Phil Hall, Chief Growth Officer di LXT – Intervista

Il Chief Growth Officer di LXT, Phil Hall, è un ex dirigente di Appen e membro del Forbes Technology Council. Nel suo ruolo di leadership in Appen, ha gestito una divisione di oltre 1.000 dipendenti e ha svolto un ruolo chiave nel raggiungere 17 anni consecutivi di crescita dei ricavi con una redditività costantemente solida. Nel suo attuale ruolo in LXT, sta lavorando con un team di esperti selezionati per raggiungere ambiziosi obiettivi di crescita.

LXT è un’azienda leader emergente nel settore dei dati di addestramento per l’intelligenza artificiale, al servizio di organizzazioni globali, tra cui le più grandi aziende tecnologiche del mondo. In partnership con una rete internazionale di contributori, LXT raccoglie e annota dati in più modalità con la velocità, la scala e l’agilità richieste dalle aziende. La loro competenza globale copre oltre 115 paesi e 750 localizzazioni linguistiche. Fondata nel 2010, LXT ha sede a Toronto, in Canada, con sedi negli Stati Uniti, in Australia, in Egitto, nel Regno Unito e in Turchia. La società serve clienti in Nord America, Europa, Asia Pacifico e Medio Oriente.

Quando hai scoperto per la prima volta di essere appassionato di linguistica?

Sono stato affascinato dalla linguistica fin da quando mi ricordo, ma in termini di impegno diretto con la linguistica, c’è stato un punto di svolta significativo per me. Ci siamo resi conto molto presto che una delle nostre figlie era dislessica e quando abbiamo parlato con la sua scuola per ottenere ulteriore supporto, hanno detto che mentre c’erano programmi a cui potevano accedere, c’erano anche cose che potevo fare come volontario a scuola per aiutare nostra figlia e altri bambini. È andato bene e da lì ho iniziato a studiare linguistica e mi sono trovato a insegnare in due università qui a Sydney.

Stavi insegnando linguistica prima di spostarti nel settore dei dati vocali, cosa ti ha ispirato a cambiare la tua attenzione?

Appen, con sede a Sydney, stava solo facendo la transizione da un’operazione gestita in una stanza di una casa a un’operazione commerciale a tutti gli effetti. Mi è stato detto che stavano cercando un linguista (forse più precisamente, un linguista!) e sono stato presentato ai fondatori Julie e Chris Vonwiller. La transizione è stata graduale e si è estesa per circa due anni. Ero riluttante a lasciare l’insegnamento – lavorare con studenti di alto livello era sia ispirante che molto divertente. Ma soprattutto durante quegli anni pionieristici, stavo risolvendo problemi difficili insieme agli esperti di tecnologia linguistica di tutto il mondo e i livelli di entusiasmo erano alti. Molte cose che vengono date per scontate oggi, erano molto impegnative a quel tempo.

Sei uscito dalla pensione per unirti a LXT. Cosa ti ha motivato a farlo?

È una domanda interessante, poiché stavo godendomi la mia vita in pensione. In realtà, il nostro co-fondatore e CEO Mohammad Omar mi ha avvicinato mesi prima che rispondessi alla sua prima richiesta, poiché stavo vivendo uno stile di vita rilassato e non avevo realmente contemplato il ritorno al lavoro a tempo pieno. Dopo aver accettato di fare la prima telefonata in cui Mo mi ha chiesto della possibilità di unirmi a LXT, mi aspettavo di ascoltare educatamente e rifiutare.

Ma alla fine, l’opportunità era semplicemente troppo buona per resistere.

Mentre parlavo con Mohammad e gli altri membri del team di LXT, ho immediatamente riconosciuto una passione condivisa per la linguistica. Il team che Mohammad aveva radunato era composto da pensatori creativi con energia senza limiti che erano completamente impegnati nella missione della società.

Man mano che ho appreso di più sull’opportunità con LXT, ho capito che era un’opportunità che non volevo perdere. Ecco un’azienda con un potenziale di crescita e espansione massiccia in un settore di cui sono appassionato. E poiché il mercato dell’intelligenza artificiale continua a crescere esponenzialmente, l’opportunità di aiutare più organizzazioni a passare dalla sperimentazione alla produzione è un’opportunità emozionante di cui sono molto felice di far parte.

Quali sono alcune delle sfide attuali dietro l’acquisizione di dati su larga scala?

Le sfide sono varie quanto le applicazioni che le guidano.

Da un punto di vista pratico, le sfide includono l’autenticità, l’affidabilità, l’accuratezza, la sicurezza e il fatto che i dati siano adatti allo scopo – e questo senza considerare il crescente numero di sfide legali ed etiche insite nell’acquisizione dei dati.

Ad esempio, lo sviluppo della tecnologia a supporto dei veicoli autonomi richiede la raccolta di volumi estremamente grandi di dati in molteplici scenari in modo che l’auto possa capire come rispondere a situazioni del mondo reale. Ci sono un numero infinito di casi limite che si possono incontrare mentre si guida, quindi gli algoritmi che alimentano quei veicoli hanno bisogno di set di dati che coprano tutto, dalle strade ai segnali di stop agli oggetti cadenti. E poi, se si moltiplica questo per il numero di eventi meteorologici che possono verificarsi, la quantità di dati di addestramento necessari aumenta esponenzialmente. Le aziende automobilistiche che si avventurano nello spazio autonomo devono stabilire un flusso di dati affidabile e farlo da sole richiederebbe una quantità massiccia di risorse.

Un altro caso d’uso è l’espansione di un prodotto di intelligenza artificiale vocale esistente in nuovi mercati per catturare quota di mercato e nuovi clienti. Ciò richiede inevitabilmente dati linguistici e per raggiungere l’accuratezza è fondamentale sorgere dati vocali da parlanti madrelingua di vari profili demografici. Una volta raccolti i dati, i file vocali devono essere trascritti per addestrare gli algoritmi di NLP del prodotto. Fare ciò per più lingue e ai volumi di dati necessari per essere efficaci è estremamente impegnativo per le aziende da sole, specialmente se mancano di competenze interne in questo campo.

Questi sono solo due esempi delle molte sfide che esistono con la raccolta di dati per l’intelligenza artificiale su larga scala, ma come puoi immaginare, l’automazione domestica, i dati dei dispositivi mobili e la raccolta di dati biometrici hanno ciascuno le proprie sfide specifiche.

Quali sono i metodi attuali con cui LXT sorgente e annota i dati?

In LXT, raccogliamo e annotiamo i dati in modo diverso per ogni cliente, poiché tutti i nostri impegni sono personalizzati per soddisfare le specifiche dei nostri clienti. Lavoriamo con una varietà di tipi di dati, tra cui audio, immagini, discorsi, testo e video. Per la raccolta dei dati, lavoriamo con una rete globale di contractor per raccogliere dati in queste diverse modalità. Le raccolte possono variare dall’acquisizione di dati in ambienti del mondo reale come case, uffici o in auto, a in-studio con ingegneri esperti nel caso di progetti di raccolta di dati vocali.

Le nostre capacità di annotazione dei dati coprono anche molteplici modalità. La nostra esperienza è iniziata nello spazio vocale e negli ultimi 12 anni ci siamo espansi in oltre 115 paesi e più di 750 localizzazioni linguistiche. Ciò significa che le aziende di tutte le dimensioni possono fare affidamento su LXT per aiutarle a penetrare una vasta gamma di mercati e catturare nuovi segmenti di clienti. Più recentemente, ci siamo espansi nel testo, nelle immagini e nei dati video e la nostra piattaforma interna viene utilizzata per consegnare dati di alta qualità ai nostri clienti.

Un’altra area di crescita emozionante per noi è stata il nostro lavoro di annotazione sicura. Solo quest’anno, abbiamo espanso la nostra impronta di strutture sicure ISO 27001 da due a cinque località in tutto il mondo. Abbiamo sviluppato un piano di lavoro che ci consente di stabilire nuove strutture in pochi mesi. I servizi su cui ci concentriamo in queste strutture sicure sono attualmente l’annotazione e la trascrizione dei dati vocali, ma possono essere utilizzati per l’annotazione di molti tipi di dati.

Perché sorgere i dati in questo modo è un’alternativa superiore ai dati sintetici?

I dati sintetici sono uno sviluppo emozionante nel campo dell’intelligenza artificiale e sono adatti a casi d’uso specifici, in particolare ai casi limite che sono difficili da catturare nel mondo reale. L’uso di dati sintetici è in aumento, in particolare nelle prime fasi della maturità dell’intelligenza artificiale, poiché le aziende sono ancora in modalità di sperimentazione. Tuttavia, la nostra stessa ricerca mostra che man mano che le organizzazioni maturano le loro strategie di intelligenza artificiale e spingono più modelli in produzione, sono molto più probabili che utilizzino metodi di apprendimento automatico supervisionato o semi-supervisionato che si basano su dati annotati da esseri umani.

Gli esseri umani sono semplicemente migliori dei computer nel comprendere le sfumature per creare i dati necessari per addestrare i modelli di apprendimento automatico a eseguire con alta accuratezza e la supervisione umana è anche fondamentale per ridurre i pregiudizi.

Perché questi dati sono così importanti per il linguaggio e l’elaborazione del linguaggio naturale?

Perché gli algoritmi di linguaggio e di elaborazione del linguaggio naturale funzionino efficacemente nei loro mercati di destinazione, devono essere addestrati con grandi volumi di dati sorgenti da parlanti madrelingua che hanno il contesto culturale degli utenti finali che rappresentano. Senza questi dati, l’adozione dell’intelligenza artificiale vocale avrà gravi limitazioni.

Inoltre, l’ambiente deve essere preso in considerazione quando si raccolgono dati vocali. Se la soluzione di intelligenza artificiale vocale in fase di addestramento verrà utilizzata in un’auto, ad esempio, ci sono diverse condizioni stradali e meteorologiche che influenzano il linguaggio e devono essere prese in considerazione. Sono scenari complessi in cui un partner di dati esperto può aiutare.

C’è qualcos’altro che vorresti condividere su LXT?

Prima di tutto, voglio ringraziarti per l’opportunità di condividere la nostra storia! Vorrei sottolineare che la nostra azienda è impegnata ad aiutare le organizzazioni di tutte le dimensioni a avere successo con le loro iniziative di intelligenza artificiale. Ci siamo concentrati nel fornire dati di intelligenza artificiale personalizzati alle aziende di tutto il mondo per oltre 12 anni e saremmo felici di connetterci con chiunque cerchi di creare un flusso di dati affidabile per supportare i propri progetti di intelligenza artificiale.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare LXT.