Лёгкие эмбеддинги вместо тяжёлых снимков: ИИ-архитектура стартапа Lgnd позволит анализировать спутниковые данные моментально
Компания Lgnd, разработчик решений в области обработки геопространственных данных, привлекла $9 миллионов в рамках посевного раунда финансирования. Основной продукт Lgnd — это векторные вложения (эмбеддинги) географических данных. В отличие от традиционных способов представления информации (пиксели или векторные данные), технология позволяет создавать компактные, легко распределяемые и интерпретируемые представления пространственных данных. Эти эмбеддинги позволяют эффективно выявлять взаимосвязи между различными точками на Земле, значительно ускоряя обработку информации.
Например, для определения количества противопожарных разрывов, необходимых для предотвращения распространения лесных пожаров, традиционные методы требуют значительных затрат времени и ресурсов. Обработка спутниковых снимков вручную или с помощью обученных нейросетей обходится в сотни тысяч долларов и решает лишь узкую задачу. Технология Lgnd позволяет сделать этот процесс на порядок, а то и на два порядка эффективнее.
Сооснователь и главный научный сотрудник Lgnd, Бруно Санчес-Андраде Нуньо, подчеркнул, что цель компании не в замене специалистов, а в повышении их производительности в десятки и сотни раз. Векторные вложения позволяют быстро анализировать данные, независимо от того, представлены ли противопожарные разрывы в виде дорог, рек или озёр. Алгоритм легко определяет участки, соответствующие заданным характеристикам (отсутствие растительности, минимальная ширина и т.д.).
Компания разработала корпоративное приложение для работы с пространственными данными, а также API для пользователей с более специфическими потребностями. По мнению Натаналя Мэннинга, сооснователя и генерального директора, технология позволит компаниям задавать совершенно новые типы запросов к геопространственным данным. Он привел пример виртуального туристического агента, способного подобрать жильё, учитывая множество параметров, от близости к пляжу до отсутствия стройки в радиусе километра. Создание традиционных геопространственных моделей для ответа на подобные запросы потребовало бы огромных затрат времени.
В случае успеха Lgnd может занять значительную долю на рынке геопространственных данных, оцениваемом почти в $400 миллиардов.