सुप्रभात, CT! एक विकेंद्रीकृत स्थानिक नेटवर्क हजारों योगदानकर्ताओं के साथ भी उन स्थानों को पकड़ने में असमर्थ हो सकता है जो सबसे अधिक महत्वपूर्ण हैं। यही एक चुनौती है जो मुझे @vangrid_io के बारे में दिलचस्प लगती है। कल्पना कीजिए कि एक व्यस्त शहर से हजारों कैप्चर हो रहे हैं, जबकि ग्रामीण सड़कें, छोटे शहर और औद्योगिक क्षेत्र अधिकांशतः अदस्तावेज़ रह जाते हैं। नेटवर्क लगातार बढ़ रहा है, लेकिन इसकी भौतिक दुनिया के प्रति समझ अपूर्ण ही बनी रहती है। भौतिक AI के लिए, कवरेज, स्केल के बराबर महत्वपूर्ण है। रोबोट और स्वायत्त प्रणालियों को केवल अच्छी तरह से मैप की गई सड़कों से ही नहीं, बल्कि विविध परिवेशों से स्थानिक डेटा की आवश्यकता होती है। Vangrid एक अलग दृष्टिकोण का परीक्षण कर रहा है: → प्रतिदिन के स्मार्टफोन वितरित कैप्चर डिवाइस बन जाते हैं → योगदानकर्ता वास्तविक-दुनिया के स्थानों से डेटा एकत्र करते हैं → मांग-आधारित पुरस्कार उन स्थानों पर कैप्चर को प्रोत्साहित कर सकते हैं जहाँ नया डेटा आवश्यक है → पुष्टि से परिणामी स्थानिक डेटा को अधिक विश्वसनीय बनाया जा सकता है बेशक, कवरेज का विस्तार केवल समीकरण का एक हिस्सा है। डेटा को सटीक, हालिया, और उन प्रणालियों के लिए उपयोगी होना चाहिए, जो इस पर निर्भर हैं। इस मॉडल को प्रतिवादी बनाने वाली बात यह है कि केंद्रीय मैपिंग के कारण पड़ने वाले अंतरालों की ओर योगदान को मार्गदर्शित करने की संभावना। लक्ष्य सिर्फ़ अधिक डेटा एकत्र करना नहीं है। इसका मकसद AI को दुनिया के अधिक हिस्सों को समझने में मदद करना है। Vangrid के लिए, मुझे लगता है, प्रगति का सच्चा मापदंड यह होगा कि इसका नेटवर्क, सभी परिवेशों में, वितरित मानवयोगदान को कितनी प्रभावीता से, हालिया, पुष्टि किए हुए स्थानिक समझ में परिवर्तित कर पा रहा है। दुनिया, हमने पहले मैप किए हुए स्थानों से कहीं बड़ी है।