Eric Landau, Encordin perustaja ja toimitusjohtaja – Haastattelusarja

Eric Landau on Encordin toimitusjohtaja ja perustaja, joka on aktiivinen oppimisalusta tietokoneen näön parissa. Eric oli johtava kvantitatiivinen tutkija globaalissa osuuksien delta-yksikössä, jossa hän lähetti tuhansia malleja tuotantoon. Ennen Encordia hän työskenteli lähes kymmenen vuotta korkean taajuuksisen kaupankäynnin parissa DRW:ssä. Hänellä on sovelletun fysiikan tutkinto Harvardin yliopistosta, sähkötekniikan maisterin tutkinto ja fysiikan kandidaatin tutkinto Stanfordin yliopistosta.

Vapaa-ajallaan Eric nauttii ChatGPT:n ja suurten kielimallien kanssa leikkimisestä ja käsityöoluiden valmistamisesta.

Mikä inspiroi sinua perustamaan Encordin, ja miten kokemuksesi hiukkasfysiikassa ja kvantitatiivisessa rahoituksessa muovasi lähestymistäsi “datan ongelman” ratkaisemiseen tekoälyssä?

Aloin miettiä koneoppimista työskennellessäni hiukkasfysiikassa ja käsitellessäni erittäin suuria tietoja Stanfordin Lineaarisen Kiihdyttimen (SLAC) aikana. Käytin fysiikan tutkijoille suunniteltua ohjelmistoa, joka ei ollut erityisen miellyttävä käyttää. Jos olisin ollut helpommin saatavilla, olisin voinut suorittaa analyysiä paljon nopeammin.

Myöhemmin kvantitatiivisessa rahoituksessa DRW:ssä olin vastuussa tuhansien mallien luomisesta, jotka otettiin tuotantoon. Samoin kuin fysiikassa, havainneiden, että laadukas data on kriittinen tarkkojen mallien luomisessa ja että monimutkaisten, suurten datamäärien hallinta on vaikeaa. Ulrikilla oli samanlainen kokemus kuvien suurten tietojoukkojen visualisoinnissa tietokoneen näön parissa.

Kun kuulin hänen alkuperäisestä ideastaan Encordista, olin välittömästi mukana ja ymmärsin sen merkityksen. Ulrik ja minä näimme valtavan mahdollisuuden rakentaa alusta, joka automatisoi ja suoristaa tekoälyn datan kehitysprosessin, tehdessään siitä helpomman tiimien saada parasta dataa malleihin ja luoda luotettavia tekoälyjärjestelmiä.

Voitko selittää Encordin visiota ja miten se vertautuu tietokoneiden ja internetin varhaisiin päiviin potentiaalissa ja haasteissa?

Encordin visio on olla perusrakenteellinen alusta, johon yritykset luottavat muuttaakseen datansa toimiviksi tekoälymalliksi. Olemme kerros yrityksen datan ja heidän tekoälynsä välillä.

Monilla tavoin tekoäly heijastelee aiempia paradigmamuutoksia, kuten henkilökohtaista tietokonetta ja internetiä, jotka tulevat olemaan olennainen osa työnkulkuja jokaiselle yksilölle, liiketoiminnalle, valtiolle ja teollisuudelle. Toisin kuin aiemmat teknologiset vallankumoukset, jotka ovat olleet pääosin pullonkaulana Mooren lakia yhdistetyn laskennallisen kasvun 30-kertaista joka kymmenen vuoden ajan, tekoälyn kehitys on hyötynyt samanaikaisista innovaatioista. Se etenee paljon nopeammin. NVIDIA (NVDA ):n Jensen Huangin sanoissa: “Ensimmäistä kertaa näemme yhdistettyjä eksponenttejä… Me yhdistämme miljoonan kerran joka kymmenen vuoden ajan. Ei sata kertaa, ei tuhat kertaa, vaan miljoona kertaa.” Ilman liioittelua olemme todistamassa historian nopeimmin kehittyvää teknologiaa.

Potentiaali on valtava: automatisoimalla ja skaalauttamalla korkealaatuisen datan hallintaa tekoälylle, osoitamme pullonkaulan, joka estää laajemman tekoälyn omaksumisen. Haasteet muistuttavat varhaispäivien esteitä aiemmissa teknologisten aikakausissa: siloja, parhaiden käytäntöjen puutetta, rajoituksia ei-tekniikan käyttäjille ja puutetta hyvin määriteltyjä abstraktioita.

Encord Index on asetettu avainvälineeksi tekoälyn datan hallintaan ja kuratointiin. Miten se erottuu muista datan hallintaplatformeista, jotka ovat saatavilla?

On muutamia tapoja, joilla Encord Index erottuu:

Index on skaalautuva: Sallii käyttäjien hallita miljardeja, ei miljoonia, datakohtia. Muut työkalut kohtaavat skaalautumisongelmia rakenteettomalle datalle ja ovat rajoitettuja konsolidoimasta kaikkea asiaankuuluvaa dataa organisaatiossa.

Index on joustava: Integroi suoraan yksityisen datavarastoinnin ja pilvitallennuspalvelujen, kuten AWS, GCP ja Azure, kanssa. Toisin kuin muut työkalut, jotka ovat rajoitettuja yhteen pilvipalveluun tai sisäiseen tallennusjärjestelmään, Index on agnostinen siitä, missä data sijaitsee. Se antaa hallita dataa useista lähteistä asianmukaisella hallinnalla ja käyttöoikeuksilla, jotka sallivat kehittää turvallisia ja vaatimustenmukaisia tekoälysovelluksia.

Index on monitieteinen: Tukee monitieteistä tekoälyä, hallitsemalla dataa muodossa, kuten kuvat, videot, ääni, teksti, asiakirjat ja enemmän. Index ei ole rajoitettu yhteen dataan, kuten monet LLM-työkalut tänään. Inhimillinen kognitio on monitieteinen, ja uskomme, että monitieteinen tekoäly on seuraavan aallon tekoälyedistysten ydin, joka korvaa chatbotit ja LLM:t.

Miten Encord Index parantaa oikean datan valintaa tekoälymallien ja minkälaisen vaikutuksen se on mallin suorituskykyyn?

Encord Index parantaa datan valintaa automatisoimalla suurten tietojoukkojen kuratointia, auttaen tiimejä tunnistamaan ja säilyttämään vain tärkeimmän datan ja poistamaan epätiedollisen tai harhaanjohtavan datan. Tämä prosessi ei ainoastaan vähennä tietojoukkojen kokoa, vaan parantaa myös olennaisesti datan laatua, jota käytetään tekoälymallien koulutukseen. Asiakkaamme ovat nähneet jopa 20 prosentin parannuksen malleissaan saavuttaen 35 prosentin vähennyksen tietojoukkojen koossa ja säästäen satoja tuhansia dollareita laskennan ja ihmisen annotaatiokustannuksissa.

Miten Encord pysyy edellä nopeasti kehittyvässä tekoälymaisemassa, kuten Meta’s Segment Anything Modelin kaltaisten älykkäiden teknologioiden nopean integroinnin kautta?

Rakensimme tarkoituksella alustan, joka pystyy sopeutumaan uusiin teknologioihin nopeasti. Keskitymme tarjoamaan skaalautuvan, ohjelmistopohjaisen lähestymistavan, joka ottaa helposti sisään edistysten, kuten SAM, varmistaen, että käyttäjämme ovat aina varustettu viimeisimmillä työkaluilla pysyäkseen kilpailukykyisinä.

Suunnittelemme pysyäksemme edellä keskittymällä monitieteiseen tekoälyyn. Encordin alusta pystyy jo hallitsemaan monimutkaisia data-tyyppejä, kuten kuvia, videoita ja tekstiä, joten kun edistysaskelten monitieteinen tekoäly tulee, olemme valmiit.

Mitkä ovat yleisimmät haasteet, joita yritykset kohtaavat tekoälyn datan hallinnassa, ja miten Encord auttaa näiden haasteiden ratkaisemisessa?

On kolme pääasiallista haasteita, joita yritykset kohtaavat:

• Heikko datan järjestäminen ja hallinta: Kun yritykset valmistautuvat toteuttamaan tekoälyratkaisuja, he usein kohtaavat todellisuuden, jossa data on siloitu ja järjestämätöntä eikä ole valmis tekoälylle. Tämä data usein puuttuu vahvaa hallintaa, joten suurin osa siitä on rajoitettu käytettäväksi tekoälyjärjestelmissä.
• Puute ihmisen asiantuntijoista: Kun tekoälymallit ratkaisevat yhä monimutkaisempia ongelmia, lähitulevaisuudessa tulee olemaan puute ihmisen asiantuntijoista, jotka voivat valmistella ja validoida dataa. Kun yritysten tekoälyvaatimukset kasvavat, on haastavaa skaalata ihmisen työvoimaa ja kallista.
• Laajennuskykyton työkalut: Suorituskykyiset tekoälymallit ovat erittäin tietohungroisia datan suhteen, jota tarvitaan hienosäätöön, validointiin, RAG:hen ja muihin työnkulkuihin. Edellisen sukupolven työkalut eivät ole varustettu hallitsemaan datamäärää ja datatyyppejä, jotka vaaditaan nykyisten tuotantokelpoisten mallien tarpeisiin.

Encord ratkaisee nämä ongelmat automatisoimalla datan kuratointiprosessin suuressa mittakaavassa, tehdessään helpoksi tunnistaa vaikuttava datan ja ongelmallisen datan ja varmistaen tehokkaiden koulutus- ja validointitietojoukkojen luomisen. Se käyttää ohjelmistopohjaista lähestymistapaa, joka on helppo skaalata ylös tai alas datan hallintatarpeiden muuttuessa. AI-tukeutuvat annotointityökalumme antavat mahdollisuuden ihmisen osallistumiselle tehokkaasti työnkulkuun. Tämä prosessi on erittäin tärkeä aloilla, kuten rahoituspalveluissa ja terveydenhuollossa, joissa tekoälykouluttajat ovat kalliita. Teemme helpoksi hallita ja ymmärtää kaiken organisaation rakenteettoman datan, vähentäen manuaalisen työn tarvetta.

Miten Encord ratkaisee datan harhan ja aliedustetun alueiden ongelman tietojoukoissa, jotta voidaan varmistaa reilut ja tasapuoliset tekoälymallit?

Harhan ratkaiseminen on kriittinen fokus meillä Encordissa. Alustamme tunnistaa ja tuo esiin alueet, joissa data voi olla harhautunut, antaen tekoälytiimille mahdollisuuden ratkaista nämä ongelmat ennen kuin ne vaikuttavat mallin suorituskykyyn. Varmistamme myös, että aliedustetut alueet tietojoukoissa ovat oikein mukana, mikä auttaa kehittämään reilumpia ja tasapuolisempia tekoälymalleja. Käyttämällä kuratointityökalujamme tiimit voivat olla varmoja, että heidän mallinsa on koulutettu monipuolisella ja edustavalla datalla.

Encord on vastikään saanut 30 miljoonan dollarin Series B -rahoitusta. Miten tämä rahoitus kiihdyttää tuotekehitys- ja laajentamissuunnitelmianne?

30 miljoonan dollarin Series B -rahoitus käytetään radikaalisti kasvattamaan tuote-, insinööri- ja tekoälytutkimustiimien kokoa seuraavien kuuden kuukauden aikana ja kiihdyttämään Encord Indexin ja muiden uusien ominaisuuksien kehitystä. Laajennamme myös läsnäoloamme San Franciscossa uudella toimistolla, ja tämä rahoitus auttaa meitä skaalautumaan toimintaa tukeaksemme kasvavaa asiakaskuntaamme.

Kuinka nuorin tekoälyyritys Y Combinatorista, joka on saanut Series B -rahoituksen, mitä attribuuttiin Encordin nopeaan kasvuun ja menestykseen?

Yksi syy, miksi olemme pystyneet kasvamaan nopeasti, on se, että olemme omaksuneet erittäin asiakaslähtöisen fokuskaavan kaikissa yrityksen osissa. Olemme jatkuvasti vuorovaikutuksessa asiakkaiden kanssa, kuuntelemme heidän ongelmiaan tarkkaan ja “halaimme” heidät ratkaisuihin. Keskittyessämme asiakkaiden tarpeisiin ja välttäessämme hypeä, olemme luoneet alustan, joka resonoi parhaiden tekoälytiimien kanssa eri aloilla. Asiakkaamme ovat olleet instrumentalisia meidän nykyisen asemamme saavuttamisessa. Kykyämme skaalata nopeasti ja hallita tekoälydatan monimutkaisuutta on tehnyt meistä houkuttelevan ratkaisun yrityksille.

Olemme myös velkaa menestyksestämme tiimille, kumppaneille ja sijoittajille, jotka ovat työskennelleet ahkerasti Encordin edistämiseksi. Työskenteleminen maailmanluokan tuote-, insinööri- ja markkinointitiimien kanssa on ollut valtavan vaikuttavaa kasvuumme.

Miten näet tekoälyn datan hallintaplatformien, kuten Encordin, roolin kehittyvän seuraavien viiden vuoden aikana?

Kun tekoälysovellukset kasvavat monimutkaisuudessa, tarve tehokkaille ja skaalautuville datan hallintaratkaisuille kasvaa vain. Uskon, että jokainen yritys lopulta saa tekoälyosaston, samoin kuin miten IT-osastot ovat tänään. Encord on ainoa alusta, jota he tarvitsevat hallinnoimaan valtavia määriä dataa, jota tarvitaan tekoälylle, ja saamaan mallit nopeasti tuotantoon.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Encord-sivustolla.