Mohammad Omar, spoluzakladatel a CEO LXT – rozhovor

Mohammad Omar je spoluzakladatel a CEO společnosti LXT, která je rostoucím lídrem v oblasti školení umělé inteligence pro globální organizace, včetně největších technologických společností na světě. Ve spolupráci s mezinárodní sítí přispěvatelů LXT shromažďuje a anotuje data napříč několika modalitami s rychlostí, rozsahem a pružností, které vyžadují podniky. Společnost LXT byla založena v roce 2010 a má sídlo v Torontu, Kanada, s pobočkami v USA, Austrálii, Indii, Turecku, Velké Británii a Egyptě.

Můžete sdílet příběh o vzniku LXT?

LXT byla založena jako reakce na akutní potřebu dat, se kterou se můj bývalý zaměstnavatel před dvanácti lety potýkal. V té době společnost potřebovala arabská data, ale neměla vhodné dodavatele, od kterých by je mohla získat. Jako riskantní a podnikavý člověk jsem se rozhodl opustit svou pozici, založit novou společnost a nabídnout naše služby mé bývalé společnosti. Okamžitě jsme dostali některé z jejich nejnáročnějších projektů, které jsme úspěšně dokončili, a věci se od té doby vyvíjely. Nyní, více než 12 let později, jsme vyvinuli silný vztah s touto společností a stali se jejich hlavním dodavatelem высокokvalitních jazykových dat.

Jaké jsou některé z největších výzev spojených s nasazením umělé inteligence ve velkém?

To je skvělá otázka, a vlastně jsme o tom psali v naší poslední výzkumné zprávě, The Path to AI Maturity. Největší výzvou, kterou respondenti uvedli, byla integrace stávajících nebo zastaralých systémů do řešení umělé inteligence. To má smysl, vzhledem k tomu, že jsme prováděli průzkum mezi většími společnostmi, které by pravděpodobně měly řadu technických systémů napříč svými organizacemi, které je třeba racionalizovat do strategie digitální transformace. Dalšími výzvami, které respondenti hodnotili jako důležité, byly nedostatek kvalifikovaných talentů, nedostatek školení nebo zdrojů a získávání kvalitních dat. Nebyl jsem překvapen těmito odpověďmi, protože jsou běžně uváděny, a také proto, že výzva dat je důvodem existence naší organizace.

Pokud jde o výzvy dat, LXT může jak získat data, tak je označit, aby je mohly algoritmy strojového učení pochopit. Jsme vybaveni k tomu, aby jsme to dělali ve velkém a s pružností, což znamená, že dodáváme vysokokvalitní data velmi rychle. Naši klienti nás často kontaktují, když se chystají spustit produkt a chtějí se ujistit, že jejich produkt bude dobře přijat zákazníky,

Pracováním s námi na získání a označení dat mohou společnosti řešit své zdrojové a talentové nedostatky, aby umožnily svým týmům soustředit se na budování inovativních řešení.

LXT nabízí pokrytí více než 750 jazyků, ale existují překladatelství a lokalizační výzvy, které jdou za rámec struktury jazyka samotného. Můžete diskutovat o tom, jak LXT řeší tyto výzvy?

Existují skutečně překladatelství a lokalizační výzvy – zejména jednou, co se dostanete za rámec nejčastěji mluvených jazyků, které mají oficiální status a úroveň standardizace, která s tím souvisí. Mnoho jazyků, se kterými pracujeme, nemá oficiální pravopis, takže řízení konzistence napříč týmem se stává výzvou. Řešíme tyto a další výzvy – například detekci podvodného chování – tím, že máme přísné procesy pro zajištění kvality. Opět to bylo velmi zřejmé v AI zralosti výzkumné zprávě, že pro většinu organizací pracujících s umělou inteligencí data, kvalita seděla na vrcholu seznamu priorit. A většina organizací dotázaných vyjádřila ochotu zaplatit více, aby získala tuto kvalitu.

Pro společnosti, které vyžadují získání dat a anotaci dat, jak brzy by měly začít získávat tato data?

Doporučujeme, aby organizace vytvořily strategii dat, jakmile identifikují svůj případ použití umělé inteligence. Čekání, až bude aplikace ve vývoji, může vést k mnoha zbytečným pracím, protože umělá inteligence se může naučit špatné věci a musí být znovu vyškolena kvalitními daty, což může trvat čas, než se získají a integrují do procesu vývoje.

Jaký je základní princip pro určení frekvence, s jakou by se měla data aktualizovat?

To skutečně závisí na typu aplikace, kterou vyvíjíte, a na tom, jak často se data, která ji podporují, mění významným způsobem. To znamená, že data jsou reprezentací skutečného života, a v průběhu času musí být data aktualizována, aby poskytla přesné odraz toho, co se děje ve světě. Nazýváme tento jev posunem modelu, z něhož existují dva typy, každý vyžadující přeškolení algoritmů.

• Posun konceptu nastává, když dojde k významné změně mezi trénovacími daty a výstupem umělé inteligence, což může nastat náhle nebo postupně. Například maloobchodník může použít historická zákaznická data k trénování aplikace umělé inteligence. Ale když dojde k velké změně spotřebitelské reality, algoritmus bude muset být přeškolen, aby odrážel tuto změnu.

• Posun dat nastává, když data použita k trénování aplikace již neodrážejí skutečná data, se kterými se setká, když vstoupí do produkce. To může být způsobeno řadou faktorů, včetně demografických posunů, sezónnosti nebo umístění aplikace v nové geografické oblasti.

LXT nedávno zveřejnila zprávu s názvem “The Path to AI Maturity 2023”. Jaké byly některé z překvapivých závěrů této zprávy?

To pravděpodobně nemělo být překvapením, ale věc, která opravdu vynikla, byla rozmanitost aplikací. Můžete očekávat, že dvě nebo tři domény aktivit budou dominovat, ale když jsme se ptali, kde respondenti plánují zaměřit své úsilí umělé inteligence a kde plánují nasadit umělou inteligenci, zpočátku to vypadalo jako chaos – absence jakéhokoli trendu. Ale po prozkoumání dat a pohledu na kvalitativní odpovědi se stalo jasné, že absence trendu je trend. Alespoň očima našich respondentů, pokud máte problém, je skutečná možnost, že někdo pracuje na řešení umělé inteligence pro něj.

Generativní umělá inteligence otřásá světem, jaký je váš názor na to, kam až mohou jít jazykové generativní modely v tomto odvětví?

Můj osobní názor na toto je, že centrální částí skutečné síly Generativní Umělé Inteligence – používám zde slova místo zkratky pro zdůraznění – je Přirozené Pojetí Jazyka. “Inteligence” umělé inteligence se učí prostřednictvím jazyka; schopnost řešit a nakonec řešit složité problémy je zprostředkována prostřednictvím iterativních a kumulativních přirozených jazykových interakcí. S tímto na paměti věřím, že jazykové generativní modely budou kráčet v lockstepu s ostatními prvky umělé inteligence.

Jaký je váš výhled do budoucnosti umělé inteligence a budoucnosti LXT?

Jsem optimista z povahy a to bude barvit mou odpověď, ale můj výhled do budoucnosti umělé inteligence je vidět, jak zlepšuje kvalitu života pro každého; aby hizo svět bezpečnějším, lepším místem pro budoucí generace. Na mikro úrovni je můj výhled do budoucnosti LXT vidět, jak organizace bude pokračovat ve svém růstu, stávat se zaměstnavatelem volby a silou pro dobro, pro globální komunitu, která naše podnikání umožňuje. Na makro úrovni je můj výhled do budoucnosti LXT přispět významným a smysluplným způsobem k naplnění mého optimisticky zkresleného výhledu do budoucnosti umělé inteligence.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit LXT.