صباح الخير، CT! يمكن أن يكون للشبكة المكانية اللامركزية آلاف المساهمين، ومع ذلك تفشل في التقاط الأماكن الأكثر أهمية. هذه إحدى التحديات التي أجدّها مثيرة للاهتمام حول @vangrid_io. تخيل آلاف اللقطات القادمة من مدينة مزدحمة، بينما تبقى الطرق الريفية، والمدن الصغيرة، ومناطق الصناعة غير موثقة إلى حد كبير. تستمر الشبكة في النمو، لكن فهمها للعالم المادي يظل غير كامل. بالنسبة للذكاء الاصطناعي المادي، فإن التغطية مهمة بنفس قدر الحجم. تحتاج الروبوتات والأنظمة الذاتية إلى بيانات مكانية من بيئات متنوعة، وليس فقط الشوارع المُخرَّطة جيدًا نفسها. تستكشف Vangrid نهجًا مختلفًا: → تصبح الهواتف الذكية اليومية أجهزة التقاط موزعة → يجمع المساهمون بيانات من مواقع العالم الحقيقي → يمكن للجوائز المستندة إلى الطلب تحفيز التقاط البيانات في الأماكن التي تحتاج إلى بيانات جديدة → يساعد التحقق في جعل البيانات المكانية الناتجة أكثر موثوقية بالطبع، توسيع التغطية هو فقط جزء من المعادلة. يجب أن تكون البيانات أيضًا دقيقة وحديثة ومفيدة للأنظمة التي تعتمد عليها. ما يجعل هذا النموذج واعدًا هو القدرة المحتملة على توجيه المساهمات نحو الفجوات التي قد تتركها الخرائط المركزية. الهدف ليس فقط جمع المزيد من البيانات، بل مساعدة الذكاء الاصطناعي على فهم جزء أكبر من العالم. بالنسبة لـ Vangrid، أعتقد أن المقياس الحقيقي للتقدم سيكون مدى فعالية شبكتها في تحويل المساهمات البشرية الموزعة إلى ذكاء مكاني جديد وموثوق عبر بيئات مختلفة. العالم أكبر من الأماكن التي قمنا بخرطها بالفعل.