モハマド・オマール氏、LXT 共同創設者兼 CEO – インタビュー シリーズ

モハマド・オマールは、の共同創設者兼CEOです。 LXTは、世界最大のテクノロジー企業を含むグローバル組織のインテリジェント テクノロジーを強化する AI トレーニング データの新興リーダーです。 LXT は、貢献者の国際ネットワークと提携して、企業が必要とする速度、規模、機敏性を備えた複数のモダリティにわたってデータを収集し、注釈を付けます。 2010 年に設立された LXT はカナダのトロントに本社を置き、米国、オーストラリア、インド、トルコ、英国、エジプトに拠点を置いています。

LXT の誕生の経緯を教えていただけますか?

LXT は、12 年前の私の雇用主が直面していたデータに対する深刻なニーズに応えて設立されました。 当時、同社はアラビア語データを必要としていましたが、それを入手できる適切なサプライヤーがいませんでした。 私は本質的にリスクを取る性格であり起業家でもあったため、その職を辞し、新しい会社を設立し、元の雇用主にサービスを提供するために方向転換することにしました。 すぐに私たちは彼らの最も挑戦的なプロジェクトのいくつかを与えられ、それを成功裏に遂行し、そこから物事はさらに成長しました。 XNUMX 年以上が経過した現在、当社はこの会社と強力な関係を構築し、高品質の言語データの頼りになるサプライヤーになりました。

AI を大規模に導入する背後にある最大の課題は何ですか?

それは素晴らしい質問です。実際、私たちはそれを最新の調査レポートに含めました。 AI 成熟への道。 回答者が挙げた最大の課題は、既存または従来のシステムを AI ソリューションに統合することでした。 これは、デジタル変革戦略に合わせて合理化する必要がある一連の技術システムを組織全体に保有している可能性が最も高い大企業を調査したという事実を考慮すると、これは当然のことです。 回答者が上位に挙げたその他の課題は、熟練した人材の不足、トレーニングやリソースの不足、質の高いデータの調達でした。 これらの回答はよく引用されるものであり、もちろんデータの課題が私たちの組織の存在理由であるため、私はこれらの回答には驚きませんでした。

データの課題に関しては、LXT はデータを調達し、機械学習アルゴリズムが理解できるようにデータにラベルを付けることができます。当社にはこれを大規模かつ機敏に行うための設備が整っており、高品質のデータを非常に迅速に提供できます。クライアントは、発売の準備をしており、製品が顧客に好評であることを確認したいときに私たちを訪れることがよくあります。 

当社と協力してデータの調達とラベル付けを行うことで、企業はチームが革新的なソリューションの構築に集中できるようになり、リソースと人材の不足に対処できます。

LXT は 750 以上の言語をカバーしていますが、言語自体の構造を超えた翻訳とローカリゼーションの課題があります。 LXT がこれらの課題にどのように対処しているかについてお話しいただけますか?

確かに、翻訳とローカリゼーションの課題は存在します。特に、公式の地位とそれに伴う標準化のレベルを持つ傾向にある最も広く話されている言語を超えて領域を広げる場合にはなおさらです。 私たちが使用している言語の多くには正式な正書法がないため、チーム全体で一貫性を管理することが課題となります。 当社は、品質保証のための厳格なプロセスを導入することで、これらおよびその他の課題 (不正行為の検出など) に対処します。 繰り返しますが、AI 成熟度調査レポートでは、AI データを扱うほとんどの組織にとって、品質が優先事項リストの最上位にあることが非常に明白でした。 そして、調査対象となったほとんどの組織は、これを得るためにさらにお金を払っても構わないと表明しました。 

データ ソーシングとデータ アノテーションを必要とする企業は、アプリケーション開発のどのくらい早い段階でこのデータのソーシングを開始すべきでしょうか?

組織は、AI のユースケースを特定したらすぐにデータ戦略を作成することをお勧めします。 アプリケーションの開発が開始されるまで待つと、AI が間違ったことを学習し、高品質のデータによって再トレーニングする必要があるため、不必要な再作業が大量に発生する可能性があり、ソースを取得して開発プロセスに統合するのに時間がかかる可能性があります。

データを更新する必要がある頻度を知るための経験則は何ですか?

実際には、開発しているアプリケーションの種類と、それをサポートするデータがどのくらいの頻度で大幅に変更されるかによって異なります。 これは、データが現実の生活を表現したものであり、世界で何が起こっているかを正確に反映するために、時間の経過とともにデータを更新する必要があることを意味します。 この現象をモデル ドリフトと呼びます。モデル ドリフトには XNUMX つのタイプがあり、それぞれアルゴリズムの再トレーニングが必要です。

• コンセプト ドリフトは、トレーニング データと AI 出力の間の大きな差が変化したときに発生します。これは突然、または徐々に起こる可能性があります。 たとえば、小売業者は過去の顧客データを使用して AI アプリケーションをトレーニングする場合があります。 しかし、消費者の現実に大きな変化が生じた場合、これを反映するためにアルゴリズムを再トレーニングする必要があります。

• データ ドリフトは、アプリケーションのトレーニングに使用されたデータが、運用環境に入ったときに発生する実際のデータを反映しなくなったときに発生します。 これは、人口動態の変化、季節性、新しい地域でのアプリケーションの状況など、さまざまな要因によって発生する可能性があります。

LXT は最近、「2023 年の AI 成熟への道”。 このレポートの中で驚かされた点は何ですか?

おそらく驚くべきことではないでしょうが、本当に際立っていたのはアプリケーションの多様性です。 XNUMX つまたは XNUMX つの活動ドメインが支配的であると予想したかもしれませんが、回答者に AI への取り組みをどこに集中させる予定で、どこに AI を展開する予定かを尋ねたところ、当初は混乱しているように見えました。傾向がまったく存在しませんでした。 しかし、データを精査し、定性的な応答を確認すると、傾向がないことが明らかになりました。 is トレンド。 少なくとも回答者の目から見ると、問題がある場合、誰かがその問題に対する AI ソリューションに取り組んでいる可能性が実際にあります。

生成 AI が世界を席巻していますが、言語生成モデルが業界をどこまで連れて行くことができるかについてどう思いますか?

これについての私の個人的な見解は、生成型人工知能の本当の力の中心となるものは、自然言語理解であるということです。 AI の「知性」は言語を通じて学習されます。 複雑な問題に対処し、最終的に解決する能力は、反復的かつ累積的な自然言語対話によって媒介されます。 これを念頭に置くと、言語生成モデルは AI の他の要素と常に連携していくと信じています。

AI の将来と LXT の将来についてのビジョンは何ですか?

私は本質的に楽観主義者なので、それがここでの私の反応に影響を与えることになりますが、AI の将来に対する私のビジョンは、AI がすべての人の生活の質を向上させることです。 私たちの世界をより安全な場所にし、将来の世代にとってより良い場所にするために。 ミクロレベルで言えば、LXT に対する私のビジョンは、組織がその強みをさらに強化し続け、成長し、私たちのビジネスを可能にするグローバル コミュニティにとって選ばれる雇用主となり、善のための力となることです。 マクロレベルでは、LXT に対する私のビジョンは、AI の将来に対する私の楽観的に偏ったビジョンの実現に、重要かつ有意義な方法で貢献することです。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい読者は、こちらをご覧ください。 LXT.