Nyní jsme zmapovali 35 % globální silniční sítě. Zde je našich 6 principů mapování, kterými se interně řídíme při budování @Hivemapper . 1. Radikální pozornost věnovaná detailům 2. Přesnost dat... ve velkém měřítku 3. Posuňte inteligenci na okraj 4. Stroje > lidi 5. Pravděpodobnostní konsensus vždy porazí konsensus založený na pravidlech 6. Začněte se škálovatelným základem a úzkým zaměřením (a samozřejmě pasivní mapování je jediná cesta) Některé z nich mají další poznámky. Data ve velkém měřítku jsou nemilosrdná Přesnost 92 % zní dobře – dokud nemapujete 10 milionů jedinečných objektů. To je 800 tisíc špatných funkcí. Při 95 % je to stále 500 tisíc chyb. K vytvoření skvělé mapy potřebujete přesnost >98 %. Posuňte inteligenci na okraj Pokud to neuděláte, přijdete na mizinu. Je to tak jednoduché. Existují pro to i další dobré důvody, ale toto je ten hlavní důvod. Pravděpodobnostní konsensus vždy porazí konsensus založený na pravidlech "Pokud X, pak Y" v reálném světě selhává. Každé pravidlo má tisíce výjimek. Svět je příliš chaotický pro manuální logické stromy. Umělá inteligence > lidi pro QA Lidé se nudí. Chybí jim věci. Jejich správa zvyšuje náklady. Umělá inteligence je rychlejší, konzistentnější a každým dnem se zlepšuje. Škálovatelný základ > honosný Začněte s úzkým, nudně vypadajícím produktem – pokud se základ odlupuje, vyhrajete. Skutečný pákový efekt pochází ze systémů, které se používáním učí a zlepšují. Obrovské díky patří celé komunitě Hivemapperů. Stále je před námi mnoho práce, ale jádro funguje.