Flox Intelligence розробляє ШІ, щоб відлякувати диких тварин від потягів, аеропортів і доріг

Коли мені було вісім років, я пам’ятаю, як наш потяг до Мумбаї зупинився з великим гуркотом. Коли ми знову рушили, приблизно через вісім годин, хтось вказав на понівечений хвіст — чого б ви думали — що звисав із гілки неподалік від колій.

Річ у тім, що потяг, очевидно, на повній швидкості врізався в дикого бізона, і від удару двигун зазнав таких серйозних пошкоджень, що його довелося відбуксирувати на ремонт. Довгий час я думав, що подібне трапляється лише в таких місцях, як сільська Індія, але кілька років тому дізнався, що дика природа та інфраструктура ніде на планеті не уживаються.

FAA оцінює, що зіткнення з дикими тваринами коштували цивільній авіації США в середньому близько 272 мільйонів доларів на рік у період із 1990 до 2025 року. У Франції залізничний оператор SNCF стверджує, що тварини, які забрідають на колії, щороку впливають на рух понад 8 000 потягів по всій країні та є однією з п’яти головних причин затримок. У Бретані лише у 2023 році 120 потягів зіткнулися з тваринами, через що було порушено рух 660 рейсів і спричинено понад 15 000 хвилин затримок.

Читаючи про всі ці збитки — як для інфраструктури, так і для тварин, — Сара Ножкова (на фото вище ліворуч) вирішила розробити систему відлякування диких тварин, яка працює інакше, ніж сирени, світло, паркани, соколи та відстріл, що традиційно використовуються для відганяння тварин від доріг, залізничних колій, аеропортів та іншої інфраструктури.

«Я була переконана, що відповідь полягає не в тому, щоб зробити відлякувач гучнішим», — розповіла вона TechCrunch.

Пропрацювавши 13 років у сфері транспорту та автономних транспортних засобів, Ножкова зрозуміла, наскільки швидко системи, які ми створюємо для навігації дорогами та іншими контрольованими середовищами, виходять з ладу, щойно в рівняння входить природа.

«Ми навчили машини бути блискучими, але лише всередині середовищ, які спроєктували для них, — сказала вона. — Міста, виробничі лінії, склади. Фіксована геометрія, відомі об’єкти. Вийшовши за межі цього, у природу, я на власні очі побачила, як ті самі машини швидко сліпнуть. Адже природа складна й завжди жива».

Тож натомість вона приєдналася до лабораторії штучного інтелекту в Королівському технологічному інституті KTH у Стокгольмі та почала працювати над системою, яка могла б змінювати свої реакції на відлякування залежно від того, що робить тварина поблизу, і навіть від того, до якого виду вона належить.

Ця робота перетворилася на Flox Intelligence, яка у 2020 році виокремилася з KTH і стала однією з фіналісток цьогорічного конкурсу презентацій Startup Battlefield 200 на заході TechCrunch Disrupt, що цього року відбудеться в Moscone West у Сан-Франциско 13–15 жовтня.

Flox створює периферійні пристрої, які обробляють дані на місці, а не в хмарі. Як і автономні транспортні засоби, вони використовують системи сприйняття для визначення навколишнього середовища, але їх навчають на даних про поведінку диких тварин. Датчик руху активує пристрій, коли виявляє рух, запускаючи камеру, яка за допомогою моделей, встановлених безпосередньо на пристрої, ідентифікує тварин поблизу. Потім пристрій видає звук, характерний для конкретного виду, щоб відлякати їх.

За словами Ножкової, система також навчається на власному досвіді й змінює свої реакції, щоб тварини не звикали до повторюваних сигналів.

Наразі компанія продає пристрої з живленням від батарей, які можна встановлювати на стовпах, деревах та інших конструкціях. Вона також пропонує програмну платформу, яка показує клієнтам, де розгорнуті пристрої та що відбувається на місці. Платформа може також генерувати звіти для дотримання нормативних вимог і таких завдань, як моніторинг біорізноманіття. Довгострокова мета — зробити програмне забезпечення достатньо портативним, щоб воно працювало на машинах, які функціонують просто неба, зокрема на потягах, автомобілях і дронах.

За словами Ножкової, близько 150 пристроїв Flox працюють у Північній Америці, Європі та Австралії — на аеродромах і по периметрах аеропортів, уздовж автомобільних і залізничних коридорів (особливо на кінцях огорож і переходах уздовж коридорів дикої природи), у національних парках, на сільськогосподарських угіддях, у міських районах, на гірничодобувних об’єктах і критично важливій інфраструктурі, як-от електричні підстанції.

Компанія продає периферійні пристрої за повною ціною на початку, а після першого року стягує щорічну плату за програмне забезпечення та підписку на ШІ. Flox також має партнерства з OEM-виробниками, які сплачують щорічну плату за розгортання її програмного забезпечення на транспортних засобах, зокрема потягах. Виробник потягів Alstom є одним із таких партнерів.

За словами Ножкової, компанія планує завершити 2026 рік із доходом близько 1,5 мільйона доларів.

Попри унікальність продукту та підходу Flox, стартап не позбавлений конкуренції. Scarecrow від Robin Radar також використовує характерні для конкретних видів сигнали тривоги, щоб розганяти птахів, і записує активність, тоді як iCHASE продає систему, яка виявляє птахів за допомогою комп’ютерного зору та спрямовує на них рухомий лазер, за потреби коригуючи свою реакцію.

Ножкова каже, що її перевага полягає в широті системи та даних, які Flox зібрала в польових умовах і які вона називає «фактичними даними про те, що насправді змушує лося чи ведмедя грізлі безпечно переміщатися».

«Фізичний ШІ виходить із фабрики у складний, живий зовнішній світ, — каже Ножкова. — Кожній машині, яка працює просто неба, — потягам, вантажівкам, дронам, тракторам, роботам — потрібно буде розуміти природу, а інтелект природи є наступним рівнем стека системи сприйняття. Майже ніхто його не створює».

Наразі компанія залучила близько 5 мільйонів доларів у межах раундів pre-seed і seed, причому seed-раунд очолили Unconventional Ventures і Tilia Impact Ventures. Серед співінвесторів у цих раундах — GENIUS NY, Norrsken, Satgana та приватні інвестори, повідомила Ножкова.

Тепер компанія відкриває раунд Series A на 10 мільйонів доларів, які здебільшого підуть на збільшення кількості розгорнутих пристроїв приблизно зі 150 до кількох тисяч і розширення сфери застосування базової системи за межі нинішніх сценаріїв використання для дикої природи.