披露：本文所表达的观点仅代表作者个人观点，不代表crypto.news编辑的观点。
几十年来，无人驾驶车辆一直是科幻电影的主题，但现在我们已经装备了各种传感器、芯片和软件的车辆。嗯，它们似乎还是一样。
这并不是说该行业没有进展——它正在为一些令人兴奋的新项目和令人担忧的事件制造头条新闻。但即使是一些先驱者也对这种进展表示怀疑，这些头条新闻的主角还是那些司空见惯的公司：谷歌的Waymo、苹果、通用汽车等等。在如此具有颠覆性的市场上，人们本应该期望有更多的实际颠覆者。
事实上，无人驾驶汽车的栈中的一些基础技术严重偏向于集中化和庞大的中心化参与者。至少乍一看是这样。
一切归结于数据
显然，把摄像机粘贴到车上不会奇迹般地让它会开车，但把这个摄像机连接到车上的计算机也不会。对于计算机来说，摄像头视频只是另一个数据流。人类的大脑有一个复杂的神经连接系统，可以从视觉信号中提取可操作的洞察力，计算机也需要类似的东西。它需要自己的视觉。
计算机视觉是更广泛的人工智能（AI）行业的一个子领域，更准确地说是机器学习（ML），它使无人驾驶汽车能够“看到”周围的世界。通常使用AI算法来处理其他传感器的数据流，如激光雷达（LiDAR），以提高车辆在物理空间中的整体导航能力。这种模型的问题是需要大量的数据来进行训练。
公司们一直在努力获取真实世界数据来训练他们的模型，因为他们对使用模拟数据集可以达到多远持怀疑态度。无人驾驶汽车行业也不例外。尽管公司可以使用模拟数据，就像您在视频游戏中看到的那样，来记录各种场景并启动他们的数据集，但这只能让他们走得更远。从天气条件到地区特点，真实世界的数据对于使无人驾驶汽车安全可靠至关重要，这就是为什么旧金山的居民可以看到无人驾驶出租车在没有乘客的情况下巡游数小时。它们不是在寻找乘客，而是在收集数据。
以足够规模和质量水平收集数据集的挑战，以及以允许保持业务运作的速度进行收集数据集的挑战，是无人驾驶汽车行业面临的障碍，这将使竞争环境不平等，并将其转向大型中心化实体。中心化巨头可以收集大量的数据，而新来者面临的数据挑战则妨碍了他们的进展。这给一个新兴和有前景的市场蒙上了寡头垄断的阴影，而我们都知道这对普通人意味着什么。
Web3的解决方案
解决方案已经存在于每天行驶在每个城市和每个国家道路上的数千辆车中。它们中的大部分在行驶过程中捕获了大量的数据，只要有正确的激励措施，驾驶员们很可能会自己进行数据标注。看看CAPTCHA吧——这些与行人、摩托车和交通灯有关的测试都是人们为了简单地访问网站或服务而进行的数据标注练习。
将所有这些数据积累成庞大的数据集，将为新兴的初创企业和企业提供所有可能需要的现实学习材料。这些数据集可以根据需要具有多样性或特定于地点，根植于真实世界的场景、条件和特点。然而，要解锁对这些数据的访问，该行业首先需要一个全新的数据范式。
这个范式必须利用区块链作为共享和供应商中立的核心基础设施和交易层，以防止另一个独立的生态系统的出现。它还必须利用自主数据和身份，为驾驶员和车辆提供数据和隐私的控制权。
自主数据身份将作为Web3钱包，存储由权威机构或汽车制造商颁发的各种用户属性的加密证明。数据消费者将能够使用这些证明来验证卖方（在这种情况下是驾驶员）可以选择出售的数据。这个前景并不像看起来那么遥远，因为Web2和Web3公司已经在开发基于区块链的移动基础设施，例如欧洲的Gaia-X moveID。
这种自主数据范式将使驾驶员成为数字移动空间中的积极利益相关者，使他们能够在日常通勤中产生的数据上实现货币化。它还将解决整个无人驾驶车辆行业的数据集挑战，为所有参与者提供对原始数据的共享市场平等访问，为该行业提供迫切需要的推动力。
尽管充满了希望，真正自主的无人驾驶车辆仍然难以实现，部分原因是与收集训练AI模型所需的数据集相关的挑战。采用Web3数据范式是该行业解锁几乎无限的训练数据池的最佳机会，同时保持健康的开放竞争精神。
本文由Ocean Protocol联合创始人Sheridan Johns和peaq联合创始人Leonard Dorlöchter共同撰写。
Sheridan Johns是Ocean Protocol的生态系统负责人，也是Ocean Protocol创始团队的成员之一。Sheridan是一位创新和有远见的企业家，赋予各种规模的企业利用Ocean技术的能力。
Leonard Dorlöchter是区块链应用于现实世界的peaq的联合创始人。在他在区块链领域的五年时间里，Leonard建立了多个组织、团队和产品。他在商业和工程之间运作，在构建颠覆性的产品和生态系统方面非常擅长。
关注我们的谷歌新闻。
