Проблема API-ключей, которые никогда не истекают
Ключ, выданный много лет назад, ни разу не заменённый и до сих пор действующий, это не удобство. Это риск, на который никто не смотрел уже много лет.
Почему заявления о «геокодировании на основе ИИ» заслуживают проверки
Функция геокодирования, описанная как работающая на базе ИИ, звучит продвинутее, чем та, что описана просто как сопоставление адресов. Отражает ли этот ярлык значимое техническое различие или это всего лишь маркетинговое решение, принятое задним числом, со стороны обычно понять невозможно, и именно в этом проблема. Ярлык отвечает на вопрос о словаре. Он не отвечает на вопрос, который действительно важен для разработчика, решающего, доверять ли ответу: правильно ли сопоставление и как оно ведёт себя на адресах, которые не укладываются в чистый шаблон.
Мы осторожно относимся к таким формулировкам применительно к собственным эндпоинтам и скептически, когда видим их в других местах. Компонент машинного обучения действительно может помочь с нечётким сопоставлением, обработкой опечаток или более аккуратным разрешением неоднозначных неполных адресов, чем это сделал бы жёсткий поиск на основе правил. Это реальная и полезная возможность системы. Но это совсем другое утверждение, чем заявление о том, что полученные сопоставления поэтому точнее во всех случаях, а такое заявление требует реальных доказательств, относящихся к адресам и регионам, важным для клиента, а не вывода из слова ИИ на странице с функциями.
Суть в том, что «на базе ИИ» описывает метод, а не результат. Метод может быть сложным и всё равно давать неверный ответ, а более простой метод может быть абсолютно надёжным в тех случаях, для которых он создан. Разработчику, который интегрирует эндпоинт геокодирования, нужно знать результат: какие виды адресов обрабатываются хорошо, какие нет и как выглядит ответ с низкой уверенностью или неоднозначный результат. Ни на один из этих вопросов ярлык метода не отвечает, как бы впечатляюще он ни звучал.
Именно поэтому мы намеренно осторожны в заявлениях о собственных эндпоинтах прямого геокодирования, обратного геокодирования и автодополнения. Мы можем описать, что они делают и как устроены. Мы не будем утверждать конкретный проверенный показатель точности в реальных условиях как установленный факт, потому что убедительно сделать это можно только с помощью той самой строгой и постоянной оценки, которую один лишь ярлык не заменяет, есть в нём слово ИИ или нет.
Всё это не аргумент против использования методов машинного обучения в геокодировании. Это аргумент против того, чтобы метод становился заменой утверждения о результатах. Если метод действительно улучшает качество сопоставления, доказать это можно, показав улучшение на реальных типичных случаях, а не назвав метод и позволив читателю предположить, что улучшение следует автоматически. Ярлык не доказательство. В лучшем случае это подсказка, где искать доказательства, а в худшем способ пропустить ту часть, где доказательства должны были последовать.