Lgnd quiere hacer chatgpt para la tierra

La Tierra está inundada de datos sobre sí misma. Todos los días, los satélites capturan más o menos 100 terabytes de imágenes.

Pero darle sentido no siempre es hacedero. Las preguntas aparentemente simples pueden ser diablo de reponer. Tomar esta pregunta que es de importancia económica optimista para California: ¿Cuántas saltos de incendios tiene el estado que podría detener un incendio forestal en seco y cómo han cambiado desde la última temporada de fuego?

“Originalmente, tendrías una persona que mira las imágenes. Y eso solo escalera hasta ahora”, Nathaniel Manning, cofundador y CEO de Lgndle dijo a TechCrunch. En los últimos primaveras, las redes neuronales han hecho que sea un poco más hacedero, lo que permite a los expertos en formación automotriz y a los científicos de datos capacitar a los algoritmos sobre cómo ver las futuro de incendios en las imágenes satelitales.

“Probablemente se hunda, ya sabes, un par de cientos de miles de dólares, si no varios cientos de miles de dólares, para tratar de crear ese conjunto de datos, y solo podría hacer eso”, dijo.

LGND quiere cortar esas figuras por orden de magnitud o más.

“No estamos buscando reemplazar a las personas que hacen estas cosas”, dijo Moreno Sánchez-Andrade Nuño, cofundador y dirigente investigador de LGND. “Estamos buscando hacerlos 10 veces más eficientes, cien veces más eficientes”.

LGND recientemente recaudó una ronda de semillas de $ 9 millones dirigida por Javelin Venture Partners, dijo la compañía exclusivamente a TechCrunch. Participaron Aenu, Clocktower Ventures, Coalition Operators, MCJ, Obertura, Ridgeline y Space Caudal. Varios inversores ángeles asimismo se unieron, incluido el fundador de Keyilyole John Hanke, el cofundador de RAMP Karim Atiyeh y la ejecutiva de Salesforce, Suzanne Dibianca.

El producto central de la inicio es las integridades vectoriales de datos geográficos. Hoy, la mayoría de la información geográfica existe en píxeles o vectores tradicionales (puntos, líneas, áreas). Son flexibles y fáciles de distribuir y deletrear, pero interpretar que la información requiere una comprensión profunda del espacio, una cantidad no trivial de computación o entreambos.

Las integridades geográficas compendio los datos espaciales de una guisa que facilita encontrar relaciones entre diferentes puntos en la Tierra.

“Los incrustaciones le dan el 90% de todo el enumeración indiferenciado por precoz”, dijo Nuño. “Las integridades son los resúmenes universales y súper cortos que encarnan el 90% del cálculo que tiene que hacer de todos modos”.

Tome el ejemplo de las futuro de fuego. Pueden tomar la forma de carreteras, ríos o lagos. Cada uno de ellos aparecerá de guisa diferente en un plano, pero todos comparten ciertas características. Por un flanco, los píxeles que forman una imagen de una ruptura de incendios no tendrán ninguna flora. Encima, una ruptura de incendios tendrá que ser un cierto pancho leve, que a menudo depende de qué tan adhesión sea la flora a su más o menos. Los incrustaciones hacen que sea mucho más hacedero encontrar lugares en un plano que coincidan con esas descripciones.

LGND ha creado una aplicación empresarial para ayudar a las grandes empresas a reponer preguntas que involucran datos espaciales unido con una API que los usuarios con micción más específicas pueden presionar directamente.

Manning ve las integridades de LGND alentando a las empresas a consultar datos geoespaciales de maneras completamente nuevas.

Imagina un agente de viajes de IA, dijo. Los usuarios pueden pedirle que encuentre un arrendamiento a corto plazo con tres habitaciones que estén cerca del buen snorkel. “Pero asimismo, quiero estar en una playa de arena blanca. Quiero aprender que hay muy poca hierba de mar en febrero, cuando vamos a ir, y tal vez lo más importante, en este momento de la reserva, no hay construcción internamente de un kilómetro de nuestra casa”, dijo.

Construir modelos geoespaciales tradicionales para reponer esas preguntas llevaría mucho tiempo para una sola consulta, y mucho menos todos ellos juntos.

Si LGND puede tener éxito en entregar una aparejo de este tipo a las masas, o incluso a las personas que usan datos geoespaciales para sus trabajos, tiene el potencial de tomar un mordedura de un mercado valorado cerca de $ 400 mil millones.

“Estamos tratando de ser el unto habitual para estos datos”, dijo Manning.