LGNDが「地球版ChatGPT」構築を目指す、900万ドル調達で地理空間データ革命へ

LGNDがJavelin Venture Partners主導で900万ドル（約13億円）のシード資金を調達
衛星データ解析コストを従来の数十万ドルから10分の1以下に削減可能な技術を開発
地理空間データのベクトル埋め込み技術で効率を10倍から100倍向上
4,000億ドル（約58兆円）規模の地理空間データ市場への参入を目指す

LGND社がJavelin Venture Partners主導で900万ドル調達

LGNDは最近、Javelin Venture Partnersが主導する900万ドル（約13億円）のシード資金調達ラウンドを実施したと語った。AENU、Clocktower Ventures、Coalition Operators、MCJ、Overture、Ridgeline、Space Capitalが参加した。また、Keyhole創設者のJohn Hanke（ジョン・ハンケ）氏、Ramp共同創設者のKarim Atiyeh（カリム・アティエ）氏、Salesforce幹部のSuzanne DiBianca（スザンヌ・ディビアンカ）氏を含む多数のエンジェル投資家も参加した。

衛星データ解析の課題とNathaniel Manning氏の解決策

地球は自分自身に関するデータで溢れている。毎日、衛星は約100テラバイトの画像を撮影している。しかし、それを理解するのは必ずしも簡単ではない。一見簡単に見える質問でも、答えるのは悪魔的に複雑な場合がある。

カリフォルニア州にとって重要な経済的意味を持つ次の質問を考えてみよう：州内に山火事の進行を阻止する可能性のある防火帯がどれだけあり、前回の火災シーズンからどのように変化したか？

LGND共同創設者兼CEOのNathaniel Manning（ナサニエル・マニング）氏は、「もともとは人が写真を見ていた。そしてそれはそれほど拡張性がない」と語った。近年、ニューラルネットワークにより少し容易になり、機械学習専門家やデータサイエンティストがアルゴリズムに衛星画像で防火帯を見つける方法を訓練できるようになった。

「おそらく数十万ドル、場合によっては数百万ドルもかけてそのデータセットを作成しようとするだろうが、それは一つのことしかできない」と彼は述べた。

Bruno Sánchez-Andrade Nuño氏の効率化ビジョン

LGNDはこれらの数字を1桁以上削減したいと考えている。LGND共同創設者兼チーフサイエンティストのBruno Sánchez-Andrade Nuño（ブルーノ・サンチェス・アンドラーデ・ヌニョ）氏は「我々はこれらのことを行う人々を置き換えようとしているのではない。彼らを10倍、100倍効率的にしようとしている」と述べた。

地理空間データの革新的ベクトル埋め込み技術

同スタートアップの中核製品は、地理データのベクトル埋め込みである。今日、ほとんどの地理情報はピクセルまたは従来のベクター（点、線、領域）のいずれかに存在している。これらは柔軟で配布や読み取りが容易だが、その情報を解釈するには空間の深い理解、相当な計算量、またはその両方が必要である。

地理埋め込みは、地球上の異なる点間の関係を見つけやすくする方法で空間データを要約する。「埋め込みは、すべての未分化計算の90%を前もって取得する」とNuño氏は述べた。「埋め込みは、いずれにしても行わなければならない計算の90%を体現する、普遍的で超短い要約である」

防火帯検出での具体的応用例

防火帯の例を考えてみよう。それらは道路、川、または湖の形を取る場合がある。それぞれは地図上で異なって表示されるが、すべて特定の特徴を共有している。一つは、防火帯の画像を構成するピクセルには植生がないということだ。また、防火帯は特定の最小幅である必要があり、これは周囲の植生の高さに依存することが多い。埋め込みにより、これらの記述に一致する地図上の場所を見つけることがはるかに容易になる。

LGNDは大企業が空間データに関する質問に答えるのを助けるエンタープライズアプリと、より具体的なニーズを持つユーザーが直接アクセスできるAPIを構築した。

AI旅行エージェントでの活用想定

Manning氏は、LGNDの埋め込みが企業に全く新しい方法で地理空間データを照会することを奨励すると考えている。

AI旅行エージェントを想像してみよう、と彼は述べた。ユーザーは良いシュノーケリングに近い3部屋の短期レンタルを見つけるよう求めるかもしれない。「しかし、白い砂浜にいたい。私たちが行く2月に海藻がほとんどないことを知りたい、そして最も重要なことは、この予約時点で家から1キロメートル以内で工事が行われていないことだ」と彼は述べた。

これらの質問に答えるために従来の地理空間モデルを構築するのは、一つのクエリだけでも時間がかかり、すべてを合わせるとなおさらである。