gm परिवार AI के लिए अगली वास्तविक सीमा शायद अधिक बुद्धिमान मॉडल नहीं होगी। यह उन मॉडल्स को उन भौतिक डेटा की आवश्यकता पूरी करना हो सकता है जिनकी उन्हें वास्तव में आवश्यकता है। भाषा मॉडल बहुत आगे बढ़ चुके हैं, लेकिन रोबोट अभी भी वास्तविक दुनिया के अव्यवस्थित ज्यामिति—चलने के रास्ते, सीढ़ियाँ, संकरे कॉरिडोर, भवनों के प्रवेश द्वार, जो हर ब्लॉक पर बदलाव करते हैं—के साथ संघर्ष कर रहे हैं। इंटरनेट की तस्वीरें और सिमुलेशन मदद करते हैं, लेकिन वे उन स्थानों से हाल ही में प्राप्त किए गए डेटा का पूरी तरह से प्रतिस्थापन नहीं कर सकते जहाँ रोबोट वास्तव में काम करेंगे। यही कारण है कि मैं @vangrid_io की ओर आकर्षित हुआ। विचार यह है कि सामान्य स्मार्टफोन को एक वितरित सेंसिंग नेटवर्क के रूप में समझा जाए, जो आवश्यकता पड़ने पर स्थानीय डेटा इकट्ठा कर सकता है। केवल समर्पित मैपिंग फ्लीट पर निर्भर रहने के बजाय, यह नेटवर्क लोगों को विशिष्ट स्थानों पर भेज सकता है और उनके द्वारा प्राप्त किए गए डेटा की मूल स्रोत को onchain पर स्थिर कर सकता है। इस पहलु को मुझे कुछ बातें दिलचस्प लगती हैं: स्मार्टफोन-आधारित प्राप्ति, स्थिर फ्लीट की तुलना में कहीं अधिक स्थानों पर पहुँच सकती है। onchain प्रमाणीकरण, डेटा के मूल स्रोत को पीछे से जाँचने का एक तरीका प्रदान करता है। आवश्यकता-आधारित संग्रहण, केवल सामान्य मैपिंग को डंप करने के बजाय, उन स्थानों पर प्रयास केंद्रित करता है, जिनकी रोबोटिक्स टीमें वास्तव में माँग करती हैं। अधिक डेटा से ही समस्या हल नहीं होगी, सटीकता, गोपनीयता, गुणवत्ता नियंत्रण, और क्या डेवलपर्स वास्तव में इस परत का प्रयोग करने के लिए प्रस्तुत होते हैं—यहीं पर यह मददगार बुनियादी संरचना बनेगी या केवल एक और सेटडेटा। भौतिक AI को केवल बेहतर हार्डवेयर की ही आवश्यकता नहीं है—इसे संख्यात्मक मॉडल्स और उनके माध्यम से संचलन किए जाने वाले वास्तविक परिवेशों के मध्य,एक भरोसेमंद पुल की आवश्यकता है। मैं @vangrid_io को देखूँगा कि कैसे स्मार्टफोन नेटवर्क के विचार को कुछऐसा में परिणत किया जाता है,जिस पर रोबोटिक्सटीमेंभरोसा कर सकें।