मोहम्मद ओमार, एलएक्सटी के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

मोहम्मद ओमार एलएक्सटी के सह-संस्थापक और सीईओ हैं, जो वैश्विक संगठनों के लिए बुद्धिमान प्रौद्योगिकी को शक्ति प्रदान करने के लिए एआई प्रशिक्षण डेटा में एक उभरता हुआ नेता है। एक अंतरराष्ट्रीय नेटवर्क के योगदानकर्ताओं के साथ साझेदारी में, एलएक्सटी कई मोडलिटी में डेटा एकत्र करता है और एनोटेट करता है, जिसमें उद्यम के लिए आवश्यक गति, पैमाने और लचीलापन होता है। 2010 में स्थापित, एलएक्सटी टोरंटो, कनाडा में मुख्यालय है, और संयुक्त राज्य अमेरिका, ऑस्ट्रेलिया, भारत, तुर्की, यूके और मिस्र में उपस्थिति है।

क्या आप एलएक्सटी के पीछे की उत्पत्ति की कहानी साझा कर सकते हैं?

एलएक्सटी की स्थापना तब हुई जब मेरे पूर्व नियोक्ता को अरबी डेटा की आवश्यकता थी, लेकिन उन्हें सही आपूर्तिकर्ता नहीं मिल रहे थे। मैंने अपने पद से इस्तीफा दे दिया और एक नई कंपनी स्थापित की, और अपने पूर्व नियोक्ता को हमारी सेवाएं प्रदान करने के लिए तैयार हो गया। हमें तुरंत उनके सबसे चुनौतीपूर्ण परियोजनाओं को दिया गया, जिन्हें हमने सफलतापूर्वक पूरा किया, और तब से यह बढ़ता गया। अब 12 साल बाद, हमने इस कंपनी के साथ एक मजबूत संबंध बनाया है, और हम उच्च गुणवत्ता वाले भाषा डेटा के लिए एक पसंदीदा आपूर्तिकर्ता बन गए हैं।

एआई को बड़े पैमाने पर तैनात करने के पीछे कुछ बड़ी चुनौतियां क्या हैं?

यह एक अच्छा प्रश्न है, और हमने वास्तव में इसे अपनी नवीनतम शोध रिपोर्ट में शामिल किया है, एआई मेच्योरिटी के लिए रास्ता। उत्तरदाताओं द्वारा उद्धृत सबसे बड़ी चुनौती उनके मौजूदा या विरासत प्रणालियों को एआई समाधानों में एकीकृत करना था। यह समझ में आता है, क्योंकि हमने बड़ी कंपनियों का सर्वेक्षण किया था जिनके पास अपने संगठनों में प्रौद्योगिकी प्रणालियों की एक श्रृंखला होगी जिन्हें एक डिजिटल परिवर्तन रणनीति में तर्कसंगत किया जाना चाहिए। अन्य चुनौतियों में कुशल प्रतिभा की कमी, प्रशिक्षण या संसाधनों की कमी, और गुणवत्तापूर्ण डेटा सourcing शामिल थे। मुझे इन प्रतिक्रियाओं से आश्चर्य नहीं हुआ, क्योंकि वे सामान्य रूप से उद्धृत किए जाते हैं, और हमारे संगठन के लिए डेटा चुनौती का कारण है।

डेटा चुनौतियों के संबंध में, एलएक्सटी डेटा स्रोत और लेबल दोनों कर सकता है ताकि मशीन लर्निंग एल्गोरिदम इसका अर्थ समझ सकें। हम इसे बड़े पैमाने पर और लचीलेपन के साथ करने में सक्षम हैं, जिसका अर्थ है कि हम उच्च गुणवत्ता वाले डेटा को बहुत तेजी से वितरित करते हैं। ग्राहक अक्सर हमारे पास आते हैं जब वे लॉन्च के लिए तैयार होते हैं और यह सुनिश्चित करना चाहते हैं कि उनका उत्पाद ग्राहकों द्वारा अच्छी तरह से प्राप्त किया जाएगा,

हमारे साथ डेटा स्रोत और लेबल करके, कंपनियां अपने संसाधनों और प्रतिभा की कमी को दूर कर सकती हैं और अपनी टीमों को नवाचारी समाधान बनाने पर ध्यान केंद्रित करने की अनुमति दे सकती हैं।

एलएक्सटी 750 से अधिक भाषाओं के लिए कवरेज प्रदान करता है, लेकिन भाषा की संरचना से परे अनुवाद और स्थानीयकरण चुनौतियां हैं। आप एलएक्सटी कैसे इन चुनौतियों का सामना करते हैं?

वास्तव में अनुवाद और स्थानीयकरण चुनौतियां हैं – विशेष रूप से जब आप सबसे व्यापक रूप से बोली जाने वाली भाषाओं से परे निकल जाते हैं जिनके पास आधिकारिक दर्जा और मानकीकरण का स्तर होता है। हम जिन भाषाओं में काम करते हैं उनमें से कई के पास आधिकारिक वर्तनी नहीं है, इसलिए एक टीम के भीतर संगतता का प्रबंधन एक चुनौती बन जाता है। हम इन और अन्य चुनौतियों का सामना करने के लिए गुणवत्ता आश्वासन के लिए कठोर प्रक्रियाओं को लागू करके करते हैं – जैसे कि धोखाधड़ी व्यवहार का पता लगाना। फिर से, यह हमारी एआई परिपक्वता अनुसंधान रिपोर्ट में स्पष्ट था कि अधिकांश संगठनों के लिए एआई डेटा के साथ काम करने के लिए, गुणवत्ता प्राथमिकता सूची में सबसे ऊपर है। और अधिकांश संगठनों ने इसे प्राप्त करने के लिए अधिक भुगतान करने की इच्छा व्यक्त की।

कंपनियों के लिए जो डेटा स्रोतिंग और डेटा एनोटेशन की आवश्यकता है, उन्हें अपने अनुप्रयोग विकास यात्रा में कब शुरू करना चाहिए?

हम अनुशंसा करते हैं कि संगठन अपने एआई उपयोग के मामले की पहचान करते ही एक डेटा रणनीति बनाएं। अनुप्रयोग विकास में देर से शुरू करने से अनावश्यक पुनर्कार्य हो सकता है, क्योंकि एआई गलत चीजें सीख सकता है और गुणवत्तापूर्ण डेटा द्वारा पुन: प्रशिक्षित किया जाना चाहिए, जिसे स्रोत और एकीकरण में समय लग सकता है।

डेटा को अद्यतन करने की आवृत्ति के लिए नियम क्या है?

यह वास्तव में उस अनुप्रयोग पर निर्भर करता है जिसे आप विकसित कर रहे हैं और जिस डेटा का समर्थन करता है वह कितनी बार महत्वपूर्ण रूप से बदलता है। इसका अर्थ है कि डेटा वास्तविक जीवन का प्रतिनिधित्व करता है, और समय के साथ, डेटा को अद्यतन किया जाना चाहिए ताकि यह दुनिया में क्या हो रहा है इसका एक सटीक प्रतिबिंब प्रदान करे। हम इसे मॉडल ड्रिफ्ट कहते हैं, जिसके दो प्रकार हैं, प्रत्येक के लिए एल्गोरिदम को पुन: प्रशिक्षित करने की आवश्यकता होती है।

• कॉन्सेप्ट ड्रिफ्ट तब होता है जब प्रशिक्षण डेटा और एआई आउटपुट के बीच एक महत्वपूर्ण अंतर होता है, जो अचानक या अधिक क्रमिक रूप से हो सकता है। उदाहरण के लिए, एक रिटेलर ऐतिहासिक ग्राहक डेटा का उपयोग करके एक एआई अनुप्रयोग को प्रशिक्षित कर सकता है। लेकिन जब उपभोक्ता वास्तविकता में एक बड़ा बदलाव होता है, तो एल्गोरिदम को पुन: प्रशिक्षित करने की आवश्यकता होगी ताकि यह प्रतिबिंबित हो।

• डेटा ड्रिफ्ट तब होता है जब अनुप्रयोग को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा उत्पादन में प्रवेश करने पर वास्तविक डेटा का प्रतिनिधित्व नहीं करते हैं। यह जनसांख्यिकीय बदलाव, मौसमी या एक नए भौगोलिक क्षेत्र में अनुप्रयोग की स्थिति जैसे विभिन्न कारकों के कारण हो सकता है।

एलएक्सटी ने हाल ही में “एआई मेच्योरिटी 2023” नामक एक रिपोर्ट जारी की। इस रिपोर्ट में कुछ निष्कर्ष क्या थे जो आपको आश्चर्यचकित करते थे?

यह शायद आश्चर्य की बात नहीं होनी चाहिए, लेकिन जो बात सबसे ज्यादा ध्यान देने योग्य थी वह थी अनुप्रयोगों की विविधता। आप उम्मीद कर सकते हैं कि दो या तीन डोमेन गतिविधि को प्रमुख बनाएंगे, लेकिन जब हमने उत्तरदाताओं से पूछा कि वे अपने एआई प्रयासों पर ध्यान केंद्रित करने और एआई तैनात करने की योजना कहां बना रहे थे, तो यह शुरू में अराजकता की तरह लगा – कोई रुझान नहीं था। लेकिन जब हमने डेटा को छाना और गुणात्मक प्रतिक्रियाओं को देखा, तो यह स्पष्ट हो गया कि अराजकता ही रुझान है। कम से कम हमारे उत्तरदाताओं की नजर में, यदि आपके पास एक समस्या है, तो कोई व्यक्ति इसके लिए एक एआई समाधान पर काम कर रहा है।

जनरेटिव एआई दुनिया को झकझोर रहा है, आपका मानना है कि भाषा जनरेटिव मॉडल उद्योग को कितनी दूर ले जा सकते हैं?

मेरा व्यक्तिगत दृष्टिकोण यह है कि जनरेटिव आर्टिफिशियल इंटेलिजेंस की वास्तविक शक्ति के लिए केंद्रीय प्राकृतिक भाषा समझ है। एआई की ‘बुद्धिमत्ता’ भाषा के माध्यम से सीखी जाती है; जटिल समस्याओं को संबोधित करने और अंततः हल करने की क्षमता प्राकृतिक भाषा परस्पर क्रिया के माध्यम से मध्यस्थता करती है। इस बात को ध्यान में रखते हुए, मुझे लगता है कि भाषा जनरेटिव मॉडल अन्य एआई तत्वों के साथ तालमेल बिठाकर चलेंगे।

एआई के भविष्य और एलएक्सटी के भविष्य के लिए आपकी दृष्टि क्या है?

मैं स्वभाव से एक आशावादी हूं और यह मेरी प्रतिक्रिया को रंग देगा। मेरी दृष्टि एआई के भविष्य के लिए यह है कि यह हर किसी के जीवन को बेहतर बनाने के लिए, इसे एक सुरक्षित और बेहतर दुनिया बनाने के लिए। एलएक्सटी के लिए, मेरी दृष्टि यह है कि हम अपनी ताकत पर निर्माण करते रहें, बढ़ते रहें और एक नियोक्ता के रूप में एक पसंदीदा और वैश्विक समुदाय के लिए एक शक्ति बनें, जो हमारे व्यवसाय को संभव बनाता है। एक मैक्रो स्तर पर, मेरी दृष्टि एलएक्सटी के लिए यह है कि हम एआई के भविष्य के लिए मेरी आशावादी दृष्टि को पूरा करने में एक महत्वपूर्ण और अर्थपूर्ण तरीके से योगदान करें।

धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें एलएक्सटी पर जाना चाहिए。