Mohammad Omar, Co-Founder & CEO von LXT – Interview-Serie

Mohammad Omar ist der Co-Founder und CEO von LXT, einem aufstrebenden Marktführer im Bereich der AI-Trainingsdaten, um intelligente Technologien für globale Organisationen, einschließlich der größten Technologieunternehmen der Welt, zu ermöglichen. In Partnerschaft mit einem internationalen Netzwerk von Beiträgern sammelt und annotiert LXT Daten in verschiedenen Formaten mit der erforderlichen Geschwindigkeit, Skalierbarkeit und Agilität für das Unternehmen. Gegründet im Jahr 2010 hat LXT seinen Hauptsitz in Toronto, Kanada, und ist in den USA, Australien, Indien, der Türkei, Großbritannien und Ägypten vertreten.

Können Sie die Entstehungsgeschichte hinter LXT teilen?

LXT wurde gegründet, um eine akute Notwendigkeit für Daten zu decken, die mein Arbeitgeber vor zwölf Jahren hatte. Zu dieser Zeit benötigte das Unternehmen arabische Daten, aber es hatte keine geeigneten Lieferanten, um sie zu beziehen. Als Risikoträger und Unternehmer entschied ich mich, meine Stelle zu verlassen, ein neues Unternehmen zu gründen und unsere Dienstleistungen meinem ehemaligen Arbeitgeber anzubieten. Sofort erhielten wir einige der anspruchsvollsten Projekte, die wir erfolgreich umsetzten, und von dort aus wuchs alles. Jetzt, über 12 Jahre später, haben wir eine starke Beziehung zu diesem Unternehmen aufgebaut und sind zu einem bevorzugten Lieferanten für hochwertige Sprachendaten geworden.

Was sind einige der größten Herausforderungen bei der Bereitstellung von AI im großen Maßstab?

Das ist eine großartige Frage, und wir haben sie tatsächlich in unserem neuesten Forschungsbericht The Path to AI Maturity aufgegriffen. Die größte Herausforderung, die die Befragten nannten, war die Integration ihrer bestehenden oder veralteten Systeme in AI-Lösungen. Dies ist verständlich, da wir größere Unternehmen befragt haben, die wahrscheinlich eine Vielzahl von Technologiesystemen in ihren Organisationen haben, die in eine digitale Transformationsstrategie integriert werden müssen. Andere Herausforderungen, die die Befragten hoch einstuften, waren der Mangel an qualifiziertem Personal, der Mangel an Schulungen oder Ressourcen und die Beschaffung von qualitativ hochwertigen Daten. Ich war nicht überrascht von diesen Antworten, da sie häufig genannt werden und weil die Datenherausforderung der Grund für die Existenz unseres Unternehmens ist.

Wenn es um Datenherausforderungen geht, kann LXT sowohl Daten beschaffen als auch annotieren, damit maschinelle Lernalgorithmen sie verstehen können. Wir sind in der Lage, dies im großen Maßstab und mit Agilität zu tun, was bedeutet, dass wir hochwertige Daten sehr schnell liefern. Kunden kommen oft zu uns, wenn sie sich auf einen Launch vorbereiten und sicherstellen möchten, dass ihr Produkt von den Kunden gut angenommen wird,

Indem Unternehmen mit uns zusammenarbeiten, um Daten zu beschaffen und zu annotieren, können sie ihre Ressourcen- und Personalmangel durch die Konzentration ihrer Teams auf die Entwicklung innovativer Lösungen ausgleichen.

LXT bietet Abdeckung für über 750 Sprachen, aber es gibt Übersetzungs- und Lokalisierungsherausforderungen, die über die Struktur der Sprache hinausgehen. Können Sie erläutern, wie LXT diese Herausforderungen angeht?

Es gibt tatsächlich Übersetzungs- und Lokalisierungsherausforderungen – insbesondere wenn man über die am weitesten verbreiteten Sprachen hinausgeht, die offiziellen Status und die damit verbundene Standardisierung haben. Viele der Sprachen, in denen wir arbeiten, haben keine offizielle Orthographie, was die Einhaltung von Konsistenz innerhalb eines Teams zu einer Herausforderung macht. Wir gehen diese und andere Herausforderungen – wie z.B. die Erkennung von betrügerischem Verhalten – durch die Implementierung strenger Prozesse für die Qualitätssicherung an. Wiederum wurde in dem AI-Reifegrad-Forschungsbericht deutlich, dass für die meisten Organisationen, die mit AI-Daten arbeiten, die Qualität an erster Stelle steht. Und die meisten befragten Organisationen äußerten ihre Bereitschaft, mehr zu bezahlen, um diese zu erhalten.

Für Unternehmen, die Datenbeschaffung und Datenannotation benötigen, wie früh sollten sie in der Anwendungsentwicklungsreise damit beginnen?

Wir empfehlen, dass Organisationen eine Datenstrategie erstellen, sobald sie ihren AI-Anwendungsfall identifiziert haben. Wenn man bis zur Anwendungsentwicklung wartet, kann dies zu unnötiger Nachbearbeitung führen, da die AI die falschen Dinge lernt und mit qualitativ hochwertigen Daten neu trainiert werden muss, was Zeit in Anspruch nimmt, um sie zu beschaffen und in den Entwicklungsprozess zu integrieren.

Was ist die Faustregel, um die Häufigkeit zu bestimmen, mit der Daten aktualisiert werden sollten?

Es hängt wirklich von der Art der Anwendung ab, die entwickelt wird, und wie oft die Daten, die sie unterstützen, in einer signifikanten Weise ändern. Dies bedeutet, dass Daten eine Darstellung des realen Lebens sind und im Laufe der Zeit aktualisiert werden müssen, um eine genaue Reflexion dessen zu liefern, was in der Welt passiert. Wir nennen dieses Phänomen Modelldrift, von dem es zwei Arten gibt, die beide eine Neuschulung der Algorithmen erfordern.

• Konzeptdrift tritt auf, wenn ein signifikanter Unterschied zwischen den Trainingsdaten und der AI-Ausgabe auftritt, was plötzlich oder allmählich auftreten kann. Zum Beispiel könnte ein Einzelhändler historische Kundendaten verwenden, um eine AI-Anwendung zu trainieren. Aber wenn eine massive Verschiebung in der Verbraucherrealität auftritt, muss der Algorithmus neu trainiert werden, um dies widerzuspiegeln.

• Daten-Drift tritt ein, wenn die Daten, die zur Trainierung einer Anwendung verwendet werden, nicht mehr die tatsächlichen Daten widerspiegeln, die bei der Produktion auftreten. Dies kann durch eine Reihe von Faktoren verursacht werden, einschließlich demografischer Verschiebungen, Saisonität oder der Situation einer Anwendung in einer neuen geografischen Region.

LXT hat kürzlich einen Bericht mit dem Titel “The Path to AI Maturity 2023” veröffentlicht. Was waren einige der Erkenntnisse in diesem Bericht, die Sie überraschten?

Es sollte mich wahrscheinlich nicht überraschen, aber das, was wirklich auffiel, war die Vielfalt der Anwendungen. Man könnte erwarten, dass zwei oder drei Domänen der Aktivität dominieren, aber als wir die Befragten fragten, wo sie ihre AI-Bemühungen konzentrieren und wo sie ihre AI einsetzen wollten, sah es anfangs chaotisch aus – es gab keine Trend. Aber als wir die Daten sichteten und die qualitativen Antworten betrachteten, wurde klar, dass das Fehlen eines Trends ist der Trend. Zumindest durch die Augen unserer Befragten, wenn Sie ein Problem haben, dann gibt es eine reale Möglichkeit, dass jemand an einer AI-Lösung dafür arbeitet.

Generative AI nimmt die Welt im Sturm, was ist Ihre Meinung darüber, wie weit Sprachgenerierungsmodelle die Branche vorantreiben können?

Meine persönliche Meinung dazu ist, dass das wahre Potenzial der generativen künstlichen Intelligenz – ich wähle hier die Wörter, um den Akzent zu legen – in der natürlichen Sprachverständlichkeit liegt. Die “Intelligenz” der AI wird durch die Sprache erlernt; die Fähigkeit, komplexe Probleme anzugehen und zu lösen, wird durch iterative und kumulative natürliche Sprachinteraktionen vermittelt. Mit diesem Verständnis glaube ich, dass Sprachgenerierungsmodelle Schritt für Schritt mit anderen Elementen der AI voranschreiten werden.

Was ist Ihre Vision für die Zukunft von AI und für die Zukunft von LXT?

Ich bin von Natur aus Optimist und das wird meine Antwort hier färben, aber meine Vision für die Zukunft von AI ist es, die Lebensqualität für jeden zu verbessern; sie soll unsere Welt zu einem sichereren Ort machen, einem besseren Ort für zukünftige Generationen. Auf mikroebene ist meine Vision für LXT, dass das Unternehmen weiterhin auf seine Stärken aufbaut, wächst und zu einem Arbeitgeber der Wahl wird und eine Kraft für das Gute, für die globale Gemeinschaft, die unser Geschäft ermöglicht. Auf makroebene ist meine Vision für LXT, einen signifikanten, sinnvollen Beitrag zur Erfüllung meiner optimistisch geprägten Vision für die Zukunft von AI zu leisten.

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