Mohammad Abu Sheikh, grunnlegger og CEO av CNTXT AI – Intervju-serie

Vi så overfloden av underutnyttet data i denne delen av verden. Mange problemer med å skalerer AI kom fra mangelen på data-klarhet — som til slutt betydde en mangel på AI-klarhet. Derfor startet vi CNTXT AI.

Initialt løste vi de samme problemene vi møtte mens vi bygde LocAI…Vi så disse utfordringene først hånd mens vi arbeidet med AI71, TII og G42 (IIAI). Mens vi hjalp disse enhetene med å løse disse problemene, ble visjonen klarere og bedriften fortsatte å vokse.

Du har spilt en nøkkelrolle i å bygge den største arabiske digitale biblioteket for AI-trening. Hva var noen av de største utfordringene i å gjøre dette, og hvordan overvant du dem?

Kvalitet var en av de største utfordringene. En annen var den begrensede tilgjengeligheten av høykvalitets arabiske data på nettet: Arabisk er alvorlig underrepresentert. Bare en liten del av arabiske innhold er digitalisert, og bare 3–5% av all nettinnhold er på arabisk. Det er nesten ingenting. Vi overvant dette problemet ved å utplassere data-merkere, annotatorer og data-vitenskapsmenn for å digitalisere, opprette og kuratere dataene selv.

CNTXT AI opererer på skjæringspunktet mellom kultur og beregning. Hvordan balanserer du banebrytende AI-innovasjon med målet om å bygge kulturelt relevante løsninger for MENA-regionen?

Vi bygger kulturelt grunnede modeller fra bunnen av. Fra infrastruktur til ferdig produkt, er kultur innbygget fra begynnelsen — det er ikke noe vi legger til senere. Vi designer, innovasjon og bygger med spesifikke kulturer, dialekter og behov i mente fra dag én. Arabisk er ett språk, men det bærer mange dialekter og kulturelle kontekster i regionen, så vi bygger lokale produkter for lokale land. Og vi gjør det ved å samarbeide med lokale annotatorer, folk på bakken, i deres eget land.

Du har også medgrunnlagt LocAI og leder SMPL AI-fondet. Hvordan komplementerer disse bedriftene CNTXT AIs misjon?

LocAI er applikasjonslaget — delen folk faktisk interagerer med. Det sitter rett på toppen av data og infrastruktur bygget av CNTXT AI. Det er det som gjorde det suksessrikt: det transformerer AI-grunnlagene levert av CNTXT AI til virkelige løsninger folk kan bruke.

SMPL AI, på den andre siden, handler om å gi tilbake til samfunnet. Det fokuserer på å investere i tidlige startups og hjelpe med å bygge den regionale AI-økosystemet. Vi deler verktøyene og lærdommene vi har lært fra å bygge AI selv, så grunnleggere kan vokse raskere og unngå vanlige fallgruber.

Munsit har blitt kalt den mest nøyaktige arabiske talegjenkjenningmodellen i verden. Hva drev utviklingen av denne modellen, og hvorfor nå?

Hva drev utviklingen av denne modellen, var enkelt: behovet.

Vi bygger alltid ut fra behov. Vi så på markedet og så at landskapet var modent — regjeringer og private kunder ba alle om en løsning som denne.

De eksisterende modellene var ikke opp til oppgaven. De fleste er bygget på engelsk teknologi og så tilpasset. De er ikke designet for arabisk fra bunnen av, og definitivt ikke for de spesifikke problemene vi løser.

Så vi bestemte oss for å bygge vår egen. Det er arabisk først — ved design.

Forskningen bak Munsit introduserer en svakt overvåket læringstilnærming. Kan du forklare hva det betyr og hvorfor det var essensielt for å trene arabiske ASR i stor skala?

Annotering er dyrt. Så vi måtte gå ut over tradisjonelle metoder som avhenger av store mengder manuell transkripsjon. Svakt overvåket læring hjalp oss å skalerer uten å måtte merke hver lydfil for hånd — som er spesielt viktig for arabisk, et språk med begrensede data og mange forskjellige dialekter.

I stedet for å bruke profesjonelt transkribert lyd, startet vi med 30 000 timer med uberettet arabisk tale. Vi bygde en annoteringspipeline som genererer, filterer og rensker de beste ved hjelp av automatiske sjekker. Dette ga oss en høykvalitetsdataset på 15 000 timer — alt uten manuell transkripsjon.

Dette tilnærmingen gjorde det mulig å trene vår modell fra scratch, og fange rikdommen av talt arabisk over virkelige livssituasjoner, raskt og kostnadseffektivt. Uten denne metoden ville byggingen av en arabiske ASR-system i denne skalaen ha tatt år og millioner i manuell innsats.

Munsit overgikk modeller fra OpenAI, Microsoft (MSFT ) og Meta over flere benchmark. Hva sier denne prestasjonen om fremtiden for arabiske AI-innovasjoner?

Fremtiden for arabiske AI er i våre hender; og det er nettopp hva denne prestasjonen beviser. Vi kan ikke lenger nøle med å stole på teknologier vi ikke eier eller avhenge av tredjeparter som ikke prioriterer vår region.

Munsit viser at vi kan bygge verdensklasse AI, fra regionen, for regionen — ved å bruke lokal talent til å løse lokale problemer. Det er et tydelig signal om at den neste bølgen av arabiske AI-innovasjoner kommer fra innen.

Hvordan ser du Munsit utvikle seg i fremtidige versjoner, og hva er de neste grensene for arabiske tale-AI ved CNTXT?

Du må bare vente og se. Det jeg kan si er at vi har en fersk, ny samling av arabisk-først AI-løsninger på vei — alle drevet av Munsit og andre modeller vi bygger på CNTXT AI. Dette er bare begynnelsen.

Du snakker ofte om viktigheten av “suveren AI”. Hva betyr dette begrepet for deg, og hvorfor er det kritisk for Gulfen og den bredere MENA-regionen?

For meg betyr suveren AI å ha full eierskap og kontroll over data, infrastruktur og modeller som former vår fremtid. Det er kritisk fordi vi må eie vår egen skjebne, og det starter med data.

Data-suverenitet er alt. Data er verdifullt, og vi må sikre at det forblir i våre hender.

Vi kan ikke nøle med å overlate vår fremtid og sitte inaktive mens andre bygger teknologien for oss. Fremtiden for AI i denne regionen kommer fra denne regionen. Det er nettopp hva vi jobber mot.

Hvordan ser du CNTXT AI forme AI-økosystemet i Midtøsten over de neste fem årene?

Ved å muliggjøre sant AI-klarhet. Vi går inn, forstår hva selskaper og regjeringer trenger, bygger data- og AI-strategier, og hjelper dem med å bygge, teste, distribuere og skalerer.

Hvis data er det nye oljen, er ustrukturert data olje uraffinert — fullt av potensial, men nytteløst til den er prosessert. Det er derfor vi har bygget CNTXT AI for å hjelpe organisasjoner med å rense, strukturere og aktivere deres data. For det er der den virkelige AI-transformasjonen begynner.

Fra din posisjon som både entrepreneur og investor, hva ville du råd andre grunnleggere av AI-startups i nye markeder?

Start nå. Beveg deg raskt. Feil raskt, lær raskere, og fortsett å iterere.

Det viktigste er å bygge for virkelige problemer. Hold deg nær bakken — lytt til brukerne, ikke bare hypen. I nye markeder er relevans og tilpasning nøkkel.

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