Phil Hall, Director de Crecimiento de LXT – Serie de Entrevistas

El Director de Crecimiento de LXT, Phil Hall es un ex ejecutivo de Appen y miembro del Consejo de Tecnología de Forbes. En su papel de liderazgo en Appen, dirigió una división de más de 1.000 empleados y desempeñó un papel clave en la consecución de 17 años consecutivos de crecimiento de ingresos con una rentabilidad consistentemente sólida. En su actual cargo en LXT, está trabajando con un equipo de expertos seleccionados a mano para lograr objetivos de crecimiento ambiciosos.

LXT es un líder emergente en datos de entrenamiento de inteligencia artificial para empresas globales, incluidas las mayores empresas de tecnología del mundo. En asociación con una red internacional de contribuyentes, LXT recopila y anota datos en múltiples modalidades con la velocidad, escala y agilidad requeridas por las empresas. Tienen una experiencia global que abarca más de 115 países y 750 ubicaciones lingüísticas. Fundada en 2010, LXT tiene su sede en Toronto, Canadá, con presencia en Estados Unidos, Australia, Egipto, Reino Unido y Turquía. La empresa atiende a clientes en América del Norte, Europa, Asia-Pacífico y Medio Oriente.

¿Cuándo descubriste por primera vez que estabas apasionado por el lenguaje?

Me he sentido intrigado por el lenguaje durante tanto tiempo como puedo recordar, pero en términos de mi participación directa con el lenguaje y la lingüística, hubo un punto de inflexión significativo para mí. Nos dimos cuenta muy temprano de que uno de nuestros hijos era disléxico, y cuando hablamos con su escuela sobre apoyo adicional, dijeron que mientras había programas a los que podían acceder, también había cosas que yo podía hacer como voluntario en la escuela para ayudar a nuestra hija y a otros niños. Funcionó bien, y desde allí me puse a estudiar lingüística y me encontré enseñando en dos de las universidades aquí en Sydney.

Estabas enseñando lingüística antes de mudarte al espacio de datos de habla, ¿qué te inspiró a cambiar tu enfoque?

Appen, con sede en Sydney, estaba haciendo la transición de ser una operación que se llevaba a cabo en una habitación de una casa a ser una operación comercial completamente formada. Me dijeron que estaban buscando lingüistas (quizás más precisamente, un lingüista) y me presentaron a los fundadores Julie y Chris Vonwiller. La transición fue gradual y se extendió durante unos dos años. Me resistí a dejar de enseñar, ya que trabajar con estudiantes de alto rendimiento era tanto inspirador como divertido. Pero especialmente durante esos años pioneros, estaba resolviendo problemas difíciles junto a los principales expertos en tecnología del lenguaje del mundo, y los niveles de emoción eran altos. Muchas de las cosas que se dan por sentadas hoy en día, eran muy desafiantes en ese momento.

Salió de la jubilación para unirse a LXT. ¿Qué lo motivó a hacer esto?

Esa es una pregunta interesante, ya que definitivamente estaba disfrutando de mi jubilación. De hecho, nuestro cofundador y CEO, Mohammad Omar, me abordó meses antes de que respondiera a su primera consulta, ya que estaba viviendo un estilo de vida relajado y no había considerado realmente regresar al trabajo a tiempo completo. Después de aceptar la primera llamada en la que Mo me preguntó sobre la posibilidad de unirme a LXT, esperaba solo escuchar educadamente y declinar.

Pero al final, la oportunidad era simplemente demasiado buena para resistirla.

Mientras hablaba con Mohammad y otros miembros del equipo de LXT, reconocí inmediatamente una pasión compartida por el lenguaje. El equipo que Mohammad había reunido estaba lleno de pensadores creativos con energía ilimitada que estaban completamente comprometidos con la misión de la empresa.

Al aprender más sobre la oportunidad con LXT, me di cuenta de que era una que no quería perderme. Aquí había una empresa con un potencial masivo para expandirse y crecer en un área que me apasiona. Y a medida que el mercado de la inteligencia artificial sigue creciendo exponencialmente, la oportunidad de ayudar a más organizaciones a pasar de la experimentación a la producción es una oportunidad emocionante que estoy muy feliz de ser parte de ella.

¿Cuáles son algunos de los desafíos actuales detrás de la adquisición de datos a gran escala?

Los desafíos son tan variados como las aplicaciones que los impulsan.

Desde una perspectiva práctica, los desafíos incluyen la autenticidad, la confiabilidad, la precisión, la seguridad y garantizar que los datos sean adecuados para el propósito, y eso es sin tener en cuenta el creciente número de desafíos legales y éticos inherentes a la adquisición de datos.

Por ejemplo, el desarrollo de tecnología para apoyar a los vehículos autónomos requiere la recopilación de grandes volúmenes de datos en múltiples escenarios para que el automóvil pueda entender cómo responder a situaciones del mundo real. Hay un número interminable de casos de borde que se pueden encontrar al conducir, por lo que los algoritmos que alimentan a esos vehículos necesitan conjuntos de datos que cubran todo, desde calles hasta señales de alto, hasta objetos caídos. Y luego, si multiplicas eso por el número de eventos climáticos que pueden ocurrir, la cantidad de datos de entrenamiento necesarios aumenta exponencialmente. Las empresas automotrices que se aventuran en el espacio autónomo necesitan establecer una tubería de datos confiable, y hacerlo por su cuenta requeriría una cantidad masiva de recursos.

Otro caso de uso es la expansión de un producto de inteligencia artificial de voz existente a nuevos mercados para capturar cuota de mercado y nuevos clientes. Esto requiere inevitablemente datos lingüísticos, y para lograr la precisión, es fundamental obtener datos de habla de hablantes nativos de una variedad de perfiles demográficos. Una vez que se han recopilado los datos, los archivos de habla necesitan ser transcritos para entrenar los algoritmos de NLP del producto. Hacer esto para múltiples idiomas y en los volúmenes de datos necesarios para ser efectivos es extremadamente desafiante para las empresas que lo hacen por su cuenta, especialmente si carecen de la experiencia interna en este campo.

Estos son solo dos ejemplos de los muchos desafíos que existen con la recopilación de datos para la inteligencia artificial a gran escala, pero como puedes imaginar, la automatización del hogar, los datos de dispositivos móviles y la recopilación de datos biométricos cada uno tienen sus propios desafíos específicos.

¿Cuáles son las formas actuales en que LXT obtiene y anota datos?

En LXT, recopilamos y anotamos datos de manera diferente para cada cliente, ya que todos nuestros compromisos están adaptados para cumplir con las especificaciones de nuestros clientes. Trabajamos con una variedad de tipos de datos, incluyendo audio, imagen, habla, texto y video. Para las recopilaciones de datos, trabajamos con una red global de contratistas para recopilar datos en estas diferentes modalidades. Las recopilaciones pueden variar desde la adquisición de datos en entornos del mundo real, como hogares, oficinas o en coche, hasta en estudio con ingenieros experimentados en el caso de ciertos proyectos de recopilación de datos de habla.

Nuestras capacidades de anotación de datos también abarcan múltiples modalidades. Nuestra experiencia comenzó en el espacio de habla y, en los últimos 12 años, hemos expandido a más de 115 países y más de 750 ubicaciones lingüísticas. Esto significa que las empresas de todos los tamaños pueden depender de LXT para ayudarlas a penetrar en una amplia gama de mercados y capturar nuevos segmentos de clientes. Más recientemente, hemos expandido a texto, imagen y video, y nuestra plataforma interna se utiliza para entregar datos de alta calidad a nuestros clientes.

Otra área emocionante de crecimiento para nosotros ha sido nuestro trabajo de anotación segura. Solo este año, expandimos nuestra huella de instalaciones seguras con certificación ISO 27001 de dos a cinco ubicaciones en todo el mundo. Hemos desarrollado una guía que nos permite establecer nuevas instalaciones en cuestión de meses. Los servicios en los que nos enfocamos en estas instalaciones seguras son actualmente la anotación y transcripción de datos de habla, pero pueden ser utilizados para la anotación de muchos tipos de datos.

¿Por qué obtener datos de esta manera es una alternativa superior a los datos sintéticos?

Los datos sintéticos son un desarrollo emocionante en el campo de la inteligencia artificial y están bien adaptados para casos de uso específicos, particularmente casos de borde que son difíciles de capturar en el mundo real. El uso de datos sintéticos está en aumento, particularmente en las primeras etapas de la madurez de la inteligencia artificial, ya que las empresas aún están en modo de experimentación. Sin embargo, nuestra propia investigación muestra que a medida que las organizaciones maduran sus estrategias de inteligencia artificial y empujan más modelos a la producción, es más probable que utilicen métodos de aprendizaje automático supervisado o semisupervisado que confían en datos anotados por humanos.

Los humanos son simplemente mejores que las computadoras para entender las sutilezas para crear los datos necesarios para entrenar a los modelos de aprendizaje automático para que funcionen con alta precisión, y la supervisión humana también es fundamental para reducir el sesgo.

¿Por qué estos datos son tan importantes para el habla y el procesamiento del lenguaje natural?

Para que los algoritmos de habla y procesamiento del lenguaje natural funcionen de manera efectiva en sus mercados objetivo, necesitan ser entrenados con grandes cantidades de datos obtenidos de hablantes nativos que tienen el contexto cultural de los usuarios finales que representan. Sin estos datos, la adopción de la inteligencia artificial de voz tendrá limitaciones graves.

Además, el entorno debe tenerse en cuenta al recopilar datos de habla. Si la solución de inteligencia artificial de voz que se está entrenando se utilizará en un automóvil, por ejemplo, hay diferentes condiciones climáticas y de carretera que afectan el habla y que deben tenerse en cuenta. Estos son escenarios complejos en los que un socio de datos experimentado puede ayudar.

¿Hay algo más que te gustaría compartir sobre LXT?

En primer lugar, quiero agradecer la oportunidad de compartir nuestra historia. Me gustaría destacar que nuestra empresa se compromete a ayudar a las organizaciones de todos los tamaños a tener éxito con sus iniciativas de inteligencia artificial. Hemos estado centrados en entregar datos de inteligencia artificial personalizados a empresas de todo el mundo durante más de 12 años y estaríamos encantados de conectarnos con cualquier persona que busque crear una tubería de datos confiable para respaldar sus proyectos de inteligencia artificial.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar LXT.