我们现在已经绘制了全球道路网络的35%。以下是我们在构建@Hivemapper时内部遵循的6条原则。 1.   对细节的极端关注 2.   数据准确性……大规模 3.   将智能推向边缘 4.   机器 > 人类 5.   概率共识总是优于基于规则的 6.   从可扩展的基础和狭窄的焦点开始 （当然，被动映射是唯一的方法） 关于这些的一些额外说明。 大规模的数据是无情的 92%的准确率听起来不错——直到你在映射1000万个独特对象。这意味着80万个错误特征。在95%时，仍然有50万个错误。你需要超过98%的准确率才能构建出一张优秀的地图。 将智能推向边缘 如果不这样做，你会破产。就是这么简单。还有其他好的理由，但这是主要原因。 概率共识总是优于基于规则的 “如果X，那么Y”在现实世界中是失败的。每条规则都有千百个例外。这个世界太混乱，无法依赖手动逻辑树。 AI > 人类进行质量保证 人类会感到无聊。他们会漏掉东西。管理他们会增加成本。AI更快，更一致，并且每天都在进步。 可扩展的基础 > 花哨 从一个狭窄、看起来无聊的产品开始——如果基础能够扩展，你就会胜出。真正的杠杆来自于能够随着使用而学习和改进的系统。 非常感谢整个Hivemapper社区。 还有很多工作要做，但核心正在运作。