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 Schlüsselrolle 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 Beiträgern sammelt und annotiert LXT Daten in verschiedenen Formaten mit der erforderlichen Geschwindigkeit, Skalierbarkeit und Agilität für das Unternehmen. Sie haben eine globale Expertise, die über 115 Länder und 750 Sprachversionen reicht. Gegründet im Jahr 2010 hat LXT seinen Hauptsitz in Toronto, Kanada, und ist in den Vereinigten Staaten, Australien, Ägypten, Großbritannien und der Türkei präsent. Das Unternehmen bedient Kunden in Nordamerika, Europa, Asien-Pazifik und dem Nahen Osten.

Wann haben Sie sich initially für die Sprache begeistert?

Ich bin seit jeher von der Sprache fasziniert, aber was meine direkte Auseinandersetzung mit der Sprache und der Linguistik betrifft, gab es einen bestimmten 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 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 Universitäten in Sydney unterrichtet.

Was hat Sie dazu bewogen, Ihre Aufmerksamkeit vom Unterricht auf den Bereich der Sprachdaten zu verlagern?

Die in Sydney ansässige Firma Appen befand sich gerade im Übergang von einem Betrieb, der aus einem Zimmer in einem Haus geführt wurde, zu einem vollständigen kommerziellen Betrieb. 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 zögerlich, den Unterricht aufzugeben – mit hochbegabten Studenten zu arbeiten war sowohl inspirierend als auch viel Spaß. Aber insbesondere in diesen Pionierjahren löste ich schwierige Probleme gemeinsam mit den weltweit führenden Experten für Sprachtechnologie, und die Spannung war hoch. Viele Dinge, die heute als selbstverständlich gelten, waren zu dieser Zeit sehr herausfordernd.

Was hat Sie dazu bewogen, sich aus dem Ruhestand zurückzuziehen und LXT beizutreten?

Diese Frage ist interessant, da ich mich im Ruhestand wirklich wohl fühlte. Tatsächlich kontaktierte unser Mitgründer und CEO Mohammad Omar mich Monate vor meiner Antwort auf seine erste Anfrage, da ich ein entspanntes Leben führte und nicht wirklich daran dachte, wieder in den Vollzeitjob zurückzukehren. Nachdem ich mich bereit erklärt hatte, den ersten Anruf zu tätigen, in dem Mo mich nach der Möglichkeit fragte, LXT beizutreten, erwartete ich, höflich zuzuhören und abzulehnen.

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

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

Als ich mehr über die Gelegenheit bei LXT erfuhr, erkannte ich, dass es eine Chance war, die ich nicht verpassen wollte. Hier war ein Unternehmen mit enormem Potenzial, um in einem Bereich zu wachsen und zu expandieren, 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.

Praktisch gesehen 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.

Beispielsweise erfordert die Entwicklung von Technologien zur Unterstützung autonomer Fahrzeuge die Erfassung extrem großer Datenmengen in verschiedenen Szenarien, damit das Fahrzeug weiß, wie es auf reale Situationen reagieren soll. Es gibt unzählige Randfälle, die man beim Fahren erleben kann, sodass die Algorithmen, die diese Fahrzeuge antreiben, Datensätze benötigen, die alles abdecken, von Straßen bis hin zu Stoppschildern und herabfallenden Objekten. Und wenn man dies mit der Anzahl der Wetterereignisse multipliziert, die auftreten können, erhöht sich die Menge der Trainingsdaten, die benötigt werden, exponentiell. Automotive-Unternehmen, die in den autonomen Bereich eintreten, benötigen einen zuverlässigen Datenpipeline, und dies auf eigene Faust zu etablieren, würde enorme Ressourcen erfordern.

Ein weiteres Beispiel 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 entscheidend, 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 extrem herausfordernd für Unternehmen, die dies alleine tun, insbesondere wenn sie nicht über die erforderliche interne Expertise in diesem Bereich verfügen.

Das 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 unterschiedlich für jeden Kunden, 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 Formaten zu sammeln. Die Sammlungen können von der Erfassung von Daten in realen Umgebungen wie zu Hause, im Büro oder im Auto bis hin zu Studio-Aufnahmen mit erfahrenen Ingenieuren im Falle bestimmter Sprachdaten-Sammlungsprojekte reichen.

Unsere Fähigkeiten zur Datenannotation umfassen auch mehrere Formate. 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 zu helfen, eine breite Palette von Märkten zu erschließen und neue Kundensegmente zu gewinnen. Kürzlich 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 weiterer spannender Bereich des Wachstums für uns ist unsere sichere Annotation. Nur in diesem Jahr haben wir unsere ISO-27001-sichere Einrichtung von zwei auf fünf Standorten weltweit ausgebaut. Wir haben nun eine Handreichung entwickelt, die es uns ermöglicht, neue Einrichtungen in nur wenigen Monaten zu etablieren. Die Dienstleistungen, die wir in diesen sicheren Einrichtungen anbieten, konzentrieren sich derzeit auf die Annotation und Transkription von Sprachdaten, können aber für die Annotation verschiedener 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. Der Einsatz von synthetischen Daten ist im Aufwind, insbesondere in den frühen Stadien der künstlichen Intelligenz, wenn Unternehmen noch im Experimentiermodus sind. Unsere eigene Forschung zeigt jedoch, dass Unternehmen, wenn sie ihre künstliche Intelligenz-Strategien reifen lassen und mehr Modelle in die Produktion bringen, viel eher auf überwachte oder teilüberwachte maschinelle Lernalgorithmen zurückgreifen, die auf von Menschen annotierten Daten basieren.

Menschen sind einfach besser als Computer darin, die Nuancen zu verstehen, die erforderlich sind, um die Daten zu erstellen, die benötigt werden, um maschinelle Lernalgorithmen mit hoher Genauigkeit zu trainieren, und menschliche Aufsicht ist auch entscheidend, um Voreingenommenheit zu reduzieren.

Warum sind diese Daten so wichtig für Sprach- und Natürliche-Sprachverarbeitung?

Damit Sprach- und Natürliche-Sprachverarbeitungsalgorithmen in ihren beabsichtigten Märkten effektiv arbeiten, müssen sie mit großen Mengen an Daten trainiert werden, die von Muttersprachlern stammen, die den kulturellen Kontext der Endbenutzer haben, die sie repräsentieren. Ohne diese Daten wird die Akzeptanz von Sprach-AI schwerwiegende Einschränkungen haben.

Zusätzlich muss die Umgebung bei der Erfassung von Sprachdaten berücksichtigt werden. Wenn die Sprach-AI-Lösung, die trainiert wird, in einem Auto verwendet wird, beispielsweise, gibt es verschiedene Straßen- und Wetterbedingungen, die die Sprache beeinflussen und berücksichtigt werden müssen. Dies sind komplexe Szenarien, in 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 sich dazu verpflichtet hat, Organisationen aller Größen bei ihren künstlichen Intelligenz-Initiativen zu helfen. Wir haben uns in den letzten 12 Jahren auf die Lieferung von maßgeschneiderten künstlichen Intelligenz-Daten an Unternehmen auf der ganzen Welt konzentriert und freuen uns darauf, mit allen in Kontakt zu treten, die daran interessiert sind, eine zuverlässige Datenpipeline zu erstellen, um ihre künstlichen Intelligenz-Projekte zu unterstützen.

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