Carolyn Harvey, LXT:n toimitusjohtaja – Haastattelusarja

Carolyn Harveylla on laaja kokemus johtaa ja kehittää globaaleja operaatioita hakurelevantin ja ML-aineiston annotoinnin alalla. Carolyn on tällä hetkellä LXT:n toimitusjohtaja, jossa hän johtaa yrityksen globaaleja operaatioita, varmistaen, että kaikki AI-aineistoprojektit toimitetaan laadukkaasti. Hän keskittyy korkealaatuiseen aineistoon suuressa mittakaavassa, rakentaa tehokkuutta pitkäaikaisiin ohjelmiin ja laajentaa useisiin globaaleihin sijainteihin.

LXT:n toimitusjohtajana Carolyn hyödyntää laajaa kokemusta kehittääkseen maailmanluokan organisaation.

Voitko kertoa lyhyesti, mitä LXT tekee ja mikä on roolini toimitusjohtajana?

Tekoäly riippuu aineistosta, ja LXT on nousussa aineiston toimittajana, joka tarjoaa tarkkaa ja eettisesti hankittua aineistoa, joka mahdollistaa tekoälyn innovaatiot. Toimitusjohtajana roolini on johtaa, laajentaa ja kehittää globaaleja operaatioita strategioiden, rakenteiden ja prosessien kautta, jotka mahdollistavat korkealaatuisten AI-aineistojen toimittamisen asiakkaillemme. Varmistan, että toimitamme aineistot aikataulussa laajassa valikoimassa käyttötarkoituksia, kuten generatiivisesta tekoälystä hakurelevanttiin ja itseajaviin autoihin, ja moniin muihin.

Miten LXT:n tehtävä on kehittynyt sen perustamisesta vuonna 2010 lähtien? 

Tavoitteemme on mahdollistaa tulevaisuuden teknologioita aineiston luomalla ja parantamalla jokaisessa kielessä, kulttuurissa ja modaliteetissa. Tavoitteemme on auttaa yrityksiä kaikissa koissa hyödyntämään tekoälyn tarjoamia etuja tarjoamalla heille korkealaatuista aineistoa. Yrityksen tehtävän kehittyessä, palvelujen valikoimamme on laajentunut kielitranskriptiosta ja puheenkeräämisestä kattamaan laajan valikoiman ratkaisuja, kuten aineiston keräämistä ja annotointia teksti-, kuva- ja videomateriaaleihin, generatiivisia tekoälypalveluita ja paljon muuta. Olemme myös laajentaneet globaalia toimintaa ISO 27001 -sertifioituja tiloja, jotta voimme täyttää asiakkaiden kasvavia tarpeita turvallisille aineistopalveluille.

Mitkä ovat olleet avaintekijöitä LXT:n kasvussa tekoälykoulutusaineistojen alalla?

Jatkuva sijoittaminen tekoälyyn erikokoisissa organisaatioissa on vauhdittanut kasvua. Yritykset tietävät nyt, että tekoäly on välttämätöntä heidän kilpailukykyään ylläpitämiseksi, ja aineisto mahdollistaa tekoälyn. Mutta ei kaikki aineisto ole yhtä hyvää, ja yritykset, jotka menestyvät tekoälyssä, tietävät, että korkealaatuinen aineisto on kriittinen tekijä luodakseen tarkemman tekoälyn.

Nyt, kun generatiivinen tekoäly on kaikkien mielessä, tämä trendi on avannut vielä enemmän kasvumahdollisuuksia LXT:lle. Ihmiset ovat kriittisiä siinä, että nämä ratkaisut ovat tarkkoja, eettisiä ja vastuullisia. Tarjoamme laajan valikoiman generatiivisia tekoälypalveluita, kuten suurten kielen mallien hienosäätöä, ohjelmistojen luomista ja paljon muuta. Asiakkaamme tietävät, että luodakseen luottamusta loppukäyttäjien kanssa, heidän generatiivisen tekoälytuotteidensa tulisi olla tosiasiallisia, edustaa monipuolista yleisöä ja olla myrkyttömän kielen vapaita. Voimme auttaa heitä saavuttamaan nämä tavoitteet ihmisten osallistumisella palveluissamme.

Miten generatiivisen tekoälyn räjähdysmäinen kasvu on vaikuttanut LXT:hen ja sen asiakkaisiin?

LXT on kokenut kasvua tekoälykoulutusaineistojen myynnissä generatiivisen tekoälyn myötä, sekä perinteisissä kieliin perustuvissa aineistoissa että uusissa analyyttisissä, luovissa ja kriittisissä ajattelussa. Näemme myös kasvua vaatimuksissa domain-tiedon ja erikoistuneiden profiilien osalta projektitöissä.

Asiakkaiden pyynnöt ovat yhä useammin siirtymässä menneisyyden koneoppimisen syötteistä suurempiin, monimutkaisempiin tietokantoihin, kuten ChatGPT, Gemini ja niiden moniin jatko-ohjelmiin. Olemme mukana useissa innovatiivisissa projekteissa, joissa kirjoitamme ohjelmia, jotka pyrkivät hämmentämään generatiivista tekoälyä ja luomaan oikeat vastaukset.

Tulevaisuudessa tämä voi kehittyä edelleen yleiseen tekoälyyn (AGI), jossa aineistot karttavat monimutkaisempiin ja sofistikoituneempiin toimiin.

Sinulla on vuosien kokemus hakutoiminnon ja henkilökohtaistamisen parantamisesta näiden algoritmien kehittämiseksi. Mitkä ovat joitain keinoja, joilla johtavat yritykset parantavat hakurelevanttia tarjoamaan paremman käyttökokemuksen?

Maailmassa, jossa aika on arvokasta ja tieto on kaikkialla, hakurelevantin parantaminen voi vahvistaa uskollisuutta, lisätä muunnoskertoja ja tehdä käyttäjistä tuottavampia.

Hakurelevantti alkaa asiakkaiden aineiston puhdistamisesta ja järjestämisestä, poistamalla kaikki, mikä voi aiheuttaa virheellisiä positiivisia tuloksia, ja luomalla lisää aineistokenttiä, joita hakukoneet ja suositusmoottorit voivat käyttää tarkempien tulosten tuottamiseksi. Koneoppimisen ja luonnollisen kielen prosessoinnin avulla asiakkaat voivat antaa hakukoneilleen mahdollisuuden ymmärtää käyttäjien aikomuksia ja oppia heidän mieltymyksistään ajan myötä. Tuloksena on nopeampi hakukokemus, joka johtaa henkilökohtaisempiin tuloksiin.

Tämän tavoitteen saavuttamiseksi vaaditaan suuria määriä koulutusaineistoa, erityisesti koulutusohjelmia, jotka opettavat, miten tunnistaa, luokitella ja palauttaa relevantteja entiteettejä, ja miten käsitellä kirjoitusvirheitä, kieliopin virheitä ja muita aineistovirheitä. Suosittelemme myös ihmisten osallistumista vahvistamaan tarkkaa aineistoa, vähentämään harhaa ja tarjoamaan paremman hakukokemuksen loppukäyttäjille. Koneoppimisen edistymisen myötä viimeisen 10 vuoden aikana, ihmisten osallistuminen on korostunut laadun tarkastusprosesseissa, mikä edellyttää syvempää kokemusta aineistotoimittajilta.

Voitko selittää LXT:n lähestymistapaa aineiston annotointiin ja miten se varmistaa aineiston laadun ja tarkkuuden?

Toimintatiiminä meidän on ensin ymmärrettävä, miten asiakkaamme käyttävät aineistoa, jonka toimitamme heidän tuotteidensa ja palveluidensa kehittämiseen, varmistaakseen, että se täyttää heidän tarpeensa. Tämän toteuttamiseksi meidän on löydettävä asiantuntijoita sekä projektipäälliköistä että annotaattoreista, joilla on kokemusta vaaditun aineiston parissa.

Tästä lähtien se on pääasiassa valmistelua ja oikean resurssin löytämistä kunkin projektin alussa. Tämä sisältää asiakkaiden kanssa sopimisen onnistumistarpeista suunnitteluvaiheessa sekä syvän laadun ja pätevyyden arvioinnin annotaattoreille, jossa otetaan huomioon tärkeitä yksityiskohtia, kuten koulutustausta, erityisiä kiinnostuksia, demografiaa ja kokemusta. Kehitämme myös yksityiskohtaisia oppimateriaaleja ja viitekehystä kullekin projektille. Sovellamme kypsiä laadun- ja prosessinvalvontamenetelmiä koko projektin elinkaaren ajan. Käyttämämme lähestymistapa on linjassa alan parhaiden käytäntöjen kanssa, varmistaen, että tulokset vastaavat asiakkaiden odotuksia.

Ja kaikki nämä menetelmät ovat palvellessa aineiston laadun takuuta.

Miten LXT käsittelee haasteen, joka liittyy rakentelemattoman aineiston annotointiin, joka kattaa yli 80 % kaikista aineistoista?

LXT on kehittänyt sisäisen annotaatioplatformin, joka automatisoi monia annotaatioprosessin osia ja tarjoaa rakenteen ja yhdenmukaisen käyttöliittymän työntekijöille. Ennen projektin aloittamista luomme ohjeet, jotka tarkistetaan asiakkaiden kanssa ja päivitetään projektin elinkaaren aikana. Voimme jakaa aineiston merkintäprosessin useisiin tehtäviin, jotta voimme keskittyä kunkin projektin jokaiseen osaan. Lisäksi otamme käyttöön laadunvalvontamenetelmiä, jotka pyrkivät poistamaan virheet suuressa mittakaavassa.

Lopuksi Operatiivisen Excelenssin tiimimme on vastuussa edistyneestä prosessin hallinnasta, jotta voimme varmistaa korkean tehokkuuden ja skaalautuvuuden projekteissamme maailmanlaajuisesti.

Mitkä ovat suurimmat haasteet, joita LXT kohtaa aineiston keräämisessä maailmanlaajuisesti, ja miten niitä voitetaan?

Monimuotoisuus ja harhat osallistujissa ja tuloksissa ovat usein yksi suurimmista haasteista, joita LXT ja muut tekoälykoulutusaineiston toimittajat kohtaavat. Muita haasteita ovat vaatimukset alan asiantuntemukseen ja nopeasti muuttuvaan maisemaan siirtymisen myötä LLM- ja generatiiviseen tekoälyyn.

Voimme voittaa nämä haasteet erittäin proaktiivisella lähestymistavalla kandidaattipoolin lähdeosuuksien arvioinnissa, jossa tarkastelemme asiantuntemusta, kokemusta, aiempia rooleja, kiinnostuksia ja demografiaa, jotta voimme muodostaa oikean monimuotoisuuden joukkueissa sukupuolen tai muiden näkökohtien, kuten analyyttisen ajattelun tai luovan kirjoittamisen, koulutustaustan ja muiden osalta.

Kun olemme kerran löytäneet oikeat kandidaatit, otamme huolellisesti huomioon työntekijöiden sitoutumista säännöllisesti, jotta voimme rakentaa kokeneempaa, uskollisempaa ja tyytyväisempää työvoimaa pitkällä aikavälillä.

Miten LXT pyrkii vähentämään harhautta ja varmistamaan eettiset tulokset tekoälyjärjestelmissä, joiden kehittämiseen se osallistuu?

Kuten mainittu aiemmin, monimuotoisuuden varmistaminen on haaste, jota moni tekoälykoulutusaineiston toimittaja on ratkaissut, ja se auttaa paljon harhan vähentämisessä ja eettisten tulosten varmistamisessa.

Viittaan jälleen parhaisiin käytäntöihimme, jotka sisältävät monimuotoisten ja edustavien annotaattoreiden löytämisen sekä perusteelliset ohjeet ja laadunvalvontatoimenpiteet. Meillä on vaikuttava lähdestrategia, joka mahdollistaa työn tuomisen uusiin ja monimuotoisiin annotaattoriryhmiin, kuten pitkän hännän kieliin.

Pyrimme eettisiin tuloksiin käyttämällä alan parhaita käytäntöjä, asiakkaiden odotusten mukaisuutta, korkeampien standardien asettamista projektipäälliköille ja annotaattoreille sekä viestintää, yhdenmukaisuutta, harhan analyysiä ja sitoutumista aineistojen sääntelyyn ja tietosuojavaatimuksiin.

Mikä on LXT:n pitkän aikavälin visio, ja miten näet yrityksen kehittyvän seuraavan viiden vuoden aikana?

 Visiomme on toimittaa tarkkaa ja eettisesti hankittua aineistoa, jotta voidaan edistää tekoälyn ja tulevaisuuden teknologioiden käyttöönottoa, jotka parantavat maailmanlaajuisesti ihmisten elämänlaatua.

Automaation ja teknologian ollessa tärkeitä tekoälyssä, on myös tärkeä inhimillinen komponentti, joka täydentää teknologiaa. Siirryttäessä yksinkertaisista automaattisista tehtävistä suuriin kielen malleihin (LLM) ja generatiivisesta tekoälystä yleiseen tekoälyyn (GAI), on kriittistä, että tekoälytuotteet edustavat uskollisesti sekä aineistoa tuottavia ihmisiä että maailmanlaajuista yhteisöä.

LXT:ssä pyrimme varmistamaan, että tekoälyä käytetään positiivisella ja muodonmuuttavalla tavalla, joka heijastaa näitä arvoja.

Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, suosittelemme vierailemaan LXT:ssä.