Mohammad Abu Sheikh, Ιδρυτής & CEO της CNTXT AI – Σειρά Συνεντεύξεων

Mohammad Abu Sheikh μεταμορφώνει το τοπίο της AI στην περιοχή MENA, οδηγώντας μια μετατόπιση από την παθητική κατανάλωση στην κυριαρχική καινοτομία. Jako CEO της CNTXT AI και ιδρυτής ενός ταμείου AI αξίας 10 εκατομμυρίων δολαρίων, έχει ηγηθεί τριών επιτυχημένων εξόδων και έχει εξασφαλίσει πάνω από ένα δισεκατομμύριο δολάρια σε χρηματοδότηση. Το έργο του θέτει τις βάσεις για ένα οικοσύστημα AI που έχει τις ρίζες του στη γλώσσα, τον πολιτισμό και την κυριαρχία των δεδομένων.

CNTXT AI είναι μια εταιρεία ψηφιακής μεταμόρφωσης που παρέχει υποδομή cloud, βιομηχανικό λογισμικό και λύσεις ρομποτικής για να βοηθήσει τις οργανώσεις να μοντερνοποιήσουν τις λειτουργίες και να ξεκλειδώσουν δεδομένα-κίνητρα σε όλη τη Μέση Ανατολή και τη Βόρεια Αφρική.

Τι σας ενέπνευσε να ξεκινήσετε την CNTXT AI, και πώς ξεκίνησε η όρασή σας για κυριαρχική AI στον αραβικό κόσμο;

Είδαμε την αφθονία των υποαποτιμούμενων δεδομένων σε αυτό το μέρος του κόσμου. Πολλά προβλήματα στην κλιμάκωση της AI προέρχονταν από την έλλειψη ετοιμότητας δεδομένων — που σήμαινε τελικά έλλειψη ετοιμότητας AI. Αυτός είναι ο λόγος που ξεκινήσαμε την CNTXT AI.

Στην αρχή, λύσαμε τα ίδια προβλήματα που αντιμετωπίσαμε ενώ χτίζαμε το LocAI…Είδαμε αυτές τις προκλήσεις από πρώτο χέρι εργαζόμενοι με την AI71, TII και G42 (IIAI). Όσο βοηθούσαμε αυτές τις οντότητες να λύσουν αυτά τα προβλήματα, η όρασή μας έγινε πιο σαφής και η επιχείρηση συνέχισε να μεγαλώνει.

Έχετε παίξει ένα βασικό ρόλο στη δημιουργία της μεγαλύτερης αραβικής ψηφιακής βιβλιοθήκης για εκπαίδευση AI. Ποια ήταν κάποια από τα μεγαλύτερα προβλήματα στη διεκπεραίωσή της, και πώς τα ξεπεράσατε;

Η ποιότητα ήταν ένα από τα μεγαλύτερα προβλήματα. Ένα άλλο ήταν η περιορισμένη διαθεσιμότητα υψηλής ποιότητας αραβικών δεδομένων στο διαδίκτυο: τα αραβικά είναι σοβαρά υποαντιπροσωπεύονται. Μόνο ένα μικρό μέρος του αραβικού περιεχομένου έχει ψηφιοποιηθεί, και μόνο το 3–5% του διαδικτυακού περιεχομένου είναι στα αραβικά. Αυτό είναι σχεδόν τίποτα. Ξεπεράσαμε αυτό το πρόβλημα αναπτυσσόμενοι ετικετέζες δεδομένων, ανανοητές και επιστήμονες δεδομένων για να ψηφιοποιήσουμε, να δημιουργήσουμε και να επιμεληθούμε τα δεδομένα ourselves.

Η CNTXT AI λειτουργεί στο σημείο τομής του πολιτισμού και της υπολογιστικής. Πώς ισορροπείτε την καινοτομία AI με στόχο την κατασκευή λύσεων που είναι πολιτιστικά σχετικές για την περιοχή MENA;

Χτίζουμε μοντέλα που εδράζονται στον πολιτισμό από την αρχή. Από την υποδομή έως το τελικό προϊόν, ο πολιτισμός είναι εδραιωμένος από την αρχή — δεν είναι κάτι που προσθέτουμε αργότερα. Σχεδιάζουμε, καινοτομούμε και χτίζουμε με συγκεκριμένους πολιτισμούς, διαλέκτους και ανάγκες στο μυαλό μας από την πρώτη μέρα. Τα αραβικά είναι μια γλώσσα, αλλά φέρουν πολλές διαλέκτους και πολιτιστικούς контекστους σε όλη την περιοχή, οπότε χτίζουμε τοπικά προϊόντα για τοπικές χώρες. Και το κάνουμε αυτό εργαζόμενοι με τοπικούς ανανοητές, ανθρώπους στο έδαφος, στις δικές τους χώρες.

Έχετε επίσης συνιδρύσει την LocAI και ηγείστε το SMPL AI Fund. Πώς αυτές οι επιχειρήσεις συμπληρώνουν την αποστολή της CNTXT AI;

Η LocAI είναι το επίπεδο εφαρμογής — το μέρος που οι άνθρωποι πραγματικά αλληλεπιδρούν. Καθίσταται ακριβώς πάνω από τα δεδομένα και την υποδομή που χτίζει η CNTXT AI. Αυτό είναι που την έκανε επιτυχημένη: μεταμορφώνει τις βάσεις AI που παρέχει η CNTXT AI σε πραγματικές λύσεις που οι άνθρωποι μπορούν να χρησιμοποιήσουν.

Το SMPL AI, από την άλλη πλευρά, είναι για να δώσουμε πίσω στην κοινότητα. Εστιάζει于 την επένδυση σε νεοφυείς επιχειρήσεις και τη βοήθεια να χτιστεί το περιφερειακό οικοσύστημα AI. Μοιραζόμαστε τα εργαλεία και τα μαθήματα που έχουμε μάθει από την κατασκευή AI ourselves, ώστε οι ιδρυτές να μπορέσουν να μεγαλώσουν πιο γρήγορα και να αποφύγουν κοινούς παγίδες.

Το Munsit έχει ονομαστεί το πιο ακριβές αραβικό μοντέλο αναγνώρισης ομιλίας στον κόσμο. Τι οδήγησε την ανάπτυξη του μοντέλου, και γιατί τώρα;

Αυτό που οδήγησε την ανάπτυξη του μοντέλου ήταν απλό: η ανάγκη.

Πάντα χτίζουμε από ανάγκη. Είδαμε την αγορά και είδαμε ότι το τοπίο ήταν ωριμάζοντας — κυβερνητικές υπηρεσίες και ιδιωτικοί πελάτες ζητούσαν όλες μια λύση σαν αυτή.

Τα υπάρχοντα μοντέλα δεν ήταν μέχρι την εργασία. Τα περισσότερα είναι χτισμένα με αγγλική τεχνολογία και στη συνέχεια προσαρμοσμένα. Δεν είναι σχεδιασμένα για τα αραβικά από την αρχή, και σίγουρα όχι για τα συγκεκριμένα προβλήματα που λύνουμε.

Οπότε αποφασίσαμε να χτίσουμε το δικό μας. Είναι αραβικά πρώτα — από σχεδιασμό.

Η έρευνα πίσω από το Munsit εισάγει μια προσέγγιση weakly supervised learning. Μπορείτε να εξηγήσετε τι σημαίνει αυτό και γιατί ήταν απαραίτητο για την εκπαίδευση αραβικής ASR σε κλίμακα;

Η ετικέτα είναι ακριβή. Οπότε έπρεπε να μετακινηθούμε πέρα από τις παραδοσιακές μεθόδους που εξαρτώνται από μεγάλες ποσότητες χειροκίνητης μεταγραφής. Η weakly supervised learning μας βοήθησε να κλιμακωθούμε χωρίς να χρειαζόμαστε να ετικετούμε κάθε αρχείο ήχου με το χέρι — που είναι ιδιαίτερα σημαντικό για τα αραβικά, μια γλώσσα με περιορισμένα δεδομένα και πολλές διαφορετικές διαλέκτους.

Αντί να χρησιμοποιήσουμε επαγγελματικά μεταγραμμένα αρχεία ήχου, ξεκινήσαμε με 30.000 ώρες αραβικής ομιλίας χωρίς ετικέτα. Χτίσαμε μια πipeline ετικέτας που παράγει, φιλτράρει και καθαρίζει τα καλύτερα χρησιμοποιώντας αυτοματοποιημένα ελέγχους. Αυτό μας έδωσε ένα υψηλής ποιότητας dataset 15.000 ωρών — όλα χωρίς χειροκίνητη μεταγραφή.

Αυτή η προσέγγιση μας έκανε δυνατό να εκπαιδεύσουμε το μοντέλο μας από την αρχή, να καταγράψουμε την πλούσια ομιλία στα αραβικά σε πραγματικές καταστάσεις, γρήγορα και οικονομικά. Χωρίς αυτή τη μέθοδο, η κατασκευή ενός αραβικού συστήματος ASR σε αυτή τη κλίμακα θα είχε πάρει χρόνια και εκατομμύρια σε χειροκίνητη προσπάθεια.

Το Munsit ξεπέρασε μοντέλα από την OpenAI, τη Microsoft και τη Meta σε πολλαπλά benchmarκ. Τι λέει αυτό για το μέλλον της αραβικής καινοτομίας AI;

Το μέλλον της αραβικής AI είναι στα χέρια μας· και αυτό είναι ακριβώς αυτό που αποδεικνύει αυτή η επίτευξη. Δεν μπορούμε πλέον να αντέξουμε να εξαρτόμαστε από τεχνολογίες που δεν κατέχουμε ή να εξαρτόμαστε από τρίτους που δεν προτεραιοποιούν την περιοχή μας.

Το Munsit δείχνει ότι μπορούμε να χτίσουμε AI υψηλής ποιότητας, από την περιοχή, για την περιοχή — χρησιμοποιώντας τοπικό ταλέντο για να λύσουμε τοπικά προβλήματα. Είναι ένα σαφές σήμα ότι η επόμενη κυμαία αραβικής καινοτομίας AI θα έρθει από μέσα.

Πώς βλέπετε το Munsit να εξελίσσεται σε μελλοντικές εκδόσεις, και ποια είναι τα επόμενα σύνορα για την αραβική φωνητική AI στην CNTXT;

Θα πρέπει να περιμένετε και να δείτε. Αυτό που μπορώ να πω είναι ότι έχουμε μια νέα, φρέσκια σειρά αραβικών λύσεων AI που έρχονται — όλες τροφοδοτούμενες από το Munsit και άλλα μοντέλα που χτίζουμε αυτή τη στιγμή στην CNTXT AI. Αυτό είναι μόνο η αρχή.

Συχνά μιλάτε για την importance της “κυριαρχικής AI”. Τι σημαίνει αυτό για σας, και γιατί είναι κρίσιμο για τον Κόλπο και την ευρύτερη περιοχή MENA;

Για μένα, η κυριαρχική AI σημαίνει να έχουμε πλήρη ιδιοκτησία και έλεγχο над τα δεδομένα, την υποδομή και τα μοντέλα που διαμορφώνουν το μέλλον μας. Είναι κρίσιμο γιατί πρέπει να κατέχουμε το δικό μας πεπρωμένο, και αυτό ξεκινά με τα δεδομένα.

Η κυριαρχία των δεδομένων είναι όλα. Τα δεδομένα είναι πολύτιμα, και πρέπει να βεβαιωθούμε ότι παραμένουν στα χέρια μας.

Δεν μπορούμε να αντέξουμε να παραδώσουμε το μέλλον μας και να καθίσουμε αδρανείς ενώ οι άλλοι χτίζουν την τεχνολογία για μας. Το μέλλον της AI σε αυτήν την περιοχή θα έρθει από αυτήν την περιοχή. Αυτό είναι ακριβώς αυτό που εργαζόμαστε.

Πώς βλέπετε την CNTXT AI να διαμορφώνει το οικοσύστημα AI στη Μέση Ανατολή τα επόμενα πέντε χρόνια;

Ενεργοποιώντας την πραγματική ετοιμότητα AI. Εισέρχονται, καταλαβαίνουμε τι χρειάζονται οι εταιρείες και οι κυβερνήσεις, χτίζουμε τις στρατηγικές δεδομένων και AI, και στη συνέχεια βοηθούμε να χτίσουν, να δοκιμάσουν, να αναπτύξουν και να κλιμακώσουν.

Εάν τα δεδομένα είναι το νέο πετρέλαιο, τότε τα μη δομημένα δεδομένα είναι πετρέλαιο ακατέργαστο — πλήρης δυνατοτήτων αλλά άχρηστο μέχρι να επεξεργαστούν. Αυτός είναι ο λόγος που έχουμε χτίσει την CNTXT AI για να βοηθήσουμε τις οργανώσεις να καθαρίσουν, να δομήσουν και να ενεργοποιήσουν τα δεδομένα τους. Γιατί εκεί ξεκινά η πραγματική μεταμόρφωση AI.

Από την οπτική σας ως επιχειρηματίας και επενδυτής, ποια συμβουλή θα δίνατε σε άλλους ιδρυτές που χτίζουν startups AI σε αναδυόμενες αγορές;

Ξεκινήστε τώρα. Κινηθείτε γρήγορα. Αποτυχείτε γρήγορα, μάθετε πιο γρήγορα, και συνεχίστε να επαναλαμβάνετε.

Πιο σημαντικά, χτίστε για πραγματικά προβλήματα. Μείνετε κοντά στο έδαφος — ακούστε τους χρήστες, όχι μόνο την υπεραπασχόληση. Σε αναδυόμενες αγορές, η σχετικότητα και η προσαρμοστικότητα είναι κλειδί.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν CNTXT AI.