LGND sola revolūciju ģeodatu izmantošanā ar jaunu pieeju – ģeogrāfiskajām embedētajām kopsavilkuma struktūrām.
Zeme ik dienu ģenerē milzīgu daudzumu datu. Satelīti katru dienu uzņem ap 100 terabaitiem attēlu. Taču šo datu izpratne un izmantošana nav vienkārša. Pat šķietami vienkāršs jautājums, piemēram, cik daudz ugunsdrošības joslu atrodas Kalifornijā un kā tās mainījušās kopš iepriekšējās ugunsgrēku sezonas, ir grūti atšķetināms.
Jaunuzņēmums LGND piedāvā risinājumu ar ģeogrāfisko datu embedēšanas tehnoloģiju. Tas ir veids, kā pārveidot telpisko informāciju strukturētā, salīdzināmā un meklējamā formātā.
Līdz šim telpiskie dati eksistēja kā pikseļi vai klasiskas vektoru formas (punkti, līnijas, laukumi), kurus ir viegli nolasīt, bet grūti interpretēt bez būtiskām zināšanām vai skaitļošanas jaudām.
LGND risinājums ģenerē universālus datu “kopsavilkumus”, kas ļauj ātrāk un efektīvāk veidot sakarības starp dažādiem Zemes punktiem.
Piemēram, ugunsdrošības joslas var būt ceļi, upes vai ezeri. Lai gan vizuāli atšķirīgi, tos vieno kopīgas īpašības – to attēlos nebūs veģetācijas, un tiem jābūt noteikta platuma. Embedēšanas tehnoloģija padara šīs informācijas meklēšanu un kartšu analīzi krietni efektīvāku.
LGND vīzija par darbu ar telpiskajiem datiem un milzu potenciālu tirgū
LGND ir izstrādājuši aplikāciju un API, ar kuru lietotāji var piekļūt un analizēt ģeodatus, atbildot uz daudz specifiskākiem jautājumiem nekā iepriekš bija iespējams.
Uzņēmuma līdzdibinātājs Neitans Manings min piemēru ar mākslīgā intelekta ceļojumu aģentu. Proti, lietotājs varētu vaicāt, lai atrod māju ar trīs guļamistabām baltas smiltis pludmalē, bez jūraszālēm februārī un bez būvdarbiem kilometra attālumā.
Tradicionālā modeļu izstrāde šādam vaicājumam būtu ārkārtīgi laikietilpīga. LGND mērķis ir to vienkāršot un padarīt pieejamu daudz plašākam lietotāju lokam.
“Ja agrāk bija jāalgo cilvēki, lai analizētu satelītu attēlus, šī pieeja ļauj to automatizēt,” skaidro Manings.
Pat ar neironu tīkliem, kas ļauj datoriem “saskatīt” ugunsdrošības joslas, ir jāiegulda simtiem tūkstošu eiro, lai trenētu modeli vienai konkrētai funkcijai. LGND vēlas šo izmaksu līmeni samazināt desmitkārtīgi.
“Mēs nemēģinām aizvietot cilvēkus, kas strādā ar šiem datiem. Mēs vēlamies viņu darbu padarīt 10 vai pat 100 reizes efektīvāku,” uzsver LGND līdzdibinātājs un galvenais zinātnieks Bruno Sānčess-Andrade Nuņo.
LGND nesen piesaistīja 7,7 miljonus EUR investīciju kārtā, kuru vadīja Javelin Venture Partners. Starp investoriem bija arī AENU, Clocktower Ventures, Coalition Operators, MCJ, Overture, Ridgeline un Space Capital, kā arī tādi investori kā Keyhole dibinātājs Džons Henkijs, Ramp līdzdibinātājs Karims Atijehs un Salesforce vadītāja Sjūzena DiBjanka.
“Ar šiem datiem mēs vēlamies ieņemt lomu, ko Standard Oil ieņēma naftas industrijā,” lēš Manings.
Avots: TechCrunch
