에릭 랜다우, Encord의 공동 창립자 및 CEO – 인터뷰 시리즈

에릭 랜다우는 Encord의 CEO 및 공동 창립자입니다. Encord는 컴퓨터 비전을 위한 액티브 러닝 플랫폼입니다. 에릭은 글로벌 에퀴티 델타-원 데스크의 리드 양적 연구원으로서 수천 개의 모델을 프로덕션에 투입했습니다. Encord 이전에는 그는 거의 10년 동안 DRW에서 고주파 거래를 담당했습니다. 그는 하버드 대학교에서 응용 물리학의 S.M., 스탠퍼드 대학교에서 전기 공학의 M.S. 및 물리학의 B.S.를 보유하고 있습니다.

에릭은 여가 시간에 ChatGPT 및 대규모 언어 모델과 크래프트 칵테일 만들기를 즐깁니다.

Encord를 공동 창립하게 된 영감은 무엇이었으며, 입자 물리학 및 양적 금융에서의 경험은 AI의 “데이터 문제”를 해결하는 데 어떻게 접근했나요?

저는 스탠퍼드 선형 가속기 센터(SLAC)에서 작업하며 매우 큰 데이터 세트를 다루는 동안 기계 학습에 대해 처음 생각하게 되었습니다. 저는 물리학자들이 물리학자를 위해 설계한 소프트웨어를 사용하고 있었는데, 즉 사용자 경험은 그리 좋지 않았습니다. 더 쉬운 도구를 사용할 수 있었다면 분석을 훨씬 더 빠르게 실행할 수 있었을 것입니다.

나중에 DRW에서 양적 금융을 담당하던 시절, 저는 수천 개의 모델을 프로덕션에 배포하는 책임을 맡았습니다. 물리학에서의 경험과 마찬가지로, 저는 높은 품질의 데이터가 정확한 모델을 만드는 데 중요하다는 것을 알게 되었습니다. 또한 복잡하고 대규모의 데이터를 관리하는 것은 어렵다는 것을 깨달았습니다. 울릭은 컴퓨터 비전을 위한 대규모 이미지 데이터 세트를 시각화하는 유사한 경험을 했습니다.

저는 그의 Encord 초기 아이디어를 듣고 즉시 동의했으며 그 중요성을 이해했습니다. 울릭과 저는 함께 AI 데이터 개발 프로세스를 자동화하고 스트림라인하는 플랫폼을 구축할 수 있는巨大的 기회를 보았습니다. 이를 통해 팀이 모델에 최고의 데이터를 얻고 신뢰할 수 있는 AI 시스템을 구축할 수 있습니다.

Encord의 비전은 무엇이며, 초기 컴퓨팅이나 인터넷과 비교했을 때 잠재력과 도전은 무엇인가?

Encord의 비전은 기업이 데이터를 기능적인 AI 모델로 변환하는 데 의존하는 기초 플랫폼이 되는 것입니다. 우리는 회사의 데이터와 AI 사이의 계층입니다.

많은 방면에서 AI는 개인 컴퓨팅과 인터넷과 같은 이전의 패러다임 시프트를 반영하여 모든 개인, 비즈니스, 국가 및 산업의 워크플로에 필수적인 요소가 될 것입니다. 이전의 기술 혁신과 달리, 이는 주로 10년마다 30배로 증가하는 모어의 법칙에 의해 병목 현象이 발생했지만, AI 개발은 동시에 혁신을 이룩했습니다. 따라서 훨씬 더 빠른 속도로 진행되고 있습니다. NVIDIA의 젠슨 황의 말처럼: “처음으로 우리는 합성된 지수함수를 보는 중입니다… 우리는 10년마다 1백만 배로 증가하고 있습니다. 1백 배나 1천 배가 아니라, 1백만 배입니다.” 과장 없이 우리는 인류 역사상 가장 빠르게 움직이는 기술을 목격하고 있습니다.

이 곳의 잠재력은 막대합니다. AI를 위한 고품질 데이터의 관리를 자동화하고 확장함으로써, 우리는 더广泛한 AI 채택을 방해하는 병목 현상을 해결하고 있습니다. 도전은 이전 기술 시대의 초기 장애물과 비슷합니다. 즉, 실로, 최고의 관행 부족, 비기술 사용자에 대한 제한, 잘 정의된 추상의 부족입니다.

Encord Index는 AI 데이터를 관리하고 관리하는 데 중요한 도구로 пози션되어 있습니다. 현재 사용 가능한 다른 데이터 관리 플랫폼과 어떻게 차별화되나요?

Encord Index는 몇 가지 方面에서 두드러집니다:

Index는 확장 가능합니다: 사용자가 수십억 개의 데이터 포인트를 관리할 수 있습니다. 다른 도구는 비정형 데이터에 대한 확장성 문제를 겪으며 조직의 모든 관련 데이터를 통합하는 데 제한됩니다.

Index는 유연합니다: AWS, GCP, Azure와 같은 사내 데이터 저장소 및 클라우드 저장소 제공업체와 직접 통합됩니다. 다른 도구는 단일 클라우드 제공업체 또는 내부 저장소 시스템으로 제한되는 반면, Index는 데이터가 위치하는 곳에 구애받지 않습니다. 적절한 거버넌스 및 액세스 제어와 함께 여러 소스의 데이터를 관리할 수 있습니다. 이는 보안 및 규정 준수 AI 애플리케이션을 개발할 수 있습니다.

Index는 다중 모달입니다: 이미지, 비디오, 오디오, 텍스트, 문서 등 다양한 형태의 데이터를 지원하는 다중 모달 AI를 관리합니다. Index는 현재 많은 LLM 도구와 마찬가지로 단일 형태의 데이터에만 국한되지 않습니다. 인간의 인지 능력은 다중 모달이며, 우리는 다중 모달 AI가 차트봇과 LLM을 대체할 다음 AI 발전의 핵심이 될 것이라고 믿습니다.

Encord Index는 AI 모델에 대한 올바른 데이터를 선택하는 프로세스를 어떻게 향상시키며, 이는 모델 성능에 어떤 영향을 미치나요?

Encord Index는 대규모 데이터 세트의 큐레이션을 자동화하여 팀이 관련 데이터만 식별하고 유지할 수 있도록 도와줍니다. 이는 데이터 세트의 크기를 줄이고 모델에 사용되는 데이터의 품질을 크게 향상시킵니다. 고객은 모델의 성능을 최대 20% 향상시키고 데이터 세트의 크기를 35% 줄이며 컴퓨팅 및 인간 주석 비용을 수백만 달러 절약할 수 있습니다.

메타의 Segment Anything Model과 같은 최신 기술이 빠르게 통합됨에 따라, Encord는 어떻게 빠르게 발전하는 AI 풍경에서 앞서 나아가나요?

우리는 의도적으로 플랫폼을 신속하게 적응할 수 있도록 설계했습니다. 우리는 확장 가능하고 소프트웨어 우선 접근 방식을 제공하여 SAM과 같은 최신 기술을 쉽게 통합할 수 있도록 합니다. 이를 통해 사용자는 항상 경쟁력을 유지할 수 있는 최신 도구를 사용할 수 있습니다.

우리는 다중 모달 AI에 중점을 두어 앞서 나아갈 계획입니다. Encord 플랫폼은 이미 이미지, 비디오, 텍스트와 같은 복잡한 데이터 유형을 관리할 수 있으므로 다중 모달 AI의 발전이 우리에게 오면 준비가 된 것입니다.

기업이 AI 데이터를 관리할 때 직면하는 가장 일반적인 도전은 무엇이며, Encord는 이러한 도전을 어떻게 해결하나요?

세 가지 주요 도전이 있습니다:

• 데이터 조직 및 제어의 부족: 기업이 AI 솔루션을 구현하려고 할 때, 종종 실로화되고 조직화되지 않은 데이터에 직면하게 됩니다. 이 데이터는 강력한 거버넌스를 가지고 있지 않으며, 많은 경우 AI 시스템에서 사용될 수 없습니다.
• 인간 전문가의 부족: AI 모델이 점점 더 복잡한 문제를 해결함에 따라, 데이터를 준비하고 검증할 수 있는 인간 도메인 전문家的 부족이 곧 발생할 것입니다. 회사의 AI 요구 사항이 증가함에 따라, 인간 인력을 확대하는 것은 어려운 일입니다.
• 확장 불가능한 툴링: 성능이 좋은 AI 모델은 데이터에 대한 요구 사항이 많습니다. 이전 세대의 툴은 오늘날의 프로덕션급 모델에 필요한 데이터의 양과 유형을 관리할 수 없습니다.

Encord는 데이터를 대규모로 큐레이션하는 프로세스를 자동화하여 문제가 있는 데이터와 영향력이 있는 데이터를 쉽게 식별하고, 효과적인 훈련 및 검증 데이터 세트를 생성할 수 있도록 합니다. 이는 확장하기 쉽고 데이터 관리 요구 사항이 변경될 때 쉽게 조정할 수 있는 소프트웨어 우선 접근 방식을 제공합니다. 우리의 AI 지원 주석 도구는 인간-인-루프 도메인 전문가가 워크플로우 효율성을 최대화하도록 합니다. 이는 금융 서비스 및 의료와 같은 산업에서 특히 중요합니다. 여기서 AI 훈련자는 비용이 많이 듭니다. 우리는 조직의 모든 비정형 데이터를 쉽게 관리하고 이해할 수 있도록 합니다. 이를 통해 수동 노동의 필요성을 줄일 수 있습니다.

Encord는 데이터 편향 및 데이터 세트 내의 대표되지 않은 영역의 문제를 어떻게 해결하여 공정하고 균형 잡힌 AI 모델을 보장하나요?

데이터 편향을 해결하는 것은 Encord에서 중요한焦點입니다. 우리의 플랫폼은 데이터가 편향될 수 있는 영역을 자동으로 식별하고 표면화하여 AI 팀이 모델 성능에 영향을 미치기 전에 이러한 문제를 해결할 수 있도록 합니다. 우리는 또한 데이터 세트 내의 대표되지 않은 영역을 적절히 포함되도록 합니다. 이를 통해 더 공정하고 균형 잡힌 AI 모델을 개발할 수 있습니다. 우리의 큐레이션 도구를 사용하면 팀은 모델이 다양한 데이터에 훈련된다는 것을 확신할 수 있습니다.

Encord는 최근 3,000만 달러의 시리즈 B 자금을 확보했습니다. 이 자금은 제품 로드맵과 확장 계획을 가속화하는 데 어떻게 사용되나요?

3,000만 달러의 시리즈 B 자금은 향후 6개월 동안 제품, 엔지니어링 및 AI 연구 팀의 규모를 크게 늘리고 Encord Index 및 기타 새로운 기능의 개발을 가속화하는 데 사용될 것입니다. 우리는 또한 샌프란시스코에 새로운 사무소를 열고, 이 자금은 고객 기반의 성장을 지원하기 위해 운영을 확대하는 데 도움이 될 것입니다.

Y Combinator에서 시리즈 B를 조달한 가장 젊은 AI 회사로, Encord의 빠른 성장과 성공을 무엇에 기인하는가요?

우리가 빠르게 성장할 수 있었던 이유 중 하나는 모든 영역에서 고객 중심 접근 방식을 채택했기 때문입니다. 우리는 끊임없이 고객과 소통하며, 그들의 문제를 경청하고, 솔루션을 찾기 위해 그들을 끌어안습니다. 우리는 고객의 필요성에 집중함으로써, 다양한 산업의 최고의 AI 팀과 공鳴하는 플랫폼을 만들었습니다. 고객은 우리가 오늘날 있는 곳에 도달하는 데 결정적인 역할을 했습니다. 우리는 AI 데이터의 복잡성을 빠르게 확장하고 효율적으로 관리할 수 있는 능력으로 인해 기업들에게 매력적인 솔루션이 되었습니다.

우리의 성공은 또한 우리의 동료, 파트너 및 투자자들에게 많이 빚지고 있습니다. 그들은 모두 열심히 일하며 Encord를 지원해주었습니다. 세계 수준의 제품, 엔지니어링 및 고마켓 팀과 일하는 것은 우리의 성장에 엄청난 영향을 미쳤습니다.

AI에서 데이터의 중요성이 증가함에 따라, 향후 5년 동안 AI 데이터 플랫폼인 Encord의 역할은 어떻게 발전할 것으로 보나요?

AI 애플리케이션이 복잡해짐에 따라, 효율적이고 확장 가능한 데이터 관리 솔루션의 필요성은 증가할 것입니다. 저는 모든 기업이 궁극적으로 AI 부서를 가질 것이라고 믿습니다. 이는 오늘날 IT 부서가 존재하는 것과 마찬가지입니다. Encord는 모델을 빠르게 프로덕션에 투입하고 필요한 AI 데이터의 막대한 양을 관리하는 데 필요한 유일한 플랫폼이 될 것입니다.

멋진 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Encord를 방문할 수 있습니다.