Ryan Kolln, CEO at Appen – Interview Series

Dołączając do Appen AI w 2018 roku jako VP ds. Rozwoju Korporacyjnego, kierował strategicznymi przejęciami, takimi jak Figure Eight i Quadrant, oraz wspierał utworzenie oddziałów w Chinach i Federalnych. Przed objęciem stanowiska CEO, pełnił funkcję Chief Operating Officer, nadzorując globalne operacje i strategię.

Posiadając ponad 20-letnie doświadczenie w branży technologicznej i telekomunikacyjnej, jak Twoja ścieżka kariery ukształtowała Twoje podejście do kierowania Appen w szybko ewoluującym krajobrazie AI?
Moja kariera rozpoczęła się jako inżynier telekomunikacji, gdzie moim zadaniem było budowanie i optymalizowanie sieci, co wiązało się z ogromną ilością danych, analiz i poszukiwaniem innowacyjnych rozwiązań w celu optymalizacji wydajności sieci i doświadczenia klienta.
Po ukończeniu studiów MBA na NYU, moja kariera ewoluowała w kierunku ról kierowniczych w strategii technologicznej i fuzjach oraz przejęciach, gdzie koncentrowałem się na większych pytaniach strategicznych, takich jak wschodzące trendy, możliwości inwestycyjne i modele biznesowe. To doświadczenie dało mi głębokie zrozumienie zarówno technicznych, jak i biznesowych aspektów wschodzących technologii.
W Appen pracujemy na przecięciu AI i danych, a moje doświadczenie pozwoliło mi poprowadzić firmę i nawigować złożoności w szybko ewoluującym środowisku AI, przechodząc przez główne rozwoje, takie jak rozpoznawanie głosu, NLP, systemy rekomendacji i teraz generatywne AI. To strategiczne spojrzenie jest kluczowe, ponieważ AI nadal transformuje branże na całym świecie.
Byłeś z Appen od 2018 roku, prowadząc duże przejęcia, takie jak Figure Eight i Quadrant. Jak te strategiczne posunięcia umieściły Appen jako lidera w usługach danych AI, i co widzisz jako następną dużą okazję dla firmy?
Przejęcia Figure Eight i Quadrant były kluczowe dla rozszerzenia naszych możliwości danych AI, szczególnie w obszarach takich jak adnotacja danych i inteligencja geolokalizacyjna. Platforma adnotacji danych Figure Eight była szczególnie wpływowa. Platforma jest wysoko dostosowywalna, a my wykorzystaliśmy ją do pracy w wielu różnych dziedzinach. Ostatnio wykorzystujemy platformę do uruchamiania większości naszych przepływów danych generatywnych AI.
Ponadto, około 5 lat temu utworzyliśmy operację w Chinach o nazwie Appen China. Jesteśmy teraz największą firmą danych AI w Chinach, z przychodem prawie dwukrotnie wyższym niż naszych najbliższych konkurentów.
Spójrzając w przyszłość, Appen koncentruje się na wspieraniu rozwoju i wdrożenia generatywnego AI. Są duże możliwości wzrostu zarówno wśród twórców modeli, jak i firm, które chcą wdrożyć generatywne AI do swoich produktów i operacji. Uważamy, że jesteśmy dopiero na początku największej fali AI.
Jakość danych odgrywa kluczową rolę w rozwoju modeli AI. Czy mógłbyś podzielić się, jak Appen zapewnia dokładność, różnorodność i istotność swoich zbiorów danych, szczególnie wobec rosnącego popytu na wysokiej jakości dane szkoleniowe LLM?
Siła Appen polega na naszej zdolności do tworzenia wysokiej jakości danych w sposób ciągły i na dużą skalę. Pracujemy ściśle z naszymi klientami, aby zrozumieć ich cele modeli AI i opracować wysokiej jakości dane do ich potrzeb za pomocą wielowarstwowego podejścia, które łączy narzędzia zautomatyzowane z informacjami zwrotnymi od ludzi. Mamy globalną siłę roboczą ponad 1 miliona osób z ponad 200 krajów, co pozwala nam wybierać grupę wykwalifikowanych i różnorodnych współpracowników. Przez rygorystyczne kontrole jakości i pętle informacji zwrotnej, zapewniamy, że dane są dokładne, spójne i istotne, i mogą być wykorzystywane do skutecznego poprawienia wydajności systemów AI. To pozwala systemom AI działać skutecznie w środowiskach rzeczywistych i może również być wykorzystywane do poprawienia wytrzymałości i redukcji stronniczości, szczególnie w przypadku LLM.
Generowanie danych syntetycznych zyskuje na popularności, a inwestycja Appen w Mindtech podkreśla Wasze zainteresowanie tym obszarem. Czy mógłbyś omówić zalety i wady korzystania z danych syntetycznych lub pobranych z Internetu w porównaniu z danymi uzyskanymi za pomocą tłumu dla szkolenia modeli AI, i jak widzisz, jak dane syntetyczne uzupełniają dane uzyskane za pomocą tłumu, na które Appen jest znany?
­­Wysokiej jakości dane są kluczowe, ale mogą być kosztowne i czasochłonne w produkcji, dlatego dane syntetyczne zyskują na uwadze. Działają one dobrze dla strukturalnych danych w tradycyjnych zadaniach AI/ML, szczególnie w branżach z surowymi regulacjami prywatności, takimi jak opieka zdrowotna i finanse, ponieważ unikają korzystania z informacji osobistych.
Jednak dane syntetyczne często nie posiadają głębi i nuansów danych z świata rzeczywistego, szczególnie dla złożonych zadań generatywnego AI, które wymagają różnorodności i głębokiej ekspertyzy. Mogą one również utrwalać błędy lub stronniczości z oryginalnych danych. Dane pobrane z Internetu, powszechnie wykorzystywane w LLM, przedstawiają własne wyzwania z niskiej jakości treści, stronniczości i dezinformacji, wymagające starannej kuracji.
Dane uzyskane za pomocą tłumu, w których Appen specjalizuje się, pozostają “prawdą”. Ekspertyza ludzka jest niezbędna do generowania różnorodnych, złożonych danych potrzebnych do poprawienia dokładności modeli AI i zapewnienia zgodności z wartościami ludzkimi.
Widzimy dane syntetyczne jako uzupełnienie naszych danych adnotowanych przez ludzi. Chociaż dane syntetyczne mogą przyspieszyć części procesu, dane adnotowane przez ludzi zapewniają, że modele odzwierciedlają różnorodność świata rzeczywistego. Razem zapewniają zbalansowane podejście do tworzenia wysokiej jakości danych szkoleniowych dla AI.
Unia Europejska AI Act i inne globalne regulacje kształtują standardy etyczne wokół rozwoju AI. Jak widzisz, jak te regulacje wpłyną na operacje Appen i szerszy przemysł AI w przyszłości?
Unia Europejska AI Act i podobne globalne regulacje prawdopodobnie wpłyną na operacje Appen, ustanawiając nowe standardy etyczne dla rozwoju i wydajności modeli AI. Możemy spodziewać się zmian w tym, jak obsługujemy dane, zapewniamy uczciwość modeli i zajmujemy się kwestiami etycznymi. To może prowadzić do bardziej rygorystycznych procesów i potencjalnych dostosowań w naszym podejściu do szkolenia i walidacji modeli.
W szerszym zakresie, te regulacje prawdopodobnie popchną przemysł w kierunku wyższych standardów etycznych, zwiększą koszty zgodności i potencjalnie spowolnią niektóre aspekty innowacji. Jednak również będą napędzać większą odpowiedzialność i przejrzystość, co może ostatecznie prowadzić do bardziej odpowiedzialnego i zrównoważonego rozwoju AI.
Z rosnącymi obawami dotyczącymi stronniczości w AI, jak Appen pracuje nad zapewnieniem, że zestawy danych wykorzystywane do szkolenia modeli AI są etycznie pozyskane i pozbawione stronniczości, szczególnie w wrażliwych obszarach, takich jak przetwarzanie języka naturalnego i widzenie komputerowe?
Aktywnie pracujemy nad redukcją stronniczości, promując różnorodność i inkluzję w naszych projektach. To zachęcające, że wielu z naszych klientów koncentruje się na uchwyceniu szerokich demografii w zbiorach danych i zadaniach oceny modeli. Posiadanie globalnego tłumu, który mieszka w większości krajów, pozwala nam pozyskać dane z szerokiego zakresu perspektyw i doświadczeń, co jest szczególnie ważne w wrażliwych obszarach, takich jak przetwarzanie języka naturalnego i widzenie komputerowe.
Od 2019 roku sformalizowaliśmy nasze najlepsze praktyki w Kodzie Etyki Tłumu, pokazując nasze zaangażowanie w różnorodność, uczciwość i dobrobyt tłumu. To obejmuje nasze zobowiązanie do uczciwej zapłaty, zapewnienia, że głos naszego tłumu jest słyszalny, oraz utrzymania surowych ochron prywatności. Przestrzegając te zasady, staramy się dostarczyć wysokiej jakości, etycznie pozyskane dane, które wspierają odpowiedzialny rozwój AI.
Jak AI staje się coraz bardziej zintegrowane z branżami, takimi jak motoryzacja, reklama i AR/VR, jak Appen pozycjonuje się, aby spełnić rosnący popyt na wyspecjalizowane dane szkoleniowe w tych sektorach?
Przez ostatnie 27 lat dostarczaliśmy wyspecjalizowane dane szkoleniowe dla szerokiej gamy branż i przypadków użycia, i nadal ewoluujemy, gdy potrzeby naszych klientów ewoluują.
Jako przykład, w motoryzacji pracowaliśmy z wiodącymi firmami motoryzacyjnymi i dostawcami rozwiązań wewnątrz pojazdu, aby zbudować systemy mówione w pojeździe. Teraz pomagamy naszym klientom w nowych obszarach, takich jak zbieranie danych wideo kierowców, aby pomóc w bezpieczeństwie przez monitorowanie rozpraszających czynników.
W reklamie pomogliśmy wiodącej globalnej platformie reklamowej poprawić jakość i dokładność reklam dla istotności użytkownika w ramach dużego, wieloletniego programu globalnego z 7M+ ocenami. Teraz, gdy wiele z tych platform przyjmuje rozwiązania generatywnego AI, nasi tłumacze nie tylko oceniają istotność reklam, ale także pomagają oceniać jakość wygenerowanych reklam.
Zrobiliśmy to wszystko dzięki naszej wytrzymałej platformie adnotacji, która może być dostosowana do obsługi złożonych przepływów pracy i różnych modalności danych, w tym tekstu, audio, obrazu, wideo i adnotacji multimodalnej. Ale ostatecznie, nasza zdolność do poruszania się z ewoluującą branżą wynika z naszej głębokiej ekspertyzy w danych dla rozwoju AI i silnego partnerstwa z naszymi klientami.
Appen był liderem w dostarczaniu wysokiej jakości danych dla różnych aplikacji AI. Spójrzając w przyszłość, jak widzisz ewolucję roli Appen, gdy generatywne AI i LLM stają się coraz bardziej rozwinięte i wpływają na globalne rynki?
Generatywne AI i LLM przekształcają branże, i będziemy nadal odgrywać kluczową rolę w dostarczaniu wysokiej jakości danych, aby wesprzeć te postępy. Gdy chodzi o globalne rynki, nasza zdolność do pozyskiwania danych z ponad 200 krajów i 500+ języków stanie się jeszcze bardziej cenna, i mamy silną historię tego, gdy pomogliśmy firmom, takim jak Microsoft, uruchomić modele tłumaczeń maszynowych dla ponad 110 języków.
Gdy wdrożenie aplikacji LLM rośnie, widzimy rosnący popyt na wyrównanie z użytkownikami końcowymi, w tym możliwości lokalizacyjne, aby zapewnić, że nuans językowy i kulturowy jest uwzględniony w różnych globalnych rynkach. Jesteśmy zaangażowani w pomoc firmom w rozwoju systemów AI, które są zarówno wydajne, jak i odpowiedzialne, zapewniając, że dane wykorzystywane do szkolenia tych modeli są różnorodne, istotne i etycznie pozyskane.
Appen jest znany z zasilania niektórych z najbardziej zaawansowanych LLM na świecie. Jakie innowacje w adnotacji i zbiorze danych Appen koncentruje się, aby poprawić wydajność tych modeli?
Ciągle innowujemy nasze procesy adnotacji i zbioru danych, aby poprawić wydajność LLM. Jednym z obszarów koncentracji jest poprawienie wydajności i dokładności adnotacji danych za pomocą zaawansowanych narzędzi wspomaganych przez AI, które pomagają strumieniować i zautomatyzować części procesu, utrzymując przy tym wysokie standardy jakości.
Możemy identyfikować punkty danych, które wymagają dalszego wkładu ludzkiego, zapewniając, że wysiłki adnotacyjne są ukierunkowane tam, gdzie będą miały największy wpływ. Zintegrowaliśmy funkcje w naszej platformie, takie jak Model Mate, które mogą być wykorzystywane do przyspieszenia produkcji danych i poprawy jakości danych. Jesteśmy również skoncentrowani na najlepszych praktykach w zarządzaniu współpracownikami, co jest ważne, gdy złożoność zadań rośnie.
Zdolność do zrozumienia wydajności na poziomie współpracownika i zapewnienia ciągłej poprawy jakości naszych danych generowanych przez ludzi. Te innowacje pozwalają nam dostarczyć wysokiej jakości, duże ilości danych wymaganych do zasilania i dostrojenia światowych wiodących LLM.
Jak wkraczasz w nową rolę CEO, jakie są Twoje najważniejsze priorytety dla Appen w nadchodzących latach, i jak planujesz napędzać wzrost firmy w wysoko konkurencyjnym środowisku AI?
Jako CEO, moje priorytety strategiczne są zaprojektowane, aby zapewnić przywództwo Appen w konkurencyjnym krajobrazie AI:

• Wspieranie rozwoju modeli generatywnych AI: Przez ostatnie 18 miesięcy, generatywne AI stało się kluczowym składnikiem naszej oferty usług, z 28% przychodu grupy pochodzącego z projektów związanych z generatywnym AI w czerwcu 2024 roku w porównaniu z 8% w styczniu. Widzimy znaczny potencjał na rynku generatywnego AI, który ma osiągnąć 1,3 bln dolarów do 2032 roku, według prognoz branżowych.
• Wspieranie wdrożenia modeli generatywnych AI: Widzimy wzrost w nowych segmentach, gdy przedsiębiorstwa wykorzystują rozwiązania generatywnego AI dla swoich przypadków użycia. Chociaż odsetek projektów generatywnego AI, które osiągają wdrożenie, jest niski, spodziewamy się, że FY24/25 będzie okresem przejściowym, w którym eksperymenty przechodzą do produkcji i napędzają popyt na dostosowane, wysokiej jakości i specjalistyczne dane.
• Optymalizacja i automatyzacja sposobu przygotowania danych: Wykorzystując AI do kontroli jakości i automatyzując pewne kroki procesu przygotowania danych. To pozwoli nam poprawić jakość danych, a także poprawić wydajność operacyjną, poprawiając nasze marże brutto.
• Ewolucja doświadczenia dla naszych współpracowników: Nasza nowa platforma CrowdGen umożliwia nam skalowanie projektów szybko i elastycznie w zgodzie z potrzebami naszych klientów, wykorzystując AI do automatycznego screeningu i dopasowywania projektów. To również poprawi doświadczenie naszych współpracowników, zapewniając im personalizowaną pomoc. Appen był wczesnym przyjęty w promowaniu transparentności, różnorodności i uczciwości w pozyskiwaniu danych, i pozostajemy zaangażowani w nasz Kod Etyki Tłumu.

Te priorytety umieścą Appen na pozycji do utrzymania wzrostu i innowacji w ewoluującym krajobrazie AI.
Dziękujemy za wspaniałe wywiady, zachęcamy czytelników, którzy chcą dowiedzieć się więcej, do odwiedzenia Appen.