We hebben nu 35% van het wereldwijde wegennet in kaart gebracht. Hier zijn onze 6 principes voor mapping waar we intern naar leven bij het bouwen van @Hivemapper. 1.   Radicale aandacht voor detail 2.   Gegevensnauwkeurigheid…op schaal 3.   Intelligentie naar de rand duwen 4.   Machines > Mensen 5.   Probabilistische consensus verslaat altijd regels-gebaseerd 6.   Begin met een schaalbare basis en een smalle focus (en natuurlijk is passieve mapping de enige manier) Enkele aanvullende opmerkingen over sommige van deze. Gegevens op schaal zijn genadeloos 92% nauwkeurigheid klinkt goed—totdat je 10M unieke objecten in kaart brengt. Dat zijn 800K verkeerde kenmerken. Bij 95% zijn het nog steeds 500K fouten. Je hebt >98% nauwkeurigheid nodig om een geweldige kaart te bouwen. Intelligentie naar de rand duwen Als je dat niet doet, ga je failliet. Het is zo simpel. Er zijn andere goede redenen hiervoor, maar dat is de belangrijkste reden. Probabilistische consensus verslaat altijd regels-gebaseerd "Als X dan Y" faalt in de echte wereld. Elke regel heeft duizend uitzonderingen. De wereld is te chaotisch voor handmatige logische bomen. AI > mensen voor QA Mensen worden moe. Ze missen dingen. Het beheren van hen voegt kosten toe. AI is sneller, consistenter en wordt dagelijks beter. Schaalbare basis > flashy Begin met een smal, saai uitziend product—als de basis opschaalt, win je. Echte hefboomwerking komt van systemen die leren en verbeteren met gebruik. Een grote dank aan de hele Hivemapper-gemeenschap. Er is nog veel werk te doen, maar de kern werkt.