Земля переповнена даними про саму себе. Щодня супутники отримують близько 100 терабайт зображень.
Однак зрозуміти цю інформацію часто буває складно. Здавалося б, прості питання можуть мати дуже складні відповіді. Візьмемо, наприклад, питання, яке має суттєве економічне значення для Каліфорнії: скільки протипожежних розривів існує в штаті, які можуть зупинити лісову пожежу, і як вони змінилися з минулого пожежного сезону?
«Спочатку люди переглядали зображення. І це має певні межі», – зазначає Натаніель Меннінг, співзасновник і генеральний директор LGND. В останні роки нейронні мережі полегшили цей процес, дозволяючи експертам з машинного навчання та дата-науковцям навчати алгоритми виявляти протипожежні розриви на супутникових зображеннях.
«Ви, напевно, витрачаєте, знаєте, кілька сотень тисяч доларів — якщо не більше — на створення такого набору даних, і він зможе виконувати лише одне завдання», – додає він.
LGND прагне знизити ці витрати в десятки разів.
«Ми не прагнемо замінити людей, які займаються цими справами, – говорить Бруно Санчес-Андраде Нуньо, співзасновник і головний науковець LGND. – Ми намагаємося зробити їх у 10 разів ефективнішими, у 100 разів ефективнішими.»
Нещодавно стартап зібрав 9 мільйонів доларів у початковому фінансуванні з участю Javelin Venture Partners, про що компанія повідомила. У фінансуванні також взяли участь AENU, Clocktower Ventures, Coalition Operators, MCJ, Overture, Ridgeline та Space Capital. Декілька бізнес-ангелів також брали участь, серед яких засновник Keyhole Джон Ханке, співзасновник Ramp Карім Атіє та виконавчий директор Salesforce Сюзан ДіБіанка.
Основний продукт стартапу – векторні ембедінги географічних даних. На сьогодні більшість географічної інформації існує у вигляді пікселів або традиційних векторів (точки, лінії, площі). Вони є гнучкими, легко розповсюджуються і читаються, але для їх інтерпретації потрібен глибокий аналіз простору, значні обчислювальні потужності або те й інше.
Географічні ембедінги узагальнюють просторові дані, спрощуючи знаходження зв’язків між різними точками на Землі.
«Ембедінги дозволяють вам отримати 90% усіх неструктурованих обчислень на початку», – говорить Нуньо. «Ембедінги – це універсальні, суперкороткі підсумки, які охоплюють 90% обчислень, які вам необхідні».
Наприклад, протипожежні розриви можуть мати форму доріг, річок або湖. Кожен з них буде відображатися на карті по-різному, але всі вони мають певні спільні ознаки. По-перше, пікселі, які складають зображення протипожежного розриву, не міститимуть рослинності. Також протипожежний розрив повинен мати певну мінімальну ширину, що часто залежить від висоти навколишньої рослинності. Ембедінги значно спрощують пошук місць на карті, які відповідають цим описам.
LGND створила корпоративний додаток, щоб допомогти великим компаніям відповідати на питання, пов’язані з просторовими даними, а також API для користувачів із більш специфічними потребами.
Меннінг бачить, що ембедінги LGND спонукають компанії запитувати геопросторові дані зовсім новими способами.
Уявіть собі AI-туристичного агента, каже він. Користувачі можуть попросити його знайти короткострокову оренду з трьома кімнатами, яка буде близько до хорошого снорклінгу. «Але також я хочу бути на пляжі з білим піском. Я хочу знати, що в лютому, коли ми будемо в подорожі, водоростей буде дуже мало, і, можливо, найважливіше, в цей час бронювання не буде будівництва в радіусі одного кілометра від будинку», – додає він.
Створення традиційних геопросторових моделей для відповіді на ці запитання займе багато часу навіть для одного запиту, не кажучи вже про всі інші разом.
Якщо LGND зможе успішно розробити такий інструмент для широкого загалу, чи навіть лише для тих, хто використовує геопросторові дані у своїй роботі, це матиме потенціал значно вплинути на ринок, вартість якого наближається до 400 мільярдів доларів.
«Ми намагаємось стати стандартом для цих даних», – зазначає Меннінг.
