Mohammad Omar, Co-Fundador e CEO da LXT – Série de Entrevistas

Mohammad Omar é o Co-Fundador e CEO da LXT, uma empresa emergente em treinamento de dados de IA para tecnologia inteligente para organizações globais, incluindo as maiores empresas de tecnologia do mundo. Em parceria com uma rede internacional de contribuintes, a LXT coleta e anota dados em várias modalidades com a velocidade, escala e agilidade necessárias para as empresas. Fundada em 2010, a LXT tem sua sede em Toronto, Canadá, com presença nos Estados Unidos, Austrália, Índia, Turquia, Reino Unido e Egito.

Poderia compartilhar a história por trás da criação da LXT?

A LXT foi fundada em resposta a uma necessidade aguda de dados que meu empregador de doze anos atrás estava enfrentando. Na época, a empresa precisava de dados em árabe, mas não tinha os fornecedores certos para obtê-los. Como eu sou um empreendedor por natureza, decidi deixar meu cargo, criar uma nova empresa e oferecer nossos serviços ao meu ex-empregador. Imediatamente, fomos contratados para alguns dos projetos mais desafiadores deles, que entregamos com sucesso, e as coisas simplesmente cresceram a partir daí. Agora, mais de 12 anos depois, construímos uma relação sólida com essa empresa, tornando-nos um fornecedor de confiança para dados de linguagem de alta qualidade.

Quais são alguns dos maiores desafios por trás da implantação de IA em larga escala?

Essa é uma ótima pergunta, e na verdade, incluímos isso em nosso relatório de pesquisa mais recente, O Caminho para a Maturidade da IA. O maior desafio que os respondentes citaram foi integrar seus sistemas existentes ou legados às soluções de IA. Isso faz sentido, considerando que pesquisamos empresas maiores que provavelmente teriam uma variedade de sistemas de tecnologia em suas organizações que precisam ser racionalizados em uma estratégia de transformação digital. Outros desafios que os respondentes classificaram como altos foram a falta de talentos qualificados, falta de treinamento ou recursos e obtenção de dados de qualidade. Eu não fiquei surpreso com essas respostas, pois elas são comumente citadas, e também, é claro, porque o desafio dos dados é a razão de ser da nossa organização.

Quando se trata de desafios de dados, a LXT pode tanto obter dados quanto rotulá-los para que os algoritmos de aprendizado de máquina possam entendê-los. Estamos equipados para fazer isso em larga escala e com agilidade, o que significa que entregamos dados de alta qualidade muito rapidamente. Os clientes frequentemente nos procuram quando estão se preparando para um lançamento e querem garantir que seu produto seja bem recebido pelos clientes,

Ao trabalhar conosco para obter e rotular dados, as empresas podem abordar suas carências de recursos e talentos, permitindo que suas equipes se concentrem em construir soluções inovadoras.

A LXT oferece cobertura para mais de 750 idiomas, mas existem desafios de tradução e localização que vão além da estrutura da linguagem em si. Poderia discutir como a LXT enfrenta esses desafios?

Certamente existem desafios de tradução e localização – especialmente quando você se afasta das línguas mais amplamente faladas que tendem a ter status oficial e o nível de padronização que acompanha isso. Muitas das línguas em que trabalhamos não têm ortografia oficial, então gerenciar a consistência em uma equipe se torna um desafio. Abordamos esses e outros desafios – como a detecção de comportamento fraudulento – tendo processos rigorosos em vigor para garantia de qualidade. Mais uma vez, ficou claro em nosso relatório de pesquisa de maturidade da IA que, para a maioria das organizações que trabalham com dados de IA, a qualidade está no topo da lista de prioridades. E a maioria das organizações pesquisadas expressou disposição para pagar mais para obtê-la.

Para as empresas que exigem obtenção de dados e anotação de dados, quanto tempo antes da jornada de desenvolvimento de aplicativos elas devem começar a obter esses dados?

Recomendamos que as organizações criem uma estratégia de dados assim que identificarem seu caso de uso de IA. Esperar até que o aplicativo esteja em desenvolvimento pode levar a muito retrabalho desnecessário, pois a IA pode aprender as coisas erradas e precisar ser retreinada com dados de qualidade, o que pode levar tempo para obter e integrar no processo de desenvolvimento.

Qual é a regra geral para saber a frequência com que os dados devem ser atualizados?

Isso realmente depende do tipo de aplicativo que você está desenvolvendo e de quão frequentemente os dados que o suportam mudam de forma significativa. Isso significa que os dados são uma representação da vida real, e com o tempo, os dados devem ser atualizados para fornecer uma reflexão precisa do que está acontecendo no mundo. Chamamos isso de deriva do modelo, do qual existem dois tipos, cada um exigindo a retreinamento dos algoritmos.

• A deriva de conceito ocorre quando uma diferença significativa entre os dados de treinamento e a saída da IA muda, o que pode acontecer de repente ou mais gradualmente. Por exemplo, um varejista pode usar dados históricos de clientes para treinar um aplicativo de IA. Mas quando uma grande mudança na realidade do consumidor ocorre, o algoritmo precisará ser retreinado para refletir isso.

• A deriva de dados ocorre quando os dados usados para treinar um aplicativo não refletem mais os dados reais encontrados quando ele entra em produção. Isso pode ser causado por uma variedade de fatores, incluindo mudanças demográficas, sazonalidade ou a situação de um aplicativo em uma nova região geográfica.

A LXT recentemente lançou um relatório intitulado “O Caminho para a Maturidade da IA 2023“. Quais foram algumas das principais conclusões desse relatório que o surpreenderam?

Provavelmente não deveria ter sido uma surpresa, mas a coisa que realmente se destacou foi a diversidade de aplicações. Você poderia ter esperado que dois ou três domínios de atividade dominassem, mas quando perguntamos onde os respondentes planejavam focar seus esforços de IA e onde planejavam implantar sua IA, inicialmente pareceu caótico – a ausência de qualquer tendência. Mas ao analisar os dados e olhar as respostas qualitativas, ficou claro que a ausência de tendência é a tendência. Pelo menos através dos olhos de nossos respondentes, se você tiver um problema, então há uma possibilidade real de que alguém esteja trabalhando em uma solução de IA para isso.

A IA gerativa está tomando o mundo por tempestade, qual é sua visão sobre até onde os modelos de linguagem gerativa podem levar a indústria?

Minha visão pessoal sobre isso é que central à verdadeira força da Inteligência Artificial Gerativa – estou escolhendo usar as palavras aqui em vez da abreviação para ênfase – é a Compreensão da Linguagem Natural. A “inteligência” da IA é aprendida por meio da linguagem; a capacidade de abordar e, eventualmente, resolver problemas complexos é mediada por interações de linguagem natural iterativas e cumulativas. Com isso em mente, acredito que os modelos de linguagem gerativa estarão em sincronia com outros elementos da IA em todos os aspectos.

Qual é sua visão para o futuro da IA e para o futuro da LXT?

Sou um otimista por natureza e isso vai colorir minha resposta aqui, mas minha visão para o futuro da IA é ver que ela melhore a qualidade de vida para todos; para que ela faça do nosso mundo um lugar mais seguro, um lugar melhor para as gerações futuras. Em um nível micro, minha visão para a LXT é ver a organização continuar a construir sobre suas forças, crescer e se tornar uma empregadora de escolha, e uma força para o bem, para a comunidade global que torna nosso negócio possível. Em um nível macro, minha visão para a LXT é contribuir de forma significativa e significativa para o cumprimento da minha visão otimista para o futuro da IA.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar LXT.