Кейс Pokémon Go здесь показан не как курьез, а как инфраструктурная история. Niantic годами строила AR-слой вокруг визуального позиционирования, 3D-карт и сканов, которые пользователи создают смартфоном, а затем начала использовать этот массив для Large Geospatial Model и пространственного ИИ. Игровая механика побуждает человека сканировать объект или пространство, после чего из многовидовых изображений и привязанных к местности наблюдений собираются пространственные датасеты, системы визуального позиционирования и модели среды; позже эти наработки вышли за пределы игры и дошли до партнерства с Coco Robotics для роботов-доставщиков.

Тот же принцип давно работает и в других сценариях. reCAPTCHA совмещала защиту от ботов с распознаванием слов, которые не смог прочитать OCR: в статье Science 2008 года говорится, что OCR ошибался примерно на 20% слов в старых печатных материалах, подозрительные слова действительно были проблемными в 96% случаев, точность итогового распознавания превышала 99%, а система уже тогда работала более чем на 40 тысячах сайтов и помогла распознать свыше 440 миллионов слов. Strava Metro агрегирует и обезличивает траектории движения для городской аналитики, но исследование 2025 года напоминает об ограниченной репрезентативности такой аудитории, а Waze for Cities дает городам и службам живые данные о перекрытиях, ремонтах, авариях и пробках, которые полезны не только людям, но и навигационным ИИ-системам.

Отдельный слой — игры и виртуальные среды как источник данных о принятии решений и восприятии пространства. Для StarCraft II исследователи отфильтровали почти 5 миллионов игр по версиям 4.8.2–4.9.2, затем выбрали около 1,4 миллиона матчей игроков с MMR выше 3500 и получили 3,5 миллиарда обучающих наблюдений; при этом в такой сложной среде даже простое копирование сильной человеческой игры оказывается мощной стартовой точкой. А GTA V и подобные среды дают синтетические данные для распознавания объектов, оценки глубины, сегментации сцены, SLAM и навигации: в них можно быстро менять освещение, погоду, плотность трафика и положение камер, чтобы дешевле собирать большие наборы данных для робототехники и автономного транспорта.