Mohammad Omar, LXT:n perustaja ja toimitusjohtaja – Haastattelusarja

Mohammad Omar on LXT:n perustaja ja toimitusjohtaja, joka on nousussa oleva johtaja tekoälykoulutusdatan tarjoajana maailmanlaajuisille organisaatioille, mukaan lukien maailman suurimmat teknologiayritykset. Kansainvälisen avustajaverkoston kanssa LXT kerää ja annotoi dataa useilla eri tasoilla nopeasti, suurimuotoisesti ja joustavasti. LXT perustettiin vuonna 2010, ja se on pääkonttorissaan Torontossa, Kanadassa, ja sillä on toimintaa Yhdysvalloissa, Australiassa, Intiassa, Turkissa, Isossa-Britanniassa ja Egyptissä.

Voitko kertoa LXT:n syntytarinan?

LXT perustettiin vastauksena akuuttiin datan tarpeeseen, jota entinen työnantajani kohtasi 12 vuotta sitten. Silloin yrityksellä oli tarve arabiankieliselle datalle, mutta heillä ei ollut oikeita toimittajia, joilta sitä voisi hankkia. Olen luonteeltani riskinottaja ja yrittäjä, joten päättelin, että eroan työstäni, perustan uuden yrityksen ja tarjoan palveluitamme entiselle työnantajalleni. Heti alkuun saimme heidän haastavimmat projektit, joissa onnistuimme, ja asiakas suhtautui meihin myönteisesti. Nyt yli 12 vuoden jälkeen olemme rakentaneet vahvan suhteen tähän yritykseen, ja olemme heidän luotettu toimittajansa laadukkaalle kielidatalle.

Mitä ovat suurimmat haasteet tekoälyn käyttöönotossa laajassa mittakaavassa?

Tämä on erinomainen kysymys, ja olemme sisällyttäneet sen viimeisimpään tutkimusraporttiimme, The Path to AI Maturity. Eniten haastetta aiheuttava tekijä, jonka vastaajat mainitsivat, oli olemassa olevien järjestelmien integroiminen tekoälyratkaisuihin. Tämä on järkevää, koska kysyimme suuremmilta yrityksiltä, joilla on todennäköisesti useita teknologisia järjestelmiä organisaatiossaan, jotka on rationalisoitava digitaaliseen muutosstrategiaan. Muita haasteita, joita vastaajat korostivat, olivat osaamisen puute, koulutuksen tai resurssien puute sekä laadukkaan datan hankkiminen. En ollut yllättynyt näistä vastauksista, koska ne ovat yleisesti mainittuja, ja myös siksi, että datan haaste on meille organisaatiolle olennainen.

Kun puhutaan datan haasteista, LXT voi sekä hankkia dataa että annotoida sitä, jotta koneoppimisalgoritmit voivat ymmärtää sitä. Olemme varustettu tekemään tätä suurimuotoisesti ja joustavasti, mikä tarkoittaa, että toimitamme laadukasta dataa nopeasti. Asiakkaamme usein tulevat meihin, kun he valmistautuvat lanseeraukseen ja haluavat varmistaa, että heidän tuotteensa otetaan hyvin vastaan asiakkaiden toimesta,

Työskentelemällä kanssamme datan hankkimiseksi ja annotoimiseksi yritykset voivat ratkaista resurssi- ja osaamispuutteensa sallimalla tiimien keskittyä innovatiivisten ratkaisujen kehittämiseen.

LXT tarjoaa kattavuuden yli 750 kielelle, mutta käännös- ja lokalisaatihaasteet ulottuvat kielen rakenteen ulkopuolelle. Voitko keskustella siitä, miten LXT kohtaa nämä haasteet?

On olemassa käännös- ja lokalisaatihaasteita – erityisesti, kun poistutaan laajimmin puhutuista kielistä, joilla on virallinen asema ja siihen liittyvä standardisointi. Monilla kielillä, joilla työskentelemme, ei ole virallista ortografiaa, joten tiimin konsistenssin hallinta muodostuu haasteeksi. Ratkaamme nämä ja muut haasteet – esimerkiksi petoksen havaitsemisen – asettamalla tiukat prosessit laadunvarmistukseen. Taas aiemmassa tekoälykypsyyden tutkimusraportissa oli selvää, että useimmat organisaatiot, jotka työskentelevät tekoälydatan parissa, asettavat laadun prioriteetiksi. Useimmat vastaajat ilmoittivat myös olevansa valmiita maksamaan enemmän saadakseen sen.

Yrityksille, jotka tarvitsevat datan hankkimista ja annotointia, milloin heidän tulisi aloittaa datan hankkiminen sovelluksen kehitysmatkan aikana?

Suosittelemme, että organisaatiot luovat datastrategian, kun he tunnistavat tekoälysovelluksensa. Odottaminen, kunnes sovellus on kehityksessä, voi johtaa tarpeettomaan uudelleen työhön, koska tekoäly voi oppia väärät asiat ja joutua koulutettavaksi uudelleen laadukkaalla datalla, mikä voi kestää aikaa hankkia ja integroida kehitysprosessiin.

Mikä on sääntö datan päivittämisestä?

Se riippuu sovelluksen tyyppiä, jonka kehität, ja kuinka usein sitä tukeva data muuttuu merkittävästi. Tämä tarkoittaa, että data on elämän todellista heijastusta, ja ajan myötä dataa on päivitettävä, jotta se antaa oikean kuvan siitä, mitä maailmassa tapahtuu. Tätä ilmiötä kutsutaan mallin siirtymäksi, josta on kaksi tyyppiä, ja molemmat vaativat algoritmien uudelleen koulutusta.

• Käsite siirtymä tapahtuu, kun merkittävä ero koulutusdatan ja tekoälytuloksen välillä muuttuu, mikä voi tapahtua äkkiä tai hitaammin. Esimerkiksi vähittäiskauppias voi käyttää historiallista asiakasdataa tekoälysovelluksen kouluttamiseen. Mutta kun kuluttajien todellisuus muuttuu merkittävästi, algoritmin on opittava uudelleen heijastamaan tätä.

• Datansiirtymä tapahtuu, kun sovelluksen koulutukseen käytetty data ei enää heijasta sitä dataa, jota sovellus kohtaa tuotantovaiheessa. Tähän voi vaikuttaa useita tekijöitä, kuten demografisia muutoksia, sesonki- tai sovelluksen sijoittamista uuteen maantieteelliseen alueeseen.

LXT julkaisi äskettäin raportin nimeltä “The Path to AI Maturity 2023“. Mitkä olivat joitain yllättäviä havaintoja tässä raportissa?

Se ei ehkä pitäisi olla yllättävää, mutta se, mikä erottui, oli sovellusten monimuotoisuus. Voisit odottaa, että kaksi tai kolme toimialaa hallitsevat, mutta kun kysyimme, mihin vastaajat aikoivat keskittyä tekoälyponnisteluihinsa ja minne he aikoivat ottaa tekoälynsä käyttöön, aluksi näytti siltä, että kaikki oli sekasortoa – trendin puuttumista. Mutta kun sivuimme datan läpi ja tarkastelimme kvalitatiivisia vastauksia, selvisi, että trendin puuttuminen on itse trendi. Ainakin vastaajiemme silmin, jos sinulla on ongelma, on todennäköistä, että joku työskentelee tekoälyratkaisun parissa.

Generatiivinen tekoäly on vallannut maailman, mitä mieltä olet siitä, miten pitkälle kielen generatiiviset mallit voivat viedä teollisuuden?

Henkilökohtainen näkemykseni on, että generatiivisen tekoälyn todellinen voima perustuu luonnollisen kielen ymmärtämiseen. Tekoälyn “äly” opitaan kielestä; kykyä ratkaista monimutkaisia ongelmia välittyy iteratiivisesti ja kertyvästi luonnollisen kielen vuorovaikutuksessa. Tästä syystä uskon, että kielen generatiiviset mallit ovat taskelevina muiden tekoälyelementtien kanssa.

Mikä on visiosi tekoälyn tulevaisuudesta ja LXT:n tulevaisuudesta?

Olen luonteeltani optimisti, ja se värittää vastaustani, mutta visiosi tekoälyn tulevaisuudesta on, että se parantaa elämänlaatua kaikille; tekee maailmasta turvallisemman paikan, paremman paikan tuleville sukupolville. Mikro tasolla visiosi LXT:stä on, että organisaatio jatkaa vahvuuksiensa kehittämistä, kasvaa ja tulee työntekijöiden suosikiksi, ja on voima hyvää, globaalia yhteisöä varten, joka tekee liiketoimintamme mahdolliseksi. Makro tasolla visiosi LXT:stä on, että se edistää merkittävästi ja tarkoituksenmukaisesti visiotaani tekoälyn tulevaisuudesta.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla LXT:ssä.