Agora mapeamos 35% da rede rodoviária global. Aqui estão os nossos 6 princípios para mapeamento que seguimos internamente ao construir @Hivemapper. 1.   Atenção radical aos detalhes 2.   Precisão dos dados… em escala 3.   Levar a inteligência para a borda 4.   Máquinas > Humanos 5.   O consenso probabilístico sempre supera o baseado em regras 6.   Começar com uma base escalável e foco estreito (e, claro, o mapeamento passivo é o único caminho) Algumas notas adicionais sobre alguns desses pontos. Dados em escala são implacáveis 92% de precisão parece bom—até você mapear 10M de objetos únicos. Isso são 800K características erradas. Com 95%, ainda são 500K erros. Você precisa de >98% de precisão para construir um ótimo mapa. Levar a inteligência para a borda Se você não fizer isso, ficará falido. É simples assim. Existem outras boas razões para isso, mas essa é a principal. O consenso probabilístico sempre supera o baseado em regras “Se X então Y” falha no mundo real. Cada regra tem mil exceções. O mundo é muito caótico para árvores lógicas manuais. AI > humanos para QA Os humanos ficam entediados. Eles perdem coisas. Gerenciá-los aumenta os custos. AI é mais rápida, mais consistente e está melhorando diariamente. Base escalável > chamativa Comece com um produto estreito e com aparência sem graça—se a base escalar, você vencerá. O verdadeiro aproveitamento vem de sistemas que aprendem e melhoram com o uso. Um enorme agradecimento a toda a comunidade Hivemapper. Ainda há muito trabalho a fazer, mas o núcleo está funcionando.