エリック・ランドー、Encordの共同創設者兼CEO – インタビュー・シリーズ

エリック・ランドーは、コンピュータビジョンのためのアクティブラーニングプラットフォームであるEncordのCEO兼共同創設者です。エリックは、グローバル・エクイティ・デルタ・ワン・デスクのリード・クォンタティブ・リサーチャーでした。ここで、彼は数千のモデルをプロダクションに投入しました。Encordに入社する前、彼はスタンフォード大学で物理学の学士号と電気工学の修士号を取得し、ハーバード大学で応用物理学の修士号を取得しました。また、彼はDRWでの高周波取引でほぼ10年間を過ごしました。

エリックは、ChatGPTや大規模言語モデルと遊んだり、クラフト・コクテールを作ったりするのを好みます。

あなたがEncordを共同創設することを決めたきっかけは何ですか？また、粒子物理学と量的金融でのあなたの経験は、AIの「データ問題」を解決するためのあなたのアプローチをどのように形作ってきましたか？

私は、スタンフォード・リニア加速器センター（SLAC）での物理学での経験から、機械学習について考え始めました。そこでは、大きなデータセットを扱っていました。物理学者によって物理学者ためのために設計されたソフトウェアを使用していました。つまり、ユーザー・エクスペリエンスが非常に良好ではありませんでした。より使いやすいツールがあれば、分析をはるかに迅速に実行できたでしょう。

その後、DRWでの量的金融での経験では、数千のモデルをプロダクションに投入する責任がありました。物理学での経験と同様に、高品質のデータは正確なモデルを作成する上で非常に重要であることを発見しました。また、大規模で複雑なデータを管理することは難しいことも発見しました。ウルリックも、コンピュータビジョンのための大きな画像データセットの視覚化で同様の経験をしました。

彼のEncordの初期のアイデアを聞いたとき、私はすぐに乗り気になりました。私とウルリックは、AIデータ開発プロセスを自動化してストリームライン化するプラットフォームを構築するための巨大な機会を見出しました。これにより、チームはモデルに最適なデータを入手し、信頼性の高いAIシステムを構築することが容易になります。

Encordのビジョンについてさらに説明してください。初期のコンピューティングやインターネットの時代と比較して、Encordはどのように見えますか？

Encordのビジョンは、企業がデータを機能的なAIモデルに変換するために依存する基盤となるプラットフォームになることです。私たちは、企業のデータとAIの間のレイヤーです。

多くの点で、AIはパーソナル・コンピューティングやインターネットのような以前のパラダイム・シフトを反映しています。つまり、AIは個人、ビジネス、国、産業のすべてのワークフローに不可欠なものになるでしょう。以前の技術革命とは異なり、計算能力の成長が30倍になるというムーアの法則によってボトルネックが生じていたのですが、AIの開発は同時進行のイノベーションによって恩恵を受けており、はるかに速いペースで進化しています。NVIDIA (NVDA ) のジェンセン・ファンの言葉を借りて言うと、「初めて、複合指数関数を目にしています…10年ごとに100万倍の成長を遂げています。不完全な成長ではありません。100倍、1000倍ではありません。100万倍です。」過剰な表現を避けても、我々は人類史上で最も速いペースの技術を目にしているのです。

ここでの潜在性は巨大です。AIのための高品質なデータの管理を自動化し、スケーリングすることで、より広範なAIの採用を妨げているボトルネックに取り組んでいます。課題は、以前の技術時代の初期の障害と似ており、シロ化、ベストプラクティスの欠如、非技術的なユーザーへの制限、明確に定義された抽象化の不足などです。

Encord Indexは、AIデータを管理およびキュレーションするための重要なツールとして位置付けられています。Encord Indexは、現在利用可能な他のデータ管理プラットフォームとどのように異なりますか？

Encord Indexが際立つ点は次のとおりです。

Indexはスケーラブルです。ユーザーは、数百万ではなく、数十億のデータ・ポイントを管理できます。他のツールは、構造化されていないデータのスケーラビリティの問題に直面し、組織内のすべての関連データを統合することができません。

Indexは柔軟です。AWS、GCP、Azureなどのプライベート・データ・ストレージおよびクラウド・ストレージ・プロバイダーと直接統合します。他のツールは、単一のクラウド・プロバイダーまたは内部のストレージ・システムに限定されており、Indexはデータの場所に依存しません。データを管理し、適切なガバナンスとアクセス・コントロールを提供し、セキュアでコンプライアントなAIアプリケーションを開発できます。

Indexはマルチモーダルです。画像、ビデオ、オーディオ、テキスト、ドキュメントなど、さまざまな形式のデータを管理します。Indexは、LLMツールのように単一のデータ形式に限定されていません。人間の認知はマルチモーダルであり、次のAIの進歩の波は、マルチモーダルAIが中心になるでしょう。これは、チャットボットやLLMを置き換えるでしょう。

Encord Indexは、AIモデルに適切なデータを選択するプロセスをどのように強化しますか？また、これはモデル・パフォーマンスにどのような影響を与えますか？

Encord Indexは、大きなデータセットのキュレーションを自動化し、チームが最も関連性の高いデータを特定し、無情報またはバイアスのあるデータを削除するのに役立ちます。このプロセスは、データセットのサイズを削減するだけでなく、AIモデルをトレーニングするために使用されるデータの品質を大幅に改善します。私たちの顧客は、データセットのサイズを35％削減し、コンピューティングと人間によるアノテーションのコストを数十万ドル節約しながら、モデルを20％改善することができました。

MetaのSegment Anything Modelなどの最先端技術の急速な統合の際に、Encordはどのようにして先頭を走ることを維持していますか？

私たちは、プラットフォームを新しい技術を迅速に適応できるように意図的に設計しました。私たちは、SAMのような進歩を容易に組み込むことができる、スケーラブルなソフトウェア・ファースト・アプローチに焦点を当てています。したがって、私たちのユーザーは、競争力を維持するために必要な最新のツールを常に利用できます。

私たちは、マルチモーダルAIに焦点を当てることで先頭を走ることを維持する予定です。Encordプラットフォームはすでに、画像、ビデオ、テキストなどの複雑なデータ形式を管理できます。したがって、マルチモーダルAIの進歩が私たちに訪れるにつれて、準備はできています。

企業がAIデータを管理する際に直面する最も一般的な課題は何ですか？また、Encordはこれらの課題をどのように解決していますか？

企業が直面する主な課題は3つあります。

• データの組織化とコントロールが不十分。企業がAIソリューションを実装しようとすると、AIに準備ができていないシロ化されたデータと出会うことがよくあります。このデータは、ガバナンスが不十分で、AIシステムで使用することが制限されています。
• 専門家の不足。AIモデルがより複雑な問題に取り組むにつれて、データを準備して検証するための人間のドメイン・エキスパートが不足するようになります。企業のAI需要が増加するにつれて、人間のワークフォースをスケーリングすることは困難でコストがかかります。
• ツールの拡張性が不十分。パフォーマントなAIモデルは、ファイン・チューニング、検証、RAG、その他のワークフローに大量のデータを必要とします。以前のツールは、必要なデータの量と種類を管理することができません。

Encordは、これらの問題を解決することでデータを大規模にキュレーションするプロセスを自動化します。有効なデータと問題のあるデータを識別し、効果的なトレーニングと検証データセットを作成することを容易にします。私たちのソフトウェア・ファースト・アプローチは、データ管理のニーズの変化に応じて簡単にスケールアップまたはスケールダウンできます。私たちのAI支援アノテーションツールは、人間がループに参加するドメイン・エキスパートがワークフローを最大化する効率を可能にします。このプロセスは、AIトレーナーが高価な金融サービスやヘルスケア業界で特に重要です。組織のすべての構造化されていないデータを管理および理解することを容易にし、手動作業の必要性を減らします。

Encordは、データの偏りやデータセット内の表現されていない領域をどのようにして対処していますか？これは、公平でバランスの取れたAIモデルを確保する上でどのように役立つのでしょうか？

データの偏りを扱うことは私たちにとって重要な焦点です。私たちのプラットフォームは、データが偏っている可能性のある領域を自動的に識別して表面化し、AIチームがこれらの問題をモデル・パフォーマンスに影響を与える前に対処できるようにします。また、データセット内の表現されていない領域が適切に含まれていることを保証し、より公平でバランスの取れたAIモデルを開発するのに役立ちます。私たちのキュレーションツールを使用することで、チームはモデルが多様で代表的なデータでトレーニングされていることを確信できます。

Encordは最近、3,000万ドルのシリーズB資金調達を実施しました。この資金調達は、製品ロードマップと拡大計画の加速にどのように役立ちますか？

3,000万ドルのシリーズB資金調達は、製品、エンジニアリング、AI研究チームのサイズを6か月以内に大幅に増やすために使用され、Encord Indexおよびその他の新機能の開発を加速するために使用されます。また、サンフランシスコに新事務所を設立し、成長する顧客基盤をサポートするための運用をスケールアップするのに役立ちます。

Y CombinatorからシリーズBを調達した最も若いAI企業として、Encordの急速な成長と成功の要因は何ですか？

私たちが急速に成長できた一つの理由は、会社全体で顧客中心の焦点を非常に強く採用していることです。常に顧客とコミュニケーションを取り、問題を傾聴し、「ベアハグ」して解決策を見つけます。顧客のニーズに焦点を当て、ヒップに従うのではなく、顧客の問題を解決することに重点を置くことで、トップのAIチームに共感するプラットフォームを作成しました。私たちの顧客は、私たちが今いる位置にいる功績があります。私たちのAIデータの複雑さをスケーラブルに効果的に管理する能力は、企業にとって魅力的な解決策となっています。

私たちは、チームメイト、パートナー、投資家にも多くを負っています。彼らはみんな、Encordを支援するために多大な努力を払ってきました。世界クラスの製品、エンジニアリング、市場戦略チームと協力することは、私たちの成長に大きな影響を与えました。

次の5年間で、EncordのようなAIデータ・プラットフォームの役割はどのように進化すると思いますか？

AIアプリケーションが複雑性を増すにつれて、効率的でスケーラブルなデータ管理ソリューションの必要性は増加するだけです。我々は、企業がすべてAI部門を持つようになるでしょう。今日のIT部門のように。Encordは、AIに必要な大量のデータを管理し、モデルを迅速にプロダクションに投入するために必要な唯一のプラットフォームになるでしょう。

素晴らしいインタビュー、ありがとうございました。詳しく知りたい読者は、Encordを訪問してください。