La Tierra está llena de datos sobre sí mismo. Todos los días, el satélite captura aproximadamente 100 terabytes de imágenes.
Pero no siempre es fácil de entender. Aparentemente, las preguntas simples son extremadamente complicadas de responder. Haga esta pregunta sobre la importante importancia económica para California. ¿Cuántos incendios tiene un estado que podría detener los incendios forestales en esa área?
Nathaniel Manning, cofundador y CEO de LGND, dijo a TechCrunch: en los últimos años, las redes neuronales se han vuelto un poco más fáciles, permitiendo a los expertos en aprendizaje automático y científicos de datos capacitar algoritmos sobre cómo ver una ruptura de incendios en las imágenes satelitales.
«Probablemente vaya a hundir cientos de miles, si no cientos de miles de dólares, e intentarán crear ese conjunto de datos.
LGND quiere reducir estos números en más de unos pocos órdenes de magnitud.
«No estamos buscando reemplazar a los que están haciendo estas cosas», dijo Bruno Sánchez Andredo Nuno, cofundador y científico jefe de LGND. «Estamos buscando hacerlos 10 veces más eficientes y 100 veces más eficientes».
LGND recientemente recogió una ronda de semillas de $ 9 millones dirigida por Javelin Venture Partners, la compañía dijo a TechCrunch exclusivamente. Participaron Aenu, Clocktower Ventures, Coalition Operators, MCJ, Obertura, Ridgeline y Space Capital. Muchos inversores ángeles también participaron, incluido el fundador de Beathyle John Hanke, el cofundador de RAMP Karim Atiyeh y la ejecutiva de Salesforce, Suzanne Dibianca.
El producto central de una inicio es la incrustación vectorial de datos geográficos. Hoy, la mayoría de la información geográfica reside en píxeles o vectores tradicionales (puntos, líneas, áreas). Son flexibles, fáciles de distribuir y leer, pero interpretar que la información requiere una comprensión profunda del espacio, una pequeña cantidad de computación o ambos.
La incrustación geográfica resume los datos espaciales de una manera que facilita encontrar las relaciones entre diferentes puntos en el mundo.
«Las incrustaciones adquieren el 90% de todas las computaciones no menores de antemano», dijo Nuno. «Embedded es un resumen universal ultra corta que incorpora el 90% de los cálculos que deben hacerse de todos modos».
Echemos un vistazo a un ejemplo de incendio. Pueden tomar la forma de carreteras, ríos o lagos. Cada uno aparece de manera diferente en el mapa, pero todos comparten ciertas características. Por un lado, los píxeles que conforman la imagen del fuego no tienen vegetación. Además, el extintor de incendios debe ser un ancho mínimo constante. Esto a menudo depende de la altura alrededor de la vegetación. Las embedidas hacen que sea mucho más fácil encontrar ubicaciones en el mapa que coincidan con estas descripciones.
LGND ha creado una aplicación empresarial para ayudar a las grandes empresas a responder preguntas que contienen datos espaciales, junto con API que los usuarios pueden presionar directamente con necesidades más específicas.
Manning ve que la incrustación de LGND alienta a las empresas a consultar datos geoespaciales de una manera completamente nueva.
Imagina una agencia de viajes de IA, dijo. Los usuarios pueden solicitar encontrar un alquiler a corto plazo con tres habitaciones cerca de un buen snorkel. «Pero también quiero permanecer en la playa de arena blanca. Quiero saber que hay muy pocas malezas oceánicas en febrero, pero quizás lo más importante, en esta reserva, no se produjo una construcción a un kilómetro de la casa», dijo.
Construir un modelo geoespacial tradicional para responder a estas preguntas tomará tiempo para cada consulta, no solo todas las consultas.
Si LGND puede alcanzar con éxito tales herramientas a las masas o aquellas que usan datos geoespaciales para trabajos, podría tomar un SIP del mercado de casi $ 400 mil millones.
«Estamos tratando de convertirnos en el aceite estándar para estos datos», dijo Manning.
Source link
