Eric Landau, Co-Founder & CEO of Encord – Seri Wawancara

Eric Landau adalah CEO & Co-Founder dari Encord, sebuah platform pembelajaran aktif untuk penglihatan komputer. Eric adalah peneliti kuantitatif utama di meja delta-one ekuitas global, memasang ribuan model ke produksi. Sebelum Encord, ia menghabiskan hampir satu dekade di perdagangan frekuensi tinggi di DRW. Ia memegang gelar S.M. di Fisika Terapan dari Universitas Harvard, M.S. di Teknik Elektro, dan B.S. di Fisika dari Universitas Stanford.

Di waktu luangnya, Eric menikmati bermain dengan ChatGPT dan model bahasa besar serta membuat koktail kraft.

Apa yang menginspirasi Anda untuk menjadi co-founder Encord, dan bagaimana pengalaman Anda di fisika partikel dan keuangan kuantitatif membentuk pendekatan Anda untuk memecahkan “masalah data” di AI?

Saya pertama kali memikirkan tentang pembelajaran mesin saat bekerja di fisika partikel dan menangani dataset yang sangat besar selama saya di Pusat Akselerator Linear Stanford (SLAC). Saya menggunakan perangkat lunak yang dirancang untuk fisikawan oleh fisikawan, yang berarti ada banyak keinginan untuk pengalaman pengguna yang lebih menyenangkan. Dengan alat yang lebih mudah, saya akan dapat menjalankan analisis lebih cepat.

Kemudian, bekerja di keuangan kuantitatif di DRW, saya bertanggung jawab untuk membuat ribuan model yang diterapkan ke produksi. Serupa dengan pengalaman saya di fisika, saya menemukan bahwa data berkualitas tinggi sangat penting dalam membuat model yang akurat dan bahwa mengelola data skala besar yang kompleks sangat sulit. Ulrik memiliki pengalaman serupa dalam memvisualisasikan dataset gambar besar untuk penglihatan komputer.

Saat saya mendengar tentang ide awalnya untuk Encord, saya langsung setuju dan memahami pentingnya. Bersama Ulrik dan saya, kami melihat kesempatan besar untuk membangun platform untuk mengotomatisasi dan menyederhanakan proses pengembangan data AI, membuatnya lebih mudah bagi tim untuk mendapatkan data terbaik ke model dan membangun sistem AI yang dapat dipercaya.

Dapatkah Anda menjelaskan visi di balik Encord dan bagaimana itu membandingkan dengan hari-hari awal komputasi atau internet dalam hal potensi dan tantangan?

Visi Encord adalah untuk menjadi platform fondasional yang perusahaan andalkan untuk mengubah data mereka menjadi model AI fungsional. Kami adalah lapisan antara data perusahaan dan AI mereka.

Dalam banyak cara, AI mencerminkan pergeseran paradigma sebelumnya seperti komputasi pribadi dan Internet dalam hal itu akan menjadi integral dengan alur kerja untuk setiap individu, bisnis, negara, dan industri. Tidak seperti revolusi teknologi sebelumnya, yang telah dibatasi oleh Hukum Moore dari pertumbuhan komputasi yang diperkuat sebesar 30x setiap 10 tahun, pengembangan AI telah mendapat manfaat dari inovasi simultan. Ini bergerak pada kecepatan yang jauh lebih cepat. Dalam kata-kata Jensen Huang dari NVIDIA (NVDA ): “Untuk pertama kalinya, kita melihat eksponensial yang diperkuat… Kita mengompresi sejuta kali setiap sepuluh tahun. Bukan seratus kali, bukan seribu kali, sejuta kali.” Tanpa hiperbola, kita menyaksikan teknologi yang bergerak paling cepat dalam sejarah manusia.

Potensi di sini sangat besar: dengan mengotomatisasi dan menskala pengelolaan data berkualitas tinggi untuk AI, kita mengatasi bottleneck yang mencegah adopsi AI yang lebih luas. Tantangan tersebut mirip dengan hambatan di awal hari teknologi sebelumnya: silo, kurangnya praktik terbaik, keterbatasan untuk pengguna non-teknis, dan kekurangan abstraksi yang terdefinisi dengan baik.

Encord Index diposisikan sebagai alat kunci untuk mengelola dan mengkurasi data AI. Bagaimana itu membedakan diri dari platform pengelolaan data lain yang tersedia saat ini?

Ada beberapa cara yang Index Encord menonjol:

Index dapat diskalakan: Memungkinkan pengguna untuk mengelola miliaran, bukan jutaan, titik data. Alat lain menghadapi masalah skalabilitas untuk data tidak terstruktur dan terbatas dalam mengkonsolidasikan semua data relevan dalam sebuah organisasi.

Index fleksibel: Terintegrasi langsung dengan penyimpanan data pribadi dan penyedia penyimpanan cloud seperti AWS, GCP, dan Azure. Tidak seperti alat lain yang terbatas pada penyedia cloud tunggal atau sistem penyimpanan internal, Index netral terhadap di mana data berada. Ini memungkinkan Anda untuk mengelola data dari banyak sumber dengan tata kelola dan kontrol akses yang tepat yang memungkinkan mereka mengembangkan aplikasi AI yang aman dan patuh.

Index multimodal: Mendukung AI multimodal, mengelola data dalam bentuk gambar, video, audio, teks, dokumen, dan lain-lain. Index tidak terbatas pada satu bentuk data seperti banyak alat LLM saat ini. Kognisi manusia multimodal, dan kami percaya AI multimodal akan berada di jantung gelombang AI berikutnya, yang akan menggantikan chatbot dan LLM.

Bagaimana Encord Index meningkatkan proses pemilihan data yang tepat untuk model AI, dan apa dampaknya terhadap kinerja model?

Encord Index meningkatkan pemilihan data dengan mengotomatisasi kurasi dataset besar, membantu tim mengidentifikasi dan mempertahankan hanya data yang paling relevan sambil menghapus data yang tidak informatif atau bias. Proses ini tidak hanya mengurangi ukuran dataset tetapi juga secara signifikan meningkatkan kualitas data yang digunakan untuk melatih model AI. Pelanggan kami telah melihat peningkatan hingga 20% dalam model mereka sambil mencapai pengurangan 35% dalam ukuran dataset dan menghemat ratusan ribu dolar dalam biaya komputasi dan anotasi manusia.

Dengan integrasi teknologi canggih seperti Model Segmen Apa dari Meta, bagaimana Encord tetap memimpin dalam lanskap AI yang berkembang pesat?

Kami sengaja membangun platform untuk dapat beradaptasi dengan teknologi baru dengan cepat. Kami fokus pada menyediakan pendekatan perangkat lunak yang dapat diskalakan yang dengan mudah mengintegrasikan kemajuan seperti SAM, memastikan bahwa pengguna kami selalu dilengkapi dengan alat terbaru untuk tetap kompetitif.

Kami berencana untuk tetap memimpin dengan fokus pada AI multimodal. Platform Encord sudah dapat mengelola jenis data kompleks seperti gambar, video, dan teks, sehingga ketika kemajuan lebih lanjut dalam AI multimodal datang, kami siap.

Apa tantangan paling umum yang dihadapi perusahaan saat mengelola data AI, dan bagaimana Encord membantu mengatasi tantangan tersebut?

Terdapat 3 tantangan utama yang dihadapi perusahaan:

• Organisasi data yang buruk dan kontrol: Ketika perusahaan mempersiapkan untuk menerapkan solusi AI, mereka sering kali dihadapkan pada kenyataan bahwa data mereka tersebar dan tidak terorganisir, sehingga tidak siap AI. Data ini sering kali kekurangan tata kelola yang kuat di sekitarnya, membatasi sebagian besar dari digunakan dalam sistem AI.
• Kekurangan ahli manusia: Ketika model AI menangani masalah yang semakin kompleks, akan segera ada kekurangan ahli domain manusia untuk mempersiapkan dan memvalidasi data. Ketika permintaan AI perusahaan meningkat, menskalakan tenaga kerja manusia tersebut menjadi tantangan dan mahal.
• Alat yang tidak dapat diskalakan: Model AI yang performa sangat lapar data dalam hal data yang dibutuhkan untuk fine-tuning, validasi, RAG, dan alur kerja lainnya. Generasi alat sebelumnya tidak dilengkapi untuk mengelola jumlah data dan jenis data yang diperlukan untuk model produksi saat ini.

Encord memperbaiki masalah ini dengan mengotomatisasi proses kurasi data skala besar, membuatnya mudah untuk mengidentifikasi data yang berdampak dari data yang bermasalah dan memastikan pembuatan dataset pelatihan dan validasi yang efektif. Ini menggunakan pendekatan perangkat lunak yang dapat diskalakan yang mudah untuk ditingkatkan atau diturunkan sesuai dengan kebutuhan pengelolaan data. Alat anotasi AI kami yang dibantu manusia memungkinkan ahli domain manusia untuk memaksimalkan efisiensi alur kerja. Proses ini sangat penting dalam industri seperti jasa keuangan dan kesehatan, di mana pelatih AI mahal. Kami membuatnya mudah untuk mengelola dan memahami semua data tidak terstruktur organisasi, mengurangi kebutuhan akan tenaga kerja manual.

Bagaimana Encord menangani masalah bias data dan area yang kurang terwakili dalam dataset untuk memastikan model AI yang adil dan seimbang?

Menangani bias data adalah fokus kritis bagi kami di Encord. Platform kami secara otomatis mengidentifikasi dan menampilkan area di mana data mungkin bias, memungkinkan tim AI untuk mengatasi masalah ini sebelum mereka memengaruhi kinerja model. Kami juga memastikan bahwa area yang kurang terwakili dalam dataset secara tepat dimasukkan, yang membantu dalam mengembangkan model AI yang lebih adil dan seimbang. Dengan menggunakan alat kurasi kami, tim dapat yakin bahwa model mereka dilatih pada data yang beragam dan representatif.

Encord baru-baru ini mengamankan $30 juta dalam pendanaan Seri B. Bagaimana pendanaan ini akan mempercepat roadmap produk dan rencana ekspansi Anda?

Pendanaan $30 juta dalam Seri B akan digunakan untuk meningkatkan secara signifikan ukuran tim produk, teknik, dan penelitian AI kami dalam enam bulan ke depan dan mempercepat pengembangan Encord Index dan fitur baru lainnya. Kami juga memperluas kehadiran kami di San Francisco dengan kantor baru, dan pendanaan ini akan membantu kami menskalakan operasi untuk mendukung basis pelanggan yang tumbuh.

Sebagai perusahaan AI termuda dari Y Combinator yang menggalang pendanaan Seri B, apa yang Anda atribusikan pada pertumbuhan dan kesuksesan Encord yang cepat?

Salah satu alasan kami dapat tumbuh dengan cepat adalah bahwa kami telah mengadopsi fokus yang sangat berorientasi pada pelanggan di semua area perusahaan. Kami terus-menerus berkomunikasi dengan pelanggan, mendengarkan masalah mereka dengan saksama, dan “membungkus” mereka untuk mencapai solusi. Dengan hyper-fokus pada kebutuhan pelanggan daripada hype, kami telah menciptakan platform yang sesuai dengan tim AI teratas di berbagai industri. Pelanggan kami telah sangat penting dalam membawa kami ke tempat kami sekarang. Kemampuan kami untuk menskalakan dengan cepat dan mengelola kompleksitas data AI telah membuat kami menjadi solusi yang menarik bagi perusahaan.

Kami juga berhutang banyak kesuksesan kami kepada rekan kerja, mitra, dan investor kami, yang telah bekerja tanpa lelah untuk mendukung Encord. Bekerja dengan tim produk, teknik, dan pemasaran kelas dunia telah sangat berdampak pada pertumbuhan kami.

Bagaimana Anda melihat peran platform data AI seperti Encord berkembang dalam lima tahun ke depan?

Ketika aplikasi AI tumbuh dalam kompleksitas, kebutuhan akan solusi pengelolaan data yang efisien dan dapat diskalakan akan meningkat. Saya percaya bahwa setiap perusahaan akhirnya akan memiliki departemen AI, sama seperti departemen TI ada saat ini. Encord akan menjadi satu-satunya platform yang mereka butuhkan untuk mengelola jumlah data yang besar yang diperlukan untuk AI dan mendapatkan model ke produksi dengan cepat.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Encord.