Amr Nour-Eldin, visepresident for teknologi i LXT – Intervju-serie

Amr Nour-Eldin er visepresident for teknologi i LXT. Amr er en Ph.D.-forsker med over 16 års profesjonell erfaring innen feltene tale-/lydprosesserings- og maskinlæring i sammenheng med automatisk talegjenkjenning (ASR), med særlig fokus og praktisk erfaring de senere årene på dyplearnings-teknikker for strømmende slutt-til-slutt talegjenkjenning.

LXT er en fremvoksende leder innen AI-treningdata for å drive intelligente teknologier for globale organisasjoner. I samarbeid med et internasjonalt nettverk av bidragsytere, samler og annoterer LXT data på tvers av flere modaliteter med den hastighet, skala og fleksibilitet som kreves av bedriftene. Deres globale ekspertise omfatter over 145 land og over 1000 språksteder.

Hva var det som opprinnelig interesserte deg for dette feltet, da du tok en Ph.D. i signalbehandling fra McGill University?

Jeg ønsket alltid å studere ingeniørvitenskap, og likte særlig naturvitenskap generelt, men ble mer spesifikt trukket mot matematikk og fysikk. Jeg fant meg selv alltid forsøkende å forstå hvordan naturen fungerer og hvordan å anvende den forståelsen til å skape teknologi. Etter videregående skole, hadde jeg muligheten til å gå inn i medisin og andre yrker, men valgte spesifikt ingeniørvitenskap fordi det representerte den perfekte kombinasjonen i mitt syn av både teori og anvendelse i de to feltene nærmest mitt hjerte: matematikk og fysikk. Og så, en gang jeg hadde valgt det, var det mange mulige veier – mekanisk, sivil, og så videre. Men jeg valgte spesifikt elektroingeniørvitenskap fordi det er nærmest, og det tøffeste i mitt syn, til den type matematikk- og fysikkproblemer som jeg alltid fant utfordrende og derfor, likte mer, samt å være grunnlaget for moderne teknologi som alltid har drevet meg.

Innenfor elektroingeniørvitenskap, er det flere spesialiseringer å velge mellom, som generelt faller under to paraplyer: telekommunikasjon og signalbehandling, og det av kraft og elektroingeniørvitenskap. Når det var tid til å velge mellom disse, valgte jeg telekommunikasjon og signalbehandling fordi det er nærmest hvordan vi beskriver naturen gjennom fysikk og ligninger. Du snakker om signaler, enten det er lyd, bilder eller video; forstå hvordan vi kommuniserer og hva våre sanser oppfatter, og hvordan å matematisk representere den informasjonen på en måte som tillater oss å anvende den kunnskapen til å skape og forbedre teknologi.

Kunne du diskutere din forskning ved McGill University på informasjonsteoretisk aspekt av kunstig båndvidde-utvidelse (BWE)?

Etter at jeg fullførte min bachelorgrad, ønsket jeg å fortsette å drive akademisk arbeid innen signalbehandlingsfeltet. Etter ett år med studier av fotonikk som en del av en mastergrad i fysikk, bestemte jeg meg for å bytte tilbake til ingeniørvitenskap for å drive min mastergrad i audio- og tale-signalbehandling, med fokus på talegjenkjenning. Når det var tid til å gjøre min Ph.D., ønsket jeg å utvide mitt felt litt til generell audio- og talebehandling, samt de nært beslektede feltene maskinlæring og informasjonsteori, i stedet for bare å fokusere på talegjenkjenning.

Du var en hovedtalevitenskapsmann i Nuance Communications, nå en del av Microsoft (MSFT ), i over 16 år. Hva var noen av dine viktigste erfaringer fra denne perioden?

Fra mitt perspektiv var den viktigste fordelen at jeg alltid arbeidet med banebrytende, moderne teknikk innen signalbehandling og maskinlæring, og anvendte denne teknologien til virkelige verdensapplikasjoner. Jeg fikk sjansen til å anvende disse teknikkene til Conversational AI-produkter på tvers av flere domener. Disse domenene omfattet bedrift, helse, bilindustri og mobilitet, blant andre. Noen av de spesifikke applikasjonene inkluderte virtuelle assistenter, interaktivt tale-svar, voicemail-til-tekst og andre hvor riktig representasjon og transkripsjon er kritisk, som i helsevesenet med lege-pasient-interaksjoner. Gjennom disse 16 årene var jeg heldig å være vitne til og en del av utviklingen av conversational AI, fra dagene med statistisk modellering ved hjelp av skjulte Markov-modeller, gjennom den gradvise overtakelsen av dyplearnings-teknikk, til nå hvor dyplearnings-teknikk dominere nesten alle aspekter av AI, inkludert generativ AI så vel som tradisjonell prediktiv eller diskriminerende AI. En annen viktig erfaring fra denne perioden er den avgjørende rollen som data spiller, gjennom mengde og kvalitet, som en nøkkel-driver for AI-modell-kapasiteter og ytelse.

Du har publisert en dusin artikler, inkludert i anerkjente publikasjoner som IEEE. I ditt syn, hva er den mest banebrytende artikkelen du har publisert, og hvorfor var den viktig?

Den mest innflytelsesrike, målt etter antall sitater ifølge Google (GOOGL ) Scholar, ville være en artikkel fra 2008 med tittelen “Mel-Frequency Cepstral Coefficient-Based Bandwidth Extension of Narrowband Speech”. På et høyt nivå handler denne artikkelen om hvordan å rekonstruere taleinnhold ved hjelp av en funksjonsrepresentasjon som er mye brukt i feltet automatisk talegjenkjenning (ASR), mel-frekvens-cepstrum-koeffisienter.

I juni 2023 ble du rekruttert som visepresident for teknologi i LXT. Hva var det som trakk deg til denne stillingen?

Gjennom min akademiske og profesjonelle erfaring før LXT, har jeg alltid arbeidet direkte med data. Faktisk, som jeg noterte tidligere, var en av mine viktigste erfaringer fra arbeidet med talevitenskap og maskinlæring den avgjørende rollen data spiller i AI-modell-livssyklusen. Å ha nok kvalitetsdata i riktig format var, og er fortsatt, avgjørende for suksessen til banebrytende dyplearnings-basert AI. Så, når jeg var på et stadium i min karriere hvor jeg søkte en startup-lignende miljø hvor jeg kunne lære, utvide mine ferdigheter, samt anvende min tale- og AI-erfaring til å ha størst innvirkning, var jeg heldig å ha muligheten til å slutte meg til LXT. Det var det perfekte valget. Ikke bare er LXT en AI-data-leverandør som vokser med imponerende og jevn taktkraft, men jeg så også på det som på det rette stadium i forhold til vekst i AI-kunnskap så vel som i kunde-størrelse og mangfold, og derfor i AI- og AI-data-typer. Jeg ønsket å slutte meg til og hjelpe i dens vekst-reise; å ha en stor innvirkning ved å bringe perspektivet til en data-sluttbruker etter å ha vært en AI-data-vitenskapsmann-bruker i alle disse årene.

Hva er din gjennomsnittlige dag i LXT?

Min gjennomsnittlige dag begynner med å se på den nyeste forskningen på ett eller annet tema, som nylig har handlet om generativ AI, og hvordan vi kan anvende det til våre kunders behov. Heldigvis har jeg et utmerket team som er svært dyktige til å skape og tilpasse løsninger til våre kunders ofte spesialiserte AI-data-behov. Så, jeg arbeider tett med dem for å sette den agendaen.

Kunne du diskutere de typene maskinlæringsalgoritmer du arbeider med i LXT?

Kunstig intelligens-løsninger transformerer bedrifter på tvers av alle industrier, og vi i LXT er æret over å levere de høykvalitetsdataene som trener maskinlæringsalgoritmene som driver dem. Våre kunder arbeider med en rekke applikasjoner, inkludert forbedret og virtuell virkelighet, datavisning, conversational AI, generativ AI, søke-relevans og tale- og naturlig språkbehandling (NLP), blant andre. Vi er dedikert til å drive maskinlæringsalgoritmene og teknologiene for fremtiden gjennom data-generering og -forbedring på tvers av hver språk, kultur og modalitet.

Tale- og lydprosesserings-teknologi nærmer seg raskt nær perfeksjon når det gjelder engelsk og spesifikt hvite menn. Hvor lenge tror du det vil ta før det blir en jevn spillende felt på tvers av alle språk, kjønn og etniske grupper?

Dette er et komplisert spørsmål, og avhenger av en rekke faktorer, inkludert økonomiske, politiske, sosiale og tekniske, blant andre. Men det som er klart er at utbredelsen av det engelske språket er det som har drevet AI til hvor vi er nå. Så å komme til et sted hvor det er et jevn spillende felt, avhenger av hastigheten som representasjonen av data fra forskjellige etniske grupper og befolkninger vokser på nettet, og tempoet som det vokser, er det som vil bestemme når vi kommer dit.

Hva er din visjon for hvordan LXT kan akselerere AI-innsatsene for forskjellige kunder?

Vårt mål i LXT er å levere data-løsningene som muliggjør effektiv, nøyaktig og rask AI-utvikling. Gjennom våre 12 års erfaring innen AI-data-rommet, har vi ikke bare samlet omfattende kunnskap om kundenes behov i forhold til alle aspekter relatert til data, men har også kontinuerlig finjustert våre prosesser for å levere de høyeste kvalitetsdataene på den raskeste takt og beste prisene. Som en følge av vår uavbrutte forpliktelse til å levere våre kunder den optimale kombinasjonen av AI-data-kvalitet, effektivitet og pris, har vi blitt en pålitelig AI-data-partner, som tydeliggjøres av våre gjentakende kunder som fortsetter å komme tilbake til LXT for deres stadig voksende og utviklende AI-data-behov. Min visjon er å konsolidere, forbedre og utvide denne LXT-“MO”-en til alle modalitetene av data vi arbeider med, samt til alle typer AI-utvikling vi nå betjener, inkludert generativ AI. Å oppnå dette målet handler om å strategisk utvide våre egne maskinlærings- og data-vitenskaps-kapasiteter, både i forhold til teknologi og ressurser.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke LXT.