Eric Landau, Co-Founder & CEO von Encord – Interview-Serie

Eric Landau ist der CEO & Co-Founder von Encord, einer aktiven Lernplattform für Computer-Vision. Eric war der Leitende quantitative Forscher auf einem globalen Equity-Delta-One-Desk, wo er Tausende von Modellen in die Produktion brachte. Bevor er zu Encord kam, verbrachte er fast ein Jahrzehnt im Hochfrequenzhandel bei DRW. Er hat einen S.M. in Angewandter Physik von der Harvard University, einen M.S. in Elektrotechnik und einen B.S. in Physik von der Stanford University.

In seiner Freizeit genießt Eric es, mit ChatGPT und großen Sprachmodellen zu spielen und Craft-Cocktails zu mixen.

Was hat Sie dazu inspiriert, Encord mitzubegründen, und wie hat Ihre Erfahrung in der Teilchenphysik und der quantitativen Finanzwirtschaft Ihre Herangehensweise an die Lösung des “Datenproblems” im Bereich KI geprägt?

Ich begann erstmalig, über maschinelles Lernen nachzudenken, als ich in der Teilchenphysik arbeitete und mit sehr großen Datensätzen während meiner Zeit am Stanford Linear Accelerator Center (SLAC) zu tun hatte. Ich verwendete Software, die von Physikern für Physiker entwickelt worden war, was bedeutet, dass es viel zu wünschen übrig ließ, was die Benutzerfreundlichkeit betraf. Mit einfacheren Tools hätte ich Analysen viel schneller durchführen können.

Später, als ich in der quantitativen Finanzwirtschaft bei DRW arbeitete, war ich für die Erstellung von Tausenden von Modellen verantwortlich, die in die Produktion gebracht wurden. Ähnlich wie in meiner Erfahrung in der Physik stellte ich fest, dass hochwertige Daten für die Erstellung genauer Modelle von entscheidender Bedeutung waren und dass die Verwaltung komplexer, großer Datenmengen schwierig ist. Ulrik hatte eine ähnliche Erfahrung bei der Visualisierung großer Bild-Datensätze für die Computer-Vision.

Als ich von seiner ursprünglichen Idee für Encord hörte, war ich sofort begeistert und verstand die Bedeutung. Zusammen sahen Ulrik und ich eine enorme Chance, eine Plattform aufzubauen, um den Prozess der AI-Datenentwicklung zu automatisieren und zu straffen, damit Teams leichter die besten Daten in Modelle einbringen und vertrauenswürdige KI-Systeme aufbauen können.

Können Sie die Vision hinter Encord erläutern und wie sie im Vergleich zu den frühen Tagen des Computers oder des Internets in Bezug auf Potenzial und Herausforderungen steht?

Die Vision von Encord ist es, die grundlegende Plattform zu sein, auf die Unternehmen angewiesen sind, um ihre Daten in funktionsfähige KI-Modelle umzuwandeln. Wir sind die Schnittstelle zwischen den Daten eines Unternehmens und seiner KI.

Auf viele Weise spiegelt KI frühere Paradigmenwechsel wie die Personal-Computer und das Internet wider, da sie integraler Bestandteil von Workflows für jeden Einzelnen, jedes Unternehmen, jede Nation und jede Branche werden wird. Im Gegensatz zu früheren technologischen Revolutionen, die in erheblichem Maße durch Moores Gesetz der komprimierten Rechenleistung begrenzt waren, hat die KI-Entwicklung von gleichzeitigen Innovationen profitiert. Sie bewegt sich somit in einem viel schnelleren Tempo. In den Worten von NVIDIAs Jensen Huang: “Für das erste Mal sehen wir komprimierte Exponentialfunktionen… Wir komprimieren um den Faktor einer Million alle zehn Jahre. Nicht um den Faktor hundert, nicht um den Faktor tausend, um den Faktor einer Million.” Ohne Übertreibung sind wir Zeugen der am schnellsten fortschreitenden Technologie in der Geschichte der Menschheit.

Das Potenzial ist enorm: Durch die Automatisierung und Skalierung der Verwaltung hochwertiger Daten für KI gehen wir ein Engpass an, der eine breitere KI-Adoption verhindert. Die Herausforderungen sind ähnlich wie die Hürden in früheren technologischen Epochen: Silos, mangelnde Best Practices, Einschränkungen für nicht-technische Benutzer und ein Mangel an gut definierten Abstraktionen.

Encord Index wird als wichtiges Werkzeug für die Verwaltung und Kuratierung von KI-Daten positioniert. Wie unterscheidet es sich von anderen Datenmanagement-Plattformen, die derzeit verfügbar sind?

Es gibt einige Wege, auf denen sich Encord Index hervorhebt:

Index ist skalierbar: Ermöglicht es Benutzern, Milliarden, nicht Millionen, von Datenpunkten zu verwalten. Andere Tools haben Skalierungsprobleme bei unstrukturierten Daten und sind begrenzt in der Konsolidierung aller relevanten Daten in einem Unternehmen.

Index ist flexibel: Integriert direkt mit privaten Daten-Speichern und Cloud-Speicher-Anbietern wie AWS, GCP und Azure. Im Gegensatz zu anderen Tools, die auf einen einzelnen Cloud-Anbieter oder ein internes Speichersystem beschränkt sind, ist Index unabhängig davon, wo die Daten gespeichert sind. Es ermöglicht es Ihnen, Daten aus vielen Quellen mit entsprechender Governance und Zugriffskontrolle zu verwalten, die es Ihnen ermöglichen, sichere und konforme KI-Anwendungen zu entwickeln.

Index ist multimodal: Unterstützt multimodale KI, die Verwaltung von Daten in Form von Bildern, Videos, Audio, Text, Dokumenten und mehr. Index ist nicht auf eine einzige Form von Daten beschränkt, wie viele LLM-Tools heute. Die menschliche Kognition ist multimodal, und wir glauben, dass multimodale KI im Herzen der nächsten Welle von KI-Fortschritten stehen wird, die Chatbots und LLMs ablösen werden.

Wie verbessert Encord Index den Prozess der Auswahl der richtigen Daten für KI-Modelle, und welche Auswirkungen hat dies auf die Modellleistung?

Encord Index verbessert die Daten-Auswahl, indem es die Kuratierung großer Datensätze automatisiert, Teams hilft, nur die relevantesten Daten zu identifizieren und zu behalten, während uninformative oder voreingenommene Daten entfernt werden. Dieser Prozess reduziert nicht nur die Größe der Datensätze, sondern verbessert auch erheblich die Qualität der für die Schulung von KI-Modellen verwendeten Daten. Unsere Kunden haben bis zu 20 % Verbesserung ihrer Modelle gesehen, während sie eine 35 % Reduzierung der Datensatz-Größe und eine Einsparung von Hunderttausenden von Dollar an Rechen- und Annotationskosten erzielt haben.

Wie bleibt Encord in der sich schnell entwickelnden KI-Landschaft mit Technologien wie Meta’s Segment Anything Model vorne?

Wir haben die Plattform absichtlich so konzipiert, dass sie sich schnell an neue Technologien anpassen kann. Wir konzentrieren uns auf die Bereitstellung eines skalierbaren, software-basierten Ansatzes, der es leicht macht, Fortschritte wie SAM zu integrieren, sodass unsere Benutzer immer mit den neuesten Tools ausgestattet sind, um wettbewerbsfähig zu bleiben.

Wir planen, indem wir uns auf multimodale KI konzentrieren, vorne zu bleiben. Die Encord-Plattform kann bereits komplexe Daten-Typen wie Bilder, Videos und Text verwalten, sodass wir bereit sind, wenn weitere Fortschritte in der multimodalen KI vor uns liegen.

Welche sind die häufigsten Herausforderungen, denen Unternehmen bei der Verwaltung von KI-Daten gegenüberstehen, und wie hilft Encord dabei, diese zu überwinden?

Es gibt 3 Haupt-Herausforderungen, denen Unternehmen bei der Verwaltung von KI-Daten gegenüberstehen:

• Schlechte Daten-Organisation und -Kontrolle: Wenn Unternehmen KI-Lösungen implementieren, stoßen sie oft auf die Realität von silo-artigen und unorganisierten Daten, die nicht KI-fähig sind. Diese Daten haben oft keine starke Governance, was ihre Verwendung in KI-Systemen einschränkt.
• Mangel an menschlichen Experten: Wenn KI-Modelle komplexere Probleme angehen, wird es bald einen Mangel an menschlichen Domänen-Experten geben, die Daten vorbereiten und validieren können. Wenn die KI-Anforderungen eines Unternehmens steigen, ist es schwierig und teuer, diese menschliche Arbeitskraft zu skalieren.
• Nicht skalierbare Werkzeuge: Leistungsstarke KI-Modelle sind sehr daten-hungrig in Bezug auf die für die Feinabstimmung, Validierung, RAG und andere Workflows erforderlichen Daten. Die vorherige Generation von Tools ist nicht in der Lage, die Menge an Daten und die Arten von Daten zu verwalten, die für heutige produktionsreife Modelle erforderlich sind.

Encord löst diese Probleme, indem es den Prozess der Kuratierung von Daten im großen Maßstab automatisiert, es leicht macht, wirksame von problematischen Daten zu unterscheiden, und die Erstellung effektiver Trainings- und Validierungs-Datensätze ermöglicht. Es verwendet einen software-basierten Ansatz, der leicht skalierbar ist, wenn sich die Anforderungen an die Daten-Verwaltung ändern. Unsere KI-gestützten Annotationstools ermöglichen es menschlichen Experten, die Workflow-Effizienz zu maximieren. Dieser Prozess ist insbesondere in Branchen wie Finanzdienstleistungen und Gesundheitswesen von entscheidender Bedeutung, wo KI-Trainer teuer sind. Wir machen es leicht, alle unstrukturierten Daten eines Unternehmens zu verwalten und zu verstehen, was den Bedarf an manueller Arbeit reduziert.

Wie geht Encord das Problem der Daten-Voreingenommenheit und der unterrepräsentierten Bereiche in Datensätzen an, um faire und ausgewogene KI-Modelle zu gewährleisten?

Das Bekämpfen von Daten-Voreingenommenheit ist ein wichtiger Schwerpunkt für uns bei Encord. Unsere Plattform identifiziert und macht Bereiche sichtbar, in denen Daten möglicherweise voreingenommen sind, sodass KI-Teams diese Probleme angehen können, bevor sie die Modellleistung beeinträchtigen. Wir stellen auch sicher, dass unterrepräsentierte Bereiche in Datensätzen ordnungsgemäß einbezogen werden, was dazu beiträgt, fairere und ausgewogenere KI-Modelle zu entwickeln. Durch die Verwendung unserer Kuratierungstools können Teams sicherstellen, dass ihre Modelle auf vielfältigen und repräsentativen Daten trainiert werden.

Encord hat kürzlich 30 Millionen Dollar in Series-B-Finanzierungsrunden gesichert. Wie wird diese Finanzierung den Produkt-Roadmap und die Expansionspläne beschleunigen?

Die 30 Millionen Dollar in Series-B-Finanzierungsrunden werden verwendet, um die Größe unseres Produkt-, Ingenieur- und KI-Forschungsteams in den nächsten sechs Monaten drastisch zu erhöhen und die Entwicklung von Encord Index und anderen neuen Funktionen zu beschleunigen. Wir erweitern auch unsere Präsenz in San Francisco mit einem neuen Büro, und diese Finanzierung wird uns helfen, unsere Operationen zu skalieren, um unsere wachsende Kundenbasis zu unterstützen.

Als jüngstes KI-Unternehmen von Y Combinator, das eine Series-B-Runde aufgelegt hat, was tragen Sie dem schnellen Wachstum und Erfolg von Encord zu?

Einer der Gründe, warum wir schnell wachsen konnten, ist, dass wir in allen Bereichen des Unternehmens einen extrem kundenorientierten Fokus verfolgt haben. Wir kommunizieren ständig mit Kunden, hören ihnen genau zu und “umarmen” sie, um Lösungen zu finden. Indem wir uns auf die Bedürfnisse der Kunden konzentrieren und nicht auf Hype, haben wir eine Plattform geschaffen, die bei den besten KI-Teams in verschiedenen Branchen Anklang findet. Unsere Kunden haben uns halfen, wo wir heute sind. Unsere Fähigkeit, schnell zu skalieren und die Komplexität von KI-Daten effektiv zu verwalten, hat uns zu einer attraktiven Lösung für Unternehmen gemacht.

Wir verdanken viel von unserem Erfolg auch unseren Teammitgliedern, Partnern und Investoren, die alle unermüdlich gearbeitet haben, um Encord zu fördern. Die Zusammenarbeit mit weltklasse-Produkt-, Ingenieur- und Go-to-Market-Teams hat unseren Erfolg enorm beeinflusst.

Wie sehen Sie die Rolle von KI-Daten-Plattformen wie Encord in den nächsten fünf Jahren?

Wenn KI-Anwendungen komplexer werden, wird der Bedarf an effizienten und skalierbaren Daten-Management-Lösungen nur zunehmen. Ich glaube, dass jedes Unternehmen irgendwann ein KI-Department haben wird, ähnlich wie es heute IT-Abteilungen gibt. Encord wird die einzige Plattform sein, die sie benötigen, um die enormen Mengen an Daten zu verwalten, die für KI erforderlich sind, und Modelle schnell in die Produktion zu bringen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Encord besuchen.