我們現在已經繪製了全球道路網絡的35%。以下是我們在構建@Hivemapper時內部遵循的6條原則。 1.   對細節的極端關注 2.   數據準確性……大規模 3.   將智能推向邊緣 4.   機器 > 人類 5.   概率共識總是優於基於規則的 6.   從可擴展的基礎和狹窄的焦點開始 （當然，被動映射是唯一的方法） 關於這些的一些額外說明。 大規模的數據是無情的 92%的準確率聽起來不錯——直到你在映射1000萬個獨特對象。這意味著80萬個錯誤特徵。在95%時，仍然有50萬個錯誤。你需要超過98%的準確率才能構建出一張優秀的地圖。 將智能推向邊緣 如果不這樣做，你會破產。就是這麼簡單。還有其他好的理由，但這是主要原因。 概率共識總是優於基於規則的 “如果X，那麼Y”在現實世界中是失敗的。每條規則都有千百個例外。這個世界太混亂，無法依賴手動邏輯樹。 AI > 人類進行質量保證 人類會感到無聊。他們會漏掉東西。管理他們會增加成本。AI更快，更一致，並且每天都在進步。 可擴展的基礎 > 花哨 從一個狹窄、看起來無聊的產品開始——如果基礎能夠擴展，你就會勝出。真正的槓桿來自於能夠隨著使用而學習和改進的系統。 非常感謝整個Hivemapper社區。 還有很多工作要做，但核心正在運作。