Eric Landau, współzałożyciel i CEO Encord – seria wywiadów

Eric Landau jest CEO i współzałożycielem Encord, platformy aktywnego uczenia maszynowego dla widzenia komputerowego. Eric był głównym badaczem ilościowym w globalnym dziale delta-one, wprowadzając tysiące modeli do produkcji. Przed Encord spędził prawie dekadę w handlu wysokoczęstotliwościowym w DRW. Ukończył studia magisterskie z fizyki stosowanej na Uniwersytecie Harvarda, studia magisterskie z inżynierii elektrycznej oraz studia licencjackie z fizyki na Uniwersytecie Stanforda.

W wolnym czasie Eric lubi bawić się modelem ChatGPT i dużymi modelami językowymi oraz tworzyć koktajle.

Czym skłoniło Cię do współzałożenia Encord, a jak Twoje doświadczenie w fizyce cząstek i finansach ilościowych ukształtowało Twój podejście do rozwiązania problemu „danych” w AI?

Początkowo zacząłem myśleć o uczeniu maszynowym, pracując w fizyce cząstek i mając do czynienia z bardzo dużymi zbiorami danych podczas mojego pobytu w Stanford Linear Accelerator Center (SLAC). Używałem oprogramowania zaprojektowanego przez fizyków dla fizyków, co oznacza, że było wiele do życzenia pod względem przyjemnego użytkowania. Z łatwiejszymi narzędziami mógłbym prowadzić analizy znacznie szybciej.

Później, pracując w finansach ilościowych w DRW, byłem odpowiedzialny za tworzenie tysięcy modeli, które były wdrażane do produkcji. Podobnie jak moje doświadczenie w fizyce, odkryłem, że wysokiej jakości dane były kluczowe w tworzeniu dokładnych modeli i że zarządzanie złożonymi, dużymi zbiorami danych jest trudne. Ulrik miał podobne doświadczenie z wizualizacją dużych zbiorów obrazów dla widzenia komputerowego.

Kiedy usłyszałem o jego początkowej idei Encord, natychmiast się zgodziłem i zrozumiałem wagę. Razem, Ulrik i ja zobaczyliśmy ogromną okazję do budowy platformy, która zautomatyzuje i uprości proces rozwoju danych AI, ułatwiając zespołom uzyskanie najlepszych danych do modeli i budowę godnych zaufania systemów AI.

Proszę, wyjaśnij wizję założoną za Encord i jak porównuje się do wczesnych dni komputowania lub Internetu pod względem potencjału i wyzwań?

Wizja Encord polega na tym, aby być podstawową platformą, na której przedsiębiorstwa będą polegać, aby przekształcić swoje dane w funkcjonalne modele AI. Jesteśmy warstwą pomiędzy danymi firmy a ich AI.

Na wiele sposobów AI odbija poprzednie przełomy, takie jak komputery osobiste i Internet, ponieważ stanie się integralną częścią przepływów pracy dla każdej osoby, firmy, narodu i branży. W przeciwieństwie do poprzednich rewolucji technologicznych, które były w dużej mierze zahamowane przez prawo Moore’a skumulowanego wzrostu obliczeniowego o 30-krotnym wzroście co 10 lat, rozwój AI skorzystał na równoczesnych innowacjach. Porusza się więc znacznie szybciej. W słowach Jensena Huanga z NVIDIA (NVDA ): „Po raz pierwszy widzimy skumulowane wykładnice… Skumulujemy się milion razy co 10 lat. Nie sto, nie tysiąc, ale milion razy”. Bez przesady, jesteśmy świadkami najszybciej rozwijającej się technologii w historii ludzkości.

Potencjał jest ogromny: poprzez automatyzację i skalowanie zarządzania wysokiej jakości danymi dla AI, rozwiązujemy wąskie gardło, które uniemożliwia szersze przyjęcie AI. Wyzwania są podobne do wczesnych przeszkód w poprzednich erach technologicznych: sility, brak najlepszych praktyk, ograniczenia dla użytkowników niebędących specjalistami i brak dobrze zdefiniowanych abstrakcji.

Encord Index jest pozycjonowany jako kluczowe narzędzie do zarządzania i kuracji danych AI. Jak różni się on od innych platform zarządzania danymi dostępnych obecnie?

Istnieje kilka sposobów, w jakie Encord Index wyróżnia się:

Index jest skalowalny: Pozwala użytkownikom zarządzać miliardami, a nie milionami punktów danych. Inne narzędzia mają problemy ze skalowalnością dla nieustrukturyzowanych danych i są ograniczone w konsolidacji wszystkich istotnych danych w organizacji.

Index jest elastyczny: Bezpośrednio integruje się z prywatnymi magazynami danych i dostawcami chmury, takimi jak AWS, GCP i Azure. W przeciwieństwie do innych narzędzi, które są ograniczone do jednego dostawcy chmury lub wewnętrznego systemu przechowywania, Index jest agnostyczny wobec miejsca przechowywania danych. Pozwala zarządzać danymi z wielu źródeł z odpowiednimi mechanizmami zarządzania i kontrolami dostępu, które umożliwiają rozwijanie bezpiecznych i zgodnych aplikacji AI.

Index jest wielomodalny: Obsługuje AI wielomodalną, zarządzając danymi w postaci obrazów, filmów, dźwięku, tekstu, dokumentów i więcej. Index nie jest ograniczony do jednej formy danych, jak wiele narzędzi LLM dzisiaj. Ludzka percepcja jest wielomodalna, a my wierzymy, że AI wielomodalna będzie w centrum następnej fali postępów AI, która zastąpi czatboty i LLM.

W jaki sposób Encord Index ulepsza proces wyboru odpowiednich danych dla modeli AI, a jaki wpływ ma to na wydajność modelu?

Encord Index ulepsza wybór danych, automatyzując kurację dużych zbiorów danych, pomagając zespołom identyfikować i zachowywać tylko najbardziej istotne dane, jednocześnie usuwając nieinformacyjne lub tendencyjne dane. Ten proces nie tylko redukuje rozmiar zbiorów danych, ale także znacznie poprawia jakość danych używanych do szkolenia modeli AI. Nasi klienci doświadczyli nawet 20% poprawy w swoich modelach, osiągając 35% redukcję rozmiaru zbioru danych i oszczędzając setki tysięcy dolarów na kosztach obliczeniowych i ludzkich.

Jak Encord pozostaje na czele w szybko ewoluującym krajobrazie AI, biorąc pod uwagę szybkie wdrożenie technologii takich jak Model Segment Anything od Meta?

Celowo zbudowaliśmy platformę, aby mogła szybko dostosowywać się do nowych technologii. Koncentrujemy się na dostarczaniu skalowalnego, oprogramowania-pierwszego podejścia, które łatwo wchłania postępy, takie jak SAM, zapewniając, że nasi użytkownicy są zawsze wyposażeni w najnowsze narzędzia, aby utrzymać przewagę.

Planujemy pozostać na czele, koncentrując się na AI wielomodalnej. Platforma Encord może już zarządzać złożonymi typami danych, takimi jak obrazy, filmy i tekst, więc gdy więcej postępów w AI wielomodalnej przyjdzie, jesteśmy gotowi.

Jakie są najczęstsze wyzwania, z którymi przedsiębiorstwa spotykają się przy zarządzaniu danymi AI, a jak Encord pomaga rozwiązać te problemy?

Istnieją 3 główne wyzwania, z którymi przedsiębiorstwa spotykają się:

• Słaba organizacja danych i brak kontroli: Gdy przedsiębiorstwa przygotowują się do wdrożenia rozwiązań AI, często spotykają się z rzeczywistością silityzowanych i niezorganizowanych danych, które nie są gotowe do AI. Te dane często nie mają silnej kontroli, co ogranicza ich użycie w systemach AI.
• Brak ekspertów ludzkich: Gdy modele AI rozwiązują coraz bardziej złożone problemy, wkrótce nastąpi brak ekspertów ludzkich, aby przygotować i zwalidować dane. Gdy zapotrzebowanie firmy na AI rośnie, skalowanie tej siły roboczej jest trudne i kosztowne.
• Nieskalowalne narzędzia: Wysokowydajne modele AI są bardzo głodne danych, potrzebnych do dostrajania, walidacji, RAG i innych przepływów pracy. Poprzednie narzędzia nie są wyposażone w zarządzanie ilością i typami danych wymaganymi dla dzisiejszych modeli produkcyjnych.

Encord rozwiązuje te problemy, automatyzując proces kuracji danych w skali, ułatwiając identyfikację danych o wysokim wpływie z problematycznymi danymi i zapewniając tworzenie skutecznych zbiorów danych szkoleniowych i walidacyjnych. Używa podejścia oprogramowania-pierwszego, które jest łatwe do skalowania w górę lub w dół, w zależności od zmian w zarządzaniu danymi. Nasze narzędzia anotacji wspomaganej przez AI umożliwiają ekspertom ludzkim maksymalizację wydajności przepływu pracy. Ten proces jest szczególnie istotny w branżach takich jak usługi finansowe i opieka zdrowotna, gdzie trenerzy AI są kosztowni. Ułatwiamy zarządzanie i zrozumienie wszystkich nieustrukturyzowanych danych organizacji, redukując potrzebę pracy ręcznej.

Jak Encord rozwiązuje problem tendencyjności danych i obszarów niedoreprezentowanych w zbiorach danych, aby zapewnić sprawiedliwe i zrównoważone modele AI?

Rozwiązywanie problemu tendencyjności danych jest kluczowym celem dla nas w Encord. Nasza platforma automatycznie identyfikuje i prezentuje obszary, w których dane mogą być tendencyjne, pozwalając zespołom AI rozwiązać te problemy, zanim wpłyną na wydajność modelu. Zapewniamy również, że obszary niedoreprezentowane w zbiorach danych są właściwie uwzględnione, co pomaga w tworzeniu bardziej sprawiedliwych i zrównoważonych modeli AI. Używając naszych narzędzi kuracji, zespoły mogą być pewne, że ich modele są szkolone na różnorodnych i reprezentatywnych danych.

Encord niedawno zabezpieczył 30 milionów dolarów w finansowaniu serii B. Jak to finansowanie przyspieszy Twoją mapę produktu i plany ekspansji?

30 milionów dolarów w finansowaniu serii B zostanie wykorzystane do drastycznego zwiększenia rozmiaru naszych zespołów produktowych, inżynierskich i badań AI w ciągu najbliższych sześciu miesięcy oraz do przyspieszenia rozwoju Encord Index i innych nowych funkcji. Rozwijamy również naszą obecność w San Francisco z nowym biurem, a to finansowanie pomoże nam skalować nasze operacje, aby wesprzeć rosnącą bazę klientów.

Jako najmłodsza firma AI z Y Combinator, która podniosła finansowanie serii B, co przypisujesz szybkiemu wzrostowi i sukcesowi Encord?

Jednym z powodów, dla których mogliśmy szybko rosnąć, jest to, że przyjęliśmy ekstremalnie ukierunkowane na klienta podejście we wszystkich obszarach firmy. Jesteśmy w ciągłym kontakcie z klientami, słuchamy ich problemów i „przyciskamy” ich, aby znaleźć rozwiązania. Poprzez nadmierne skupienie się na potrzebach klientów, a nie na hiperze, stworzyliśmy platformę, która rezonuje z najlepszymi zespołami AI w różnych branżach. Nasi klienci byli niezwykle pomocni w doprowadzeniu nas do miejsca, w którym jesteśmy dzisiaj. Nasza zdolność do szybkiego skalowania i efektywnego zarządzania złożonością danych AI uczyniła nas atrakcyjnym rozwiązaniem dla przedsiębiorstw.

Winniśmy również wiele naszego sukcesu naszym współpracownikom, partnerom i inwestorom, którzy pracowali niezwykle ciężko, aby promować Encord. Praca z najlepszymi zespołami produktowymi, inżynierskimi i marketingowymi miała ogromny wpływ na nasz wzrost.

Biorąc pod uwagę rosnące znaczenie danych w AI, jak widzisz ewolucję roli platform danych AI, takich jak Encord, w ciągu najbliższych pięciu lat?

Podczas gdy aplikacje AI rosną w złożoności, potrzeba efektywnych i skalowalnych rozwiązań zarządzania danymi będzie rosła. Wierzę, że każde przedsiębiorstwo w końcu będzie miało departament AI, podobnie jak działy IT istnieją dzisiaj. Encord będzie jedyną platformą, której będą potrzebować, aby zarządzać ogromnymi ilościami danych wymaganych dla AI i wprowadzać modele do produkcji szybko.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Encord.