ایک AI ایجینٹ یہ پہچان سکتا ہے کہ اسے کسی جسمانی مقام کے بارے میں معلومات کی ضرورت ہے۔ لیکن اس کا مطلب یہ نہیں کہ وہ صرف انٹرنیٹ پر سرچ کرکے یہ فرض کر سکتا ہے کہ آج وہاں جو کچھ ہے، وہی نتیجہ ہے۔ یہ خودمختار سافٹ ویئر کے لیے ایک مسئلہ پیدا کرتا ہے: ایجینٹ فزیکل دنیا سے تازہ ثبوت کیسے درخواست کرے جبکہ اس کے پاس اپنے خود کے سینسرز نہ ہوں اور نہ ہی وہ کسی کو مانوئل طور پر بھیجے؟ وانگرڈ اپنے "بانتیز فار ایجینٹس" ماڈل کے ذریعے اس کا عملی جواب تلاش کر رہا ہے۔ @vangrid_io کے ساتھ، سافٹ ویئر ایجینٹس حقیقی مقامات کی تصویریں حاصل کرنے کا آرڈر دے سکتے ہیں، جس کے بدلے بانتیز کی ادائیگی USDC میں Base یا Arc پر ہوگی۔ اس آرکٹیکچر میں خودمختار سافٹ ویئر اور انسانی شرکاء کے درمیان دلچسپ تعلق پیدا ہوتا ہے۔ ایجینٹ ایک ایسا مقام پہچانتا ہے جہاں معلومات کم ہیں۔ ایک کیپچر درخواست اس ضرورت کو ایک کام میں تبدیل کردیتی ہے۔ ایک شخص جسمانی طور پر مقام پر جاتا ہے اور درخواست شدہ ڈیٹا جمع کرتا ہے۔ اس سے سافٹ ویئر سے پیدا ہونے والی مانگ، فزیکل دنیا میں ڈیٹا جمع کرنے کو منظم کرنے میں کام آتی ہے۔ اس ایجینٹ کو تصور کریں جو شہری بنیادی ڈھانچے کے بارے میں معلومات برقرار رکھنے کا ذمہ دار ہے۔ اگر کوئی مقام تبدیل ہوگیا ہو، تو ایجینٹ قدیم تصاویر پر انحصار نہ کرتے ہوئے تازہ کیپچر کا آرڈر دے سکتا ہے۔ لیکن جمع کردہ ڈیٹا کے بعد مشکل حصہ شروع ہوتا ہے۔ ایک مکمل بانتیز خودبخود اس بات کا مطلب نہیں کہ حاصل شدہ ڈیٹا درست، کافی تفصیل والा، یا مشین استعمال کے لیے مناسب ہے۔ کیپچر کی معیار، مقام کی تصدیق، اور ڈیٹا پروسسنگ اب بھي ضروری ہیں۔ معاشی سوال بھي اتنा ہी اهم ہے۔ ایجینٹس کو تازہ مشاہدات کے لیے ادائیگی کرنے کا کوئي وجہ درکار ہوتا ہے، اور ان مشاہدات کا قدرت و جمع کرنے کے خرچے کو مناسب ٹھهرانا چاہئے۔ اگر یہ تعلق قائم رکھنا ممکن ہو جائے، تو وانگرڈ کا ماڈل ماشین سے انسان تک ایک نئ قسم کا ورک فلو بن سکتا ہے: خودمختار نظام فزیکل دنیا کے مخصوص مشاہدات خرید رہے ہوں۔ $VAN ایکو سسٹم کے لحاظ سے، معنوي اختبار یہ ہوگا که آيا ان درخواستوں سے مستقل طور پر مفید ڈیٹا اور دوباره آنے والी مانگ حاصل ہوتी ہے۔ اس سے زائد عملی بنیادی ڈھانچے کا چلنج صرف AI ایجینٹس کو بلاک چین ادائیگي سے جوڑنا نہيں۔