صبح بخیر، CT! ایک ڈی سینٹرلائزڈ فضائی نیٹ ورک ہزاروں افراد کے شرکت سے گزرنے کے باوجود اس بات کو پکڑ نہیں سکتا کہ سب سے زیادہ اہم مقامات کون سے ہیں۔ یہ ایک چیلنج ہے جو میں @vangrid_io کے بارے میں د цنترک ہوں۔ تصور کریں کہ ایک مصروف شہر سے ہزاروں کیپچرز آ رہے ہیں، جبکہ گاؤں کے راستے، چھوٹے شہر اور صنعتی علاقوں کو تقریباً دستاویز نہیں کیا گیا ہے۔ نیٹ ورک لگاتار بڑھ رہا ہے، لیکن اس کا جسمانی دنیا کے بارے میں سمجھ ناکافی رہتا ہے۔ فزیکل AI کے لیے، کوریج اس قدر اہم ہے جتنی کہ سکیل۔ روبوٹ اور خود مختار نظاموں کو صرف اسی اچھی طرح مپ کیے گئے سڑکوں کی بجائے، مختلف ماحولوں سے فضائی ڈیٹا کی ضرورت ہوتی ہے۔ وانگرڈ ایک مختلف نقطہ نظر پر کام کر رہا ہے: → روزمرہ کے اسمارٹ فونز تقسیم شدہ کیپچر ڈیوائسز بن جاتے ہیں → شرکاء حقیقی دنیا کے مقامات سے ڈیٹا جمع کرتے ہیں → مانگ کے مطابق انعامات وہ جگہیں حاصل کرنے کے لیے حوصلہ افزائی کرتے ہیں جہاں نئے ڈیٹا کی ضرورت ہو → تصدیق سے حاصل ہونے والے فضائی ڈیٹا کو زیادہ قابلِ اعتماد بنایا جاتا ہے بھلا، کوریج کو وسعت دینا صرف اس معادلہ کا ایک حصہ ہے۔ ڈیٹا کو درست، تازہ اور اس نظاموں کے لیے مفید ہونا بھی ضروری ہے جو اس پر منحصر ہوتے ہیں۔ اس ماڈل کو وعدہ دینے والی بات یہ ہے کہ اس سے مرکزی مپنگ کے باقی چھوڑ دئینے والے خلوات کی طرف توجہ مرکوز کی جا سکتی ہے۔ مقصد صرف زیادہ ڈیٹا جمع کرنا نہیں۔ بلکہ AI کو دنیا کے زیادہ حصوں کو سمجھنے میں مدد دینا ہے۔ وانگرڈ کے لیے، میرے خيال میں ترقی کا حقیقی معیار یہ ہوگا کہ اس نیٹ ورک نے تقسیم شدہ انسانی شراکت داروں کو مختلف ماحولوں میں تازہ، تصدیق شدہ فضائی ذخیرۂ علم میں کتنی مؤثر طور پر تبدیل کر دکھایا۔ دنیا وہ جگہوں سے زائد بڑھ چکی ہے جنھيں ہم پहلے ہي مپ کرچکے ہيں۔