مقابلات
فيل هول، رئيس قسم النمو في LXT – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
رئيس قسم النمو في LXT، فيل هول، هو المدير التنفيذي السابق في Appen و عضو في مجلس فوربس للتكنولوجيا. في دوره القيادي في Appen، قاد قسمًا يضم أكثر من 1000 موظف ولعب دورًا رئيسيًا في تحقيق 17 عامًا متتاليًا من النمو في الإيرادات مع ربحية قوية ومستدامة. في دوره الحالي مع LXT، يعمل مع فريق مختار من الخبراء لتحقيق أهداف نمو طموحة.
LXT هي شركة رائدة في مجال بيانات التدريب على الذكاء الاصطناعي لتزويد التكنولوجيا الذكية للمنظمات العالمية، بما في ذلك أكبر الشركات التكنولوجية في العالم. في شراكة مع شبكة دولية من المساهمين، تقوم LXT بجمع وتنقيح البيانات عبر عدة وسائط بسرعة وتنوع و مرونة مطلوبة من قبل الشركات. لديهم خبرة عالمية تغطي أكثر من 115 دولة و 750 موقعًا لغويًا. تأسست LXT في عام 2010 ومقرها في تورونتو، كندا مع وجود في الولايات المتحدة وأستراليا ومصر وبريطانيا وتركيا. تقدم الشركة خدماتها للعملاء في أمريكا الشمالية وأوروبا وآسيا والمحيط الهادئ والشرق الأوسط.
متى اكتشفت لأول مرة أنك مشغوف باللغة؟
لقد كنت مهتمًا باللغة منذ أن أتذكر، ولكن من حيث انخراطي المباشر باللغة واللغويات، كان هناك نقطة تحول واحدة مهمة بالنسبة لي. لقد أدركنا في وقت مبكر أن أحد أطفالنا يعاني من صعوبات في القراءة، وعندما تحدثنا إلى مدرسته حول الدعم الإضافي، قالوا لنا إن هناك برامج يمكنهم الوصول إليها، ولكن هناك أيضًا أشياء يمكنني القيام بها كمتطوع في المدرسة لمساعدة ابنتنا وأطفال آخرين. كان الأمر ناجحًا، ومن هناك انتقلت إلى دراسة اللغويات ووجدت نفسي أ教 في جامعة هنا في سيدني.
كنت تقوم بتدريس اللغويات قبل أن تنتقل إلى مجال بيانات الكلام، ما هو ما دفعك إلى تغيير تركيزك؟
كانت Appen في سيدني في ذلك الوقت تتجه من كونها عملية تُدار من غرفة في المنزل إلى أن تصبح شركة تجارية كاملة. قيل لي إنهم يبحثون عن لغويين (ربما أكثر دقة، لغوي!) وتم تقديمي إلى المؤسسين جولي و كريس فونويلر. كان التحول تدريجيًا وامتد لمدة عامين تقريبًا. كنت مترددًا في مغادرة التدريس – العمل مع طلاب تحقيق висок كان ملهمًا وممتعًا للغاية. لكن خلال تلك السنوات الرائدة، كنت أحل مشكلات صعبة إلى جانب خبراء تكنولوجيا اللغة الرائدين في العالم، ومستويات الإثارة كانت عالية. الكثير مما يُعتبر أمرًا مسلمًا به اليوم، كان صعبًا في ذلك الوقت.
خرجت من التقاعد للانضمام إلى LXT. ما هو ما دفعك إلى القيام بذلك؟
هذا سؤال مثير للاهتمام لأنني كنت أستمتع بالفعل في تقاعدي. في الواقع، كان наш المؤسس والرئيس التنفيذي محمد عمر قد approachedني أشهر قبل أن أستجيب لاستفساره الأول، لأنني كنت أعيش نمطًا حياة مرتاحًا ولم أكن قد فكرت حقًا في العودة إلى العمل بدوام كامل.
لكن في النهاية، كانت الفرصة ببساطة جيدة جدًا لدرءها.
عندما تحدثت مع محمد وآخرون في فريق LXT، أدركت على الفور شغفًا مشتركًا باللغة. الفريق الذي جمعته محمد كان ممتلئًا بالفكرين الإبداعيين ذوي الطاقة غير المنتهية الذين كانوا ملتزمين تمامًا ببعثة الشركة.
随着 تعلمي المزيد عن الفرصة مع LXT، أدركت أنها فرصة لم أرد أن أفوتها. هنا كانت شركة ذات إمكانات هائلة للتوسع والنمو في مجال أنا متحمس له. ومع استمرار نمو سوق الذكاء الاصطناعي بشكل أسي، فإن الفرصة لمساعدة المزيد من المنظمات على الانتقال من التجربة إلى الإنتاج هي فرصة مثيرة التي أنا سعيد جدًا أن أكون جزءًا منها.
ما هي بعض التحديات الحالية وراء الحصول على البيانات على نطاق واسع؟
التحديات متنوعة مثل التطبيقات التي تدفعها.
من منظور عملي، تشمل التحديات الصحة، الموثوقية، الدقة، الأمان، وضمان أن تكون البيانات مناسبة للغرض – وهذا دون أخذ التحديات القانونية والاخلاقية المتزايدة في الحصول على البيانات في الاعتبار.
على سبيل المثال، يتطلب تطوير التكنولوجيا لدعم السيارات ذاتية القيادة جمع كميات هائلة من البيانات عبر سيناريوهات متعددة بحيث تفهم السيارة كيفية الاستجابة للمواقف في العالم الحقيقي. هناك عدد لا حصر له من الحالات الحدية التي يمكن مواجهتها عند القيادة، لذلك تحتاج الخوارزميات التي تعمل السيارات إلى مجموعات بيانات تغطي كل شيء من الشوارع إلى إشارات التوقف إلى الأجسام الساقطة. وعندما تضرب ذلك بعدد الأحداث الجوية التي يمكن حدوثها، يزيد حجم بيانات التدريب المطلوبة بشكل كبير. تحتاج الشركات التي تدخل مجال السيارات ذاتية القيادة إلى إنشاء خط أنابيب بيانات موثوق به، والقيام بذلك بمفردهم سيتطلب كمية هائلة من الموارد.
هناك حالة استخدام أخرى هي توسيع منتج ذكاء اصطناعي موجود إلى أسواق جديدة للاستحواذ على حصة سوقية جديدة وcustomers جديدة. هذا يتطلب بالضرورة بيانات لغة، ولتحقيق الدقة، من المهم الحصول على بيانات كلام من متحدثين أصليين عبر ملفات ديموغرافية متنوعة. بعد جمع البيانات، يتعين نقل الملفات الصوتية لتدريب خوارزميات NLP المنتج. القيام بذلك للغات متعددة وبكميات البيانات المطلوبة لتكون فعالة هو تحدي كبير للشركات القيام به بمفردها، خاصة إذا كانت تفتقر إلى الخبرة الداخلية في هذا المجال.
هذه هي مجرد مثالين على التحديات العديدة الموجودة مع جمع البيانات للذكاء الاصطناعي على نطاق واسع، ولكن كما يمكنك أن تتخيل، فإن تلقيم المنزل وبيانات الأجهزة النقالة وبيانات البيومترية كلها لها تحدياتها الخاصة.
ما هي الطرق الحالية التي تجمع وتنقيح البيانات بها LXT؟
في LXT، نجمع وتنقيح البيانات بشكل مختلف لكل عميل، لأن جميع تعاملاتنا مخصصة لتلبية مواصفات عملائنا. نعمل عبر أنواع بيانات متعددة، بما في ذلك الصوت والصورة والكلام والنص والفيديو.对于 جمع البيانات، نعمل مع شبكة عالمية من المقاولين لجمع البيانات في وسائط مختلفة. يمكن أن تتراوح المجموعات من الحصول على بيانات في بيئات العالم الحقيقي مثل المنازل أو المكاتب أو السيارات، إلى الاستوديو مع مهندسين محترفين في حالة بعض مشاريع جمع بيانات الكلام.
تغطي قدراتنا على تنقيح البيانات أيضًا وسائط متعددة. بدأت خبرتنا في مجال الكلام وتوسعت خلال 12 عامًا الماضية إلى أكثر من 115 دولة و 750 موقعًا لغويًا. هذا يعني أن الشركات من جميع الأحجام يمكن أن تعتمد على LXT لمساعدتها في اختراق مجموعة واسعة من الأسواق واكتساب قطاعات زبون جديدة. مؤخرًا، توسعت إلى بيانات النص والصورة والفيديو، ومنصتنا الداخلية تستخدم لتسليم بيانات عالية الجودة لعملائنا.
هناك مجال نمو مثير آخر لنا هو عملنا في التنقيح الآمن. في هذا العام فقط، توسعت منشآتنا الآمنة المعتمدة من ISO 27001 من موقعين إلى خمسة مواقع حول العالم. لقد طورنا كتابًا يسمح لنا بتأسيس منشآت جديدة في غضون بضعة أشهر. الخدمات التي نركز عليها في هذه المنشآت الآمنة حاليًا هي تنقيح بيانات الكلام وتنقلها، ولكن يمكن استخدامها لتنقيح أنواع بيانات عديدة.
لماذا يُعتبر الحصول على البيانات بهذه الطريقة بديلًا متفوقًا على البيانات الاصطناعية؟
البيانات الاصطناعية هي تطور مثير في مجال الذكاء الاصطناعي، وهي مناسبة لبعض الحالات، خاصة الحالات الحدية التي يصعب التقاطها في العالم الحقيقي. استخدام البيانات الاصطناعية في تزايد، خاصة في المراحل الأولى من نضج الذكاء الاصطناعي عندما لا تزال الشركات في وضع تجريبي. ومع ذلك، تشير أبحاثنا إلى أن الشركات التي تنضج استراتيجيات الذكاء الاصطناعي وتدفع المزيد من النماذج إلى الإنتاج أكثر احتمالًا لاستخدام أساليب التعلم الآلي الخاضع للإشراف أو شبه الخاضع للإشراف التي تعتمد على بيانات تم تعليمها من قبل الإنسان.
ببساطة، الإنسان أفضل من الكمبيوتر في فهم الدقة لإنتاج البيانات المطلوبة لتدريب نماذج التعلم الآلي للعمل بدقة عالية، والإشراف البشري أيضًا ضروري لتقليل التحيز.
لماذا هذه البيانات مهمة للغاية للكلام ومعالجة اللغة الطبيعية؟
لكي تعمل خوارزميات الكلام ومعالجة اللغة الطبيعية بشكل فعال في الأسواق المقصودة، يتعين تدريبها على كميات كبيرة من البيانات المأخوذة من متحدثين أصليين الذين لديهم السياق الثقافي للمستخدمين النهائيين الذين يمثلونهم. بدون هذه البيانات، ستكون تبني الذكاء الاصطناعي للكلام محدودة بشكل حاد.
بالإضافة إلى ذلك، يجب مراعاة البيئة عند جمع بيانات الكلام. إذا كانت حلول الذكاء الاصطناعي للكلام التي يتم تدريبها ستُستخدم في سيارة، على سبيل المثال، هناك ظروف الطريق والطقس المختلفة التي تؤثر على الكلام ويتعين مراعاتها. هذه هي سيناريوهات معقدة حيث يمكن أن يساعد شريك بيانات خبير.
هل هناك أي شيء آخر تود مشاركة حول LXT؟
أولاً، أريد أن أشكركم على الفرصة لمشاركة قصتنا! أود أن أبرز أن شركتنا ملتزمة بمساعدة المنظمات من جميع الأحجام على النجاح في مبادرات الذكاء الاصطناعي. لقد كنا منشغلين بتسليم بيانات الذكاء الاصطناعي المخصصة للشركات حول العالم لمدة 12 عامًا ونحن سعداء بالتواصل مع أي شخص يبحث عن إنشاء خط أنابيب بيانات موثوق به لدعم مشاريعه.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة LXT.
