LXTのチーフグロースオフィサー、フィル・ホール – インタビュー・シリーズ

LXTのチーフグロースオフィサーであるフィル・ホールは、元Appenの幹部であり、Forbes Technology Councilのメンバーです。Appenでのリーダーシップにおいて、1000人以上のスタッフを率いて、17年連続の収益増加と堅実な利益を達成しました。現在のLXTでの役割では、選りすぐりの専門家チームと協力して、雄大な成長目標を達成するために取り組んでいます。

LXTは、世界のトップテクノロジー企業を含むグローバル企業向けに、知的テクノロジーを支えるAIトレーニングデータの新興リーダーです。国際的なコントリビューターのネットワークと提携して、LXTは、企業が要求するスピード、スケール、そしてアジリティで、複数のモダリティーを横断してデータを収集および注釈しています。115以上の国と750以上の言語ロケールにわたるグローバルな専門知識を持ちます。2010年に設立されたLXTは、カナダのトロントに本社を置き、アメリカ、オーストラリア、エジプト、イギリス、トルコに拠点を持ち、北米、ヨーロッパ、アジア太平洋、中東の顧客にサービスを提供しています。

あなたはいつごろから言語に興味を持ったのですか?

私は言語に興味を持ったことがいつからか、覚えている限りではありませんが、言語と言語学に対する直接的な関与については、特に重要な転機がありました。私たちの子供の1人がディスレクシアであることがわかり、学校に追加のサポートを求めたところ、学校はプログラムを利用できるが、ボランティアとして学校で活動することもできるということでした。そこで私は言語学を学び、2つの大学で教えるようになりました。

あなたは言語学を教えていたのですが、スピーチデータの分野に焦点を当てるようになったのはどうしてですか?

シドニーを拠点とするAppenは、自宅の余裕ある部屋から運営されていたものを、完全な商業運営に変えるための移行をしていました。そこで私はリンガイスト（あるいは、より正確に言えば、リンガイスト！）を探していることを知らされ、創設者のジュリーとクリス・フォンヴィラーに紹介されました。移行は2年ほどかかりました。私は教えることをやめることをためらっていました。優秀な学生と働くことは、刺激的で楽しいものでした。しかし、特に開拓的な時代には、世界のトップレベルの言語テクノロジー専門家と共に、難しい問題を解決することができ、興奮度は高かったです。当時は、現在では当たり前になっていることが、非常に困難でした。

あなたはLXTに参加するために、引退から戻りました。なぜ戻ったのですか?

それは面白い質問です。私は確かに、引退を楽しんでいました。実際、共同創設者兼CEOのモハンマド・オマルは、私が最初の問い合わせに応じる数ヶ月前に私に接触してきました。私はリラックスした生活を送っており、フルタイムの仕事に戻ることを真剣に考えていませんでした。

しかし、最終的には、機会はあまりにも魅力的で、抵抗することができませんでした。

モハンマドやLXTチームの他のメンバーと話をしていくうちに、私は共通の言語への情熱をすぐに認識しました。モハンマドが集めたチームは、創造的な思考と無限のエネルギーを持つ人たちで構成されており、会社の使命に完全にコミットされていました。

LXTの機会についてさらに学ぶにつれて、私はそれを逃すことができないと実感しました。ここは、私が情熱を持っている分野で巨大な成長と拡大の潜在性を持つ会社です。AI市場が指数関数的に成長するにつれて、企業が実験から本格的な生産に移行するのを支援する機会は、非常に興奮するものです。

現在、データを大量に取得する際の課題は何ですか?

課題は、さまざまな用途によって異なります。

実際的な観点から見ると、課題には、真実性、信頼性、精度、セキュリティ、そしてデータが目的のために適していることを保証することが含まれます。さらに、データ取得に伴う法的および倫理的な課題も増えています。

例えば、自動運転車の開発には、車が現実世界の状況に対してどのように反応するかを理解するために、非常に大量のデータを収集する必要があります。運転中に遭遇する可能性のあるエッジケースは無数にあり、アルゴリズムが現実世界の状況に対して正しく反応するために、データセットがすべてをカバーする必要があります。さらに、天候イベントの数を乗じると、必要なトレーニングデータの量は指数関数的に増加します。自動運転に取り組む自動車会社は、信頼性の高いデータパイプラインを確立する必要がありますが、これを独自に実現するには大量のリソースが必要です。

別のユースケースは、既存の音声AI製品を新しい市場に拡大して、市場シェアと新しい顧客を獲得することです。これには、さまざまな人口統計プロファイルのネイティブスピーカーから言語データを取得する必要があり、精度を達成するために、データを収集してNLPアルゴリズムをトレーニングする必要があります。企業がこの分野で内部の専門知識を持たない場合、特に複数の言語で大量のデータを収集してトレーニングすることは非常に困難です。

これらは、AIのためのデータ収集における課題の例ですが、ホームオートメーション、モバイルデバイス、バイオメトリクスデータ収集なども、それぞれ特有の課題があります。

LXTは現在、どのようにしてデータを収集および注釈していますか?

LXTでは、すべてのエンゲージメントがクライアントの仕様に合わせてカスタマイズされるため、データを収集および注釈する方法は、各クライアントごとに異なります。オーディオ、イメージ、スピーチ、テキスト、ビデオなどのさまざまなデータタイプで作業しています。データ収集のために、グローバルなコントラクターのネットワークと協力して、さまざまなモダリティーでデータを収集しています。収集は、インスタジオでのエンジニアによる特定のスピーチデータ収集プロジェクトの場合には、現実世界の環境でのデータ収集（自宅、事務所、車内など）から、さまざまな方法で行われます。

また、データ注釈の機能も複数のモダリティーをカバーしています。私たちの経験はスピーチの分野から始まり、過去12年間で115以上の国と750以上の言語ロケールに拡大しました。これにより、企業はLXTに頼って、幅広い市場に進出して新しい顧客セグメントを獲得することができます。最近では、テキスト、イメージ、ビデオデータにも進出しており、内部プラットフォームを使用して、高品質のデータを顧客に提供しています。

私たちにとっての別の成長分野は、セキュアな注釈作業です。今年、ISO 27001のセキュアな施設のフットプリントを世界中で2か所から5か所に拡大しました。新しい施設を数ヶ月で設立できるプレイブックを開発しました。現在、セキュアな施設では、スピーチデータ注釈とトランスクリプションに焦点を当てていますが、将来的には、さまざまなデータタイプの注釈にも使用できるようになります。

この方法でデータを収集することは、合成データよりも優れた代替手段ですか?

合成データはAI分野における興奮する開発であり、特にエッジケースをキャプチャするのが難しい場合には適しています。合成データの使用は、企業がまだ実験モードにあるAIの初期段階で特に増えています。しかし、私たちの調査によると、企業がAI戦略を成熟させ、より多くのモデルを本格的に導入するにつれて、人間が注釈したデータに頼る、教師ありまたは半教師ありの機械学習方法を使用する可能性が高くなります。

人間は、機械よりも、ニュアンスを理解して、MLモデルを高精度で動作させるために必要なデータを作成することができ、人間の監視は、バイアスを減らすために重要です。

このデータは、スピーチと自然言語処理にとってどれほど重要ですか?

スピーチと自然言語処理のアルゴリズムが、目的の市場で効果的に動作するには、ネイティブスピーカーから大量のデータを収集し、文化的背景を理解する必要があります。そうでない場合、音声AIの採用には重大な制限が生じます。

さらに、スピーチデータを収集する際には、環境も考慮する必要があります。例えば、車内で使用される音声AIソリューションの場合、道路状況や天候条件がスピーチに影響を与えるため、考慮する必要があります。これらは、経験豊かなデータパートナーが支援できる複雑なシナリオです。

LXTについてさらに共有したいことはありますか?

まず、話を共有できる機会をありがとう！私たちは、すべての規模の組織がAIイニシアチブで成功するのを支援することに尽力しています。世界中の企業にカスタマイズされたAIデータを12年以上提供してきました。AIプロジェクトをサポートする信頼性の高いデータパイプラインを作成したい方とは、喜んでつながりたいと思います。

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