Dünya kendisi hakkında verilerde çalkalanıyor. Her gün uydular etrafta yakalanır 100 terabayt görüntü.
Ama bunu anlamak her zaman kolay değildir. Görünüşte basit sorular cevaplamak çok karmaşık olabilir. Kaliforniya için hayati ekonomik öneme sahip olan bu soruyu ele alalım: Devletin pistlerinde bir orman yangını durdurabilecek kaç yangın molası var ve son yangın sezonundan bu yana nasıl değiştiler?
“Başlangıçta, bir insanın resimlere bakması gerekir. Ve şimdiye kadar sadece ölçeklenir,” LgndTechCrunch’a söyledi. Son yıllarda, sinir ağları biraz daha kolay hale getirerek makine öğrenimi uzmanlarının ve veri bilimcilerinin uydu görüntülerinde yangın molalarının nasıl görüleceğini algoritmalarını eğitmelerine izin verdi.
“Muhtemelen bilirsiniz, bilirsiniz, bu veri setini oluşturmaya çalışmak için birkaç yüz bin dolar olmasa da birkaç yüz bin dolar – ve sadece bir şeyi yapabilecektir” dedi.
LGND, bu rakamları büyüklükte bir veya daha fazla sırayla kesmek istiyor.
LGND’nin kurucu ortağı ve baş bilim adamı Bruno Sánchez-Andrade Nuño, “Bunları yapan insanların yerini almaya çalışmıyoruz” dedi. “Onları 10 kat daha verimli, yüz kat daha verimli hale getirmek istiyoruz.”
LGND kısa süre önce Javelin Enterprise Companions tarafından yönetilen 9 milyon dolarlık bir tohum turunu yükseltti, şirket sadece TechCrunch’a verdiği demeçte. Aenu, Clocktower Ventures, Koalisyon Operatörleri, MCJ, Overture, Ridgeline ve House Capital katıldı. Keyhole kurucusu John Hanke, Ramp kurucu ortağı Karim Atiyeh ve Salesforce yöneticisi Suzanne Dibianca da dahil olmak üzere bir dizi melek yatırımcı da katıldı.
Girişimin temel ürünü, coğrafi verilerin vektör yerleşimleridir. Bugün, çoğu coğrafi bilgi piksel veya geleneksel vektörlerde (noktalar, çizgiler, alanlar) mevcuttur. Esnek ve dağıtılması ve okunması kolaydırlar, ancak bilgileri yorumlamak, alanın derin bir şekilde anlaşılması, önemsiz miktarda bilgi işlem veya her ikisini de gerektirir.
Coğrafi yerleştirmeler, mekansal verileri dünyadaki farklı noktalar arasındaki ilişkileri bulmayı kolaylaştıracak şekilde özetler.
Nuño, “Yerleştirmeler measurement farklılaşmamış tüm hesaplamanın% 90’ını ön plana çıkarıyor” dedi. “Girişler, yine de yapmanız gereken hesaplamanın% 90’ını somutlaştıran evrensel, süper kısa özetlerdir.”
Yangın molaları örneğini ele alalım. Yollar, nehirler veya göller şeklini alabilirler. Her biri bir haritada farklı görünecektir, ancak hepsi belirli özellikleri paylaşır. Birincisi, bir yangın molası görüntüsünü oluşturan piksellerin bitki örtüsü olmayacaktır. Ayrıca, bir yangın molası, genellikle bitki örtüsünün ne kadar uzun olduğuna bağlı olan belirli bir minimal genişlik olmalıdır. Girişler, bir harita üzerinde bu açıklamalarla eşleşen yerler bulmayı çok daha kolay hale getirir.
LGND, büyük şirketlerin, daha spesifik ihtiyaçları olan kullanıcıların doğrudan vurabileceği bir API ile birlikte mekansal verileri içeren soruları cevaplamasına yardımcı olmak için bir kurumsal uygulaması oluşturmuştur.
Manning, LGND’nin şirketlerini coğrafi verileri tamamen yeni yollarla sorgulamaya teşvik ettiğini görüyor.
Bir AI seyahat acentesi hayal edin, dedi. Kullanıcılar, iyi şnorkellere yakın olan üç odalı kısa süreli bir kiralama bulmasını isteyebilir. “Ama aynı zamanda, beyaz kum plajında olmak istiyorum. Şubat ayında gideceğimizde çok az deniz otu olduğunu bilmek istiyorum ve belki de en önemlisi, bu rezervasyon zamanında evimizin bir kilometresinde bir inşaat gerçekleşmiyor” dedi.
Bu soruları cevaplamak için geleneksel jeo -uzamsal modeller oluşturmak, hepsini birlikte bırakacak şekilde, sadece bir sorgu için zaman alıcı olacaktır.
LGND, kitlelere böyle bir araç sunmayı başarabilirse, hatta sadece işleri için jeo -uzamsal verileri kullanan kişilere bile, değerli bir pazardan bir ısırık alma potansiyeline sahiptir. 400 milyar dolara yakın.
“Bu veriler için standart yağ olmaya çalışıyoruz,” dedi Manning.
