, hoặc cũng có thể Carcraft sẽ lập trình để chúng di chuyển theo một cách cụ thể nào đó nhằm thử nghiệm những hành vi đặc biệt. "Có một sự khác biệt thú vị giữa việc nắm quyền điều khiển một kịch bản thử nghiệm với việc chỉ cần thả mọi thứ vào rồi ngồi ngoài quan sát xem chúng sẽ làm gì", Stout chia sẻ.

Sau khi đã dựng được cấu trúc thiết yếu cho một kịch bản, họ có thể thử nghiệm tất cả những khả năng có thể xảy ra. Do đó, thử tưởng tượng tại một ngã tư, bạn có thể muốn thử nghiệm thời gian đến của nhiều chiếc xe khác nhau, của nhiều khách bộ hành, những người đi xe đạp khác nhau, thời gian họ phải dừng, tốc độ họ đang di chuyển, và tất cả những thứ khác nữa. Họ chỉ cần nhập các khoảng giá trị phù hợp rồi để phần mềm tạo ra và thực hiện tất cả những kịch bản có thể xảy ra.

Họ gọi đó là "fuzzing", có 800 kịch bản được tạo ra tại ngã tư này. Phần mềm tạo ra một biểu đồ dạng đăng ten đẹp mắt, từ đó các kỹ sư có thể nhìn thấy những cách kết hợp biến số khác nhau có thể khiến hướng đi của chiếc xe thay đổi thế nào.

Một biểu đồ "fuzzing" của Carcraft (Ảnh: Waymo)

Giờ đây, vấn đề lại nằm ở việc phân tích tất cả những kịch bản và mô hình giả lập này để tìm ra những dữ liệu thú vị có thể giúp các kỹ sư lái xe tốt hơn. Có thể, bước đầu tiên chỉ là: Liệu chiếc xe có bị mắc kẹt lại không? Nếu có, đó sẽ là một kịch bản thú vị tiếp theo.

Đến đây, chúng tôi xem một video diễn tả chính xác tình huống này. Đó là một ngã tư phức tạp có thật ở Mountain View. Khi chiếc xe chuẩn bị rẽ phải thì có một chiếc xe đạp đi tới, khiến chiếc xe phải dừng lại giữa đường. Các kỹ sư sẽ sử dụng lớp vấn đề này, thực hiện lại trên phần mềm. Những gì có trong video là tình huống thực tế, phía trên là mô hình giả lập. Bạn sẽ thấy chiếc xe mô hình di chuyển và một hình hộp vẽ bằng nét rời cùng dòng chú thích "bóng_phương tiện" xuất hiện. Hình hộp đó diễn tả những gì xảy ra trong thực tế.

Một mô hình giả lập của Waymo (ảnh: Waymo)

Không chỉ dừng lại ở việc xác định khi nào chiếc xe có thể bị mắc kẹt, họ còn phải tìm ra những lần chiếc xe mất quá nhiều thời gian để suy nghĩ, hay những lần thắng phanh quá mức cần thiết. Tất cả những gì các kỹ sư đang làm trong quá trình học hỏi và tinh chỉnh, họ sẽ mô phỏng để tìm ra vấn đề.

Dolgov nhấn mạnh có ba vấn đề cốt lõi về mô phỏng. Thứ nhất, so với những chiếc xe thực tế, những chiếc xe ở đây di chuyển nhiều hơn rất nhiều – do đó trải nghiệm cũng tốt hơn. Thứ hai, những km này tập trung vào những tương tác thú vị nhưng khó, chứ không đơn giản là những km buồn chán. Và thứ ba, vòng phát triển phần mềm sẽ nhanh hơn rất, rất nhiều.

"Vòng lặp đó vô cùng quan trọng, những mô phỏng đã thực hiện cho phép chúng tôi rút ngắn đáng kể vòng phát triển", Dolgov nói. "Trong những ngày đầu của dự án, một vòng có mất hàng tuần thì đến nay có thể chỉ là vài phút".

Tôi đã hỏi Dolgov, vậy còn vấn đề về các vệt dầu trên đường thì sao? Hay nổ lốp, những con chim lạ, những ổ gà, và hàng tá những thứ điên đầu khác nữa. Họ đã mô phỏng những tình huống này chưa? Dolgov tỏ ra lạc quan. Anh ấy nói, chắc chắn là có thể, nhưng "anh muốn  mức độ chân thật của giả lập cao đến mức nào? Với một số vấn đề, anh có thể đạt được giá trị tốt hơn, hoặc có thể củng cố thêm những gì phần mềm đã mô phỏng bằng các bài thử nghiệm trong thế giới vật lý".

Con người càng hiểu về những chiếc xe hơi, những chiếc xe hơi sẽ càng hiểu hơn về con người.

Sức mạnh của thế giới ảo trên Carcraft không nằm ở việc đó là những phiên bản kỹ thuật số hoàn hảo và đẹp như tạc của thế giới thực. Mà sức mạnh nằm ở việc chúng có khả năng phản chiếu thế giới thực theo một cách thức vô cùng quan trọng với những chiếc xe hơi tự lái, và có thể tạo ra thêm hàng tỉ km so với những cuộc thử nghiệm vật lý. Đối với phần mềm lái xe trong thế giới mô phỏng, nó không giống với việc đưa ra những quyết định ở ngoài kia, trong thế giới thực. Mà nó chính là đưa ra quyết định trong thế giới thực.

Và việc đó đang tỏ ra có tác dụng. Cơ quan quản lý các phương tiện cơ giới bang California, Mỹ yêu cầu các công ty báo cáo hằng năm về những km lái tự động trong năm cùng những lần ngắt hệ thống. Waymo không chỉ vượt xa bất kỳ công ty nào khác về số km tự lái, mà con số về những lần ngắt hệ thống của họ còn giảm nhanh chóng.

Từ tháng 12/2015 đến tháng 11/2016, Waymo thực hiện hơn 1 triệu km tự lái. Trong suốt quãng đường này, họ chỉ ngắt hệ thống 124 lần, tức là trung bình một lần ngắt hệ thống trong hơn 8.000km. Năm trước đó, họ lái gần 7.000km với 272 lần ngắt hệ thống, trung bình 1.500km mới có 1 lần.

Mặc dù sẽ có người phản biện đây không phải là những con số phù hợp để so sánh trực tiếp, nhưng hãy thực tế một chút: Đây là những so sánh tốt nhất mà chúng ta có thể có.

Phương pháp của Waymo không làm các chuyên gia ngạc nhiên. "Hiện nay, anh gần như có thể đánh giá năng lực của một nhóm tự động – thiết bị tự lái, xe hơi tự lái – dựa trên  sự đầu tư của họ vào mô hình hóa", Chris Dixon, một nhà đầu tư mạo hiểm cho biết. "Và Waymo đứng ở top cao nhất, có năng lực nhất".

Tôi đã hỏi Sunil Chintakindi, phụ trách mảng sáng tạo của hãng bảo hiểm Allstate Insurance (Mỹ), về chương trình của Waymo. "Nếu không có một cơ sở hạ tầng giả lập hiện đại, anh sẽ không thể làm được [level tự động cao hơn cho những chiếc xe của anh]", Sunil nói. "Tôi sẽ không tranh luận với những ai không có cùng quan điểm này".

Các nhà nghiên cứu về xư tự lái khác cũng đã bắt đầu nghiên cứu theo hướng tương tự. Huei Peng là giám đốc của Mcity, phòng nghiên cứu về phương tiện giao thông tự động và kết nối của Đại học Michigan. Peng cho biết bất kỳ hệ thống cho xe tự lái nào cũng đều là "sự kết hợp của hơn 99 phần trăm giả lập cộng với một số bài thử nghiệm có cấu trúc được thiết kế tỉ mỉ cùng những thử nghiệm thực tế trên đường".

Điều này góp phần tạo nên bước nhảy vọt trong sự phát triển của trí tuệ nhân tạo, thậm chí là cho một công ty thuộc Alphabet.

Peng cùng một sinh viên đề xuất một hệ thống có thể kết hợp xen kẽ giữa những quãng đường thực tế với mô phỏng, nhằm đẩy nhanh tốc độ thử nghiệm. Nó không khác với hệ thống của Waymo. "Vậy, điều chúng ta đang bàn đến ở đây chính là giảm bớt phần lái xe nhàm chán để tập trung vào những thứ thú vị hơn", Peng nói. "Và điều đó sẽ giúp anh đẩy nhanh được tốc độ lên hàng trăm lần: Một nghìn km trở thành một triệu km".

Điều đáng ngạc nhiên chính là quy mô, tổ chức và mật độ của dự án của Waymo. Tôi mô tả những thử nghiệm có cấu trúc mà Google đã thực hiện với Peng, bao gồm cả 20.000 kịch bản đã được giả lập từ đội ngũ thử nghiệm có cấu trúc tại Lâu đài. Nhưng Peng đã nghe không đúng và bắt đầu nói, "2.000 kịch bản, rất ấn tượng" – khi tôi ngắt lời để đính chính con số, Peng dừng lại. "20.000", ông nói và tiếp tục nghĩ ngợi. "Thật sự ấn tượng".

Trên thực tế, 20.000 kịch bản đó chỉ là một phần trong số tất cả những kịch bản mà Waymo đã thử nghiệm. Đó chỉ là những kịch bản được mô phỏng từ những thử nghiệm có cấu trúc. Waymo còn có vô số những kịch bản được tạo ra dựa trên những lần lái xe tại nơi công cộng, và cả từ tưởng tượng.

"Họ đang làm thực sự tốt", Peng nói. "Họ bỏ xa tất cả những người khác ở Level 4" – mức độ tự động hoàn toàn.

Nhưng Peng cũng đứng về phía những hãng xe hơi truyền thống. Ông nói họ đang nỗ lực để làm gì đó khác biệt hoàn toàn. Thay vì đặt ra mục tiêu hoàn toàn tự động, họ cố gắng để bổ sung thêm những công nghệ hỗ trợ tài xế, "kiếm được ít tiền", sau đó tiến thẳng đến giai đoạn hoàn toàn tự động. Sẽ không công bằng khi so sánh Waymo, một công ty với đầy đủ nguồn lực và quyền tự do doanh nghiệp để trang bị máy định tầm laser trị giá 70.000 USD trên nóc xe, với một công ty xe hơi như Chevy với mức giá trần khi đưa ra thị trường đại chúng là 40.000 USD.

"GM, Ford, Toyota và các hãng xe hơi khác nói rằng ‘Hãy để chúng tôi giảm số vụ va chạm, những vụ tai nạn chết người và tăng cường an toàn cho những chiếc xe dành cho thị trường đại chúng'. Mục tiêu của họ là hoàn toàn khác", Peng nói. "Chúng ta cần phải nghĩ về hàng triệu chiếc xe, thay vì chỉ vài nghìn chiếc".

Và ngay cả trong nội bộ cuộc đua đến tự động hoàn toàn, thì Waymo giờ đây cũng có nhiều đối thủ hơn trước đây, cụ thể là Tesla. Chris Gerdes là giám đốc Trung tâm Nghiên cứu Xe hơi tại Stanford. Mười tám tháng trước, Chris nói với đồng nghiệp Adrienne LaFrance của tôi rằng Waymo "hiểu biết về các vấn đề, về khả năng giải quyết các vấn đề đó sâu hơn nhiều so với bất kỳ ai khác". Khi tôi hỏi Chris tuần trước rằng liệu anh có nghĩ điều đó vẫn đúng, anh nói "có nhiều thứ đã thay đổi".

"Những hãng sản xuất xe hơi như Ford và GM đều có các phương tiện và các tập dữ liệu đường xá được tích hợp sẵn của riêng mình", Chris nói. "Tesla đã tích lũy được một lượng dữ liệu phi thường nhờ triển khai Autopilot, học cách hệ thống vận hành chính trong tình huống mà những người dùng gặp phải. Khả năng ‘lặng lẽ' thử nghiệm các thuật toán trên xe, kết hợp cùng số lượng phương tiện tăng nhanh chóng tạo nên một nền tảng thử nghiệm ấn tượng".

Trong lĩnh vực mô phỏng, Gerdes nói mình biết khá nhiều các đối thủ với những chương trình đáng chú ý. "Tôi chắc rằng khả năng mô phỏng là khác nhau, nhưng tôi đã thấy một số thứ khá ‘cừ'", Gerdes nói. "Waymo không còn là độc nhất vô nhị về khía cạnh này nữa. Họ rõ ràng là đã chiếm lĩnh vị trí dẫn đầu từ khá sớm, nhưng giờ đây đã có rất nhiều người đang đi theo những phương pháp tương tự như thế rồi. Do đó, giờ đây vấn đề sẽ nằm ở chỗ ai có thể làm việc đó một cách tốt nhất".

Đây không phải là một mô phỏng thường thường của hệ thống thần kinh với những khả năng "giống não người". Nó đang tạo ra bước tiến nhảy vọt cho trí tuệ nhân tạo, ngay cả cho một công ty thuộc Alphabet khi hãng công nghệ này vốn rất gay gắt trong vấn đề áp dụng trí tuệ nhân tạo. Đây không phải là Google Photos, nơi những lỗi nhỏ sẽ không đáng ngại. Đây là một hệ thống sẽ sống và tương tác trong thế giới của loài người một cách hoàn toàn tự động.

Có vẻ như với Waymo, việc lái xe, mà cụ thể là hướng đi và tốc độ, là một kỹ năng kỹ thuật. Như thế nào là lái xe "một cách bình thường" chứ không chỉ là "lái xe đúng luật"? Và làm thế nào chúng ta có thể dạy trí thông minh nhân tạo điều đó có nghĩa là gì?

Hóa ra, tạo ra loại trí thông minh nhân tạo kiểu này không chỉ cần đến vô số dữ liệu và năng lực kỹ thuật. Cả hai đều cần thiết, nhưng chưa đủ. Thay vào đó, con người cần được kết nối với chiếc xe, hiểu thế giới theo cách hiểu của chúng. Những lái xe ở Lâu đài hiểu được sẽ thế nào nếu họ là một trong những chiếc xe đang đỗ ngoài kia, biết nhìn thế giới và ra quyết định theo cách chiếc xe vẫn làm. Có thể đó sẽ là một mối quan hệ tương hỗ: Con người càng hiểu hơn về những chiếc xe hơi, những chiếc xe hơi cũng sẽ hiểu hơn về con người.

Trải nghiệm tại một nút giao ở Austin (Texas) trở thành một mô hình tại Lâu đài, trở thành một log dữ liệu xe hơi tự lái, trở thành một kịch bản trên Carcraft, trở thành một mạng lưới mô phỏng, trở thành một phần mềm mới, rồi cuối cùng xuất hiện trên một chiếc xe tự lái vật lý để quay trở lại nút giao đó ở Texas.

Thậm chí trong mô hình giả lập mà AI sử dụng để hiểu về thế giới vẫn có dấu vết của những giấc mơ loài người, những mảnh hồi tưởng, cảm xúc của lái xe. Và những thành phần này không phải là lỗi lầm hay những vết ố của loài người cần được gột sạch, mà nó là những mảnh ghép cần thiết của một hệ thống có thể sẽ cách mạng hóa ngành vận chuyển, cách mạng hóa các thành phố và gần như cách mạng hóa tất cả mọi thứ.