Ράιαν Κόλν, CEO στην Appen – Σειρά Συνεντεύξεων

Εντάχθηκε στην Appen AI το 2018 ως VP της Εταιρικής Ανάπτυξης, οδήγησε στρατηγικές αγορές όπως η Figure Eight και η Quadrant, και υποστήριξε την ίδρυση των τμημάτων της Κίνας και της Ομοσπονδίας. Πριν από την τοποθέτησή του ως CEO, υπηρέτησε ως Chief Operating Officer, εποπτεύοντας τις παγκόσμιες λειτουργίες και τη στρατηγική.

Με πάνω από 20 χρόνια εμπειρίας στην τεχνολογία και τις τηλεπικοινωνίες, πώς έχει διαμορφώσει η καριέρα σας την προσέγγισή σας στην ηγεσία της Appen μέσα από το γρήγορα εξελισσόμενο τοπίο του AI;

Η καριέρα μου ξεκίνησε ως μηχανικός τηλεπικοινωνιών, όπου ο ρόλος μου ήταν να κατασκευάζω και να βελτιώνω δίκτυα και να εμπλέκομαι σε μεγάλο βαθμό με δεδομένα, ανάλυση και εύρεση καινοτόμων λύσεων για την βελτίωση της απόδοσης του δικτύου και της εμπειρίας του πελάτη.

Μετά την ολοκλήρωση του MBA μου στο NYU, αυτό εξελίχθηκε σε ηγετικά ρόλους στη στρατηγική και τις συγχωνεύσεις και αγορές, όπου επικεντρώθηκα σε μεγαλύτερα στρατηγικά ερωτήματα, όπως οι αναδυόμενες τάσεις, οι ευκαιρίες επένδυσης και τα επιχειρηματικά μοντέλα. Αυτή η εμπειρία μου έχει δώσει μια βαθιά κατανόηση και των τεχνικών και των επιχειρηματικών πτυχών των αναδυόμενων τεχνολογιών.

Στην Appen, εργαζόμαστε στο σημείο τομής του AI και των δεδομένων, και η εμπειρία μου έχει μου επιτρέψει να οδηγήσω την εταιρεία και να πλοηγηθώ μέσα από τις复잡ότητες του γρήγορα εξελισσόμενου χώρου του AI, περνώντας από σημαντικές εξελίξεις όπως η αναγνώριση φωνής, η NLP, τα συστήματα συστάσεων και τώρα το γενετικό AI. Αυτή η στρατηγική όραση είναι κρίσιμη καθώς το AI συνεχίζει να μεταμορφώνει τις βιομηχανίες παγκοσμίως.

Έχετε εργαστεί στην Appen από το 2018, οδηγώντας μεγάλες αγορές όπως η Figure Eight και η Quadrant. Πώς έχουν οι στρατηγικές αυτές κινήσεις τοποθετήσει την Appen ως ηγέτη στις υπηρεσίες δεδομένων AI, και τι θεωρείτε ως την επόμενη μεγάλη ευκαιρία για την εταιρεία;

Οι αγορές της Figure Eight και της Quadrant ήταν κρίσιμες για την επέκταση των ικανοτήτων μας σε δεδομένα AI, ιδιαίτερα σε περιοχές όπως η σήμανση δεδομένων και η γεωπростατική ευφυΐα. Η πλατφόρμα σήμανσης δεδομένων της Figure Eight ήταν ιδιαίτερα επηρεστική. Η πλατφόρμα είναι高度 προσαρμόσιμη, και την abbiamo χρησιμοποιήσει για εργασία σε πολλά διαφορετικά πεδία. Πιο πρόσφατα, abbiamo χρησιμοποιήσει την πλατφόρμα για να τρέξουμε τους περισσότερους από τους dataflows του γενετικού AI.

Εκτός από τις αγορές, πριν από περίπου 5 χρόνια, ίδρυσε μια επιχείρηση στην Κίνα που ονομάζεται Appen China. Τώρα είμαστε η μεγαλύτερη εταιρεία δεδομένων AI στην Κίνα, με έσοδα σχεδόν διπλάσια από τους πλησιέστερους μας ανταγωνιστές.

Προβλέπω ότι ο στόχος της Appen θα είναι η υποστήριξη της ανάπτυξης και της υιοθέτησης του γενετικού AI. Υπάρχουν σημαντικές ευκαιρίες ανάπτυξης και στις δύο πλευρές, τόσο για τους κατασκευαστές μοντέλων όσο και για τις εταιρείες που αναζητούν να υιοθετήσουν γενετικό AI στις επιχειρήσεις και τις λειτουργίες τους. Νιώθουμε ότι βρίσκεται juste στην αρχή του μεγαλύτερου κύματος AI.

Η ποιότητα των δεδομένων παίζει κρίσιμο ρόλο στην ανάπτυξη μοντέλων AI. Μπορείτε να μοιραστείτε πώς η Appen διασφαλίζει την ακρίβεια, την ποικιλία και τη σχετικότητα των συνόλων δεδομένων της, ιδιαίτερα με την αυξανόμενη ζήτηση για υψηλής ποιότητας δεδομένα εκπαίδευσης LLM;

Η Appen έχει ως δύναμη την ικανότητά της να δημιουργεί συνεχώς υψηλής ποιότητας δεδομένα. Συνεργαζόμαστε στενά με τους πελάτες μας για να κατανοήσουμε τους στόχους των μοντέλων AI τους και να αναπτύξουμε υψηλής ποιότητας δεδομένα για τις ανάγκες τους μέσω μιας πολυεπίπεδης προσέγγισης που συνδυάζει αυτοματοποιημένα εργαλεία και ανθρώπινη ανατροφοδότηση. Έχουμε một παγκόσμιο εργατικό δυναμικό που υπερβαίνει το 1 εκατομμύριο σε πάνω από 200 χώρες, το οποίο μας επιτρέπει να επιλέξουμε μια ομάδα ποικίλων και εξειδικευμένων συντελεστών. Μέσω αυστηρικού ελέγχου ποιότητας και βρόχων ανατροφοδότησης, διασφαλίζουμε ότι τα δεδομένα είναι ακριβή, συνεπή και σχετικά, και μπορούν να χρησιμοποιηθούν για να βελτιώσουν αποτελεσματικά την απόδοση των μοντέλων AI. Αυτό επιτρέπει στα συστήματα AI να λειτουργούν αποτελεσματικά σε πραγματικά περιβάλλοντα και μπορεί επίσης να χρησιμοποιηθεί για να βελτιώσει την ανθεκτικότητα και να μειώσει την προκατάληψη, ιδιαίτερα για τα LLM.

Συνθετικά δεδομένα generation κερδίζει δημοτικότητα, και η επένδυση της Appen στη Mindtech υπογραμμίζει το ενδιαφέρον σας σε αυτόν τον τομέα. Μπορείτε να συζητήσετε τα πλεονεκτήματα και τα μειονεκτήματα της χρήσης συνθετικών ή web-scraped δεδομένων έναντι των crowdsourced δεδομένων για την εκπαίδευση μοντέλων AI, και πώς βλέπετε τα συνθετικά δεδομένα να συμπληρώνουν τα crowdsourced δεδομένα που είναι γνωστή η Appen;

­­Τα υψηλής ποιότητας δεδομένα είναι κρίσιμα αλλά μπορεί να είναι δαπανηρά και χρονοβόρα να παραχθούν, γι’ αυτό τα συνθετικά δεδομένα κερδίζουν προσοχή. Λειτουργούν καλά για δομημένα δεδομένα σε παραδοσιακές εργασίες AI/ML, ιδιαίτερα σε βιομηχανίες με αυστηρές κανονιστικές προδιαγραφές όπως η υγεία και η finance, καθώς αποφεύγουν τη χρήση προσωπικών πληροφοριών.

Ωστόσο, τα συνθετικά δεδομένα συχνά λείπουν του βάθους και της νюανς των πραγματικών δεδομένων, ιδιαίτερα για σύνθετες εργασίες Γενετικού AI που απαιτούν ποικιλία και βαθιά εξειδίκευση. Μπορεί επίσης να διατηρήσουν λάθη ή προκαταλήψεις από τα αρχικά δεδομένα. Τα web-scraped δεδομένα, που χρησιμοποιούνται συνήθως για LLM, παρουσιάζουν τις δικές τους προκλήσεις με χαμηλής ποιότητας περιεχόμενο, προκατάληψη και ψευδείς πληροφορίες, απαιτώντας προσεκτική επιλογή.

Τα crowdsourced δεδομένα, στα οποία ειδικεύεται η Appen, παραμένουν η “αληθινή αλήθεια”. Η ανθρώπινη εμπειρία είναι κρίσιμη για τη δημιουργία της ποικίλης και σύνθετης δεδομένων που χρειάζονται για να βελτιώσουν την ακρίβεια των μοντέλων AI και να διασφαλίσουν τη συμμόρφωση με τις ανθρώπινες αξίες.

Θεωρούμε τα συνθετικά δεδομένα ως συμπληρωματικά στα ανθρώπινα-σημασμένα δεδομένα μας. Ενώ τα συνθετικά δεδομένα μπορούν να επιταχύνουν τμήματα της διαδικασίας, τα ανθρώπινα-σημασμένα δεδομένα διασφαλίζουν ότι τα μοντέλα αντανακλούν την πραγματική ποικιλία. Μαζί, παρέχουν μια ισορροπημένη προσέγγιση για τη δημιουργία υψηλής ποιότητας δεδομένων εκπαίδευσης για AI.

Ο Νόμος του EU για το AI και άλλες παγκόσμιες κανονιστικές προδιαγραφές διαμορφώνουν τους ηθικούς προτύπους γύρω από την ανάπτυξη του AI. Πώς βλέπετε αυτές τις κανονιστικές προδιαγραφές να επηρεάζουν τις λειτουργίες της Appen και την ευρύτερη βιομηχανία AI στο μέλλον;

Ο Νόμος του EU για το AI και παρόμοιες παγκόσμιες κανονιστικές προδιαγραφές πιθανότατα θα επηρεάσουν τις λειτουργίες της Appen με τη θέσπιση νέων ηθικών προτύπων για την ανάπτυξη και την απόδοση των μοντέλων AI. Μπορεί να δούμε αλλαγές στο πώς χειριζόμαστε τα δεδομένα, διασφαλίζουμε την ισότητα των μοντέλων και αντιμετωπίζουμε ηθικές προκλήσεις. Αυτό μπορεί να οδηγήσει σε πιο αυστηρές διαδικασίες και πιθανές προσαρμογές στη στρατηγική μας για την εκπαίδευση και την επικύρωση των μοντέλων.

Γενικά, αυτές οι κανονιστικές προδιαγραφές πιθανότατα θα οδηγήσουν την βιομηχανία προς υψηλότερα ηθικά πρότυπα, θα αυξήσουν το κόστος συμμόρφωσης και μπορεί να επιβραδύνουν κάποιες πτυχές της καινοτομίας. Ωστόσο, θα οδηγήσουν επίσης σε μεγαλύτερη ευθύνη και διαφάνεια, που μπορεί τελικά να οδηγήσει σε πιο υπεύθυνες και βιώσιμες αναπτύξεις AI.

Με αυξανόμενες ανησυχίες γύρω από την προκατάληψη στο AI, πώς η Appen εργάζεται για να διασφαλίσει ότι τα συνόλα δεδομένων που χρησιμοποιούνται για την εκπαίδευση των μοντέλων AI είναι ηθικά πηγαμένα και ελεύθερα από προκατάληψη, ιδιαίτερα σε ευαίσθητες περιοχές όπως η φυσική γλώσσα και η υπολογιστική όραση;

Ενεργά εργαζόμαστε για να μειώσουμε την προκατάληψη προωθώντας την ποικιλία και την ένταξη σε όλα τα έργα μας. Είναι ενθαρρυντικό να βλέπουμε ότι πολλοί από τους πελάτες μας επικεντρώνονται στην κατοχή ευρείας δημογραφικής αντιπροσώπευσης στη συλλογή δεδομένων και στην αξιολόγηση μοντέλων. Έχοντας ένα παγκόσμιο πλήθος που κατοικεί στις περισσότερες χώρες, μας επιτρέπει να πηγαίνουμε δεδομένα από μια μεγάλη ποικιλία προοπτικών και εμπειριών, το οποίο είναι ιδιαίτερα σημαντικό σε ευαίσθητες περιοχές όπως η φυσική γλώσσα και η υπολογιστική όραση.

Από το 2019, κανονικοποιήσαμε τις mejores πρακτικές μας στο Κώδικα Ηθικής του Πλήθους, δείχνοντας την αφοσίωσή μας στην ποικιλία, την ισότητα και την ευημερία του πλήθους. Αυτό περιλαμβάνει την αφοσίωσή μας στην δίκαιη αμοιβή, διασφαλίζοντας ότι η φωνή του πλήθους ακούγεται, και τη διατήρηση αυστηρών προστασιών ιδιωτικότητας. Υποστηρίζοντας αυτές τις αρχές, στοχεύουμε να παραδώσουμε υψηλής ποιότητας, ηθικά πηγαμένα δεδομένα που υποστηρίζουν την υπεύθυνη ανάπτυξη AI.

Όπως το AI γίνεται όλο και πιο ενσωματωμένο σε βιομηχανίες όπως η αυτοκινητοβιομηχανία, η διαφήμιση και η AR/VR, πώς η Appen θέτει τον εαυτό της για να ανταποκριθεί στην αυξανόμενη ζήτηση για εξειδικευμένα δεδομένα εκπαίδευσης σε αυτούς τους τομείς;

Κατά τη διάρκεια των τελευταίων 27 ετών, έχουμε παρέχει εξειδικευμένα δεδομένα εκπαίδευσης για μια ποικιλία βιομηχανιών και περιπτώσεων χρήσης, και συνεχίζουμε να εξελισσόμαστε καθώς οι ανάγκες των πελατών μας εξελίσσονται.

Για παράδειγμα, στην αυτοκινητοβιομηχανία, συνεργαστήκαμε με ηγετικές αυτοκινητοβιομηχανικές εταιρείες και παρόχους λύσεων εσωτερικού οχήματος για την κατασκευή συστημάτων ομιλίας εντός του οχήματος. Τώρα, βοηθάμε τους πελάτες μας σε νέες περιοχές όπως η συλλογή βίντεο οδηγών για να βοηθήσουμε την ασφάλεια παρακολουθώντας την απόσπαση της προσοχής του οδηγού.

Στην διαφήμιση, βοηθήσαμε μια ηγετική παγκόσμια πλατφόρμα διαφήμισης να βελτιώσει την ποιότητα και την ακρίβεια των διαφημίσεων για την σχετικότητα των χρηστών σε ένα μεγάλο πρόγραμμα που διήρκεσε πολλά χρόνια με 7 εκατομμύρια αξιολογήσεις. Τώρα, καθώς πολλές από τις πλατφόρμες υιοθετούν λύσεις γενετικού AI, το πλήθος μας δεν μόνο αξιολογεί την σχετικότητα των διαφημίσεων αλλά και βοηθά στην αξιολόγηση της ποιότητας των παραγμένων διαφημίσεων.

Έχουμε τη δυνατότητα να κάνουμε όλα αυτά μέσω της ροβούστης πλατφόρμας σήμανσης μας, η οποία μπορεί να προσαρμοστεί για να υποστηρίξει σύνθετες ροές εργασίας και διάφορες modalities δεδομένων, συμπεριλαμβανομένων κειμένου, ήχου, εικόνας, βίντεο και multimodal σήμανσης. Αλλά τελικά, η ικανότητά μας να κινηθούμε με την εξελισσόμενη βιομηχανία οφείλεται στην βαθιά μας εμπειρία στα δεδομένα για την ανάπτυξη AI και στη στενή μας партνερία με τους πελάτες μας.

Η Appen έχει sido ηγέτης στην παροχή υψηλής ποιότητας δεδομένων για μια ποικιλία εφαρμογών AI. Προβλέποντας, πώς βλέπετε τον ρόλο της Appen να εξελίσσεται καθώς το γενετικό AI και τα LLM συνεχίζουν να εξελίσσονται και να επηρεάζουν τις παγκόσμιες αγορές;

Το γενετικό AI και τα LLM μεταμορφώνουν τις βιομηχανίες, και θα συνεχίσουμε να παίζουμε einen κρίσιμο ρόλο στην παροχή υψηλής ποιότητας δεδομένων για να υποστηρίξουμε αυτές τις προόδους. Όταν πρόκειται για παγκόσμιες αγορές, η ικανότητά μας να πηγαίνουμε δεδομένα σε πάνω από 200 χώρες και 500+ γλώσσες θα γίνει ακόμη πιο πολύτιμη, και έχουμε μια ισχυρή ιστορία σε αυτό, καθώς βοηθήσαμε εταιρείες όπως η Microsoft (MSFT ) να εκκινήσουν μοντέλα μετάφρασης μηχανής για πάνω από 110 γλώσσες.

Όπως η ανάπτυξη εφαρμογών LLM αυξάνεται, βλέπουμε μια αυξανόμενη ζήτηση για την αντιστοίχηση με τους τελικούς χρήστες, συμπεριλαμβανομένων των ικανοτήτων τοπικοποίησης για να διασφαλίσουμε ότι οι γλωσσικές και πολιτιστικές νюανς αντιμετωπίζονται σε διάφορες παγκόσμιες αγορές. Είμαστε αφοσιωμένοι να βοηθάμε τις εταιρείες να αναπτύξουν συστήματα AI που είναι και επιδόσεις και υπεύθυνες, διασφαλίζοντας ότι τα δεδομένα που χρησιμοποιούνται για την εκπαίδευση αυτών των μοντέλων είναι ποικίλα, σχετικά και ηθικά πηγαμένα.

Η Appen είναι γνωστή για την ενεργοποίηση некоторых από τα πιο προηγμένα LLM. Ποια είναι κάποια από τα καινοτόμα δεδομένα σήμανσης και συλλογής που η Appen εστιάζει για να βελτιώσει την απόδοση αυτών των μοντέλων;

Συνεχώς καινοτομούμε τις διαδικασίες σήμανσης και συλλογής δεδομένων για να βελτιώσουμε την απόδοση των LLM. Ένας τομέας εστίασης είναι η βελτίωση της αποτελεσματικότητας και της ακρίβειας της σήμανσης δεδομένων μέσω προηγμένων εργαλείων AI, τα οποία βοηθούν να ροηματοποιήσουν και να αυτοματοποιήσουν τμήματα της διαδικασίας ενώ διατηρούν υψηλά πρότυπα ποιότητας.

Μπορούμε να αναγνωρίσουμε τα σημεία δεδομένων που χρειάζονται περαιτέρω ανθρώπινη εισαγωγή, διασφαλίζοντας ότι οι προσπάθειες σήμανσης είναι στοχευμένες όπου θα έχουν τη μεγαλύτερη επίδραση. Έχουμε ενσωματώσει χαρακτηριστικά στην πλατφόρμα μας όπως το Model Mate, το οποίο μπορεί να χρησιμοποιηθεί για να επιταχύνει την παραγωγή δεδομένων και να βελτιώσει την ποιότητα. Είμαστε επίσης εστιασμένοι στις mejores πρακτικές στη διαχείριση συντελεστών, η οποία είναι σημαντική καθώς η πολυπλοκότητα των εργασιών αυξάνεται.

Η ικανότητα να κατανοήσουμε την απόδοση του συντελεστή και να παρέχουμε ανατροφοδότηση για να συνεχίσουμε να βελτιώνουμε την ποιότητα των ανθρώπινα-παραγμένων δεδομένων μας. Αυτές οι καινοτομίες μας επιτρέπουν να παρέχουμε υψηλής ποιότητας, μεγάλης κλίμακας δεδομένα που απαιτούνται για να ενεργοποιήσουν και να βελτιώσουν τα κορυφαία LLM.

Όπως αναλαμβάνετε τον νέο σας ρόλο ως CEO, ποια είναι τα κορυφαία προτεραιότητά σας για την Appen τα επόμενα χρόνια, και πώς σχεδιάζετε να οδηγήσετε την ανάπτυξη της εταιρείας στην高度 ανταγωνιστική αγορά AI;

Ως αναλαμβάνω τον ρόλο του CEO, οι στρατηγικές μου προτεραιότητες είναι σχεδιασμένες για να διασφαλίσουν την ηγετική θέση της Appen στην ανταγωνιστική αγορά AI:

• Υποστήριξη της ανάπτυξης μοντέλων γενετικού AI: Τα τελευταία 18 μήνες, το γενετικό AI έχει γίνει ένα κρίσιμο συστατικό της υπηρεσίας μας, με 28% των εσόδων της ομάδας να προέρχονται από έργα που σχετίζονται με γενετικό AI τον Ιούνιο του 2024, σε σύγκριση με 8% τον Ιανουάριο. Βλέπουμε σημαντικές ευκαιρίες στο μελλοντικό αγορά του γενετικού AI, η οποία προβλέπεται να φτάσει τα 1,3 τρισεκατομμύρια δολάρια μέχρι το 2032 σύμφωνα με προβλέψεις της βιομηχανίας.
• Υποστήριξη της υιοθέτησης μοντέλων γενετικού AI: Βλέπουμε ανάπτυξη σε νέες αγορές καθώς οι εταιρείες χρησιμοποιούν λύσεις γενετικού AI για τις περιπτώσεις χρήσης τους. Αν και το ποσοστό των έργων γενετικού AI που φτάνει στη φάση της ανάπτυξης είναι χαμηλό, προβλέπουμε ότι το 2024/25 θα είναι μια περίοδος μετάβασης όπου τα πειράματα θα μεταφερθούν στην παραγωγή και θα οδηγήσουν την ζήτηση για εξειδικευμένα και υψηλής ποιότητας δεδομένα.
• Βελτίωση και αυτοματοποίηση του τρόπου που προετοιμάζουμε τα δεδομένα: Χρησιμοποιώντας το AI για τον έλεγχο ποιότητας και την αυτοματοποίηση ορισμένων βημάτων της διαδικασίας προετοιμασίας δεδομένων. Αυτό θα μας επιτρέψει να βελτιώσουμε την ποιότητα των δεδομένων ενώ επίσης βελτιώνουμε την λειτουργική μας αποτελεσματικότητα, βελτιώνοντας τα περιθώρια κέρδους μας.
• Εξέλιξη της εμπειρίας για τους εργαζόμενους μας: Η νέα μας πλατφόρμα CrowdGen μας επιτρέπει να κλιμακωνόμαστε γρήγορα και ευέλικτα σύμφωνα με τις ανάγκες των πελατών μας, χρησιμοποιώντας το AI για την αυτοματοποιημένη επιλογή και την αντιστοίχηση έργων. Αυτό θα βελτιώσει επίσης την εμπειρία των συντελεστών μας με προσωποποιημένη υποστήριξη. Η Appen έχει sido ένας πρώιμος υιοθετητής στην προώθηση της διαφάνειας, της ποικιλίας και της ισότητας στις πηγές δεδομένων μας, και παραμένουμε αφοσιωμένοι στον Κώδικα Ηθικής του Πλήθους.

Αυτές οι προτεραιότητες θα θέσουν την Appen σε μια θέση για να συνεχίσει να αναπτύσσεται και να καινοτομεί στο εξελισσόμενο τοπίο του AI.

Ευχαριστούμε για τη μεγάλη συνέντευξη, σας ενθαρρύνουμε τους αναγνώστες που επιθυμούν να μάθουν περισσότερα να επισκεφθούν την Appen.