gn gm للجميع استهلكت نماذج اللغة الكبيرة جزءًا هائلاً من الإنترنت. لكن فهم النصوص يختلف تمامًا عن فهم العالم المادي. الروبوتات تحتاج إلى أكثر من الخرائط ومقاطع كاميرات المراقبة. فهي تحتاج إلى بيانات مكانية تفصيلية على مستوى الأرض تغطي الأرصفة، السلالم، الأزقة، المباني، والبيئات التي تعمل فيها أنظمة الاستقلالية فعليًا. هذه هي المشكلة التي تعمل @vangrid_io على حلها. تقوم Vangrid ببناء شبكة بيانات مكانية لامركزية يمكنها تحويل التقاطات العالم الحقيقي إلى بيئات ثلاثية الأبعاد منظمة. الفكرة هي ربط المساهمين في البيانات مع مطوري الذكاء الاصطناعي وفرق الروبوتات التي تحتاج إلى تمثيلات دقيقة للمساحات المادية. ما يجعل هذا مثيرًا هو طبقة الحوافز المحتملة: يمكن للمساهمين تزويد بيانات مكانية مفيدة، بينما يمكن للمشترين تمويل جمع البيانات وفقًا لاحتياجاتهم الخاصة. كما أن التحقق من المصادر والأصالة مهمان، لأن أنظمة الذكاء الاصطناعي تحتاج إلى أكثر من مجموعة بيانات كبيرة؛ فهي تحتاج إلى بيانات يمكنها الوثوق بها. مع تقدم الذكاء الاصطناعي المادي، قد تصبح بيانات الموقع عالية الجودة بنفس أهمية بيانات التدريب بالنسبة لـ LLMs. لهذا السبب، فإن @vangrid_io تستحق المتابعة. الفرصة ليست فقط جمع المزيد من البيانات، بل بناء البنية التحتية التي تساعد الآلات على فهم العالم خارج الشاشة. السؤال الكبير هو ما إذا كان يمكن لـ Vangrid تقديم التغطية والدقة والمقياس الذي تتطلبه تطبيقات الذكاء الاصطناعي في العالم الحقيقي.