wyobraź sobie, że próbujesz rozwiązać problem. wybierzmy jeden z kapelusza: wypadki samochodowe! teraz to jest trudny problem do rozwiązania, ponieważ są niezwykle rzadkie. w kontekście amerykańskiego systemu infrastruktury drogowej i kulturowo ustalonych zasad jazdy, ludzie radzą sobie całkiem dobrze. wypadek co 700 tysięcy mil; 5 dziewiątek! wyobraź sobie, że aby "rozwiązać/zrozumieć" wypadek obliczeniowo, musisz zaobserwować ten konkretny typ wypadku około 100 razy. stwórz taksonomię wypadków, być może istnieje 10 prototypowych, częstych typów wypadków, które musisz zbadać i zrozumieć, 10. najczęstszy typ wypadku prawdopodobnie występuje mniej więcej 1/10 tak często jak najczęstszy typ wypadku, 3-4% wypadków może należeć do tej 10. najczęstszej kategorii. Więc będziesz świadkiem 10. najczęstszego typu wypadku co 20 milionów mil. Ale potrzebujesz 100 incydentów tego 10. najczęstszego typu wypadku, aby go zrozumieć: 2 miliardy mil. Musisz mieć dostęp do 2 miliardów mil danych, aby uchwycić pół godziny danych, które informują twoje podejście do tego 10. najczęstszego typu wypadku. Nie chodzi o surową objętość zebranych danych, ale o wartość opcji, jaką te dane oferują. (rzeczywistość jest znacznie bardziej złożona niż to, oczywiście, nie mniej dlatego, że rozwiązywanie wypadków to więcej niż tylko rozwiązywanie wypadków, to niezwykle złożona gramatyka korzystania z dróg i nawigacji, która prowadzi do skutecznej defensywnej jazdy, co skutkuje bezpiecznym autonomicznym podróżowaniem. Niemniej jednak myślę, że matematyka jest użytecznie ilustracyjna; posiadanie opcji zapytania floty o konkretny problem, nad którym pracujesz, to supermoc)