Географическое встраивание: как упростить поиск взаимосвязей на карте

Земля переполнена данными о самой себе. Каждый день спутники делают около 100 терабайт снимков. Но разобраться в этом не всегда просто. 

«Изначально нужно было, чтобы человек просматривал изображения. И это можно было делать только в определённых масштабах», — рассказал TechCrunch Натаниэль Мэннинг, соучредитель и генеральный директор LGND. В последние годы нейронные сети упростили эту задачу, позволив экспертам по машинному обучению и специалистам по обработке данных обучать алгоритмы распознавать противопожарные разрывы на спутниковых снимках.

«Мы не стремимся заменить людей, которые этим занимаются, — сказал Бруно Санчес-Андраде Нуньо, соучредитель и главный научный сотрудник LGND. — Мы стремимся сделать их работу в 10 раз эффективнее, в 100 раз эффективнее».

Компания LGND недавно привлекла 9 миллионов долларов в рамках начального раунда финансирования под руководством Javelin Venture Partners, о чём компания эксклюзивно сообщила TechCrunch. В раунде приняли участие AENU, Clocktower Ventures, Coalition Operators, MCJ, Overture, Ridgeline и Space Capital. К ним также присоединились бизнес-ангелы, в том числе основатель Keyhole Джон Ханке, соучредитель Ramp Карим Атие и исполнительный директор Salesforce Сюзанна ДиБьянка.

Основной продукт стартапа — векторные вложения в географические данные. Сегодня большая часть географической информации представлена либо в виде пикселей, либо в виде традиционных векторов (точек, линий, областей). Они гибкие, их легко распространять и читать, но для интерпретации этой информации требуется либо глубокое понимание пространства, либо нетривиальные вычислительные ресурсы, либо и то, и другое.

Географическое встраивание обобщает пространственные данные таким образом, чтобы упростить поиск