لا يتم توسيع نطاق ضمان الجودة اليدوي لمسارات البيانات الحديثة - بطيئة جدا ومكلفة للغاية وهشة للغاية. @Hivemapper في البداية ببناء منصة بيانات خرائط ضمان الجودة الضخمة القائمة على الإنسان مع > 20,000 محرر بشري. لقد حذفنا 85٪ من هذه المنصة على مدار الأشهر الستة الماضية واستبدلناها بقدرات الذكاء الاصطناعي المختلفة. هناك ثلاثة أجزاء رئيسية لمنصة الذكاء الاصطناعي الجديدة 1. مدققو الذكاء الاصطناعي المدققون مسؤولون عن ضمان دقة البيانات لحدود السرعة وأسعار الغاز وقيود الارتفاع الرأسي وعرض الطرق والمزيد. إنهم يقومون بشكل أساسي بتصنيف الواجب المنزلي الذي تقوم به Bee ، وعندما ارتكبت النحلة خطأ في القول ، التقطها الحد الأقصى للسرعة على أنها 25 ميلا في الساعة بدلا من 35 ميلا في الساعة ، فإنها تصححها. هناك العديد من النماذج التي يتم تشغيلها ومن ثم تحتاج جميعها إلى التوصل إلى توافق في الآراء. هنا تعمل معظم نماذج الذكاء الاصطناعي بشكل جيد ، وقد رأينا أداء ممتازا حتى باستخدام الطرز القديمة من OpenAI و Phi. في الوقت الحالي ، لا نوصي باستخدام كلود لمهام التحقق من صحة الذكاء الاصطناعي القائمة على الرؤية. 2. تحديد المواقع الذكاء الاصطناعي هذا أصعب قليلا ، لكننا نريد في الأساس التأكد من أن الكائنات في وضع جيد وأن العلامات مرتبطة بالممرات الصحيحة بالسمت الصحيح. لا تتمتع معظم نماذج الذكاء الاصطناعي التأسيسية حتى الآن بإحساس قوي بالفضاء ثلاثي الأبعاد ، لكننا نتوقع أن يتغير هذا قريبا. قال كيفن ويل ، CPO في OpenAI ، "نماذج الذكاء الاصطناعي التي تستخدمها اليوم هي أسوأ نماذج الذكاء الاصطناعي التي ستستخدمها لبقية حياتك." نهجنا هنا هو اكتشاف أخطاء تحديد المواقع الواضحة من خلال ذلك أعني هل هناك حد أقصى للسرعة في منتصف الطريق ، هل يوجد عمود كهرباء داخل حدود المبنى ، هل هناك علامة توقف غير محاذاة مع تقاطع ، إلخ. هناك تقنيات أخرى هنا سأحفظها لمنشور آخر. 3. إعادة تدريب الذكاء الاصطناعي تقوم Bee بتشغيل نماذج الذكاء الاصطناعي القائمة على الاستدلال والتي تبني الخريطة على الحافة. ومع ذلك ، فإننا نقوم أولا بتدريب هذه النماذج في السحابة والمفتاح هنا هو العثور على حالات حافة مثيرة للاهتمام تقلل من الأخطاء المستقبلية. على سبيل المثال ، لا تعد علامة حد السرعة البالغة 55 ميلا في الساعة المرفقة بالجزء الخلفي من الشاحنة كما هو موضح أدناه علامة حد سرعة ثابتة. يخبرنا السياق المحيط بهذه الكائنات الكثير عن الكائنات نفسها ، ولذا فإننا نعلم نماذج الذكاء الاصطناعي الخاصة ب Bee لفهم هذا السياق. في الأساس ، تحتاج إلى مئات الملايين من تغطية كيلومترات الطريق لرؤية عدد كبير من حالات الحافة. إنه لأمر جيد أن Hivemapper لديه ذلك.