インタビュー
エリック・ランドー、Encordの共同創設者＆CEO – インタビュー・シリーズ
エリック・ランドーは、EncordのCEO＆共同創設者です。Encordは、コンピュータビジョン用のアクティブラーニングプラットフォームです。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・クォンタム・リサーチャーでした。ここで、彼は数千のモデルを本番環境に導入しました。Encordに入社する前は、DRWで約10年間、高頻度取引に従事していました。ハーバード大学では応用物理学の修士号、スタンフォード大学では電気工学の修士号と物理学の学士号を取得しています。
エリックは、空暇時間にChatGPTや大規模言語モデルと遊んだり、クラフト・カクテルを作ったりすることを楽しんでいます。
あなたがEncordを共同創設するきっかけとなったものは何ですか？また、粒子物理学と量的金融での経験が、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たのでしょうか。
私は、スタンフォード・リニア加速器センター（SLAC）での粒子物理学での経験から、機械学習について考え始めました。当時は、物理学者によって設計されたソフトウェアを使用しており、ユーザー・エクスペリエンスの点では、改善の余地がありました。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、数千のモデルを本番環境に導入する責任がありました。物理学での経験と同様に、高品質のデータが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困難であることも発見しました。ウルリクも、コンピュータビジョン用の大規模なイメージ・データセットの視覚化で同様の経験をしました。
ウルリクのEncordの初期的なアイデアを聞いたとき、私はすぐに乗り気になりました。その重要性を理解しました。ウルリクと私は、AIデータ開発プロセスを自動化および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、チームがモデルに最適なデータを入手し、信頼性の高いAIシステムを構築できるようにしました。
Encordのビジョンについて詳しく説明してください。また、初期のコンピューティングやインターネットと比較した場合、Encordはどのような潜在性と課題を持っているのでしょうか。
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、個々のコンピューティングやインターネットのように、個々のワークフローに不可欠になるという点で、以前のパラダイム・シフトを反映しています。ただし、以前の技術革命は、10年ごとに30倍になるモアの法則によってボトルネックが発生しましたが、AI開発は、同時進行するイノベーションの恩恵を受けています。したがって、はるかに速いペースで進化しています。NVIDIAのジェンセン・ファンの言葉を借りて言うと、「初めて、複合指数関数を見ている…10年ごとに100万倍のスケールで成長しています。100倍、1000倍ではありません。100万倍です。」誇張することなく、私たちは人間の歴史上で最も速いペースで進化する技術を見ているのです。
ここでの潜在性は巨大です。AI用の高品質データの管理を自動化および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対処しています。課題は、以前の技術時代の初期のハードルと似ており、シロ、ベストプラクティスの欠如、非技術ユーザーへの制限、明確に定義された抽象化の不足があります。
Encord Indexは、AIデータの管理とキュレーションのための重要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が際立っている点は以下の通りです。
Indexはスケーラブル: ユーザーが数百万ではなく、数十億のデータ・ポイントを管理できるようにします。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に問題があり、組織内のすべての関連データを統合することが制限されています。
Indexは柔軟性がある: プライベート・データ・ストレージやAWS、GCP、Azureなどのクラウド・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ストレージ・システムに限定されているのに対し、Indexはデータの場所に依存しません。データを管理するための適切なガバナンスとアクセス・コントロールを提供し、安全でコンプライアンスのあるAIアプリケーションを開発できるようにします。
Indexはマルチモーダル: 画像、動画、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サポートするマルチモーダルAIを管理します。Indexは、現在の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が中心になると信じています。
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、それがモデル・パフォーマンスにどのような影響を与えますか。
Encord Indexは、大規模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て保持し、情報に乏しいまたは偏った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などの最先端技術が急速に統合される中で、EncordはどのようにしてAIの急速に進化する景観で先んじていますか。
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。スケーラブルで、ソフトウェア・ファースト・アプローチを提供し、SAMなどの進歩を容易に取り込み、ユーザーが競争力のある最新のツールを使用できるようにします。
マルチモーダルAIに焦点を当てることで、私たちは先んじています。Encordプラットフォームはすでに、画像、動画、テキストなどの複雑なデータ形式を管理できます。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。Encordはこれらの課題をどのように解決しますか。
企業が直面する3つの主な課題があります：
- データの組織化とコントロールの欠如: 企業は、AIソリューションを実装しようとする際に、シロ化され、組織化されていないデータに直面することがよくあります。このデータには、強力なガバナンスが欠けていることが多く、AIシステムで使用することが制限されます。
- 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ことになります。企業のAIニーズ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高価です。
- ツールの非スケーラビリティ: パフォーマントの高いAIモデルは、ファイン・チューニング、検証、RAGなどのワークフローに大量のデータを必要とします。前の世代のツールは、今日の本番環境モデルに必要なデータの量と種類を管理するには適していません。
Encordは、これらの問題を解決することで解決します。データのキュレーションをスケーラブルに自動化し、影響力のあるデータと問題のあるデータを簡単に識別できます。ソフトウェア・ファースト・アプローチを使用し、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。AIアシストのアノテーション・ツールを使用して、人間がループに参加するドメイン・エキスパートのワークフロー効率を最大化します。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などの業界で特に重要です。組織内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AIモデルが公平でバランスの取れたものになるようにしますか。
データの偏りに対処することは、私たちにとって非常に重要な焦点です。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貢献しますか。
3,000万ドルのシリーズB資金調達は、来月を通じて製品、エンジニアリング、およびAI研究チームの規模を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しいオフィスを設立し、この資金調達により、拡大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ことができます。
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理由を何に帰しますか。
私たちが急速に成長できた理由の1つは、会社全体で顧客中心の焦点を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、問題を注意深く傾聴し、「ベアハグ」して解決策を見つけることに尽力しています。顧客のニーズに焦点を当て、ハイプに流されるのではなく、プラットフォームがさまざまな業界のトップAIチームと共鳴するようにしました。私たちの顧客は、私たちが今いる位置にいるのに役立ってくれました。AIデータの複雑さを効果的に管理する能力により、私たちは企業にとって魅力的なソリューションになりました。
私たちの成功の多くは、世界クラスの製品、エンジニアリング、ゴー・トゥ・マーケットのチームと協力してくれたことに負っています。Encordを擁護してくれたチームメンバー、パートナー、投資家も、私たちの成長に大きく貢献しています。
AIにおけるデータの重要性が増す中で、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が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になるにつれて、効率的なデータ管理ソリューションの必要性は増加します。最終的には、すべての企業にはAI部門が存在することになります。現在、IT部門が存在するのと同様に、Encordは、AIモデルを迅速に本番環境に導入するために必要な大量のデータを管理するために必要なプラットフォームになります。
素晴らしいインタビュー、詳細を知りたい読者は、Encordを訪問してください。
