La Tierra está llena de datos sobre sí misma. Cada día, los satélites capturan alrededor de 100 terabytes de imágenes. Sin embargo, entender toda esta información no siempre es fácil. Preguntas que parecen simples pueden ser muy complicadas de responder. Por ejemplo, una pregunta muy importante para la economía de California es: ¿Cuántas cortafuegos tiene el estado que podrían detener un incendio forestal y cómo han cambiado desde la última temporada de incendios?
Nathaniel Manning, cofundador y CEO de LGND, explicó que antes se necesitaba que una persona revisara las imágenes, pero eso tiene sus limitaciones. En los últimos años, las redes neuronales han facilitado un poco este proceso, permitiendo que expertos en aprendizaje automático y científicos de datos entrenen algoritmos para identificar cortafuegos en imágenes satelitales. Manning mencionó que crear un conjunto de datos para esto podría costar cientos de miles de dólares y solo serviría para una tarea específica. LGND busca reducir esos costos significativamente.
Bruno Sánchez-Andrade Nuño, cofundador y científico jefe de LGND, aclaró que no buscan reemplazar a las personas en estas tareas, sino hacerlas diez o cien veces más eficientes. Recientemente, LGND recaudó 9 millones de dólares en una ronda de financiamiento liderada por Javelin Venture Partners, con la participación de otras empresas e inversores ángeles.
El producto principal de la startup son las incrustaciones vectoriales de datos geográficos. Actualmente, la mayoría de la información geográfica existe en píxeles o vectores tradicionales (puntos, líneas, áreas). Aunque son flexibles y fáciles de distribuir, interpretar esta información requiere un profundo conocimiento o una cantidad considerable de computación. Las incrustaciones geográficas resumen los datos espaciales de una manera que facilita encontrar relaciones entre diferentes puntos en la Tierra.
Por ejemplo, las cortafuegos pueden ser caminos, ríos o lagos. Cada uno aparece de manera diferente en un mapa, pero comparten ciertas características, como la ausencia de vegetación en la imagen de una cortafuegos. Además, deben tener un ancho mínimo, que a menudo depende de la altura de la vegetación circundante. Las incrustaciones facilitan la búsqueda de lugares en un mapa que cumplan con estas descripciones.
LGND ha desarrollado una aplicación empresarial para ayudar a grandes compañías a responder preguntas relacionadas con datos espaciales, junto con una API para usuarios con necesidades más específicas. Manning imagina que las incrustaciones de LGND animarán a las empresas a consultar datos geoespaciales de formas completamente nuevas. Por ejemplo, un agente de viajes de IA podría ayudar a los usuarios a encontrar un alquiler temporal con tres habitaciones cerca de un buen lugar para hacer snorkel, asegurándose de que esté en una playa de arena blanca y que no haya construcción cerca en el momento de su viaje.
Construir modelos geoespaciales tradicionales para responder a estas preguntas sería muy lento, especialmente si se consideran múltiples consultas. Si LGND logra ofrecer una herramienta así al público, podría capturar una parte de un mercado valorado en cerca de 400 mil millones de dólares. Manning afirmó que están tratando de ser el “Standard Oil” de estos datos.
