Ερικ Λάνταου, Συνιδρυτής & Διευθύνων Σύμβουλος της Encord – Σειρά Συνεντεύξεων

Ο Ερικ Λάνταου είναι ο Διευθύνων Σύμβουλος & Συνιδρυτής της Encord, μια πλατφόρμα ενεργού μάθησης για την όραση του υπολογιστή. Ο Ερικ ήταν ο επικεφαλής ερευνητής ποσοτικών στοιχείων σε μια παγκόσμια τράπεζα δέλτα-ένα, τοποθετώντας χιλιάδες μοντέλα σε παραγωγή. Πριν από την Encord, πέρασε σχεδόν μια δεκαετία σε υψηλής συχνότητας εμπόριο στο DRW. Κατέχει einen S.M. στην Εφαρμοσμένη Φυσική από το Πανεπιστήμιο Χάρβαρντ, M.S. στην Ηλεκτρική Μηχανική και B.S. στην Φυσική από το Πανεπιστήμιο Στάνφορντ.

Στον ελεύθερό του χρόνο, ο Ερικ απολαμβάνει να παίζει με το ChatGPT και τα μεγάλα γλωσσικά μοντέλα και να φτιάχνει craft κοκτέιλ.

Τι σας έμπνευσε να συνιδρύσετε την Encord, και πώς η εμπειρία σας στη σωματιδιακή φυσική και την ποσοτική финансιακή επηρεάστηκε από την προσέγγισή σας στο πρόβλημα των “δεδομένων” στην τεχνητή νοημοσύνη;

Ξεκίνησα να σκέφτομαι για την μηχανική μάθηση ενώ εργαζόμουν στη σωματιδιακή φυσική και αντιμετώπιζα πολύ μεγάλες συνόλους δεδομένων κατά τη διάρκεια της θητείας μου στο Κέντρο Στάνφορντ για τη_lineαρ_ταχύτητα (SLAC). Χρησιμοποιούσα λογισμικό που σχεδιάστηκε από φυσικούς για φυσικούς, το οποίο σημαίνει ότι υπήρχε πολλά να επιθυμούμε σε ό,τι αφορά μια ευχάριστη εμπειρία χρήστη. Με ευκολότερα εργαλεία, θα μπορούσα να τρέξω αναλύσεις πολύ γρηγορότερα.

Αργότερα, εργαζόμενος στην ποσοτική финансιακή στο DRW, ήμουν υπεύθυνος για τη δημιουργία χιλιάδων μοντέλων που αναπτύχθηκαν σε παραγωγή. Παρόμοια με την εμπειρία μου στη φυσική, βρήκα ότι τα υψηλής ποιότητας δεδομένα ήταν κρίσιμα για τη δημιουργία ακριβών μοντέλων και ότι η διαχείριση σύνθετων, μεγάλης κλίμακας δεδομένων είναι δύσκολη. Ο Ulrik είχε μια παρόμοια εμπειρία οπτικοποιώντας μεγάλες εικόνες συνόλων δεδομένων για την όραση του υπολογιστή.

Όταν άκουσα για την αρχική του ιδέα για την Encord, ήμουν αμέσως με το μέρος του και κατέληξα στη σημασία. Μαζί, ο Ulrik και εγώ είδαμε μια τεράστια ευκαιρία να χτίσουμε μια πλατφόρμα για να αυτοματοποιήσουμε και να ροηματοποιήσουμε τη διαδικασία ανάπτυξης δεδομένων για την τεχνητή νοημοσύνη, καθιστώντας ευκολότερο για τις ομάδες να λάβουν τα καλύτερα δεδομένα στα μοντέλα και να χτίσουν αξιόπιστες συστήματα τεχνητής νοημοσύνης.

Μπορείτε να εξηγήσετε την όραση πίσω από την Encord και πώς αυτή συγκρίνεται με τις πρώτες μέρες των υπολογιστών ή του διαδικτύου σε ό,τι αφορά το δυναμικό και τις προκλήσεις;

Η όραση της Encord είναι να είναι η θεμελιώδης πλατφόρμα στην οποία οι επιχειρήσεις θα βασιστούν για να μετατρέψουν τα δεδομένα τους σε λειτουργικά μοντέλα τεχνητής νοημοσύνης. Είμαστε το στρώμα μεταξύ των δεδομένων μιας εταιρείας και της τεχνητής νοημοσύνης της.

Σε πολλά σημεία, η τεχνητή νοημοσύνη αντανακλά προηγούμενες παραδειγματικές αλλαγές όπως οι προσωπικοί υπολογιστές και το Διαδίκτυο, καθώς θα γίνει ολοένα και πιο ολοκληρωμένη στις ροές εργασίας για κάθε άτομο, επιχείρηση, έθνος και βιομηχανία. Σε αντίθεση με τις προηγούμενες τεχνολογικές επαναστάσεις, οι οποίες έχουν περιορίστει σε μεγάλο βαθμό από τον νόμο του Moore της συνθέτουρας υπολογιστικής αύξησης 30 φορές κάθε 10 χρόνια, η ανάπτυξη της τεχνητής νοημοσύνης έχει επωφεληθεί από ταυτόχρονες καινοτομίες. Έτσι, κινείται με πολύ ταχύτερο ρυθμό. Με τα λόγια του Jensen Huang της NVIDIA (NVDA ): “Για πρώτη φορά, βλέπουμε συνθέτουσες εκθετικές… Συνθέτουμε 1 εκατομμύριο φορές κάθε δέκα χρόνια. Όχι 100 φορές, όχι 1.000 φορές, 1 εκατομμύριο φορές.” Χωρίς υπερβολή, μάρτυρας η ταχύτερη κίνηση της τεχνολογίας στην ιστορία του ανθρώπου.

Το δυναμικό εδώ είναι τεράστιο: με την αυτοματοποίηση και την κλίμακα της διαχείρισης υψηλής ποιότητας δεδομένων για την τεχνητή νοημοσύνη, αντιμετωπίζουμε ένα φράγμα που εμποδίζει την ευρύτερη υιοθέτηση της τεχνητής νοημοσύνης. Οι προκλήσεις θυμίζουν τα πρώτα εμπόδια στις προηγούμενες τεχνολογικές εποχές: σιλό, έλλειψη besten πρακτικών, περιορισμοί για μη τεχνικούς χρήστες και έλλειψη καλά ορισμένων αφηγήσεων.

Η Encord Index позиτίζεται ως ένα βασικό εργαλείο για τη διαχείριση και επιμέλεια των δεδομένων της τεχνητής νοημοσύνης. Πώς διαφοροποιείται από άλλα πλαίσια διαχείρισης δεδομένων που είναι διαθέσιμα σήμερα;

Υπάρχουν μερικοί τρόποι με τους οποίους η Encord Index ξεχωρίζει:

Index είναι κλιμακωτό: Επιτρέπει στους χρήστες να διαχειρίζονται δισεκατομμύρια, όχι εκατομμύρια, σημεία δεδομένων. Άλλα εργαλεία αντιμετωπίζουν προβλήματα κλιμάκωσης για μη δομημένα δεδομένα και είναι περιορισμένα στην ενοποίηση όλων των σχετικών δεδομένων σε μια οργάνωση.

Index είναι ευέλικτο: Ενσωματώνεται απευθείας με ιδιωτική αποθήκευση δεδομένων και παρόχους αποθήκευσης cloud όπως AWS, GCP και Azure. Σε αντίθεση με άλλα εργαλεία που είναι περιορισμένα σε έναν單ικό παρόχο cloud ή εσωτερικό σύστημα αποθήκευσης, το Index είναι αδιάφορο για το πού βρίσκονται τα δεδομένα. Επιτρέπει να διαχειριστείτε δεδομένα από πολλές πηγές με την κατάλληλη διακυβέρνηση και έλεγχο πρόσβασης που σας επιτρέπουν να αναπτύξετε ασφαλείς και συμμορφούμενες εφαρμογές τεχνητής νοημοσύνης.

Index είναι πολυμορφικό: Υποστηρίζει πολυμορφική τεχνητή νοημοσύνη, διαχειριζόμενη δεδομένα στη μορφή εικόνων, βίντεο, ήχου, κειμένων, εγγράφων και πολλά άλλα. Το Index δεν είναι περιορισμένο σε μια seule μορφή δεδομένων όπως πολλά εργαλεία LLM σήμερα. Η ανθρώπινη γνώση είναι πολυμορφική και πιστεύουμε ότι η πολυμορφική τεχνητή νοημοσύνη θα είναι στην καρδιά της επόμενης κυμαίας προόδου της τεχνητής νοημοσύνης, η οποία θα αντικαταστήσει τα chatbots και τα LLM.

Ποιοι είναι οι τρόποι με τους οποίους η Encord Index βελτιώνει τη διαδικασία επιλογής των σωστών δεδομένων για τα μοντέλα της τεχνητής νοημοσύνης, και ποια είναι η επίδραση που έχει αυτό στην απόδοση του μοντέλου;

Η Encord Index βελτιώνει την επιλογή δεδομένων αυτοματοποιώντας την επιμέλεια μεγάλων συνόλων δεδομένων, βοηθώντας τις ομάδες να αναγνωρίσουν και να διατηρήσουν μόνο τα πιο σχετικά δεδομένα ενώ αφαιρούν μη ενημερωτικά ή προκατειλημμένα δεδομένα. Αυτή η διαδικασία όχι μόνο μειώνει το μέγεθος των συνόλων δεδομένων αλλά cũng βελτιώνει σημαντικά την ποιότητα των δεδομένων που χρησιμοποιούνται για την εκπαίδευση των μοντέλων της τεχνητής νοημοσύνης. Οι πελάτες μας έχουν δει μέχρι και 20% βελτίωση στα μοντέλα τους ενώ επιτύγχαναν μια 35% μείωση στο μέγεθος του συνόλου δεδομένων και εξοικονομούσαν εκατοντάδες χιλιάδες δολάρια σε κόστη υπολογισμού και ανθρώπινης ανανέωσης.

Με την ταχεία ενοποίηση των προηγμένων τεχνολογιών όπως το μοντέλο Segment Anything της Meta, πώς η Encord παραμένει μπροστά στη γρήγορα εξελισσόμενη τοπική τεχνητής νοημοσύνης;

Επίτηδες χτίστηκε η πλατφόρμα για να μπορεί να προσαρμοστεί γρήγορα σε νέες τεχνολογίες. Εστιάζουμε στην παροχή μιας κλιμακωτής, λογισμικής πρώτης προσεγγίσης που ενσωματώνει εύκολα τις προόδους όπως το SAM, διασφαλίζοντας ότι οι χρήστες μας είναι πάντα εξοπλισμένοι με τα τελευταία εργαλεία για να παραμείνουν ανταγωνιστικοί.

Σχεδιάζουμε να παραμείνουμε μπροστά εστιάζοντας στην πολυμορφική τεχνητή νοημοσύνη. Η πλατφόρμα Encord μπορεί ήδη να διαχειριστεί σύνθετα τύποι δεδομένων όπως εικόνες, βίντεο και κείμενο, οπότε καθώς περισσότερες προόδους στην πολυμορφική τεχνητή νοημοσύνη έρχονται στο δρόμο μας, είμαστε έτοιμοι.

Ποιοι είναι οι πιο κοινοί προκλήσεις που αντιμετωπίζουν οι εταιρείες κατά τη διαχείριση των δεδομένων της τεχνητής νοημοσύνης, και πώς η Encord βοηθά στην αντιμετώπιση αυτών;

Υπάρχουν 3 κύριες προκλήσεις που αντιμετωπίζουν οι εταιρείες:

• Κακή οργάνωση και έλεγχος δεδομένων: Όταν οι επιχειρήσεις προετοιμάζονται για την εφαρμογή λύσεων τεχνητής νοημοσύνης, συχνά αντιμετωπίζουν την πραγματικότητα των σιλωμένων και μη οργανωμένων δεδομένων που δεν είναι έτοιμα για την τεχνητή νοημοσύνη. Αυτά τα δεδομένα συχνά λείπουν από ισχυρή διακυβέρνηση γύρω τους, περιορίζοντας πολλά από αυτά να χρησιμοποιηθούν σε συστήματα τεχνητής νοημοσύνης.
• Έλλειψη ανθρώπινων εμπειρογνωμόνων: Όταν τα μοντέλα της τεχνητής νοημοσύνης αντιμετωπίζουν ολοένα και πιο σύνθετα προβλήματα, θα υπάρξει σύντομα έλλειψη ανθρώπινων εμπειρογνωμόνων για την προετοιμασία και επικύρωση των δεδομένων. Όταν η ζήτηση της τεχνητής νοημοσύνης μιας εταιρείας αυξάνεται, η κλιμάκωση αυτής της ανθρώπινης εργασίας είναι δύσκολη και δαπανηρή.
• Μη κλιμακωτά εργαλεία: Τα μοντέλα της τεχνητής νοημοσύνης που εκτελούνται σε παραγωγή είναι πολύ πεινασμένα σε δεδομένα όσον αφορά τα δεδομένα που χρειάζονται για την εκπαίδευση, επικύρωση, RAG και άλλες ροές εργασίας. Η προηγούμενη γενιά εργαλείων δεν είναι εξοπλισμένη για τη διαχείριση της ποσότητας και των τύπων δεδομένων που απαιτούνται για τα μοντέλα παραγωγής σήμερα.

Η Encord λύνει αυτά τα προβλήματα αυτοματοποιώντας τη διαδικασία επιμέλειας δεδομένων σε κλίμακα, καθιστώντας εύκολη την αναγνώριση των επηρεστικών δεδομένων από τα προβληματικά δεδομένα και εξασφαλίζοντας τη δημιουργία αποτελεσματικών συνόλων εκπαίδευσης και επικύρωσης. Χρησιμοποιεί μια λογισμική πρώτης προσεγγίσης που είναι εύκολη στην κλιμάκωση ανάλογα με τις ανάγκες διαχείρισης δεδομένων. Τα εργαλεία μας για την ανανέωση με τη βοήθεια της τεχνητής νοημοσύνης ενδυναμώνουν τους ανθρώπινους εμπειρογνώμονες στο σχήμα για τη μέγιστη αποτελεσματικότητα της ροής εργασίας. Αυτή η διαδικασία είναι ιδιαίτερα κρίσιμη σε βιομηχανίες όπως οι χρηματοοικονομικές υπηρεσίες και η υγεία, όπου οι εκπαιδευτές της τεχνητής νοημοσύνης είναι δαπανηροί. Κάνουμε εύκολη τη διαχείριση και την κατανόηση όλων των μη δομημένων δεδομένων μιας οργάνωσης, μειώνοντας την ανάγκη για χειρονακτική εργασία.

Πώς η Encord αντιμετωπίζει το ζήτημα της προκατάληψης δεδομένων και των υποαντιπροσωπειών περιοχών μέσα στα σύνολα δεδομένων για να εξασφαλίσει δίκαιες και ισορροπημένες μοντέλα της τεχνητής νοημοσύνης;

Η αντιμετώπιση της προκατάληψης δεδομένων είναι một κρίσιμη εστίαση για μας στην Encord. Η πλατφόρμα μας αναγνωρίζει και επιφέρνει αυτόματα τις περιοχές όπου τα δεδομένα μπορεί να είναι προκατειλημμένα, επιτρέποντας στις ομάδες της τεχνητής νοημοσύνης να αντιμετωπίσουν αυτά τα ζητήματα πριν επηρεάσουν την απόδοση του μοντέλου. Επίσης, εξασφαλίζουμε ότι οι υποαντιπροσωπειμένες περιοχές μέσα στα σύνολα δεδομένων περιλαμβάνονται σωστά, το οποίο βοηθά στην ανάπτυξη δίκαιων και πιο ισορροπημένων μοντέλων της τεχνητής νοημοσύνης. Χρησιμοποιώντας τα εργαλεία επιμέλειας μας, οι ομάδες μπορούν να είναι βέβαιες ότι τα μοντέλα τους εκπαιδεύονται σε διαφορετικά και αντιπροσωπευτικά δεδομένα.

Η Encord πρόσφατα εξασφάλισε 30 εκατομμύρια δολάρια σε χρηματοδότηση Σειράς B. Πώς θα επιταχύνει αυτό το χρηματοδότημα το οδικό χάρτη του προϊόντος και τα σχέδια επέκτασης;

Τα 30 εκατομμύρια δολάρια σε χρηματοδότηση Σειράς B θα χρησιμοποιηθούν για να αυξήσουν δραματικά το μέγεθος των ομάδων προϊόντος, μηχανικής και έρευνας της τεχνητής νοημοσύνης μας τα επόμενα έξι μήνες και να επιταχύνουν την ανάπτυξη της Encord Index και άλλων νέων λειτουργιών. Επεκτείνουμε επίσης την παρουσία μας στο Σαν Φρανσίσκο με ένα νέο γραφείο, και αυτή η χρηματοδότηση θα μας βοηθήσει να κλιμακωθούμε τις επιχειρήσεις μας για να υποστηρίξουμε την αυξανόμενη βάση πελατών μας.

Ως η νεότερη εταιρεία τεχνητής νοημοσύνης από το Y Combinator που ανέβηκε σε Σειρά B, τι αποδίδετε στην ταχεία ανάπτυξη και επιτυχία της Encord;

Ένας από τους λόγους που μπορούμε να μεγαλώσουμε γρήγορα είναι ότι έχουμε υιοθετήσει μια εξαιρετικά εξατομικευμένη εστίαση σε όλες τις περιοχές της εταιρείας. Επικοινωνούμε συνεχώς με τους πελάτες, ακούγοντας στενά τα προβλήματα τους και “αγκαλιάζοντας” τους για να φτάσουμε σε λύσεις. Βάζοντας τον εαυτό μας στην εστίαση του πελάτη αντί για την υπεροχή, δημιουργήσαμε μια πλατφόρμα που αντηχεί με τις κορυφαίες ομάδες της τεχνητής νοημοσύνης σε διάφορες βιομηχανίες. Οι πελάτες μας έχουν Played ένα καθοριστικό ρόλο στο να μας φτάσουν στο σημείο που είμαστε σήμερα. Η ικανότητά μας να κλιμακωθούμε γρήγορα και να διαχειριστούμε αποτελεσματικά την πολυπλοκότητα των δεδομένων της τεχνητής νοημοσύνης μας έχει κάνει μια ελκυστική λύση για τις επιχειρήσεις.

Οφείλουμε επίσης μεγάλο μέρος της επιτυχίας μας στους συνεργάτες, τους συνεργάτες και τους επενδυτές μας, οι οποίοι έχουν εργαστεί ακαταπόνητα για να προωθήσουν την Encord. Η εργασία με εξαιρετικές ομάδες προϊόντος, μηχανικής και πωλήσεων έχει είχε τεράστια επίδραση στην ανάπτυξή μας.

Δεδομένου του αυξανόμενου σημαντικού ρόλου των δεδομένων στην τεχνητή νοημοσύνη, πώς βλέπετε το ρόλο των πλατφορμών δεδομένων της τεχνητής νοημοσύνης όπως η Encord να εξελίσσεται τα επόμενα πέντε χρόνια;

Όταν οι εφαρμογές της τεχνητής νοημοσύνης αυξάνονται σε πολυπλοκότητα, η ανάγκη για αποτελεσματικές και κλιμακωτές λύσεις διαχείρισης δεδομένων θα αυξηθεί. Πιστεύω ότι κάθε επιχείρηση θα έχει τελικά ένα τμήμα τεχνητής νοημοσύνης, όπως exist τα τμήματα IT σήμερα. Η Encord θα είναι η μόνη πλατφόρμα που θα χρειάζονται για να διαχειριστούν τα τεράστια δεδομένα που απαιτούνται για την τεχνητή νοημοσύνη και να φτάσουν τα μοντέλα τους γρήγορα σε παραγωγή.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Encord.