Découvrez Orca Huntr de Blackshark.ai : créez des modèles d’intelligence orbitale en dessinant !

Blackshark.ai démocratise l’intelligence géospatiale avec Orca Huntr

Blackshark.ai a déjà créé un jumeau numérique de la Terre, et sa prochaine initiative démocratise encore davantage le monde de l’intelligence géospatiale. Dans la continuité du thème nautique, son outil Orca Huntr alimenté par l’intelligence artificielle permet de trouver et de suivre n’importe quoi depuis l’orbite – et c’est si simple qu’un enfant, voire un membre du Congrès, pourrait l’utiliser.

Un financement de 15 millions de dollars pour soutenir cette nouvelle activité

La société a également annoncé un financement de 15 millions de dollars qui devrait aider à démarrer cette nouvelle activité.

Une approche novatrice issue de l’industrie du jeu vidéo

Cette start-up est née de l’industrie du jeu vidéo, apportant ainsi un regard neuf sur l’interprétation et l’utilisation d’images orbitales et aériennes. En 2020, nous avons écrit une histoire détaillée sur la façon dont ils ont créé le jumeau numérique de la Terre, mais en résumé, ils ont construit un système central pour interpréter des images très variées dans le temps et l’origine.

« Dès le premier jour, nous avons dû concevoir une technologie suffisamment flexible pour traiter toutes ces données », m’a déclaré le PDG Michael Putz lors d’un entretien sur la nouvelle fonctionnalité et le financement. Et maintenant, ils travaillent sur un moyen de permettre aux gens de tirer davantage de valeur de cette Terre numérique sans avoir besoin d’un doctorat en apprentissage automatique ou même de quelques années d’expérience en programmation.

Une interface simple pour des résultats complexes

Évidemment, le jeu de données géospatiales d’IA sans code est un peu un jargon à la mode, mais une fois que vous voyez le produit en action, il est facile de voir comment il pourrait faire des vagues. La complexité du produit est dissimulée derrière une interface presque ridiculement simple : vous griffonnez sur la partie de l’image que vous souhaitez trouver davantage, et le système trouve davantage de cette chose, presque instantanément. C’est… tout.

Vraiment ! Regardez :

Eh bien, il y a un peu plus que ça. Vous pouvez également griffonner avec une couleur différente dans l’espace négatif pour dire « pas cette partie », et il y a quelques boutons à régler pour des fonctionnalités avancées. Mais l’objectif principal d’Orca Huntr était de permettre à quiconque peut voir une caractéristique et la griffonner de construire essentiellement un moteur d’apprentissage automatique pour détecter chaque autre instance de cette caractéristique – chaque instance dans les images que vous téléchargez, ou sur la planète si vous vous sentez expansif.

Soyons clairs, cette détection d’objets nécessite normalement un peu plus de temps, d’efforts et d’expertise. Le processus d’étiquetage des images à grande échelle n’est pas particulièrement moderne ou efficace, et lorsqu’il est réalisé à grande échelle, il est souvent externalisé – une industrie de plusieurs milliards de dollars. Demander à une entreprise de passer en revue une centaine d’images et d’étiqueter minutieusement chaque rivière, puis de former un modèle de vision par ordinateur sur ces images et de tout vous renvoyer peut prendre des semaines, voire plus, et cela peut coûter cher. Et si vous effectuez un travail sensible comme le renseignement militaire, vous devez tout faire en interne, ce qui signifie avoir une équipe capable de le faire, et la plupart des entreprises n’en ont pas.

Lors d’une démonstration de la technologie, Putz a expliqué en quoi leur approche diffère, au-delà de l’interface utilisateur, des services d’annotation et de reconnaissance d’objets proposés par leurs concurrents.

« Nous n’essayons pas de tout automatiser ; nous utilisons un être humain intelligent dans la boucle, ce que les autres solutions ne veulent pas. Mais l’IA n’est jamais à 100 % précise, donc vous la peaufinez… mais tout le monde suit la voie traditionnelle de l’étiquetage », a-t-il déclaré, ce qui signifie qu’il envoie le travail aux professionnels (et par extension, à qui ils le transmettent). « Orca rend cela sans code et simple, plus précis et sécurisé – tout utilisateur capable de tenir une souris peut détecter n’importe quoi. »

Si l’algorithme de détection de jets que vous obtenez n’est précis qu’à 80 %, vous deviez le renvoyer au fabricant avec une centaine d’images annotées supplémentaires et attendre qu’il vous réponde. Avec Orca Huntr, cela pourrait être aussi simple que d’ajouter un seul coup de pinceau supplémentaire – le modèle se met à jour en temps réel et vous pouvez voir s’il est meilleur. C’est une évolution des outils qu’ils ont utilisés (et dont ils ont refusé de donner des détails à l’époque) lors de la création du jumeau de la Terre pour le simulateur de vol de Microsoft.

« Vous commencez réellement à comprendre comment fonctionne l’IA, ce que signifie la formation et l’annotation, et ce que vous devez faire pour obtenir de bons résultats », a déclaré Putz. « C’est même amusant de s’entraîner avec – c’est un défi de voir combien de coups de pinceau vous avez besoin. »

Une tâche commune simplifiée et accélérée

Orca Huntr permet de manière considérable de simplifier et d’accélérer la tâche courante consistant à « trouver tous les X dans cet ensemble d’images », ce qui intéresse autant les agents immobiliers et les promoteurs que les gouvernements, les scientifiques et les militaires. On pourrait penser que fournir cette capacité permettrait à n’importe qui de réaliser le travail nécessaire par lui-même, mais Putz a déclaré qu’il y avait en réalité une augmentation des clients demandant des solutions complètes.

« Nous avons essayé de dire que nous ne fournissons qu’une couche horizontale mince, mais nous avons constaté que les clients finissent toujours par nous demander de verticaliser », a-t-il déclaré. Par exemple, un promoteur de parc éolien pourrait utiliser l’outil pour trouver des zones présentant les bonnes caractéristiques pour installer une douzaine de turbines. Mais ils veulent plus que ça et peuvent simplement fournir les images et les contraintes à Blackshark.ai, leur demandant non seulement de trouver des emplacements probables, mais aussi de créer des visualisations en ligne de mire et d’autres considérations réelles.

« Nous pouvons placer un parc éolien n’importe où sur la planète en 3D, puis le mettre dans Unreal [Engine] et montrer au maire d’une ville comment il ne serait pas visible depuis cette terrasse ou cette place de ville », a déclaré Putz.

Ce sont aussi les gouvernements du monde entier qui, malgré la simplicité de la nouvelle interface, ne maîtrisent pas encore suffisamment ce type de travail. Les investissements dans l’IA et les données au cours de la dernière décennie ont donné des résultats mitigés, de nombreux outils et plates-formes n’ayant pas donné les résultats escomptés ou s’avérant trop coûteux ou limités.

« Pour moi, l’un des enseignements clés a été de constater à quel point les gouvernements sont importants en tant que clients – et il ne s’agit pas seulement des agences à trois lettres, mais aussi des agences forestières et côtières – je veux dire, ce sont eux qui prennent soin de la planète », a-t-il déclaré.

Il est également important de noter que la société est la seule à avoir accès à l’archive de données satellites de l’investisseur Maxar, qui couvre de nombreuses époques et types de satellites, ce qui la rend inestimable non seulement pour la formation des modèles, mais aussi pour la complémentation et la contextualisation d’autres ensembles de données. Putz a cité la résilience de ses systèmes et la capacité à traiter de nombreux types de données différents sans se bloquer comme l’un des atouts majeurs de l’entreprise.

Cette polyvalence pourrait même lui permettre de généraliser au-delà des images orbitales. Un modèle pour créer des modèles, c’est ce que représente Orca Huntr, pourrait très bien fonctionner pour autre chose que des images de la planète. Il pourrait être capable d’apprendre et de signaler des objets ou des caractéristiques dans des images industrielles ou médicales microscopiques.

« Je pense que cela pourrait fonctionner en radiologie, les médecins marquant les tumeurs et ainsi de suite. Je viens de contacter un investisseur amical pour me présenter aux OEM afin de les tester là-bas. Et nous avons reçu une demande très intéressante d’un fabricant de disques durs », a-t-il noté. (Lorsque j’ai demandé s’il était possible de repérer des baleines, il a déclaré que cela était possible avec les bonnes images, et « Nous avons déjà eu une demande pour des colonies de pingouins en Antarctique », qui sont célèbres et visibles depuis l’espace.)

Un financement de 15 millions de dollars pour soutenir cette nouvelle activité

Les nouvelles fonctionnalités ont été rendues possibles en partie grâce à un financement de 15 millions de dollars provenant de (citant le communiqué de presse) : « Les investisseurs existants Point72 Ventures, le fonds de capital-risque M12 de Microsoft et Maxar sont rejoints par In-Q-Tel (IQT), Safran, ISAI Cap Venture, le fonds de capital-risque de Capgemini géré par ISAI, Einstein Industries Ventures, Interwoven Ventures (anciennement ROBO Global Ventures), OurCrowd, Gaingels et OpAmp Capital ». Cela porte leur total levé à 35 millions de dollars.

Il est toujours bon de noter qu’une grande entreprise technologique, une grande entreprise spatiale et un grand… quel que soit le terme que vous pourriez utiliser pour décrire In-Q-Tel, sont tous impliqués dans le même investissement. Il est clair qu’il y a une convergence des besoins et des opportunités ici.

Les clients payants pourront tester l’outil eux-mêmes à partir du 4 décembre. La société a refusé de fournir des détails sur la tarification.