Mohammad Omar, co-fondateur et PDG de LXT - Série d'interviews

Mohammad Omar est le co-fondateur et PDG de LXT, un leader émergent des données de formation à l'IA pour alimenter la technologie intelligente des organisations mondiales, y compris les plus grandes entreprises technologiques du monde. En partenariat avec un réseau international de contributeurs, LXT collecte et annote des données sur plusieurs modalités avec la vitesse, l'échelle et l'agilité requises par l'entreprise. Fondée en 2010, LXT a son siège social à Toronto, au Canada, et est présente aux États-Unis, en Australie, en Inde, en Turquie, au Royaume-Uni et en Égypte.

Pourriez-vous partager l'histoire de la genèse derrière LXT?

LXT a été fondée en réponse à un besoin aigu de données auquel mon employeur d'il y a douze ans était confronté. À cette époque, l'entreprise avait besoin de données en arabe, mais n'avait pas les bons fournisseurs auprès desquels s'en procurer. Étant un preneur de risques et un entrepreneur par nature, j'ai décidé de démissionner de mon poste, de créer une nouvelle entreprise et de faire demi-tour pour offrir nos services à mon ancien employeur. Tout de suite, on nous a confié certains de leurs projets les plus difficiles que nous avons menés à bien, et les choses se sont développées à partir de là. Aujourd'hui, plus de 12 ans plus tard, nous avons établi une relation solide avec cette société, devenant un fournisseur incontournable de données linguistiques de haute qualité.

Quels sont certains des plus grands défis liés au déploiement de l'IA à grande échelle ?

C'est une excellente question, et nous l'avons d'ailleurs incluse dans notre dernier rapport de recherche, Le chemin vers la maturité de l'IA. Le principal défi cité par les répondants était l'intégration de leurs systèmes existants ou hérités dans des solutions d'IA. Cela a du sens étant donné que nous avons interrogé de grandes entreprises qui auraient très probablement un éventail de systèmes technologiques dans leurs organisations qui doivent être rationalisés dans une stratégie de transformation numérique. Les autres défis que les répondants ont classés en tête étaient le manque de talents qualifiés, le manque de formation ou de ressources et la recherche de données de qualité. Je n'ai pas été surpris par ces réponses car elles sont souvent citées, et aussi bien sûr parce que le défi des données est la raison d'être de notre organisation.

Lorsqu’il s’agit de défis liés aux données, LXT peut à la fois sourcer les données et les étiqueter afin que les algorithmes d’apprentissage automatique puissent leur donner un sens. Nous sommes équipés pour le faire à grande échelle et avec agilité, ce qui signifie que nous fournissons très rapidement des données de haute qualité. Les clients viennent souvent vers nous lorsqu'ils se préparent pour un lancement et veulent s'assurer que leur produit est bien accueilli par les clients, 

En travaillant avec nous pour sourcer et étiqueter les données, les entreprises peuvent répondre à leurs pénuries de ressources et de talents en permettant à leurs équipes de se concentrer sur la création de solutions innovantes.

LXT offre une couverture pour plus de 750 langues, mais il existe des défis de traduction et de localisation qui vont au-delà de la structure de la langue elle-même. Pourriez-vous discuter de la manière dont LXT fait face à ces défis ?

Il y a certainement des défis de traduction et de localisation - surtout une fois que vous vous étendez au-delà des langues les plus parlées qui ont tendance à avoir un statut officiel et le niveau de normalisation qui va avec. La plupart des langues dans lesquelles nous travaillons n'ont pas d'orthographe officielle, donc gérer la cohérence au sein d'une équipe devient un défi. Nous relevons ces défis et d'autres – par exemple la détection de comportements frauduleux – en mettant en place des processus rigoureux d'assurance qualité. Encore une fois, il était très évident dans le rapport de recherche sur la maturité de l'IA que pour la plupart des organisations travaillant avec des données d'IA, la qualité figurait en tête de liste des priorités. Et la plupart des organisations interrogées ont exprimé leur volonté de payer plus pour obtenir cela. 

Pour les entreprises qui ont besoin de sources de données et d'annotations de données, à quel moment du parcours de développement d'applications doivent-elles commencer à rechercher ces données ?

Nous recommandons aux organisations de créer une stratégie de données dès qu'elles identifient leur cas d'utilisation de l'IA. Attendre que l'application soit en développement peut entraîner de nombreuses retouches inutiles, car l'IA peut apprendre les mauvaises choses et devoir être recyclée par des données de qualité, ce qui peut prendre du temps à rechercher et à intégrer dans le processus de développement.

Quelle est la règle de base pour connaître la fréquence à laquelle les données doivent être mises à jour ?

Cela dépend vraiment du type d'application que vous développez et de la fréquence à laquelle les données qui la prennent en charge changent de manière significative. Cela signifie que les données sont une représentation de la vie réelle et qu'au fil du temps, les données doivent être mises à jour pour fournir un reflet précis de ce qui se passe dans le monde. Nous appelons ce phénomène la dérive du modèle, dont il existe deux types, chacun nécessitant le réapprentissage des algorithmes.

• La dérive de concept se produit lorsqu'une différence significative entre les données d'entraînement et la sortie de l'IA change, ce qui peut se produire soudainement ou plus progressivement. Par exemple, un détaillant peut utiliser des données clients historiques pour former une application d'IA. Mais lorsqu'un changement massif dans la réalité des consommateurs se produit, l'algorithme devra être recyclé afin de refléter cela.

• La dérive des données se produit lorsque les données utilisées pour former une application ne reflètent plus les données réelles rencontrées lors de son entrée en production. Cela peut être causé par une série de facteurs, y compris les changements démographiques, la saisonnalité ou la situation d'une application dans une nouvelle région géographique.

LXT a récemment dévoilé un rapport intitulé "Le chemin vers la maturité de l'IA 2023”. Quelles sont les conclusions de ce rapport qui vous ont surpris ?

Cela n'aurait probablement pas dû être une surprise, mais ce qui s'est vraiment démarqué, c'est la diversité des applications. Vous vous attendiez peut-être à ce que deux ou trois domaines d'activité dominent, mais lorsque nous avons demandé où les répondants prévoyaient de concentrer leurs efforts en matière d'IA et où ils prévoyaient de déployer leur IA, cela ressemblait initialement au chaos - l'absence de toute tendance. Mais en passant au crible les données et en examinant les réponses qualitatives, il est devenu évident que l'absence de tendance is la tendance. Au moins aux yeux de nos répondants, si vous avez un problème, il y a une réelle possibilité que quelqu'un travaille sur une solution d'IA pour y remédier.

L'IA générative prend d'assaut le monde, que pensez-vous de la portée des modèles génératifs de langage dans l'industrie ?

Mon opinion personnelle à ce sujet est que la compréhension du langage naturel est au cœur du véritable pouvoir de l'intelligence artificielle générative - je choisis d'utiliser les mots ici plutôt que l'abréviation pour l'emphase. L'« intelligence » de l'IA s'apprend par le langage ; la capacité d'aborder et finalement de résoudre des problèmes complexes passe par des interactions itératives et cumulatives en langage naturel. Dans cet esprit, je pense que les modèles générateurs de langage seront en phase avec d'autres éléments de l'IA tout au long du chemin.

Quelle est votre vision du futur de l'IA et du futur de LXT ?

Je suis un optimiste de nature et cela colorera ma réponse ici, mais ma vision de l'avenir de l'IA est de la voir améliorer la qualité de vie de chacun ; pour qu'il fasse de notre monde un endroit plus sûr, un endroit meilleur pour les générations futures. Au niveau micro, ma vision pour LXT est de voir l'organisation continuer à s'appuyer sur ses forces, à se développer et à devenir un employeur de choix et une force pour le bien, pour la communauté mondiale qui rend notre entreprise possible. Au niveau macro, ma vision pour LXT est de contribuer de manière significative et significative à la réalisation de ma vision optimiste biaisée de l'avenir de l'IA.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter LXT.