190

#google

#google_maps

#machine_learnin
g

#vmc
Hỏi: Làm cách nào Google có thể dựng bản đồ của cả một đất nước? Họ lái xe đến từng con đường à?
Trả lời: Travis Addair, cựu kỹ sư phần mềm tại Google (2013-2015)
----------
Câu hỏi hay đấy, ít nhất là đối với tôi, bởi tôi từng làm việc trong dự án này thời gian tôi còn ở Google.
Nếu bạn thật sự muốn đào sâu vào chủ đề này, tôi thực sự khuyên bạn hãy xem bài nói chuyện của Andrew Lookingbill (sếp cũ của tôi ở Google) và Michael Weiss-Malik (anh bạn đang ở Uber cùng tôi) sau đây:

https://
www.youtube.com/
watch?v=FsbLEtS0
uls
Tôi tóm tắt lại như sau:
Bạn có thể coi việc tạo những tấm bản đồ tại Google gồm ba phần chính:
1. Dữ liệu đáng tin cậy từ các nhà cung cấp bên thứ ba
2. Những công cụ và dữ liệu để sử dụng nội bộ
3. Vẽ toàn bộ tấm bản đồ hoàn toàn tự động
Người ta có thể nghĩ (1) là “cách lỗi thời” để vẽ bản đồ tại Google, nhưng cách này vẫn hữu ích ngay cả khi mà Google đã có thể tự vẽ được bản đồ cho mình. Tại những nơi có rất ít hình ảnh về đường phố nơi đó, hoặc những hình ảnh chụp từ vệ tinh có độ phân giải thấp, dữ liệu của bên thứ ba có thể giúp lấp đầy khoảng trống. Dữ liệu đó cũng có thể được dùng để so sánh với những kết quả mà bạn đã đạt được như một cách kiểm tra chéo.
(2) là cách mới, cách mà chúng tôi gọi là “Ground Truth” tại Google và là đề tài trong video tôi dẫn ra. (Ground Truth - Một khái niệm trong khoa học dữ liệu - dùng để chỉ sự so sánh dữ liệu đạt được từ thực nghiệm so với chính dữ liệu đó nhưng có được do suy luận. Ví dụ đơn giản: Netflix chi 1 triệu đô la trao giải cho team nào dự đoán được chính xác kết quả số điểm mà người xem sẽ đưa ra cho mỗi bộ phim (xem Người nhện 1 cho 7 điểm, Người nhện 2 cho 8 điểm, vậy Người nhện 3 cho bao nhiêu điểm, nói ngắn gọn là vậy) - ND). Ground Truth hoạt động bởi một chương trình Java lớn có tên là Atlas, trong đó người ta sẽ thông qua các lớp dữ liệu về ảnh vệ tinh, GPS và các bản đồ từng vẽ để cập nhật mô hình về thế giới vật lý của Google từ các bản đồ.
Hãy tưởng tượng bạn muốn biết vận tốc giới hạn trên một con đường. Trong Atlas, bạn có thể zoom vào đoạn đường đó và đặt ra câu hỏi, nhìn vào cách hình ảnh của đoạn đường đó từ Street View và tìm một tấm biển tương ứng với vận tốc giới hạn và cập nhật nhãn cho đoạn đường đó trong cơ sở dữ liệu. Thậm chí bạn còn có thể so sánh dữ liệu đó với dữ liệu từ GPS hay những ảnh chụp từ trước.
(3) là cách tương lai, nhưng đã chớm xuất hiện rồi. Đây là thứ tôi vẫn nghiên cứu trong lúc còn ở Google, cách này bao gồm tự động cập nhật dữ liệu đường phố, phát hiện những đặc điểm về mặt địa lý, các điểm truy cập, vv. Vào lúc đó, thành phần hoàn thiện nhất trong bộ tạo dựng bản đồ tự động là công việc được hoàn thành bởi một nhóm đã tạo dựng một framework phức tạp về thị giác máy tính nhằm tách các biển báo đường phố và chỉ các địa điểm, từ đó suy luận ra các dòng ký tự tương ứng.
Rất nhiều công việc lúc đó gần tương tự với những gì mà giờ đây Google cung cấp miễn phí với sự phát hành của API Phát Hiện Vật Thể Của TensorFlow. Học máy là một ngành được những người tạo dựng bản đồ rất quan tâm, đơn giản vì nó giúp sức cực lớn vào việc giúp tạo dựng những tấm bản đồ chính xác và cập nhật cho tới ngày hôm nay.
Không nghi ngờ gì nữa, Ground Truth là một trong những thành tựu lớn nhất của Google, vậy mà đến giờ vẫn hiếm người biết tới. Thực sự, đó là tư duy trước thời đại nếu xét đến những tấm bản đồ với những giá trị to lớn giúp cho những công ty logistic hay công ty về xe tự lái ngày nay.

https://
www.quora.com/
How-did-Google-m
ap-the-whole-co
untry-Did-they-
drive-every-roa
d/answer/
Travis-Addair


Machine learning là máy học chứ nhỉ. Ko biết phải ko?

Trương Hoàng Hiệp
hiep.truonghoang

Vừa thấy bên J2Team xong :)))

Thanh Tùng
tungthanh500

bản đồ ghi 22km, đi thì hết 26km :"<