Phil Hall, Chief Growth Officer presso LXT – Serie di interviste

Funzionario capo della crescita di LXT Phil Sala è un ex dirigente di Appen e Consiglio tecnologico di Forbes membro. Nel suo ruolo di leadership in Appen ha gestito una divisione di oltre 1,000 dipendenti e ha svolto un ruolo chiave nel raggiungimento di 17 anni consecutivi di crescita del fatturato con una redditività costantemente elevata. Nel suo ruolo attuale con LXT, sta lavorando con un team selezionato di esperti per raggiungere obiettivi di crescita ambiziosi.

LXT è un leader emergente nei dati di addestramento AI per alimentare la tecnologia intelligente per le organizzazioni globali, comprese le più grandi aziende tecnologiche del mondo. In collaborazione con una rete internazionale di contributori, LXT raccoglie e annota i dati in più modalità con la velocità, la scala e l'agilità richieste dall'azienda. Hanno un'esperienza globale che copre più di 115 paesi e 750 lingue locali. Fondata nel 2010, LXT ha sede a Toronto, in Canada, con presenza negli Stati Uniti, Australia, Egitto, Regno Unito e Turchia. L'azienda serve clienti in Nord America, Europa, Asia Pacifico e Medio Oriente.

Quando hai scoperto di essere appassionato di lingue?

Sono stato incuriosito dalla lingua per tutto il tempo che posso ricordare, ma in termini di mio impegno diretto con la lingua e la linguistica, c'è stato un unico punto di svolta significativo per me. Ci siamo resi conto molto presto che uno dei nostri figli era dislessico e quando abbiamo parlato con la sua scuola di ulteriore sostegno ci hanno detto che mentre c'erano programmi a cui potevano accedere, c'erano anche cose che potevo fare come volontario presso la scuola per aiutare i nostri figlia e altri bambini. È andata bene, e da lì ho continuato a studiare linguistica e mi sono ritrovato a insegnare in due delle università qui a Sydney.

Insegnavi linguistica prima di entrare nello spazio dei dati vocali, cosa ti ha ispirato a spostare la tua attenzione?

Appen, con sede a Sydney, stava appena effettuando la transizione dall'essere un'operazione gestita da una stanza libera in una casa a un'operazione commerciale a tutti gli effetti. Mi è stato detto che stavano cercando linguisti (forse più precisamente, un linguista!) e sono stato presentato ai fondatori Julie e Chris Vonwiller. La transizione è stata graduale e si è protratta per circa due anni. Ero riluttante ad abbandonare l'insegnamento: lavorare con studenti di successo è stato sia stimolante che molto divertente. Ma soprattutto durante quegli anni pionieristici stavo risolvendo problemi difficili insieme ai maggiori esperti di tecnologia linguistica del mondo, e il livello di entusiasmo era alto. Molto di ciò che oggi viene dato per scontato, all'epoca era molto impegnativo.

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

Questa è una domanda interessante perché mi stavo decisamente divertendo in pensione. In effetti, il nostro co-fondatore e CEO Mohammad Omar mi ha contattato mesi prima che rispondessi alla sua domanda iniziale, poiché stavo vivendo uno stile di vita rilassato e non avevo davvero pensato di tornare al lavoro a tempo pieno. Dopo aver accettato di rispondere alla prima chiamata in cui Mo ha chiesto della possibilità di entrare a far parte di LXT, mi aspettavo di ascoltare educatamente e rifiutare.

Ma alla fine, l'opportunità era semplicemente troppo ghiotta per resistere.

Parlando con Mohammad e gli altri membri del team LXT, ho subito riconosciuto una passione condivisa per la lingua. Il team che Mohammad aveva riunito era pieno di pensatori creativi con un'energia illimitata che erano pienamente impegnati nella missione dell'azienda.

Quando ho saputo di più sull'opportunità con LXT, ho capito che era un'opportunità a cui non volevo rinunciare. Ecco un'azienda con un enorme potenziale di espansione e crescita in un'area che mi appassiona. E poiché il mercato dell'IA continua a crescere in modo esponenziale, l'opportunità di aiutare più organizzazioni a passare dalla sperimentazione alla produzione è un'opportunità entusiasmante 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 tanto varie quanto le applicazioni che le guidano.

Da un punto di vista pratico le sfide includono autenticità, affidabilità, accuratezza, sicurezza e garantire che i dati siano adatti allo scopo, e questo senza tener conto del numero crescente di sfide legali ed etiche inerenti all'acquisizione dei dati.

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

Un altro caso d'uso è l'espansione di un prodotto AI vocale esistente in nuovi mercati per acquisire quote di mercato e nuovi clienti. Ciò richiede inevitabilmente dati sulla lingua e per ottenere la precisione è fondamentale reperire dati vocali da madrelingua attraverso una varietà di profili demografici. Una volta che i dati sono stati raccolti, i file vocali devono essere trascritti per addestrare gli algoritmi NLP del prodotto. Fare questo per più lingue e con i volumi di dati necessari per essere efficaci è estremamente impegnativo per le aziende da sole, in particolare se mancano delle competenze interne in questo campo.

Questi sono solo due esempi delle numerose sfide che esistono con la raccolta di dati per l'intelligenza artificiale su larga scala, ma come puoi immaginare, anche l'automazione domestica, i dispositivi mobili e le raccolte di dati biometrici hanno le loro sfide specifiche.

Quali sono i modi attuali in cui LXT genera 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 su una varietà di tipi di dati, inclusi audio, immagini, parlato, testo e video. Per la raccolta dei dati, lavoriamo con una rete globale di appaltatori per raccogliere i dati in queste diverse modalità. Le raccolte possono variare dall'acquisizione di dati in contesti reali come case, uffici o in auto, all'acquisizione in studio con ingegneri esperti nel caso di determinati progetti di raccolta di dati vocali.

Le nostre capacità di annotazione dei dati abbracciano anche più 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 località linguistiche. Ciò significa che le aziende di tutte le dimensioni possono contare su LXT per aiutarle a penetrare un'ampia gamma di mercati e acquisire nuovi segmenti di clientela. Più recentemente ci siamo espansi in dati di testo, immagini e video e la nostra piattaforma interna viene utilizzata per fornire dati di alta qualità ai nostri clienti.

Un'altra entusiasmante area di crescita per noi è stata con il nostro lavoro di annotazione sicura. Proprio quest'anno abbiamo ampliato la nostra presenza di strutture sicure ISO 27001 da due a cinque sedi in tutto il mondo. Ora abbiamo sviluppato un playbook che ci consente di creare nuove strutture nel giro di 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 su molti tipi di dati.

Perché l’acquisizione dei dati in questo modo è un’alternativa migliore ai dati sintetici?

I dati sintetici rappresentano uno sviluppo entusiasmante nel campo dell'intelligenza artificiale e si adattano bene a casi d'uso specifici, in particolare casi limite difficili da acquisire nel mondo reale. L'uso di dati sintetici è in aumento, in particolare nelle prime fasi della maturità dell'IA poiché le aziende sono ancora in modalità di sperimentazione. Tuttavia, il nostro riparazioni mostra che man mano che le organizzazioni maturano le loro strategie di intelligenza artificiale e immettono in produzione più modelli, è molto più probabile che utilizzino metodi di apprendimento automatico supervisionati o semi-supervisionati che si basano su dati annotati dall’uomo.

Gli esseri umani sono semplicemente migliori dei computer nel comprendere le sfumature per creare i dati necessari per addestrare i modelli ML a funzionare con elevata precisione e anche la supervisione umana è fondamentale per ridurre i bias.

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

Affinché gli algoritmi di elaborazione del parlato e del linguaggio naturale funzionino efficacemente nei mercati previsti, devono essere addestrati con volumi elevati di dati provenienti da madrelingua che hanno il contesto culturale degli utenti finali che rappresentano. Senza questi dati, l'adozione dell'IA vocale avrà gravi limitazioni.

Inoltre, l'ambiente deve essere tenuto in considerazione durante la raccolta dei dati vocali. Se la soluzione di intelligenza artificiale vocale che viene addestrata verrà utilizzata in un'auto, ad esempio, ci sono diverse condizioni stradali e meteorologiche che influiscono sul parlato e devono essere prese in considerazione. Questi sono scenari complessi in cui un partner di dati esperto può aiutare.

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

Innanzitutto, voglio ringraziarti per l'opportunità di condividere la nostra storia! Vorrei sottolineare che la nostra azienda si impegna ad aiutare le organizzazioni di tutte le dimensioni ad avere successo con le loro iniziative di intelligenza artificiale. Da oltre 12 anni ci concentriamo sulla fornitura di dati AI altamente personalizzati alle aziende di tutto il mondo e saremmo lieti di entrare in contatto con chiunque desideri creare una pipeline di dati affidabile per supportare i propri progetti AI.

Grazie per l'ottima intervista, i lettori che desiderano saperne di più dovrebbero visitare LXT.