MTD 2013 - Martin Källström

[00:00:11] Speaker A: Ja, då sätter vi igång igen. Innan föreläsningen börjar tänkte jag påminna igen om att om man kollar via streamen så kan man ställa frågor via Twitter och då är det hashtag M3 2013 som gäller. De frågorna tar jag sedan här i salen. Har ni som sitter här inne några frågor så kan ni komma ner när Martin är klar och prata med honom då. Vår nästa föreläsare är

[00:00:36] Speaker A: en erfaren entreprenör. Han är tidigare grundare och VD för Twingly, ett företag som revolutionerade bloggvärlden vid lanseringen. Nu har han varit med och grundat ett nytt företag, Memoto, som han kommer prata om idag. Han ska även ta upp hur man startar upp ett företag från grunden. Och berätta lite om tekniken bakom Memotos lifeloggingkamera. Så välkommen Mattias Källström. Eller Martin Källström

[00:01:01] Speaker A: menar jag.

[00:01:16] Speaker B: Hörs jag bättre nu? Martin Källström heter jag alltså. Jag gick D-linjen i Linköping 94 till 99 ungefär och har startat Memoto tillsammans med flera andra Linköping och Norrköping studenter. Så jätteroligt att vara här och prata. Jag ska berätta idag om Memoto, mitt

[00:01:42] Speaker B: nuvarande företag som vi startade Vi körde igång för ett år sedan ungefär. Då var vi fyra personer. Nu är vi 24 personer. Vi har växt ganska snabbt. Jag ska berätta dels vad det är vi gör, dels hur tekniken bakom fungerar med fokus på bildbehandling och bildanalys eftersom det är många härifrån som pluggar det. Och sen ska

[00:02:08] Speaker B: jag berätta lite grann hur jag tänker kring starten av ett företag och vad man kan göra. Hur man kan tänka kring det för att få en trygg start och en hög sannolikhet att lyckas komma igång. Det här är bilder tagna med Memoto. Som är tagna av min dotter från hennes födelsedagsklass

[00:02:33] Speaker B: när hon fyllde nio för två veckor sedan. Memoto är alltså som en automatisk fotodagbok som inte tar bilder av det man tänker sig att man vill komma ihåg utan även av ögonblick som man inte visste i förväg att man skulle vara intresserad av efteråt. Med hjälp av Memoto tog hon kanske 200 bilder av sitt

[00:02:58] Speaker B: födelsedagsklass. Hon har alltså inte bara ett fåtal. Bilder som i framtiden kommer att ersätta hennes egna minnen. Utan hon har bilder av hela kalaset och de är tagna från hennes egen synvinkel. Så de kommer förstärka hennes egna minnen istället för att ersätta dem. Vi tänkte så här när vi startade Memoto. Hur skulle det vara om man gör en liten kamera som är

[00:03:23] Speaker B: liten som ett frimärke som man kan ha på sig överallt. Som har en En oändligt lång batteritid och rymmer hur mycket bilder som helst. Vi fick dra ner lite grann på specerna för att göra det verklighet. Men vi fick i alla fall ihop en kamera som fungerar som den gör. Här är vårt grundarteam. Oskar och Björn nere till vänster här kommer

[00:03:48] Speaker B: inte från Linköping. Linköpings universitet. Men vi andra har pluggat. Vi är i olika faser. Simon längst upp i höger är den som är färskast från universitetet. Och Erik är väl den som är äldst i gamet. Han var D-general, tror jag det var 95 eller något liknande, 96.

[00:04:16] Speaker B: Flera av oss har examen. Inte så många av oss har examen när jag tänker efter. Jag tror att Erik har det. Kanske också Sebastian. Det här är Memoto kameran. Jag har en 3D-printad prototyp på mig här. Den är

[00:04:42] Speaker B: ungefär 3x3 cm. Och man har det som ett klipp. Den har en batteritid på två dagar, alltså inte oändligt lång som tanken var från början. Men den sover när den inte tar bilder. Så om man sänker frekvensen så kan man förlänga batteritiden. Syftet är helt enkelt att göra det enkelt att fånga sin dag i bilder.

[00:05:07] Speaker B: Att ha en automatisk fotodagbok. Det behöver inte vara varje dag. Det kan mycket väl vara speciella tillfällen när man tänker att den här dagen vill jag komma ihåg för att det är en speciell dag i mitt liv. För att supporta det här så har vi tagit in finansiering. Jag ska prata mer om det i detalj hur det ser ut. Det här är bara den officiella

[00:05:32] Speaker B: versionen. Den inofficiella versionen kommer inte. I slutet av föredraget. Vi har tagit in ungefär en halv miljon kronor i såddkapital och sedan sålt kameror, tagit in förordrar för att den inte är i produktion än eller finns inte för värde för leveransen. Men vi tar in förordrar och har sålt ungefär för en

[00:05:58] Speaker B: halv miljon dollar. Totalt så kanske vi är uppe i 8 miljoner kronor i finansiering och vi har ett ganska stort team. Som jag sa, 17 heltidsanställda och sedan ett gäng exjobbare och praktikanter. Så det är ganska dyrt att driva runt. Då behöver man ha mycket pengar. Till

[00:06:24] Speaker B: kameran hör en app som organiserar bilderna, för det blir alldeles för mycket bilder för att man ska orka titta på allihop. Det är egentligen appen som gör det möjligt att använda kameran överhuvudtaget. Annars skulle man bara bli överväldigad av att det är så många bilder och att det är så många dåliga bilder. Det blir jättemycket suddiga, konstigt komponerade bilder som man aldrig hade tänkt sig att ta och som man aldrig kommer kunna ha användning

[00:06:49] Speaker B: för heller. Det sitter en GPS i kameran så att man får sin GPS-position loggad konstant också när man har den på sig. Och den använder vi också för att göra det sökbart. Så vi gör om varje GPS-koordinat till en adress och i appen gör vi den sökbar. Så man kan söka på Storgatan eller om man har varit i Berlin något år kan man söka på Berlin och så behöver

[00:07:14] Speaker B: man inte veta vilket datum det var för att kunna hitta de bilderna. Och den här appen utvecklar vi för både iPhone och och Android. Självklart är det inte bara en kamera och en app, utan det är en stor backendlösning som vi har placerat på Amazons webbservice-ramverk med både lagring och processorkraft.

[00:07:46] Speaker B: Jag tänkte berätta lite om bildanalysen som ligger bakom organisationen av bilderna. Kameran lämnar ifrån sig fem megapixel bilder och vi har en en gjort en princip bakom kameran som innebär att den är så så egentligen så dum som möjligt. Den ska konservera. Den ska jobba med så lite energiutgång som möjligt så att man får så lång

[00:08:11] Speaker B: batteritid som möjligt. Så vi flyttar all intelligens till molnet, gör allting i som går att göra i efterhand och processa så lite som möjligt i kameran. Det inkluderar till och med GPS:en. En vanlig GPS, ni vet om man sätter igång GPS:en på telefonen så kan man inte ha den igång hela tiden för att det drar ur batteriet och telefonen blir alldeles kokhet. Det beror på att det är så processintensivt

[00:08:37] Speaker B: att räkna fram latitud och longitud och ligga och lyssna på GPS-satelliterna hela tiden. En vanlig GPS tar ofta lång tid att få en fix, det vill säga hitta rätt koordinater utifrån radiodata. Men i själva verket så är ju GPS-satelliterna, var man än är på jorden så finns det alltid ungefär mellan tre och sex GPS-satelliter

[00:09:03] Speaker B: inom synhåll så att säga som man kan ta emot data ifrån. Och i själva verket så är det ju det bara, det kommer radiodata på en frekvens. Det är inte mer avancerat än att lyssna på P3 egentligen. Att bara ta emot radiodatat. Så det vi gör i kameran är att vi tar inte fram latitud och longitud i kameran. Utan vi samlar bara in radiosignalerna. Kör dem genom en

[00:09:28] Speaker B: AD-omvandlare så vi får digitala signaler att spara ner. Och så tar vi ett snapshot av det. Varje gång vi tar en bild så samlar vi också in 120 kilobytes. Radiodata, vilket gör att man får möjlighet att sedan i efterhand räkna ut som att dela upp det där i satelliter. Så ser att det här med den här är det här är tre eller fyra eller fem eller sex satelliter som har mixats in i sin radiofrekvens och så

[00:09:53] Speaker B: räknar räknar mjukvara ut exakt vilken position man har baserat på doppelskift och och förskjutning i i tidskoderna som ligger i det där radiodata. Den processingen har vi flyttat helt och hållet till molnet, vilket gör att istället för att vara igång kanske 30 sekunder för att få en GPS fix varje gång man ska hämta en

[00:10:19] Speaker B: GPS signal så behöver kameran bara samla in kanske 300 millisekunders radiodata. Det går jättesnabbt och jätteströmsnålt och sedan sparar vi ner det och gör all processning i molnet. Det gäller också bildbehandlingen. Principen är så här bakom hur appen fungerar. När man laddar upp en dags bilder, kanske 2000 bilder från en hel dag, så vill

[00:10:45] Speaker B: vi identifiera vilka händelser har hänt under den dagen. Det vi gör då är en klustering, så att om man sitter fyra timmar framför en datorskärm så ska det bara vara en händelse. Om man sedan går och tar en kopp kaffe och träffar Några personer som man känner och pratar med dem i kanske bara fem minuter så ska det vara en händelse. Det går alltså inte att definiera så här att alla varje sådant moment som vi kallar det ska vara bara 30 minuters block

[00:11:10] Speaker B: så här för då kommer då kommer den här fyra timmarna framför datorn bli åtta block och så kommer man öppna sin timeline i appen så kommer tänka så här. Åh, vilket tråkigt liv jag har. Så istället så vill vi att att. De där fyra timmarna komprimeras ner till en enda keyframe och sen så får den även det fyra timmar. Så i timelineen så visas det bara som en bild. Ser

[00:11:35] Speaker B: man att den är tråkig och sen den här fikapausen efter på fem minuter. Den får också en bild förhoppningsvis och så kanske man klickar in på den istället och tittar på de bilderna och delar dem till Facebook eller Instagram eller vad man nu vill göra med dem. För att åstadkomma det här så krävs två moment. Det första är en segmentering, den här klustringen

[00:12:00] Speaker B: från 2000 bilder ner till kanske 20-30 moments. Och sen för att visa timelineen så behöver vi ta fram en keyframe för varje moment, det vill säga den bästa bilden, den mest representativa bilden för det momentet. Och då fungerar det så här. När man laddar batteriet så laddas bilderna upp till molnet och där läggs de på en

[00:12:25] Speaker B: kö så att de kan processas en och en. Det vi gör är att ta fram ett färghistogram för varje bild. Vi plottrar helt enkelt in i en kub hur många pixlar, RGB-värden som som ligger i varje position. Så den här kuben kommer

[00:12:50] Speaker B: bestå av en massa siffror sen, där varje liten siffra berättar. En tredje array där varje cell innehåller hur många pixlar har just den färgen. Det innebär att om man tar många bilder här inifrån till exempel. Om man har tagit 100 bilder här inifrån och sen 100 bilder utifrån dörren. Så kommer färghistogrammet för bilderna härifrån överlappa väldigt mycket för att det är många liknande

[00:13:16] Speaker B: färger här om man jämför bilderna. Men utanför så är det en helt annan färgskala och där kommer bilderna, då kommer färghistogrammet från de bilderna inte alls stämma överens med de som är tagna här inifrån. Om man skulle göra det väldigt enkelt för sig och bara ta två D så skulle det se ut så här. Det här är två enkla bilder med två pixlar i varje bild.

[00:13:42] Speaker B: Och sen är det färghysgrammen till höger. Där man ser att de bilderna är olika därför att färghysgrammen inte överlappar. Och sen blir det där fast för att det finns aldrig en exakt överensstämmelse. Men det finns en korrelans mellan dem. Så om man plottar det där över 2000 bilder, då får man ett diagram som ser ut så här. Där

[00:14:09] Speaker B: värdet i diagrammet motsvarar hur mycket varje bild korrelerar med nästa bild. Och då ser man att där det är perioder av hög korrelans, där har man alltså varit i en ganska enhetlig miljö under en längre tid. Och genom att göra klustering av de färghistogrammen i ett sådant här diagram så kan man se då att de

[00:14:36] Speaker B: här orangea staplarna är platser där algoritmen har hittat att här är en naturlig avdelning. Och de ligger ofta mitt i en period av väldigt låg korrelans. Det vill säga man är ute och rör på sig eller man Det är stor variation i bilderna och sen så går det upp igen. Större kollans innebär att man har

[00:15:01] Speaker B: en mer enhetlig miljö, det vill säga man man man befinner sig på samma plats eller i ungefär samma omgivning. Och det är en väldigt grund och botten en ganska enkel teknik, men som ger väldigt effektiva resultat. Det blir en väldigt naturlig mappning mot vad man intuitivt skulle. Manuellt skulle göra för av för för segmentering av en dags bilder. Tänkte

[00:15:28] Speaker B: kolla hur vi lägger till tidsmässigt har vi ska gasa på eller bromsa bromsa in. Det finns en klocka där. För att ta fram keyframes så så har vi. Använder vi några olika mått? Uppe till figur fyra visas ett kontrastmått där vi helt enkelt delar

[00:15:54] Speaker B: in bilden i ett antal fyrkanter och mäter intensiteten i varje fyrkant. Sedan tar vi variansen i det datat och blir ett mått på kontrasten i bilden. För det är nämligen så att en kontrastrik bild upplevs som finare eller mer intressant. Av människor än en som är helt platt. Den mest ointressanta bilden är alltså bara en helt grå yta eller

[00:16:20] Speaker B: helt svart yta. Men om man har mer kontraster så får man en intressantare bild. Figur fem visar ett symmetrimått som vi laborerar med själva där vi tar fram ett mått på hur symmetrisk bilden är för att se om Det ger någon avspegling på hur intressant bilden är. Det visar

[00:16:45] Speaker B: sig att än så länge ger det inte så jättemycket korrelans med ett manuellt urval. Så det måste vi jobba vidare på eller kanske ta bort helt ur måttet. Längst ner i figur sex visar vi hur vi mäter motion blur. Det är nämligen så att vår kamera har en fast fokuslins så att allting från en halvmeter bort till kanske

[00:17:10] Speaker B: 100-200 meter bort är i fokus. Det innebär att om bilden är suddig så är det inte att det är ur fokus utan det är motion blur. Så att på något sätt har det varit för dåliga ljusförhållanden för att ta en bild eller i dåliga ljusförhållanden så har man rört sig för mycket för att bilden ska bli möjlig. Titta på så att

[00:17:36] Speaker B: man ser vad det är. Och så då mäter vi gradienter från i olika riktningar i bilden och sedan så blir differensen mellan mellan gradienterna ett mått på den största och minsta gradienten. Ett mått på hur hur mycket motion blur det finns i bilden och Om man plottar det där

[00:18:02] Speaker B: för olika bilder så är det här en visualisering av hur i olika riktningar, hur lång gradient eller hur stor differens det är mellan gradienterna. Så uppe till vänster så är det en väldigt skarp bild med väldigt små gradienter i alla riktningar och längst ner till höger är en bild som är jätte Suddig, helt omöjlig att se vad det är för att den är för

[00:18:28] Speaker B: mycket sudd. Genom att sätta ihop de här tre måtten, motion blur och kontrast och symmetri, så får vi ett kvalitetsmått för bilden. Sen lägger vi på också ansiktsdetektering, alltså inte igenkänning utan detektering. Till

[00:18:53] Speaker B: vänster visar vi ett exempel på en bild utan ett ansikte. Till höger en bild med ett ansikte. Då har vi inte byggt det själva för att det inte är det vi gör. Vi har lånat in en open source-myckvara som bara detekterar ansikten. Då viktar vi det ganska högt. Den forskning som finns på keyframer och val visar att om man sätter människor att

[00:19:19] Speaker B: Att ur en stor samling bilder plocka fram de som är viktigast för dem, om det är ens egen dag. Så är det nästan alltid. Då blir det en lista på bilder som innehåller ansikten. Det är ofta det som är minnesvärt för oss människor, när vi har umgåtts med människor. Det kan man tänka på bara i sitt dagliga liv. Att träffa fler människor om man tycker att man har ett inte så meningsfullt liv. Man träffar fler och så får man mer. Mening

[00:19:45] Speaker B: enligt bildanalysforskningen. Summa summarum, det vi får är alltså en app med en timeline där man kan browsa sitt liv i bilder. Man ser de här keyframesen på en timeline och så kan man klicka sig in på en keyframe och se alla bilder som ligger bakom. Och man kan också, det här kvalitetsmåttet behöver man inte, det kan man använda till att ta fram

[00:20:10] Speaker B: mer än en bild. Så vi kommer ha Om man vill dela bilder till Facebook så kommer vi göra så att man automatiskt kan dela de tio bästa bilderna från ett moment. Till exempel om man varit på fest eller om man har varit med om något roligt kan man ta fram de bästa bilderna därifrån med bara en knapptryckning. Vi gör också bildförbättring. Om

[00:20:36] Speaker B: man tagit bilder i dåliga ljusförhållanden med dålig exponering. Så kan man göra de bilderna automatiskt lite bättre. Vi gör också bildförsämring. Alla Instagram, om man nu vill uttrycka sig artistiskt genom att, hur artistiskt det nu är att bara välja ett filter, men man framstår i alla fall som kreativ och väldigt duktig fotograf om man gör bilderna lite sämre efter att man tagit dem så man inte ser hur dåliga

[00:21:01] Speaker B: de var egentligen från början. Och det här mannen på bilden här är Sebastian Jansson som har gått i linjen som har byggt hela bildanalys flödet åt oss som jobbar i på Memoto i Linköping. Och nu har jag fem minuter kvar att prata och

[00:21:27] Speaker B: då tänkte jag gå vidare till att prata om hur man startar ett företag. Det innebär inte att ni inte kan fråga på bildanalysen sen när vi går över till frågor, utan gör jättegärna det. Hur man startar företag. Jag vet inte vad den här bilden ska symbolisera. Att det är mycket berg och dalar när man startar företag eller att man har det

[00:21:54] Speaker B: skönt och roligt. Båda två stämmer. När man startar företag så är det några olika förutsättningar som man ska tänka på. Det här är min mentala checklista. Man ska ha team, produkt, finansiering och marknad klar för sig. Om man har de här fyra punkterna klar för sig, då när man går och pratar med människor

[00:22:19] Speaker B: som jobbar med finansiering eller som man vill rekrytera eller journalister, då har man svar på alla frågor. Och entreprenörer som har svar på alla frågor gör väldigt mycket bättre intryck än entreprenörer som inte har svar på alla frågor. Och det som är gott om entreprenörer som inte har svar på alla frågor är att det räcker att göra det lilla goda intrycket för att man ska komma

[00:22:45] Speaker B: jättelångt på vägen med finansiering och rekrytering och göra ett bra intryck i media. Det är därför det här är en väldigt enkel men effektiv checklista. Om man börjar uppifrån på team så måste man ha i teamet så måste man ha både folk som både kan teknik och som kan marknadsföring. Nu finns det duktiga människor som

[00:23:11] Speaker B: kan både teknik och marknadsföring, men det tror inte varken journalister eller finansiärer på. Så därför måste man ha även folk som bara kan marknadsföring. Eller så kan man låtsas att en person bara kan marknadsföring och att en annan person bara kan teknik. Och så säger man att det här är en marknadsföringsansvarig och det här är en teknikansvarig. Men om man säger att det här är en person som är duktig på både teknik och marknad så kommer ingen tro på det.

[00:23:37] Speaker B: Och därför ska man inte säga det. I teamet ska man se till att det finns en mix, en påhittad eller en verklig mix. Av människor med olika kompetenser. Och sen så ser man till att när man pratar med folk, om man då pratar om marknadsföring, då ser man till att den som är marknadsföringsansvarig tar ordet och pratar om det då. Så att det inte är den som man har sagt är duktig på teknik sätter sig och pratar om marknadsföring. Då

[00:24:02] Speaker B: blir det förvirrat i journalistens hjärna eller investerarens hjärna. Och när de är förvirrade så tänker de så här, det här är nog inte någonting för mig. Men när allting är klart och tydligt och enkelt så blir de intresserade. Det här förstår jag. Alltså kan jag engagera mig i det här. Det här verkar vara duktiga människor. För jag förstår vad de håller på med. Och så när jag började med Memoto så här. Då jobbade jag på Twingly. Twingly

[00:24:29] Speaker B: är ett jättefantastiskt företag. Men när jag jobbade där under sex års tid så gick det från att vara Att bygga på innovation till att bygga mer på försäljning. Jag har lärt mig genom att jobba på Twingly att det som driver mig är att få lära mig nya saker varje dag. Till slut blev Twingly för mycket

[00:24:54] Speaker B: av förvaltning och för lite av att jag lärde mig nya saker. Jag började göra samma saker varje dag utan att lära mig någonting nytt och då började jag känna att det här är inte något för mig. Så jag rekryterade en ny VD till Twingly och gick till min styrelse och sa så här: "Hej, jag tänker sluta." Men jag kan tänka mig att jobba kvar innan vi hittat en ny VD. Då blev alla jättelugnade. Det

[00:25:20] Speaker B: lät väldigt dramatiskt först. Så då jobbade jag kvar på Twingly. Gick ner från fem dagar till fyra dagar i veckan. Samtidigt bad de om en löneförhöjning på 25 procent så att jag fick behålla samma lön. Det gick de med på. Jag fick med samma lön jobba en dag mindre i veckan. På den dagen i veckan, under nio månader, en dag i veckan,

[00:25:46] Speaker B: byggde jag teamet och finansieringsmodellen för Memoto och produktkonceptet. Produkten hittade jag så här att jag satte mig och tänkte så här. Ska starta ett företag. Vad ska jag göra då? Och så spånar man kring idéer och fick ihop en lång lista av idéer. Och det här var sommaren 2011. Varje

[00:26:12] Speaker B: ny idé gick jag och brann för i två, tre dagar. Yes, nu har jag hittat min nya startup. Och sen så efter bara två dagar så kom jag på att vänta lite nu. Det kanske inte är bra att starta ett automatiserat bokförlag. Man kanske skulle göra prenumerationer på märkpennor för illustratörer istället. Det är ju grymt. Och så brann jag för den idén istället två till dagar. Och det där gick så långt

[00:26:38] Speaker B: så att jag hade på två månaders tid producerat en Excel-ark med 30-40 företagsidéer där ingen till slut var bättre än den annan. Och så började jag känna en hopplöshet i att Mängden idéer och ingen var bättre. Men sen så helt plötsligt upptäckte jag att jag hade gått och funderat på samma idé över en månads tid och att jag hade börjat prata med alla jag träffade

[00:27:03] Speaker B: om det och så vidare. Och det var Memoto som blev till på det sättet. Så då tillbringade jag de här nio månaderna som jag var kvar på Twingly med att bygga planen för det här företaget så tog det lång tid att hitta en bra ny vd till Twingly. Det var jättebra att det tog lång tid för då fick jag lång tid på mig. Jag var tvungen att lägga lång tid på att planera

[00:27:28] Speaker B: och lägga grunden för företaget. Om man går vidare till finansiering så ska man tänka på finansiering i stadie av en trappa. Där inget steg får vara för stort i trappan. Stegen får absolut inte komma i fel ordning. Man kan tänka sig att man ska gå upp för en trappa och stegen är i fel ordning. Vad jobbigt det skulle vara. Den

[00:27:56] Speaker B: här finansieringstrappan får man också frågor om när man pratar med journalister och investerare och folk man ska rekrytera. Hur har ni egentligen tänkt er att finansiera det här? Och om det då är för stora steg här eller det är ojämnt, då blir det också inte trovärdigt längre. Så man ska lista ut hur den här trappan ser ut. Och det är också väldigt smidigt sen när

[00:28:23] Speaker B: man går och pratar med varje instans, varje steg i den här trappan. Hej, du finns med i, om man går och pratar med Almi till exempel. Hej, Almi finns med i min finansieringsplan. Ni är det här trappsteget i hela den här trappan. Då ser de så här. Jaha, det här ser ju jättebra ut. Den här personen har tänkt efter jättemycket. Han har team och produktfinansiering och marknad

[00:28:49] Speaker B: på plats, sina planer. I den här finansieringstrappan finns vi med här som steg tre. Om man tar bort steg tre. Så kommer ju steg fyra vara jättejobbigt. Då blir Almis motiverade att ställa upp och vara steg tre. För att de ser att hela projektet kommer misslyckas om inte vi ställer upp på det här.

[00:29:15] Speaker B: Så det är ett jätteeffektivt verktyg när man beskriver hur utvecklingen av företaget. Pengar är det bästa verktyget att få saker gjorda. Så att de har en bra plan för pengarna så fungerar det bra. För att konkretisera lite så såg det ut så här med Memoto. Jag vet inte om ni ser här. Första steget var att jag fick lön från Twingly för att bygga planer. Andra steget

[00:29:40] Speaker B: var valideringspengen från Innovationsbron. 200 000. Ett stipendium till mig personligen. Skattefritt. Numera är det bara 100 000. Jag hade tur att vara sist innan att få 200 000. Länsstyrelsen ställde upp med ett innovationslån på 300 000. Länsstyrelsen i Östergötland som är ett jättebra lån. Om projektet

[00:30:05] Speaker B: bara går i krasch och det inte blir någonting av det. Så sitter man inte där med ett lån på 300 000 utan då går man dit och säger hej. Det blev ingenting. Jag misslyckades. Och då säger de. Men då kunde du inte betala tillbaka lånet. Nej, det säger man då. Det kan jag inte. Men då stryker vi det. Och så snälla är de och så fungerar det på riktigt. Men om det går bra så måste man betala tillbaka de här 300 000.

[00:30:30] Speaker B: Fast inte förrän typ två år senare. Så det är väldigt bra. Sen gjorde vi en såddfinansiering från ett företag i London som heter Passion Capital. De gick in med 500 000 euro. Det var för ett år sedan ungefär. Det var jättebra. Sen gjorde vi en Kickstarter lansering i oktober förra året. Sedan dess har vi tagit in pre-orders. Det

[00:30:56] Speaker B: här är hur vår finansieringstrappa var byggd. Nästa steg är att göra en större finansieringsrunda. Att lägga det här pusslet egentligen. Det enda jag är bra på har jag kommit fram till. Jag får inte utveckla längre för att jag är för dålig. Jag har inte skrivit ordentlig kod på fem år. Nu när jag försöker så blir det bara kladd. Men

[00:31:22] Speaker B: det här är jag jättebra på, att lägga ett sånt här pussel. Sen är det mycket runtomkring också som jag får låtsas att jag är bra på. Men det som driver mig som jag sa, är att lära mig nya saker varje dag. Och det får man verkligen göra. I en startup. Och alla ni som sitter här och tänker så här, det tänker man när man är student, att examen är det viktigaste i livet. Ni har fel tyvärr. För examen

[00:31:47] Speaker B: är bara viktigt fram tills man har examen och sen får man ett första jobb och då känns examen viktigt. Och sen så kommer examen vara helt irrelevant resten av livet. Jag skulle verkligen, verkligen vilja uppmana alla som har någon tanke på att någon gång starta ett företag. Gör CSN till det första steget i finansieringstrappan. Den ni har nu med studiebidrag är

[00:32:12] Speaker B: ett utmärkt första finansieringssteg i att göra en startup. Sebastian Björkelid som är med i vårt team startade bildagboken när han pluggade på LiU som blev Sveriges största fotokommunity för ungdomar. Han sedan sålde till Luna Storm och som sålde till Nyheter 24 där han blev produktchef för 14 nyhetssajter på Nyheter 24. Det låter som en jätterolig karriärsteg

[00:32:37] Speaker B: men det visar sig att när man är produktchef för 14 nyhetssajter då hatar man sitt liv. Så då kommer man tillbaka till startup-världen och så börjar man på Memoto som han gjorde. Så jag skulle verkligen uppmana alla som har någon idé om att starta företag, att tro på den och satsa på det. Ta inte bara fram en idé, utan ta fram 40 idéer

[00:33:03] Speaker B: och välj en. Det är mycket lättare än man tror. Idéerna är inte så mycket värd. Det som är värt är er egen gnista och passion och vilja och att ni lägger det här pusslet, planen för hur det ska bli verklighet. Och det som är roligt är ju när man skapar värde. Framgång är ingenting. Det är värdefullt

[00:33:28] Speaker B: för min dotter att ha de här bilderna. Hon tycker det är jätteroligt nu. Hon kommer tycka det är roligt i framtiden. Att skapa värde för människor, för andra människor, är oerhört mycket bättre i alla lägen än att skapa framgång för en själv. Om man tänker sig att man får välja på framgång och värde. Då är tom framgång ingenting värt jämfört med att ha gjort något värdefullt med någon

[00:33:54] Speaker B: annan utan att få framgång. Om man gör något värdefullt så kan man kanske bli framgångsrik också. Men om man bara blir framgångsrik så kommer det inte något värdeskapande i sig utifrån det. Det är bara att titta på Robinson Robban. Han är framgångsrik, men vad är det värt? Så satsa på det. Tänk i alla lägen skapa värde för andra och

[00:34:19] Speaker B: sen kan man bli framgångsrik på det. Men det är i själva verket inte värt alls så mycket som om man nu har lyckats göra någonting värdefullt i livet. Tack så jättemycket.

[00:34:41] Speaker A: Ja, vi har fått en fråga på Twitter här. Vad kostar Memoto kameran och när kommer den ut på marknaden?

[00:34:49] Speaker B: Det är en bra fråga. Memoto kameran kostar 2195 kronor eller 279 dollar plus moms. Man kan köpa den på memoto.com. Om man köper den nu så får man den så snabbt som möjligt. Den kommer ut när den är klar, när vi är klara med våra hårdvara och mjukvara. Det vet vi inte än när det blir, men så snabbt som möjligt.

[00:35:16] Speaker A: Om ni har ytterligare frågor får ni gärna komma ner och prata med Martin. Tack så mycket. Tack så jättemycket.

[00:35:33] Speaker B: Ah, wow, tack!