Kami sekarang telah memetakan 35% dari jaringan jalan global. Berikut adalah 6 prinsip pemetaan yang kita jalani secara internal saat membangun @Hivemapper . 1. Perhatian radikal terhadap detail 2. Akurasi data... dalam skala besar 3. Dorong kecerdasan ke tepi 4. Mesin > Manusia 5. Konsensus probabilistik selalu mengalahkan berbasis aturan 6. Mulailah dengan fondasi yang dapat diskalakan dan fokus sempit (dan tentu saja pemetaan pasif adalah satu-satunya cara) Beberapa catatan tambahan beberapa di antaranya. Data dalam skala besar tidak kenal ampun Akurasi 92% terdengar bagus—hingga Anda memetakan 10 juta objek unik. Itu 800K fitur yang salah. Pada 95%, masih 500K kesalahan. Anda membutuhkan akurasi >98% untuk membangun peta yang bagus. Dorong kecerdasan ke ujung Jika tidak, Anda akan bangkrut. Sesederhana itu. Ada alasan bagus lainnya untuk ini tetapi itulah alasan utamanya. Konsensus probabilistik selalu mengalahkan berbasis aturan "Jika X maka Y" gagal di dunia nyata. Setiap aturan memiliki seribu pengecualian. Dunia terlalu kacau untuk pohon logika manual. AI > manusia untuk QA Manusia bosan. Mereka merindukan sesuatu. Mengelolanya menambah biaya. AI lebih cepat, lebih konsisten, dan menjadi lebih baik setiap hari. Fondasi yang dapat diskalakan > mencolok Mulailah dengan produk yang sempit dan tampak membosankan—jika alas bedaknya berskala, Anda akan menang. Leverage nyata berasal dari sistem yang belajar dan meningkat dengan penggunaan. Terima kasih yang sebesar-besarnya kepada seluruh komunitas Hivemapper. Masih banyak pekerjaan yang harus dilakukan, tetapi intinya bekerja.