Esta semana, Valeria Kogan, licenciada en Física y Tecnología , cofundadora de las startups Fermata y Smartomica, habló en nuestro canal de youtube .
A Lera se le ocurrió la idea de controlar las plantas en los invernaderos mediante el aprendizaje automático cuando sus amigos le contaron sus problemas con el cultivo masivo de pepinos y tomates. Luego, ella y sus amigos fundaron Fermata y comenzaron a desarrollar una plataforma para el monitoreo de plantas en tiempo real.
En 2019, la compañía atrajo $ 1.1 millones en inversiones de un inversionista privado, y ya en marzo de 2020, durante la ronda A, recibió otros $ 3.7 millones en inversiones del fondo británico Massa Innovations y varios inversionistas privados.
Además de la agrotecnología, Lera se dedica al desarrollo de nuevos métodos para diagnosticar el cáncer y es científica visitante en el Roswell Park Cancer Institute. En Smartomica, desarrollan tecnologías para el análisis de datos médicos y científicos para el diagnóstico y tratamiento de pacientes oncológicos
Compartimos con ustedes la transcripción y grabación de la transmisión.
Mi nombre es Valeria Kogan, soy cofundadora de las startups Fermata y Smartnomica. Y en relación con el nombre de esta corriente, debo hacer una declaración: Fermata, sus empleados y accionistas no crecen, no usan ni recomiendan sustancias prohibidas. Nos dedicamos solo al análisis del estado de las plantas, incl. cannabis medicinal. Lo analizamos y controlamos en el territorio de Israel, donde es legal, y nunca lo haremos donde es ilegal.
Te contaré un poco sobre mí, sobre los proyectos, de dónde vinieron, y estaré encantado de responder preguntas.
Me gradué de Física y Tecnología, Facultad de Física Médica y Biológica. Todo el tiempo que estuve estudiando en la universidad me dediqué a la investigación científica y tenía muchas ganas de desarrollarme en esta dirección.
Después de la universidad, entré en la escuela de posgrado de la Universidad Ariel. Durante mis estudios en la universidad, y más tarde, me dediqué todo el tiempo al análisis de datos en aplicación a problemas biológicos y médicos. En la universidad, me dediqué a la bioinformática, varias otras tareas relacionadas con la IA, trabajé en varias startups. Pero esta siempre ha sido una actividad puramente científica, no relacionada con la aplicación práctica y rápida de la IA y el análisis de datos a problemas reales. En la universidad, cuando ya comencé a estudiar en la escuela de posgrado, comencé a involucrarme con mi supervisor en cosas que ya eran la aplicación práctica de la IA; esto luego se convirtió en el proyecto Smartnomica. Comenzamos a intentar aplicar el análisis de datos, el aprendizaje automático para diagnosticar a los pacientes con cáncer, elegir el tratamiento adecuado para ellos, ver cómolo que puedo hacer puede ser útil en esta área de conocimiento.
Y luego, por casualidad, surgió una idea: aunque soy una persona absolutamente alejada de la agricultura, que nunca ha visto crecer vegetales, en el curso de la comunicación con conocidos mutuos, que lo que hacemos para el diagnóstico del cáncer se puede usar para el diagnóstico de las plantas. Y de este pensamiento, de la comunicación con los productores de tomate y pepino, surgió la idea de Fermata. Regresé a Moscú, me reuní con personas que dijeron que sería genial aplicar la IA a la agricultura. Entonces parecía que no mucha gente lo hacía. Hablaron sobre cómo la IA puede ser útil, qué problemas tienen. Y en el curso de las conversaciones con ellos, quedó claro que la tarea de monitorear el estado de las plantas es muy urgente. Lo resuelven las personas, no de manera muy efectiva, porque los invernaderos son enormes, hay muchas plantas y, a veces, es necesario monitorear todas las hojas. Y,si una enfermedad se detecta tarde, entonces todo el invernadero puede sufrir y el agricultor sufrirá pérdidas.
Pensamos que era un problema muy bueno, junto con mis amigos, a quienes invité a resolverlo. Y pensamos que si ahora resolvemos el problema de la pérdida de cultivos debido a infecciones con la ayuda de la IA, entonces podremos escalar esta solución a todo el mercado agrícola. Empezamos a pensar en cómo implementar este proyecto empresarial; primero, con aquellas personas con las que se discutió inicialmente la idea. No estuvimos de acuerdo con ellos y decidimos que comenzaríamos a actuar de manera independiente y regresaríamos con un producto terminado. Así empezó nuestra gran historia de aventuras. Empezamos a formar un proyecto e intentamos conseguir apoyo, financiación, entendiendo que alguien lo necesita. Esta no fue una historia de éxito durante mucho tiempo; enfrentamos muchas tareas difíciles. En primer lugar, no había nadie en nuestro equipo que entendiera nada en agricultura:solo estaban mis amigos de la física y la tecnología, especialistas en IA.
Inicialmente, queríamos crear un robot agrícola; nos parecía que era una idea inteligente, muy tecnológica y genial, y que nos pagarían mucho dinero por un robot. Rápidamente resultó que este no era el caso, pero inicialmente propusimos exactamente la idea de un robot y queríamos obtener al menos alguna confirmación de que era un proyecto útil y necesario. Solicitamos a la Fundación Bortnik para obtener la primera financiación para el proyecto; Ya tuve una experiencia estudiantil exitosa con la fundación, y pensé que todo saldría bien: nos dirían que todo iba bien, que obtendríamos dinero y que todo funcionaría para nosotros. Pero en cambio, no recibimos ningún comentario, no nos dieron dinero y nadie respondió a las llamadas. Estábamos muy tensos y no entendíamos qué significaba todo esto: teníamos un mal proyecto, ¿o simplemente fueron incomprendidos?
Luego intentamos contactar con Skolkovo, contactamos al gerente a cargo de Skolkovo-Agro. Nos dijeron que el proyecto es extraño, y no les gusta, y que constantemente acuden a ellos algunos especialistas en informática, que piensan que entienden algo de agricultura, y que ofrecen un "caballo esférico en el vacío". Como ahora entendemos, este era el punto de vista correcto. Cuando dijimos que no teníamos un agrónomo en nuestro equipo, nos dijeron que no tenía sentido seguir hablando. Es decir, tampoco recibimos apoyo en Skolkovo.
Qué hacer a continuación, mientras estuvimos en Rusia, no lo entendimos y estábamos perdidos. Entonces no había muchas incubadoras, no se sabía a dónde ir. Parte del equipo ya estaba armado, algunas personas trabajaban gratis, junto con otro cofundador, Anton, trabajamos en nuestro tiempo libre y creamos este producto. Ya teníamos un prototipo de IA de un clasificador de enfermedades de las plantas basado en imágenes que encontramos en el dominio público. Pero no hubo apoyo económico ni moral. Decidimos que era un mal síntoma; las diversas personas con las que hablamos en la industria agrícola reaccionaron negativamente a la idea de la IA.
Decidimos hacer el último intento para obtener comentarios sobre el proyecto y postulamos para el concurso de startups agrícolas, que se celebró en Belgorod - "Startup: land". Casi perdemos el tren, pero al final nos subimos a él y, para nuestra sorpresa, ganamos. Hubo muchos proyectos interesantes de personas con experiencia en agricultura, y hubo un jurado maravilloso con expertos que nos brindaron excelentes comentarios sobre nuestro trabajo. Como resultado, fue allí donde la gente nos apoyó mucho, incluso los representantes de Skolkovo que estaban allí. Ganamos la licitación y, formalmente, se suponía que esto garantizaría nuestra implementación en la región de Belgorod.
Pero la felicidad no vino de esto. Tuvimos reuniones con varios productores agrícolas, una universidad agrícola local. Fuimos con la gente y hablamos sobre nuestro proyecto, que estamos haciendo un robot que monitorea plantas en invernaderos, y todos nos dijeron que esto es una especie de mierda y que nadie lo necesita. Por eso, poco a poco dejamos de interactuar con ellos, no teníamos ninguna implementación. Las personas que participaron en esto se dispersaron gradualmente. Pero ganamos el concurso y el jurado de expertos nos dio buenos consejos, lo que nos ayudó a creer en la idea misma del producto. Poco a poco, a medida que trabajamos en esto y hablamos con los expertos de la industria con los que entramos en contacto, nos dimos cuenta de que la idea de un robot no es muy buena. Un robot agrícola es muy caro de desarrollar, es muy difícil hacerlo,para no interferir con el proceso de producción. Y pocas personas quieren pagar mucho dinero por esa tecnología.
Pero ya teníamos desarrollos preparados relacionados con la definición de enfermedades de las plantas a partir de imágenes. Decidimos hacer una tecnología más simple, que finalmente resultó ser muy demandada e hizo de Fermata lo que es ahora. Esta es la solución: cuando instalamos en invernaderos o en "cultivos de interior" (aquí es cuando los inmuebles se convierten en invernaderos), sensores para recopilar datos climáticos precisos y cámaras para el control visual de las plantas. Estas cámaras estacionarias son mucho más baratas que cualquier robot, pero al mismo tiempo la información que se recopila de ellas es de calidad suficiente para monitorear con precisión las plantas en producción.
La función principal de nuestro producto es identificar enfermedades en las plantas, pero, además, resolvemos algunos de los problemas que enfrentan los agricultores durante la producción. Estamos tratando de reemplazar todo el proceso de toma de decisiones, que se basa en el monitoreo visual, y automatizarlo. Entonces, a veces los agricultores necesitan determinar la fase de floración o controlar una forma especial de plantas. Todo esto se puede hacer mediante el análisis de datos de cámaras. A veces el clima nos ayuda en esto: a veces afecta la forma o algunas enfermedades. Y también podemos integrar datos visuales y climáticos para predecir cultivos y brindar orientación a los agricultores sobre cómo comportarse para reducir los costos y aumentar la rentabilidad.
Esta tecnología, a la que llegamos después de abandonar el concepto de robot, ya ha recibido el apoyo de los inversores y la estamos desarrollando aún más. Otro problema que encontramos con bastante rapidez se asoció con el mercado ruso: resultó que esta no es la mejor plataforma para pilotear maquinaria agrícola, al menos la que hacemos, destinada a reducir los costos al reducir las pérdidas de cultivos y reducir el número de personas involucrado en el trabajo de rutina. Esto puede ser eficaz si la cosecha es muy cara o las personas son muy caras y la disminución en el número de personas empleadas en la producción (incluso en 1-2) es notable. No existe tal cosa en el mercado ruso. Muchas variedades de plantas, que son las más comunes, no son muy caras, por lo que los ahorros debido a nuestra tecnología son insignificantes para los agricultores.La mano de obra tampoco es muy cara. Por lo tanto, el valor de instalar nuestra tecnología en el territorio de Rusia no es muy alto. Por lo tanto, inicialmente, las negociaciones que realizamos con los agricultores mientras estábamos en casa no fueron muy positivas. La gente realmente no nos percibió y no vio ningún beneficio para ellos, porque realmente sería bajo.
Pero cuando empezamos a tratar de hablar con agricultores fuera de Rusia, nos dimos cuenta de que teníamos una solución realmente genial. Esto fue facilitado por el hecho de que estaba en Israel. También fue una reorganización: dejar la acogedora comunidad de startups de Moscú, donde todos son amigables entre sí, a nadie se le ocurre pedirle dinero por un consejo, todos se presentan con calma a sus inversores.
La situación era completamente diferente cuando llegamos a los eventos de inicio en Israel. Fuimos al primer evento de agrotecnología junto con mi colega que me ayudó con el desarrollo comercial en Israel; vinieron a este evento, y parecía que éramos los hijos de alguien que no tenía a nadie con quien dejar en casa. En su mayoría eran hombres adultos, de 50 años o más, que han trabajado en empresas agrícolas durante muchos años, tienen una vasta experiencia, entienden perfectamente bien lo que necesita un Bayer o Syngenta condicional y hacen una startup altamente enfocada para una corporación específica para venderla allí. más tarde.
Cuando nos encontramos entre ellos, nos dimos cuenta de que nuestra idea de competencia en el mercado de startups no era cierta. Hay mucha gente profesional muy interesante. Y esto influyó en nuestras futuras decisiones sobre qué hacer con el equipo; nos dimos cuenta de que es imperativo involucrar a expertos, especialmente en el área de finanzas y negocios, donde no es la tecnología y la erudición lo que decide, sino la experiencia, el conocimiento, los contactos. También nos dimos cuenta de que es muy importante que personas con experiencia internacional se involucren en esta parte del equipo si estás interesado en el mercado internacional. Desafortunadamente, es muy difícil encontrar personas capaces de proporcionar un alto nivel de contactos internacionales.
Mientras trabajábamos con el mercado ruso, intentamos de inmediato comenzar a buscar personas con las que pudiéramos probar la tecnología, para tener un contacto real con los fabricantes, para recibir comentarios sobre lo que realmente necesitan y no presentar sus solicitudes nosotros mismos ... Encontramos una empresa muy amigable con nosotros, en ese momento, - "City-Farmer", que hacía invernaderos verticales para la producción de hierbas y hongos.
Hicimos un piloto gratuito con ellos; nos abrieron su sitio, donde aprendimos mucho: comprendimos cómo funciona la producción, qué tareas enfrentan los agrónomos. Allí reunimos un gran conjunto de datos y descubrimos cómo hacerlo.
Tenemos una persona dedicada en el equipo que solo es responsable de los datos. Cuando estamos trabajando con un nuevo proyecto, cuando hablamos de algún nuevo tipo de plantas o de una nueva región, porque, naturalmente, todo es diferente de una región a otra y las tareas también son diferentes, esta persona especial hace la investigación y encuentra todo lo que puede encontrar en datos abiertos.
Por tanto, cuando llegamos a un cliente, ya tenemos al menos un prototipo de solución funcional. Después de eso, llevamos a cabo una recopilación intensiva de datos, junto con el cliente y sus agrónomos, y marcamos los datos. Disponemos de una solución especial para el marcado de datos, para que todo el proceso sea de alta calidad, intensivo y rápido. El proceso de recopilar tareas del fabricante, procesar los datos relevantes, construir modelos que resolverán las tareas que enfrentan es muy importante.
En consecuencia, cuando comenzamos a trabajar, intentamos de inmediato encontrarnos un socio comercial, a partir del cual pudiéramos desarrollar tecnologías que fueran necesarias y útiles. Luego comenzamos a analizar las decisiones que tomamos, en qué mercados, en qué regiones también pueden ser útiles. Así que se nos ocurrió una idea ridícula, como nos pareció, con el cannabis medicinal: este es un mercado bastante marginal, aquí el costo del producto final es alto. Por lo tanto, si reduce las pérdidas de producción aunque sea un poco, juega un papel importante. Es útil para el agricultor y podemos ganar más, ya que nuestro modelo de negocio se basa en el hecho de que compartimos con el agricultor la ganancia que adicionalmente recibe gracias a nuestra tecnología.
Entonces nos dimos cuenta de que el cannabis es una dirección prometedora. Encontramos otro "piloto" en Israel, también gratuito, donde desarrollamos toda la tecnología. Después de eso, nosotros, que ya somos más inteligentes que antes, nos cubrimos con una red de agrónomos, con quienes ahora trabajamos, y que nos dice qué problemas deben resolverse, qué características deben agregarse a la tecnología en cada etapa siguiente. Así que poco a poco creamos una solución para el cannabis, que ahora estamos promoviendo activamente; esta es una dirección muy atractiva para nosotros, desde un punto de vista comercial. Existe cannabis medicinal tanto en Israel como en Europa, proyectos en los que se cultiva con fines cosméticos y existen las mismas tareas importantes.
Si hablamos de plantas más clásicas, como verduras o hortalizas, entonces tenemos que ver cuál es el costo de estos productos en una región particular y cuál es el costo de la mano de obra allí. Por lo tanto, ahora estamos enfocados en el mercado europeo: entendemos que las personas son caras allí y el efecto de usar nuestra tecnología puede ser alto.
Uno de los desafíos que enfrentan los agricultores es controlar la presentación de las plantas. Es necesario no solo asegurarse de que no haya enfermedades: las plantas deben verse perfectas. Aquí, nuestra tecnología también es eficaz. Si hablamos de verduras, entonces hay productores completamente especializados que están desarrollando plantas para restaurantes caros, y es muy importante que todas las plantas se vean perfectamente hermosas, para que toda la ensalada sea uniforme, verde, hermosa.
O, por ejemplo, hay un problema interesante en las setas: las setas que compramos suelen ser bastante feas y por eso son más baratas. Si una persona construye una producción premium, entonces es importante para él que todos los sombreros sean densos, hermosos y de la misma forma. También resolvemos tales problemas: monitoreamos el tipo de plantas, incluso si no está asociado con enfermedades.
¿Por qué invernaderos y no campos? Me parece que la tarea con campos es más complicada. La pregunta principal aquí es cómo configurar exactamente las cámaras para realizar un seguimiento de las plantas. En el campo, la principal forma de solucionar este problema son los drones, pero me parece que la parte de hardware no está del todo lista para hacer una oferta rentable al agricultor. Para evitar que los drones se descarguen, no se pierdan, no se volaron y, al mismo tiempo, no costaron mucho dinero. Por eso, mientras estamos trabajando con invernaderos y no nos centramos en los campos.
Respecto a las tareas de I + D + i: nos interesa mucho la dirección asociada al análisis de la composición de las plantas. Estamos llevando a cabo una investigación en esta dirección, esta es una tarea bastante importante para varias plantas, incluidas las que son médicas, pero no solo. Por ejemplo, para el trigo, es importante saber cuál es la composición de proteínas. Es importante que los agricultores conozcan de antemano qué está pasando con la composición de las plantas para poder controlar el clima, para seleccionar las condiciones para que el costo final del producto sea lo más alto posible. Por tanto, una de las tareas de I + D + i más importantes que vemos ante nosotros es el desarrollo de tecnologías que nos permitan hacer esto en tiempo real, para predecir lo que está sucediendo dentro de las plantas en base al análisis de datos de diferentes espectros. Además del análisis de datos ambientales y la integración de estos datos entre sí con el fin depredecir y asesorar a los agricultores sobre qué hacer para que su producto sea lo más caro posible.
Las tareas que quedan con la persona son un tema muy importante de carácter ético para todas las empresas que se dedican a la IA y la automatización laboral. A veces se les hacen preguntas: ¿No les parece terrible que estén desarrollando tecnologías que reemplazan a las personas? Pero me parece que estamos haciendo lo contrario: estamos creando tecnología que permite a las personas no hacer un trabajo aburrido y poco creativo que no requiere la participación de recursos intelectuales.
Me parece que una persona nunca se dejará llevar por las máquinas en cuanto a creatividad, flexibilidad, la capacidad de crear algo que no existía. Por lo tanto, es muy bueno hacer cosas que permitan a las personas hacer un trabajo creativo y no perder tiempo, vida, fuerza, salud en lo que las máquinas pueden hacer en lugar de ellas.
P: ¿Qué pasa con la tecnología de automatización para animales?
Lo pensamos. Al principio, pensamos tanto en los animales como en los peces; de hecho, hay muchas tareas interesantes en los peces. Pero ahora estamos tratando de concentrarnos tanto como sea posible. Ni siquiera nos rociamos entre muchas plantas diferentes; ahora tenemos dos enfoques principales: verduras y cannabis. Consideramos y lideramos el desarrollo en la dirección de las verduras solo porque tenemos el potencial de desarrollo con un estratega importante, aunque trabajar con verduras clásicas es una tarea de ingeniería muy difícil. Es muy importante para nosotros que tengamos éxito, pero para tener éxito, debemos limitar nuestros deseos. Por tanto, hemos elegido lo que parece ser el más comercialmente viable; definimos el tipo de plantas, definimos los mercados a los que vamos y tratamos de ceñirnos a ellos.
Hasta donde yo sé, ya existen muchas soluciones en la cría de animales, muy interesantes, relacionadas con la IA. Cuelgan sensores en los animales, controlan su salud, determinan la fertilidad con cámaras, con la forma de caminar. Tareas muy interesantes. El pescado me parece una dirección potencialmente interesante desde el punto de vista comercial, pero no soy un experto en esto. Hasta ahora estamos limitados al grupo prioritario de plantas.
P: ¿trabajas con todo tipo de cultivo?
No con todo el mundo. No trabajamos con campo abierto, porque aún no entendemos qué método de instalación de cámaras para controlar plantas en campo será efectivo. Antes de la epidemia, teníamos una relación con un gran fabricante estadounidense de equipos de campo, pero todo se estancó. Ahora nos centramos en lo que sucede en interiores: invernaderos e interiores.
P: ¿de qué vivía la startup antes del primer cliente? ¿Cuáles fueron los primeros pedidos?
La startup todavía vive principalmente de fondos de inversión. Esperamos alcanzar la rentabilidad en unos meses, pero ahora lo principal es el dinero de inversión.
Las primeras historias comerciales comenzaron tras una reorientación del mercado ruso al occidental, que sucedió no hace mucho tiempo. Ahora tenemos dos proyectos comerciales bastante grandes. También hay un punto importante aquí: no trabajamos directamente con los agricultores, trabajamos con fabricantes de tecnología y fabricantes de invernaderos.
Si tuviéramos que instalar el equipo nosotros mismos, tendríamos que tener una gran plantilla de personas; Como nos enfocamos en una gran cantidad de mercados y no queremos limitarnos, es muy importante para nosotros que el proceso de instalación de nuestra tecnología sea rápido, eficiente y que alguien más esté involucrado. Queremos quedarnos en el área de desarrollo de software. Por ello, trabajamos con empresas que pueden proporcionar la instalación de los equipos necesarios para que nuestra tecnología funcione. En consecuencia, se trata de fabricantes de invernaderos, porque nuestra tecnología puede pasar a formar parte del invernadero, o empresas que fabrican tecnologías para el cuidado y control de plantas. Hablamos con ellos de esto de esta manera: tú haces luz, o calientas las raíces, u otra tecnología genial que te permita cultivar mejor, mejor, y nosotros hacemos tecnología,lo que permite recolectar retroalimentación de estas plantas. Es decir, podemos averiguar cómo se sienten y podemos decirle a usted, y al agricultor final, si todo va bien o si algunos procesos deben optimizarse.
P: ¿Cuáles son sus competidores actuales?
Problema complejo. Hay varias empresas en el mundo que afirman fabricar tecnologías similares. Cuando tuvimos nuestro equipo europeo por primera vez, tuvimos esta idea que trajeron: dijimos que éramos agricultores y llamamos a diferentes empresas. Intentamos entender, comunicarnos con ellos, lo que realmente están haciendo, qué tan seria es nuestra competencia, cuánto dinero cobran por sus productos; esta es la pregunta más importante. Ahora nos parece que la competencia no es muy alta. Hay muchas empresas independientes que hacen algo similar; Pero hasta donde entendemos, incluso aquellas empresas que dicen que usan IA tienen un bajo nivel de aprendizaje automático en sus proyectos. Por eso, nos sentimos confiados en general, pero no nos relajamos y tratamos de movernos de manera rápida y eficiente.
La agricultura es generalmente una industria bastante conservadora y no digitalizada. Fue muy interesante observar la dinámica de su cambio durante los dos años que llevamos trabajando; cuando comenzamos a hablar con las grandes empresas, incluso en Occidente, nos enfrentamos al escepticismo, a la falta de comprensión de por qué esto es necesario. Pero ahora, cuando llegamos a una corporación, a menudo escuchamos que la gente simplemente está pensando en cómo llegar a un acuerdo con una startup. Y tenemos mucha suerte de que ya tenemos desarrollos, resultados, métricas, modelos, y no venimos y decimos simplemente que queremos hacer algo. Ahora es un muy buen momento para la agrotecnología.
P: ¿que cámaras usas? Cuéntanos más sobre la infraestructura
Tenemos la siguiente historia con cámaras: inicialmente lo hicimos todo nosotros mismos. Pero ahora estamos tratando de mantenernos en el área del software, porque tenemos experiencia en él; creemos que somos fuertes en la ciencia de datos, pero no en la instalación y elección de cámaras. Hay gente muy interesante que se especializa en esto; hay una empresa letona que se ocupa de la videovigilancia: instala sistemas de seguridad en aeropuertos, en otras grandes instituciones y saben todo sobre cámaras. Es decir, cómo instalarlos, qué problemas pueden haber, qué hacer si hay agua, etc. Ahora son nuestro socio principal en el área de cámaras. Juntos elegimos cámaras para nuestras tareas; proporcionan toda la pieza con selección, selección de cámaras. Esta fue una de las principales decisiones correctasque aceptamos, dejar de hacer este trabajo dentro de nosotros y, en cambio, atraer a expertos de alto nivel.
También tenemos sensores climáticos de la infraestructura dura. Estos incluyen un conjunto estándar de parámetros que necesita conocer en un invernadero: temperatura, humedad, CO2, iluminación, etc. Hacemos sensores inalámbricos que nos permiten tomar información del invernadero en alta resolución; podemos esparcirlos mucho y hacer mapas tridimensionales de lo que está sucediendo con el clima.
Hasta hace poco, desarrollábamos sensores nosotros mismos, pero luego, especialmente después de que la asociación en el área de cámaras nos dio mucho, nos dimos cuenta de que tampoco queríamos hacer esta parte dentro de la empresa. Esto a pesar de que en la etapa inicial de trabajo nos parecía que esto era casi un elemento clave, e incluso teníamos protección de patente para esos sensores que desarrollamos para nuestros primeros clientes. Pero luego nos dimos cuenta de que, en principio, no somos grandes expertos en esto, y las actividades relacionadas con el duro son menos claras y más complicadas. Por lo tanto, ahora estamos organizando una asociación con otra empresa europea para producir este tipo de equipos para nosotros.
P: ¿Hubo algún problema con las patentes o los trolls de patentes?
Todavía no. Básicamente, toda la historia de las patentes relacionadas con la IA es muy compleja; ahora estamos poniendo nuestros esfuerzos en solucionar este problema. Además, tenemos muchos desarrollos internos interesantes en términos de algoritmos que es importante proteger y que son el valor clave de la empresa.
P: ¿Cómo validaste la idea en el mercado y buscaste comentarios?
Solo estábamos mirando. No puedo decir nada inteligente aquí, fue doloroso y durante mucho tiempo, especialmente al principio. Buscaron amigos al principio, se reunieron con diferentes personas, les dijeron, nos dijeron - apesta, conocieron al siguiente, dijeron lo mismo. Tratamos de entender la lógica de esto: si a la gente simplemente no le gusta que les estemos contando algo nuevo y les estamos haciendo perder el tiempo, o si realmente hay razones por las que esto no puede ser rentable. En realidad, tomamos la decisión correcta, abandonamos el robot, precisamente porque mucha gente nos dijo que no funcionaría.
Intentamos hablar con el mercado de inmediato, tratamos de ofrecer pilotos gratuitos en la etapa inicial, no hablamos de dinero en absoluto. Intentamos obtener al menos algún tipo de experiencia en cualquier lugar, porque no teníamos conocimientos de agricultura. Hablamos con universidades. Ahora continuamos validando constantemente las ideas en el mercado: tenemos ideas sobre nuevas funciones y nos comunicamos con los clientes al respecto.
Ya contamos con una red de personas-consultores con quienes nos comunicamos; y están directamente aquellos equipos con los que interactuamos. El proceso de desarrollo empresarial se trata de validar ideas, y esto a menudo requiere contactos fríos. No tienen nada de malo, realmente funciona, aunque cuando estábamos en la "incubadora", parecía que esto era una especie de tontería. Curiosamente, después de cientos de mensajes enviados, realmente puedes encontrar un cliente o al menos validar una idea si tienes un producto interesante.
Les contaré cómo se relaciona todo esto con el diagnóstico del cáncer y la biotecnología, y cómo funcionan todos juntos. De hecho, la tecnología y la comprensión de cómo trabajar con todo tipo de datos en agricultura inicialmente, como dije, surgieron de la idea de trabajar con datos de pacientes con cáncer. Otro proyecto que cofundé es Smartnomica, donde estamos desarrollando tecnologías que permitirán diagnosticar pacientes con cáncer.
La idea es la siguiente. Hay una gran cantidad de personas, y no solo pacientes con cáncer, que han seguido el camino de la medicina estándar y han fracasado. O no recibieron un tratamiento eficaz o los médicos no pudieron comprender qué les pasaba. Estas personas necesitan un enfoque ligeramente diferente; Es importante ir más allá de los protocolos estándar y comprender lo que se puede brindar a estas personas al sumergirse en la investigación científica. Se sabe que los artículos científicos se han digitalizado desde la década de 1980, y hay más de 40 millones de artículos publicados en el campo médico. Contienen una gran cantidad de datos que pueden ser útiles para cada paciente en particular.
Me uní al proyecto, que en ese momento se dedicaba al tratamiento de pacientes difíciles (como una clínica médica), como especialista en IA. Junto con otro cofundador, tuvimos una idea: automatizar el proceso de búsqueda de los datos necesarios, que realizan especialistas (médicos, científicos) para pacientes difíciles.
Haga que este proceso sea al menos parcialmente automatizado para ayudar a los médicos a realizar investigaciones de manera más rápida y eficiente para casos complejos. En torno a esto, hemos construido una empresa que establecimos en Riga en marzo. De hecho, solo planeamos pensar en establecer una empresa, pero debido a la epidemia, ya no pudimos salir de Riga y no teníamos ningún otro lugar a donde ir excepto para desarrollar la empresa. Ahora tenemos una clínica en Letonia, donde estoy ahora: conectamos a médicos de todo el mundo con pacientes de todo el mundo para proporcionar tratamiento. Y, en consecuencia, estamos desarrollando tecnologías que permiten a nuestros médicos trabajar de manera más efectiva con los datos de pacientes complejos, realizar diagnósticos de alta calidad y seleccionar un tratamiento efectivo.
Entonces, lo que hacemos en agrotecnología está relacionado con lo que hacemos en oncología. También tenemos muchos proyectos interesantes aquí. Las decisiones que tomamos por nuestros pacientes a veces se convierten en nuevas empresas biotecnológicas independientes, de las cuales ahora tenemos 1 (pero habrá más). Todas las tecnologías que utilizamos para nuestros pacientes están relacionadas con la integración de diferentes tipos de datos, lo cual, desde un punto de vista tecnológico, es similar a la historia que hacemos en Fermata. Hay datos visuales, genéticos y científicos que necesitamos combinar para brindarle al paciente la terapia más efectiva posible.
P: Sobre Fermata: ¿a qué volumen de producción es rentable?
Depende no tanto del área como del tipo de plantas y la región en la que esto ocurre. El área no se ve tan afectada; aunque esto puede afectar nuestro deseo de involucrarnos en el proyecto: tratamos de seleccionar grandes fabricantes en los que vemos un gran potencial para escalar nuestras tecnologías. El área de una producción específica no es tan importante: puede ser pequeña, pero puede haber muchas instalaciones de producción de este tipo.
P: ¿cultivar en suelo o en hidroponía?
Tenemos experiencia con ambos métodos, no es tan importante.
P: ¿quizás sería una buena idea trabajar con los agricultores de la ciudad? Allí las personas son innovaciones más jóvenes, de mente abierta y amorosas.
Esto es cierto, aunque no trabajamos con los propios agricultores, sino con los que producen las granjas de la ciudad que utilizan. Esta es una de esas áreas de trabajo que estamos considerando detenidamente.
En particular, esta es una de las razones por las que trabajamos bien con el cannabis medicinal: las personas que participan en estas industrias suelen tener más conocimientos técnicos de lo habitual y su producción es más tecnológica que la producción de verduras clásicas, por ejemplo. Por lo tanto, se toman mucho más fácil la idea de introducir la IA.
P: Las cámaras hiperespectrales se utilizan generalmente para su tarea; son muy caras; ¿De qué cámaras estamos hablando y cuántas se utilizan por explotación?
La pregunta es compleja y no puedo decir cuánto se usa por finca. Esto siempre es diferente, miramos el diseño de truss específico. La espectralidad de las cámaras también depende de esto. Las cámaras multiespectrales son más una solución de drones. Las soluciones de invernadero no son como un gran mercado, no existen estándares estrictos. A menudo usamos cámaras comunes para nuestros proyectos que disparan el espectro visible + IR; esto es suficiente para la mayoría de las tareas. No es tan caro.
El número de cámaras depende del diseño del invernadero y del tipo de planta. Dije antes que los vegetales clásicos son un desafío de ingeniería; por ejemplo, un invernadero de tomates es una jungla. Es muy difícil observar cada planta y hoja individualmente, porque las plantas crecen 4 metros. Pero la ensalada es pequeña y plana, mucho menos difícil. Al igual que las fresas, o el mismo cannabis, que se puede observar de manera efectiva desde arriba y tener una idea de lo que está sucediendo con las plantas. Por lo general, una de las cámaras que utilizamos, dependiendo de la altura a la que se puedan colocar las cámaras, es suficiente para 200-400 metros cuadrados.
P: Lamentablemente no he encontrado ninguna patente para Fermata,
estas no son patentes todavía, estas son solicitudes de patente pendientes.
P: ¿tienes vacantes?
Sí, si alguien está interesado, puede enviar solicitudes a valeria.kogan@fermata.tech. Buscamos gente interesante y talentosa todo el tiempo.
P: ¿estás pensando en hacer micología?
Realmente no entiendo la pregunta. También analizamos problemas de este tipo visualmente. Analizamos si hay insectos en las hojas y si hay una deficiencia nutricional y varias enfermedades infecciosas; monitoreamos todo esto y podemos determinar.
P: ¿está planeando un producto masivo como un servicio en la nube?
Ésta es una pregunta muy buena y muy importante. El hecho es que un servicio en la nube para nuestra tecnología no es la mejor solución. Aquí fue donde comenzamos. Al final resultó que, estamos recopilando una gran cantidad de datos y es importante para nosotros recopilar imágenes de alta calidad. Por lo tanto, una nube clara no es óptima. Tenemos una solución distribuida entre la nube y en el sitio; in situ analiza las imágenes y envía los resultados a la nube. Ahora nos parece el enfoque más óptimo. Pero esto no hace que el producto sea menos popular.
P: la micología se trata de hongos [no parásitos]
Hicimos un proyecto sobre hongos; incluso mencioné que los hongos tienen problemas interesantes. Ahora no tenemos un proyecto de hongos masivo, pero tenemos experiencia e interés en el desarrollo en esta dirección.
P: ¿es posible determinar las necesidades de las plantas ante la aparición de patologías?
Creo que esta no es la tarea en nuestro enfoque actual. Intentamos automatizar el trabajo que hace la gente. Es decir, nos dicen que quieren ver hojas con este aspecto y recibir notificaciones al respecto. Y nuestra tarea es hacerlo de manera más eficiente y rápida que los especialistas lo hacen manualmente. Es decir, no estamos resolviendo el problema de predecir el estado de las plantas. Solo cuando usamos datos visuales junto con el clima, esta tarea a veces se resuelve. Pero más esto se refiere a algún tipo de problemas nutricionales. Con respecto a las plagas o enfermedades infecciosas, lo determinamos solo cuando ya ha sucedido.
P: cuéntenos sobre Fermata y el conjunto de datos: ¿qué recopila, cómo lo marca? Y sobre la red neuronal: ¿hay una colaboración para ver y comprender aproximadamente lo que está haciendo?
Al principio, recopilamos el conjunto de datos de todo lo que está abierto en Internet. Por ejemplo, de todos los concursos que se realizaron sobre kegel y sobre otros recursos, en particular los asiáticos, hay muchas cosas interesantes. Recopilamos imágenes de todo tipo de foros agronómicos, de diferentes enciclopedias, intentamos recopilar todo, marcarlo.
Cuando conseguimos clientes, después de un tiempo elaboramos el procedimiento para trabajar con ellos. Por ejemplo, un cliente tiene la necesidad de detectar alguna pieza maliciosa muy rara que puede matar a todo el invernadero, y no hay muchas imágenes de esta pieza. Y ellos mismos, en cuanto lo ven, toman fotografías y nos envían imágenes. Además, nuestros especialistas viajan con regularidad, especialmente si estamos trabajando con una nueva planta, y toman fotos y capacitan al personal que está adentro, de modo que se nos envíen datos constantemente para reponer el conjunto de datos y mejorar la calidad.
En primer lugar, contamos con especialistas internos para el marcado. Tenemos una red de agrónomos - especialistas en diferentes tecnologías, diferentes tipos de plantas y sus problemas en diferentes regiones (esto es importante, porque la misma planta puede tener diferentes problemas en diferentes países y en diferentes continentes). También involucramos activamente a los agrónomos de nuestros clientes para el marcado. Están dispuestos a compartir datos, porque entienden que será mejor para ellos: si un agrónomo dedica 2 horas a la semana a decirnos a qué tareas se enfrentan, entonces podremos resolverlas mejor.
Sobre la colaboración, probablemente no ahora. Pero la pregunta es interesante, no lo pensé. Consultaré con los chicos, tal vez debería organizarse algo así.
P: ¿cuál es exactamente el proceso de desarrollo y el resultado?
El resultado, el producto final, es el sistema. Llegamos al invernadero, instalamos cámaras-sensores, y luego el cliente tiene un tablero que muestra todo lo que sucede con el clima y la salud de las plantas. Las alertas llegan con información sobre cuándo y cómo. El cliente puede marcar y rastrear lo que está haciendo con estas plantas. Es decir, un producto es un entorno en el que trabaja un agrónomo, y en el que todo el estado y salud de las plantas es visible.
P: dijiste que una cámara tiene 200-400 cuadrados, pero ¿hay alguna experiencia con granjas verticales de varios niveles?
Sí, existe tal experiencia (de hecho, comenzamos con esta experiencia). Por supuesto que se utilizan otras cámaras. En los invernaderos convencionales, es importante tener un gran zoom y cubrir un área grande, mientras que en los invernaderos verticales, un enfoque diferente. Usan cámaras más baratas, que nos permiten observar las plantas en diferentes filas, dándonos cuenta de que no podremos instalar la cámara muy lejos.
P : ¿Qué opinas de las microalgas?
Desafortunadamente, no soy un experto en esto, no puedo responder.
P: ¿Ve los resultados de la necesidad de automatización del monitoreo de la humedad del suelo, automatización del riego dosificado?
Sí, esta es una tarea muy importante. Vemos a estas empresas (especialmente que trabajan en Israel, el centro de dichas tecnologías) principalmente como nuestros socios. Ellos se dedican a la automatización del riego y nosotros monitoreamos las plantas y podemos darles retroalimentación sobre qué tan bien están funcionando sus sistemas. Me parece que hay muchas empresas de éxito que solucionan este problema, pero no puedo decir nada más (ni un experto).
P: ¿Qué estado es cuantitativamente ahora, dónde se encuentra geográficamente, hay (o está previsto) su propio departamento de I + D de hardware?
La plantilla de la empresa es ahora de unas 13 personas. Geográficamente, este es un tema complejo, estamos ubicados en muchos lugares. Hay un equipo de desarrollo en Moscú, hay un equipo en Israel, hay gente en Alemania. A veces implicamos la subcontratación del desarrollo para resolver tareas más estándar fuera del equipo, con el fin de centrarnos en el aprendizaje automático nosotros mismos. Es por eso que los equipos están tan dispersos por todo el mundo.
La I + D de hardware es poco probable ahora. Me gustaría centrarme en el software, esto se debe a dónde nos estamos moviendo ahora y hacia dónde queremos estar, y aquellos a quienes vemos como nuestros socios potencialmente más interesantes son solo empresas que hacen que sea muy bueno y son muy fuertes en esto. área. No queremos crear una competencia innecesaria y perder nuestro tiempo explorando nuevas áreas en lugar de perfeccionar la parte en la que somos expertos.
P: Mi pregunta era solo sobre las granjas verticales y cuántas se usaron allí.
No puedo decir los números exactos. Si tiene un interés práctico, puede cancelarlo más tarde.
P: ¿ha analizado negocios con productores agrícolas del norte (complejos de invernaderos en los Urales y más al norte)?
Intentamos hablar con varios fabricantes del norte, pero en ese momento no tuvieron éxito. Esto fue al comienzo de nuestro viaje. No volvimos a esta historia, porque ahora estamos enfocados en ese tipo de plantas que son nuestra prioridad.
P: ¿qué tal el trigo, el girasol? Drones?
Soy escéptico sobre esto. Intentamos hablar con diferentes empresas que fabrican drones e intentamos encontrar una solución para eso. Son los acercamientos con drones los que ahora me parecen arriesgados, y no vamos en esa dirección. Pero hay algunas ideas interesantes sobre cómo se podría realizar este tipo de seguimiento en el campo, pero ahora esto no es una prioridad para nuestra I + D.
P: ¿Qué educación necesitas para trabajar en tu campo de inteligencia artificial (qué lenguaje de programación, qué área de las matemáticas)?
Nuestra programación está principalmente en Python. Me parece que cualquier área de las matemáticas será buena en programación, no hay un requisito estricto. En principio, las personas que ahora estamos buscando para un equipo interno para trabajar en IA (especialistas en aprendizaje automático) deberían poder leer el artículo e implementar lo que está escrito en él. Es decir, no solo utilizando bibliotecas estándar y redes estándar existentes. Es importante para nosotros estar a la vanguardia de lo que está ahora en tecnología.
Si tiene preguntas adicionales, ideas para la cooperación o si desea unirse a nuestro equipo, escriba (valeria.kogan@fermata.tech), estaremos encantados de conocerte.
