Гостевая статья от Мартина Армстронга.
Когда вышла Pokémon Go, она казалась безобидной игрой, побуждающей людей выходить на улицу и исследовать окружающий мир. Однако за этим скрывалась гораздо более сложная система, направляющая перемещения людей в очень конкретные места, где данные были наиболее необходимы, превращая миллионы пользователей в мобильных сборщиков данных. Размещение покемонов, спортзалов и покестопов не было случайным, а концентрировалось вокруг достопримечательностей, предприятий и плотных городских коридоров. Это означало, что игроки постоянно попадали в зоны с высокой ценностью для картографирования, часто возвращаясь в одни и те же места снова и снова, фиксируя их с разных ракурсов, в разное время суток и при различных условиях. Именно так и создаются высококачественные пространственные наборы данных.
Многим читателям, особенно тем, кто никогда не играл в эту игру, важно понимать, как это выглядело на практике, потому что это был не пассивный фоновый процесс. Он требовал от людей физически ходить по районам, паркам, торговым центрам и даже жилым кварталам, держа в руках телефоны и активно сканируя окружающую среду, чтобы «поймать» виртуальных существ, которых не существовало. Игра побуждала пользователей наводить камеры на реальные объекты, перемещаться вокруг них и взаимодействовать с окружающей средой. Система захватывала детальные изображения не только общественных достопримечательностей, но и окрестностей, включая улицы, подъезды и частные дома, и всё это в рамках, казалось бы, простого развлекательного процесса.
Масштабы собранных данных поражают воображение и теперь подтверждены самой компанией: Niantic заявляет, что ее система построена на основе примерно 30 миллиардов изображений реального мира, собранных в ходе игр с дополненной реальностью, каждое из которых привязано к точным данным, таким как местоположение GPS, угол обзора камеры и движение устройства. Эти изображения не являются случайными снимками, а представляют собой структурированные точки данных, многократно зафиксированные в более чем миллионе ключевых мест по всему миру, многие из которых были сфотографированы с разных ракурсов и в различных условиях окружающей среды, что позволяет системе создавать высокоточные трехмерные модели реальной среды.
Компания Niantic четко обозначила цель этого набора данных, объяснив, что она создает так называемую «крупную геопространственную модель» — систему, предназначенную для того, чтобы машины могли понимать и ориентироваться в реальном мире. Один из руководителей заявил: «Мы рассматриваем данные об игроках как высококачественные данные для обучения на местности», подчеркнув, что информация, собранная в ходе игрового процесса, используется для обучения систем искусственного интеллекта.
Игра имела мгновенный успех, поскольку франшиза Pokemon сохранилась на протяжении многих поколений, и в нее с удовольствием играют как дети, так и взрослые. Масштаб этой операции глобален, она охватывает почти каждый крупный город на планете и миллионы отдельных мест, при этом новые данные продолжают добавляться со скоростью примерно миллион сканирований в неделю . Это был не статичный набор данных, а постоянно развивающаяся система картографирования в реальном времени, созданная благодаря постоянному участию пользователей.
Такие компании, как Google, годами развертывали целые парки автомобилей Street View, оснащенных специализированными камерами для получения изображений с дорог и автомагистралей. Этот процесс был дорогостоящим, медленным и по своей сути ограниченным зонами передвижения транспортных средств. Pokémon Go добилась гораздо большей детализации, используя миллионы людей, передвигающихся пешком, внутри зданий, парков и жилых районов, собирая данные с ракурсов и в местах, недоступных для транспортных средств. Niantic даже взимала плату с пользователей за разблокировку расширенных игровых функций, получая прибыль, тайно используя систему для создания карты мира на местности.
Компания Niantic создала, по сути, систему картографирования на уровне пешеходов, которая превзошла традиционные методы по плотности и перспективе, поскольку каждое изображение было получено с высоты человеческого роста, изнутри самой среды, а не из проезжающего мимо автомобиля. Когда эти миллиарды изображений накладываются друг на друга, получается набор данных, позволяющий точно определить местоположение пользователя с точностью до сантиметров на основе окружающих визуальных ориентиров — уровень точности, которого обычные GPS-системы с трудом достигают в плотной городской среде.
Сама игра стала механизмом, сделавшим это возможным, поскольку она стимулировала поведение, которое в противном случае потребовало бы огромных инвестиций, размещая редких покемонов и награды в определенных областях, чтобы игроки добровольно отправлялись в эти места, задерживались там и собирали подробные визуальные данные, фактически превращая любопытство и конкуренцию в распределенную рабочую силу, функционирующую в глобальном масштабе.
Это, пожалуй, была самая масштабная операция по сбору данных в истории. Участие было добровольным, и последствия так и не были до конца поняты; результатом стала система, которая незаметно создала высокоточную, постоянно обновляемую модель физического мира, используя данные, предоставленные сотнями миллионов пользователей из всех уголков земного шара.
Компания Niantic обозначила несколько отраслей, в которых будут использоваться эти данные, включая логистику, складское хранение, строительство и пространственное планирование, — все они зависят от понимания физической среды в реальном времени. В действительности, эти данные уже коммерциализируются, интегрируются в робототехнику, лицензируются для корпоративного использования и позиционируются как основа для будущих систем искусственного интеллекта, взаимодействующих с реальным миром. Это означает, что то, что начиналось как игра, превратилось в один из самых ценных наборов пространственных данных, когда-либо созданных.
Запомните: если что-то бесплатно, то товаром являетесь ВЫ.
Комментариев нет:
Отправить комментарий