Bir harita, bir kamyonun bir depoyu nerede bulacağını gösterebilir, ancak yük boşluğunun bugün hâlâ boş olup olmadığını her zaman söyleyemez. Bir konumun yerini bilmek ile o konumun şu anki durumunu bilmek arasındaki bu boşluk, fiziksel dünyada çalışan yapay zeka ajanları için gerçek bir zorluktur. @vangrid_io, bunu doldurmanın olası bir yolunu sunuyor. İstek veren, bir konumun yakalanmasını USDC ile finanse edebilir ve bu da yakındaki bir katkıda bulunan kişiyi siteyi ziyaret edip telefonla kaydetmeye teşvik eder. Aynı alanı üst üste gelen açılardan kaydetmek, 3D yeniden yapılandırma yazılımlarına daha fazla bilgi sağlamayı sağlar. Veriler etrafında bir hesap verebilirlik katmanı da vardır. Vangrid’in tanımladığı iş akışı, yüklemeden önce cihazda yüzleri ve plaka numaralarını bulanıklaştırır; aynı zamanda yakalama izlerini Base üzerinde onaylanan toplu gruplara ayırabilir. İstek veren, kabul etmeden önce gönderimi yine incelemektedir. Benim ilgimi çeken kısım, bu yöntemin yapay zeka ajanlarının eksik bilgiyle nasıl başa çıktığını nasıl değiştirebileceği. Eski bir haritaya dayanmak veya bir konum hakkında varsayımlarda bulunmak yerine, entegre bir ajan, mevcut veriler yeterli olmadığında yeni bir yakalama talep edebilir. Bu yetenek, gerekli ajan entegrasyonunu kurmaya bağlıdır ve kaydedilen bir yakalama hâlâ gerçek ortamı temsil edici ve kullanışlı olmalıdır. Ancak yön umut verici: Yapay zeka ajanlarının, eksik bilgileri talep edebildikleri güvenilir bir yola sahipse, her şeyi önceden bilmelerine gerek olmayabilir. Bazen, daha iyi kararlar, gerçek dünyaya yeniden bir bakış almakla başlar.