فیزیکل AI کے بارے میں ایک ایسا پہلو جس کی اکثر نظراندازی کی جاتی ہے، وہ ہے کہ تربیتی ڈیٹا کہاں سے آتا ہے۔ ایک ماڈل ملیونوں ڈیجیٹل ریکارڈز کو پروسیس کر سکتا ہے، لیکن ایک اصل سڑک، عمارت یا شے کو سمجھنے کے لیے فزیکل ماحول کے بارے میں معلومات درکار ہوتی ہیں۔ یہی جگہ ہے جہاں @vangrid_io ایک الگ راستہ اختیار کرتی ہے۔ اس نے فضائی ڈیٹا کی جمع کاری کو مخصوص ٹیموں کے لیے مخصوص نہیں بلکہ اس نے افراد کو اپنے اسمارٹ فونز کا استعمال کرکے حقیقی دنیا کے مقامات کو کیپچر کرنے اور اس فوٹیج کو 3D ریکنسٹرکشن میں تبدیل کرنے کا موقع دیا ہے۔ دلچسپ بات یہ ہے کہ یہ تمام چیزیں کس طرح جڑتی ہیں۔ ➜ ایک حقیقی مقام کا ڈیٹا قدرت رکھتا ہے ➜ افراد اپنے فونز سے اسے کیپچر کرتے ہیں ➜ فوٹیج کو فضائی نمائش میں دوبارہ تعمیر کیا جاتا ہے ➜ خریدار اسے قبول کرنے سے پہلے جانچ سکتے ہیں ➜ بلاک چین تصدیقیں نیٹ ورک کی سرگرمیوں کے قابلِ تصدیق ریکارڈ فراہم کرتی ہیں اس کے علاوہ خصوصیات کا بھی خیال رکھا جاتا ہے۔ Vangrid نے ڈوائس پر چہروں اور گاڑیوں کے نمبر پلیٹس کو بھنورا جانے کا ذکر کیا ہے، جو عوامی ماحول سے فوٹیج جمع کرتے وقت انتہائی اہم قدم ہے۔ اس کی رپورٹ شدہ نیٹ ورک سرگرمیوں میں 1.25M کیپچرز، 450K صارفین، 4,700 تصدیقیں اور $600K م settled USDC شامل ہیں۔ تاہم، نیٹ ورک کا سائز اکثر مفید تربیتی ڈیٹا کا ضمانت دینے والانہیں ہوتا۔ درستگی، دائرہ کار، خصوصیات اور حقیقی مانگ بھی اتنے ہی اہم ہوں گے۔ اس ماڈل کو فالو کرنے کا مقصد یہ ہے کہ ہر AI ڈولپر کو سب کچھ الگ الگ جمع نہ کرنا پڑے بلکہ فضائی ڈیٹا کا اشتراک شدہ ذرائع بنایا جائے۔ ڈجٹل دنیا میں بھرپور معلومات موجود ہیں۔ اب چلینج AI کو فزیکل دنیا سمجھنے مدد دینا ہے۔ اس مسئلے پر @vangrid_io کام کر رہا ہے۔