Phil Hall, Chief Growth Officer bei LXT – Interview-Serie

LXT Chief Growth Officer Phil Hall ist ein ehemaliger Appen-Manager und Forbes Technology Council-Mitglied. In seiner Führungsrolle bei Appen leitete er eine Abteilung mit über 1.000 Mitarbeitern und spielte eine wichtige Rolle bei der Erreichung von 17 aufeinanderfolgenden Jahren des Umsatzwachstums mit konstant hoher Rentabilität. In seiner aktuellen Rolle bei LXT arbeitet er mit einem handverlesenen Team von Experten zusammen, um ambitionierte Wachstumsziele zu erreichen.

LXT ist ein aufstrebender Marktführer im Bereich der Trainingsdaten für künstliche Intelligenz, um intelligente Technologien für globale Organisationen, einschließlich der größten Technologieunternehmen der Welt, zu ermöglichen. In Partnerschaft mit einem internationalen Netzwerk von Beitragenden sammelt und annotiert LXT Daten in mehreren Modalitäten mit der erforderlichen Geschwindigkeit, Skalierbarkeit und Agilität für Unternehmen. Sie verfügen über globale Expertise, die mehr als 115 Länder und 750 Sprachversionen umfasst. Gegründet im Jahr 2010 hat LXT seinen Hauptsitz in Toronto, Kanada, mit Präsenz in den Vereinigten Staaten, Australien, Ägypten, Großbritannien und der Türkei. Das Unternehmen bedient Kunden in Nordamerika, Europa, Asien-Pazifik und dem Nahen Osten.

Wann haben Sie zunächst entdeckt, dass Sie eine Leidenschaft für Sprache haben?

Ich bin seit ich mich erinnern kann von der Sprache fasziniert, aber was meine direkte Auseinandersetzung mit Sprache und Linguistik betrifft, gab es einen einzigen bedeutenden Wendepunkt für mich. Wir haben sehr früh erkannt, dass eines unserer Kinder dyslexisch war, und als wir mit der Schule über zusätzliche Unterstützung sprachen, sagten sie, dass es zwar Programme gäbe, auf die sie zugreifen könnten, aber auch Dinge, die ich als Freiwilliger an der Schule tun könnte, um unserer Tochter und anderen Kindern zu helfen. Es hat gut funktioniert, und von dort aus habe ich Linguistik studiert und mich selbst an zwei der Universitäten hier in Sydney unterrichtet.

Sie haben vor Ihrem Wechsel in den Sprachdatenbereich Linguistik unterrichtet, was hat Sie dazu bewogen, Ihren Fokus zu ändern?

Das in Sydney ansässige Appen befand sich gerade im Übergang von einem aus einem Wohnzimmer geführten Betrieb zu einem vollständig kommerziellen Unternehmen. Man sagte mir, sie suchten nach Linguisten (vielleicht genauer gesagt, nach einem Linguisten!) und ich wurde den Gründern Julie und Chris Vonwiller vorgestellt. Der Übergang war allmählich und erstreckte sich über etwa zwei Jahre. Ich war zunächst nicht bereit, die Lehrtätigkeit aufzugeben – die Arbeit mit hochbegabten Studenten war sowohl inspirierend als auch sehr viel Spaß. Aber insbesondere in diesen Pionierjahren löste ich schwierige Probleme gemeinsam mit den weltweit führenden Sprachtechnologie-Experten, und die Aufregung war groß. Viele Dinge, die heute als selbstverständlich angesehen werden, waren damals sehr herausfordernd.

Sie sind aus dem Ruhestand zurückgekehrt, um LXT beizutreten. Was hat Sie dazu bewogen?

Das ist eine interessante Frage, da ich mich definitiv in meinem Ruhestand wohl fühlte. Tatsächlich hat unser Mitgründer und CEO Mohammad Omar mich Monate vor meiner Antwort auf seine erste Anfrage angesprochen, da ich einen entspannten Lebensstil genoss und nicht wirklich daran gedacht hatte, wieder in eine Vollzeitbeschäftigung zurückzukehren. Nachdem ich zugestimmt hatte, den ersten Anruf zu tätigen, in dem Mo mich nach der Möglichkeit fragte, LXT beizutreten, erwartete ich, einfach höflich zuzuhören und abzulehnen.

Aber letztendlich war die Gelegenheit einfach zu gut, um sie zu widerstehen.

Während ich mit Mohammad und den anderen Mitgliedern des LXT-Teams sprach, erkannte ich sofort eine geteilte Leidenschaft für Sprache. Das Team, das Mohammad zusammengestellt hatte, bestand aus kreativen Denkern mit unerschöpflicher Energie, die voll und ganz dem Unternehmensziel verpflichtet waren.

Als ich mehr über die Gelegenheit mit LXT erfuhr, wurde mir klar, dass es eine Chance war, die ich nicht verpassen wollte. Hier war ein Unternehmen mit großem Potenzial, um zu expandieren und in einem Bereich zu wachsen, für den ich mich begeistere. Und da der Markt für künstliche Intelligenz exponentiell wächst, ist die Gelegenheit, mehr Organisationen dabei zu helfen, von Experimenten zur Produktion überzugehen, eine aufregende, an der ich sehr gerne teilnehme.

Was sind einige der aktuellen Herausforderungen bei der Beschaffung von Daten im großen Maßstab?

Die Herausforderungen sind so vielfältig wie die Anwendungen, die sie antreiben.

Aus praktischer Sicht umfassen die Herausforderungen Authentizität, Zuverlässigkeit, Genauigkeit, Sicherheit und die Gewährleistung, dass die Daten für den Zweck geeignet sind – und das ohne die wachsende Anzahl von rechtlichen und ethischen Herausforderungen bei der Datenerfassung zu berücksichtigen.

Zum Beispiel erfordert die Entwicklung von Technologie zur Unterstützung autonomer Fahrzeuge die Erfassung extrem großer Datenmengen in einer Vielzahl von Szenarien, damit das Auto versteht, wie es auf reale Situationen reagieren soll. Es gibt endlose Anzahl von Randfällen, die man beim Fahren erleben kann, sodass die Algorithmen, die diese Fahrzeuge antreiben, Datensätze benötigen, die alles von Straßen bis hin zu Stoppschildern und herabfallenden Objekten abdecken. Und wenn man dies mit der Anzahl der Wetterereignisse multipliziert, die auftreten können, erhöht sich die erforderliche Trainingsdatenmenge exponentiell. Automotive-Unternehmen, die in den autonomen Bereich eintreten, müssen eine zuverlässige Datenpipeline etablieren, und dies auf eigene Faust zu tun, würde enorme Ressourcen erfordern.

Ein weiteres Anwendungsbeispiel ist die Expansion eines bestehenden Sprach-AI-Produkts in neue Märkte, um Marktanteile und neue Kunden zu gewinnen. Dies erfordert unweigerlich Sprachdaten, und um Genauigkeit zu erzielen, ist es kritisch, Sprachdaten von Muttersprachlern aus verschiedenen demografischen Profilen zu beschaffen. Sobald die Daten gesammelt wurden, müssen die Sprachdateien transkribiert werden, um die NLP-Algorithmen des Produkts zu trainieren. Dies für mehrere Sprachen und in den erforderlichen Datenmengen zu tun, ist für Unternehmen, die über keine interne Expertise in diesem Bereich verfügen, extrem herausfordernd.

Diese sind nur zwei Beispiele für die vielen Herausforderungen, die bei der Datenerfassung für künstliche Intelligenz im großen Maßstab bestehen, aber wie Sie sich vorstellen können, haben auch die Datenerfassung für Hausautomation, Mobilgeräte und biometrische Daten jeweils ihre spezifischen Herausforderungen.

Wie beschafft und annotiert LXT derzeit Daten?

Bei LXT sammeln und annotieren wir Daten für jeden Kunden unterschiedlich, da alle unsere Einsätze auf die Spezifikationen unserer Kunden zugeschnitten sind. Wir arbeiten mit verschiedenen Datentypen, einschließlich Audio, Bild, Sprache, Text und Video. Für die Datenerfassung arbeiten wir mit einem globalen Netzwerk von Vertragspartnern zusammen, um Daten in diesen verschiedenen Modalitäten zu sammeln. Die Sammlungen können von der Erfassung von Daten in realen Umgebungen wie Häusern, Büros oder im Auto bis hin zu Studio-Aufnahmen mit erfahrenen Ingenieuren im Falle bestimmter Sprachdaten-Sammlungsprojekte reichen.

Unsere Fähigkeiten zur Datenannotation umfassen ebenfalls mehrere Modalitäten. Unsere Erfahrung begann im Sprachbereich und wir haben uns in den letzten 12 Jahren auf über 115 Länder und mehr als 750 Sprachversionen ausgedehnt. Dies bedeutet, dass Unternehmen aller Größen auf LXT zählen können, um ihnen dabei zu helfen, eine Vielzahl von Märkten zu erschließen und neue Kundensegmente zu gewinnen. Vor kurzem haben wir uns auch auf Text-, Bild- und Videodaten ausgedehnt, und unsere interne Plattform wird verwendet, um hochwertige Daten an unsere Kunden zu liefern.

Ein weiteres spannendes Wachstumsgebiet für uns ist unsere sichere Annotation. Nur in diesem Jahr haben wir unsere ISO-27001-sichere Einrichtung von zwei auf fünf Standorte weltweit erweitert. Wir haben nun eine Spielanleitung entwickelt, die es uns ermöglicht, neue Einrichtungen in nur wenigen Monaten zu errichten. Die Dienstleistungen, die wir in diesen sicheren Einrichtungen anbieten, konzentrieren sich derzeit auf die Annotation und Transkription von Sprachdaten, können aber für die Annotation vieler Datentypen verwendet werden.

Warum ist die Beschaffung von Daten auf diese Weise eine überlegene Alternative zu synthetischen Daten?

Synthetische Daten sind eine aufregende Entwicklung im Bereich der künstlichen Intelligenz und eignen sich gut für bestimmte Anwendungsfälle, insbesondere für Randfälle, die in der realen Welt schwer zu erfassen sind. Die Verwendung von synthetischen Daten ist im Aufwind, insbesondere in den Anfangsphasen der künstlichen Intelligenz, wenn Unternehmen noch im Experimentiermodus sind. Unsere eigene Forschung zeigt jedoch, dass Unternehmen, wenn sie ihre künstliche Intelligenz-Strategien reifen und mehr Modelle in die Produktion überführen, viel eher supervidierte oder semi-supervidierte Machine-Learning-Methoden verwenden, die auf menschlich annotierten Daten basieren.

Menschen sind einfach besser als Computer darin, die Nuancen zu verstehen, um die erforderlichen Daten zu erstellen, um ML-Modelle mit hoher Genauigkeit zu trainieren, und menschliche Aufsicht ist auch entscheidend, um Voreingenommenheit zu reduzieren.

Warum sind diese Daten so wichtig für Sprach- und Natural-Language-Processing-Algorithmen?

Damit Sprach- und Natural-Language-Processing-Algorithmen in ihren Zielmärkten effektiv funktionieren, müssen sie mit großen Datenmengen trainiert werden, die von Muttersprachlern stammen, die den kulturellen Kontext der Endbenutzer verstanden haben, die sie repräsentieren. Ohne diese Daten wird die Übernahme von Sprach-AI schwerwiegende Einschränkungen haben.

Darüber hinaus muss bei der Erfassung von Sprachdaten die Umgebung berücksichtigt werden. Wenn die Sprach-AI-Lösung, die trainiert wird, in einem Auto verwendet wird, gibt es beispielsweise verschiedene Straßen- und Wetterbedingungen, die Sprache und die Notwendigkeit berücksichtigen, sie zu berücksichtigen. Dies sind komplexe Szenarien, bei denen ein erfahrener Datenpartner helfen kann.

Gibt es noch etwas, das Sie über LXT teilen möchten?

Zunächst möchte ich mich für die Gelegenheit bedanken, unsere Geschichte zu teilen! Ich möchte hervorheben, dass unser Unternehmen darauf fokussiert ist, Organisationen aller Größen bei ihren künstlichen Intelligenz-Initiativen zu unterstützen. Wir haben uns über 12 Jahre darauf konzentriert, hochmaßgeschneiderte künstliche Intelligenz-Daten an Unternehmen auf der ganzen Welt zu liefern, und wir würden uns freuen, mit jedem in Kontakt zu treten, der eine zuverlässige Datenpipeline für seine künstlichen Intelligenz-Projekte aufbauen möchte.

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