Земля завалена данными о себе. Каждый день спутники собирают около 100 терабайт изображений.
Но понять их не всегда легко. На первый взгляд простые вопросы могут оказаться чрезвычайно сложными. Возьмем, к примеру, вопрос, имеющий жизненно важное экономическое значение для Калифорнии: сколько в штате противопожарных полос, способных остановить лесной пожар, и как они изменились с момента последнего пожарного сезона?
«Изначально для этого нужен был человек, который бы просматривал фотографии. Но это возможно только в ограниченных масштабах», — рассказал TechCrunch Натаниэль Мэннинг, соучредитель и генеральный директор LGND. В последние годы нейронные сети немного упростили эту задачу, позволив экспертам по машинному обучению и специалистам по данным обучить алгоритмы распознавать противопожарные полосы на спутниковых снимках.
« Вы, вероятно, потратите несколько сотен тысяч долларов, а то и несколько миллионов, чтобы создать этот набор данных, и он сможет выполнять только одну задачу», — сказал он.
LGND хочет сократить эти цифры на порядок или даже больше.
«Мы не стремимся заменить людей, которые занимаются этими вещами», — сказал Бруно Санчес-Андраде Нуньо, соучредитель и главный научный сотрудник LGND. «Мы хотим сделать их в 10 раз более эффективными, в 100 раз более эффективными».
LGND недавно привлекла 9 миллионов долларов в рамках раунда начального финансирования, возглавляемого Javelin Venture Partners, как сообщила компания TechCrunch. В раунде участвовали AENU, Clocktower Ventures, Coalition Operators, MCJ, Overture, Ridgeline и Space Capital. К ним присоединился ряд ангельских инвесторов, в том числе основатель Keyhole Джон Ханке, соучредитель Ramp Карим Атиех и руководитель Salesforce Сюзанна ДиБьянка.
Основной продукт стартапа — векторные вложения географических данных. Сегодня большая часть географической информации существует в виде пикселей или традиционных векторов (точек, линий, областей). Они гибкие, их легко распространять и читать, но для интерпретации этой информации требуется либо глубокое понимание пространства, либо нетривиальный объем вычислений, либо и то, и другое.
Географические вложения обобщают пространственные данные таким образом, что становится легче находить связи между разными точками на Земле.
«Вложения дают вам 90% всех недифференцированных вычислений заранее», — сказал Нуньо. «Вложения — это универсальные, сверхкороткие сводки, которые воплощают 90 % вычислений, которые вам все равно придется выполнить».
Возьмем, к примеру, противопожарные полосы. Они могут иметь форму дорог, рек или озер. Каждая из них будет выглядеть по-разному на карте, но все они имеют определенные общие характеристики. Во-первых, пиксели, составляющие изображение противопожарной полосы, не будут иметь растительности. Кроме того, противопожарная полоса должна иметь определенную минимальную ширину, которая часто зависит от высоты растительности вокруг нее. Вложения значительно упрощают поиск мест на карте, которые соответствуют этим описаниям.
LGND создала корпоративное приложение, чтобы помочь крупным компаниям отвечать на вопросы, связанные с пространственными данными, а также API, к которому пользователи с более конкретными потребностями могут обращаться напрямую.
Мэннинг считает, что вложения LGND побуждают компании запрашивать геопространственные данные совершенно новыми способами.
Представьте себе туристического агента с искусственным интеллектом, сказал он. Пользователи могут попросить его найти краткосрочную аренду с тремя комнатами, которая находится недалеко от хорошего места для сноркелинга. «Но я также хочу, чтобы это был белый песчаный пляж. Я хочу знать, что в феврале, когда мы собираемся поехать, там будет очень мало морских водорослей, и, что может быть самым важным, на момент бронирования в радиусе одного километра от дома не будет никаких строительных работ», — сказал он.
Создание традиционных геопространственных моделей для ответа на эти вопросы было бы трудоемким процессом даже для одного запроса, не говоря уже о всех вместе.
Если LGND удастся предоставить такой инструмент широкой аудитории или даже просто людям, которые используют геопространственные данные в своей работе, у компании появится потенциал занять часть рынка, оцениваемого в 400 миллиардов долларов.
«Мы пытаемся стать Standard Oil для этих данных», — сказал Мэннинг.
Оригинал
Уникальность
