زمین با انبوهی از داده‌های مربوط به خود غرق شده است. هر روز، ماهواره‌ها حدود ۱۰۰ ترابایت تصویر از سطح زمین را ضبط می‌کنند. با این حال، تفسیر این داده‌ها همیشه ساده نیست و سوالات به ظاهر ساده می‌توانند به چالش‌های پیچیده‌ای تبدیل شوند. به‌ویژه برای ایالت کالیفرنیا، یکی از سوالات اساسی این است که چه تعداد آتش‌بر در این ایالت وجود دارد که می‌تواند از گسترش آتش‌سوزی جلوگیری کند و این آتش‌برها از فصل آتش‌سوزی گذشته چگونه تغییر کرده‌اند.
این وظیفه به‌طور سنتی بر عهده انسان‌ها بود که با بررسی تصاویر، این اطلاعات را استخراج کنند، اما این روش محدودیت‌هایی دارد. ناتانائل منینگ، هم‌بنیان‌گذار و مدیرعامل LGND، به TechCrunch گفت: “در سال‌های اخیر، شبکه‌های عصبی فرآیند را آسان‌تر کرده‌اند و به متخصصان یادگیری ماشین و دانشمندان داده این امکان را می‌دهند که الگوریتم‌ها را آموزش دهند تا آتش‌برها را در تصاویر ماهواره‌ای شناسایی کنند.”
LGND با هدف بهینه‌سازی این فرآیند، اخیراً ۹ میلیون دلار در دور اولیه سرمایه‌گذاری جذب کرده است. این شرکت به دنبال کاهش هزینه‌های مرتبط با این داده‌ها به طرز چشمگیری است. برونو سانچز-آندراده نونو، هم‌بنیان‌گذار و دانشمند ارشد LGND، تصریح کرد: “ما به دنبال جایگزینی افراد نیستیم، بلکه به دنبال افزایش کارایی آن‌ها تا ۱۰ برابر یا حتی ۱۰۰ برابر هستیم.”
محصول اصلی این استارتاپ، تجزیه‌و‌تحلیل داده‌های جغرافیایی به صورت الگوهای برداری است. در حال حاضر، بیشتر اطلاعات جغرافیایی در قالب پیکسل‌ها یا بردارهای سنتی (نقاط، خطوط، نواحی) وجود دارد. این داده‌ها قابل توزیع و خواندن آسان هستند، اما تفسیر آن‌ها نیازمند آگاهی عمیق از زمینه و توان محاسباتی قابل توجهی است. تجزیه‌و‌تحلیل‌های جغرافیایی موقعیت‌های مکانی را به‌صورتی ساده‌سازی می‌کنند که یافتن روابط میان نقاط مختلف زمین را تسهیل می‌کند.
به عنوان مثال، آتش‌برها می‌توانند شامل جاده‌ها، رودخانه‌ها یا دریاچه‌ها باشند. این عناصر به‌طور متفاوتی در نقشه‌ها نشان داده می‌شوند، اما همه آن‌ها ویژگی‌های مشترکی دارند. LGND اپلیکیشنی طراحی کرده است که به شرکت‌های بزرگ کمک می‌کند تا به سوالات مرتبط با داده‌های مکانی پاسخ دهند و علاوه بر آن، یک API در اختیار کاربرانی قرار می‌دهد که نیازهای خاص‌تری دارند.
منینگ اضافه کرد که تجزیه‌و‌تحلیل‌های LGND می‌تواند شرکت‌ها را ترغیب کند تا به شیوه‌های جدیدی به داده‌های جغرافیایی مراجعه کنند. تصور کنید یک مشاور سفر هوش مصنوعی وجود دارد که می‌تواند به سؤالات پیچیده‌ای مانند یافتن محلی برای اجاره به‌مدت کوتاه با سه اتاق خواب و نزدیک به مکان‌های مناسب برای غواصی پاسخ دهد.
اگر LGND بتواند ابزاری از این دست را به طور گسترده به کاربران ارائه دهد، پتانسیل بالایی برای ورود به بازاری با ارزش نزدیک به ۴۰۰ میلیارد دلار خواهد داشت. منینگ افزود: “ما در تلاش هستیم تا استانداردی برای این داده‌ها باشیم.”