Мохаммад Абу Шейх, Основатель и Генеральный Директор CNTXT AI – Интервью

Мы увидели изобилие неиспользуемых данных в этой части мира. Многие проблемы масштабирования ИИ возникли из-за отсутствия готовности данных — что в конечном итоге означало отсутствие готовности ИИ. Вот почему мы начали CNTXT AI.

Первоначально мы решали те же проблемы, с которыми столкнулись при построении LocAI… Мы увидели эти проблемы лично, работая с AI71, TII и G42 (IIAI). Когда мы помогли этим организациям решить эти проблемы, видение стало яснее, и бизнес просто продолжал расти.

Вы сыграли ключевую роль в создании крупнейшей арабской цифровой библиотеки для обучения ИИ. Какими были некоторые из самых больших проблем в этом, и как вы их преодолели?

Качество было одной из самых больших проблем. Другой проблемой была ограниченная доступность высококачественных арабских данных в Интернете: арабский язык серьезно недопредставлен. Только небольшая часть арабоязычного контента была оцифрована, и только 3–5% всего онлайн-контента представлено на арабском языке. Это почти ничего. Мы преодолели эту проблему, развернув маркировщиков данных, аннотаторов и ученых, чтобы оцифровать, создать и курировать данные самостоятельно.

CNTXT AI работает на пересечении культуры и вычислений. Как вы балансируете инновации ИИ с целью построения культурно релевантных решений для региона Ближнего Востока и Северной Африки?

Мы строим культурно обоснованные модели с самого начала. От инфраструктуры до конечного продукта культура встроена с самого начала — это не то, что мы добавляем позже. Мы проектируем, инновируем и строим, учитывая конкретные культуры, диалекты и потребности с самого начала. Арабский язык — один язык, но он несет в себе множество диалектов и культурных контекстов по всему региону, поэтому мы строим местные продукты для местных стран. И мы делаем это, работая с местными аннотаторами, людьми на земле, в их собственных странах.

Вы также стали сооснователем LocAI и возглавляете фонд SMPL AI. Как эти предприятия дополняют миссию CNTXT AI?

LocAI — это слой применения — та часть, с которой люди фактически взаимодействуют. Он расположен прямо над данными и инфраструктурой, построенной CNTXT AI. Это то, что сделало его успешным: он преобразует основы ИИ, предоставленные CNTXT AI, в реальные решения, которые люди могут использовать.

SMPL AI, с другой стороны, — это о том, чтобы отдать долг сообществу. Он фокусируется на инвестициях в стартапы на ранней стадии и помощи в построении региональной экосистемы ИИ. Мы делимся инструментами и уроками, которые мы выучили из построения ИИ сами, чтобы основатели могли расти быстрее и избегать распространенных ловушек.

Munsit был назван самой точной арабской системой распознавания речи в мире. Что стимулировало разработку этой модели, и почему сейчас?

То, что стимулировало разработку этой модели, было простым: необходимость.

Мы всегда строим из необходимости. Мы посмотрели на рынок и увидели, что ландшафт был готов — государственные агентства и частные клиенты все просили решение, подобное этому.

Существующие модели просто не были подходящими для этой задачи. Большинство из них построены на английской технологии, а затем адаптированы. Они не предназначены для арабского языка с самого начала, и определенно не для конкретных проблем, которые мы решаем.

Итак, мы решили построить свою собственную. Это арабский язык с самого начала — по дизайну.

Исследование, лежащее в основе Munsit, вводит подход слабого обучения. Можете ли вы объяснить, что это значит, и почему это было важно для обучения арабской системы распознавания речи в масштабе?

Маркировка — это дорого. Итак, нам пришлось выйти за пределы традиционных методов, которые полагаются на большое количество ручной транскрипции. Слабое обучение помогло нам масштабироваться без необходимости ручной транскрипции каждого аудиофайла — что особенно важно для арабского языка, языка с ограниченными данными и множеством разных диалектов.

Вместо использования профессионально транскрибированного аудио мы начали с 30 000 часов арабской речи без маркировки. Мы построили конвейер аннотации, который генерирует, фильтрует и очищает лучшие из них с помощью автоматических проверок. Это дало нам высококачественный набор данных на 15 000 часов — все без ручной транскрипции.

Этот подход сделал возможным обучение нашей модели с нуля, захватывая богатство арабской речи в реальных ситуациях, быстро и эффективно. Без этого метода построение арабской системы распознавания речи в таком масштабе заняло бы годы и миллионы вручную.

Munsit превзошел модели от OpenAI, Microsoft (MSFT ) и Meta по нескольким показателям. Что это достижение говорит о будущем арабских инноваций ИИ?

Будущее арабского ИИ в наших руках; и именно это доказывает это достижение. Мы больше не можем позволить себе полагаться на технологии, которыми мы не владеем, или полагаться на третьих лиц, которые не отдают приоритет нашему региону.

Munsit показывает, что мы можем построить ИИ мирового класса, из региона, для региона — используя местный талант для решения местных проблем. Это четкий сигнал о том, что следующая волна арабских инноваций ИИ придет изнутри.

Как вы видите эволюцию Munsit в будущих версиях, и какие следующие рубежи для арабской голосовой ИИ в CNTXT?

Вы просто должны подождать и увидеть. То, что я могу сказать, — это то, что у нас есть новый набор арабских решений ИИ, которые будут представлены — все, что будет работать на Munsit и других моделях, которые мы сейчас строим в CNTXT AI. Это только начало.

Вы часто говорите об важности «суверенного ИИ». Что это означает для вас, и почему это критически важно для Персидского залива и более широкого региона Ближнего Востока и Северной Африки?

Для меня суверенный ИИ означает полное владение и контроль над данными, инфраструктурой и моделями, которые формируют нашу будущность. Это критически важно, потому что нам нужно владеть своей собственной судьбой, и это начинается с данных.

Суверенитет данных — это все. Данные драгоценны, и нам нужно убедиться, что они остаются в наших руках.

Мы не можем позволить себе передать свое будущее и сидеть бездейственно, пока другие строят технологии для нас. Будущее ИИ в этом регионе придет из этого региона. Именно это мы и работаем над этим.

Как вы видите CNTXT AI, формирующий экосистему ИИ на Ближнем Востоке в течение следующих пяти лет?

Позволяя真正 готовности ИИ. Мы входим, понимаем, что нужно компаниям и правительствам, строим стратегии данных и ИИ, и затем помогаем им строить, тестировать, развертывать и масштабировать.

Если данные — это новая нефть, то неструктурированные данные — это нефть, не прошедшая рафинирование — полная потенциала, но бесполезная, пока не обработана. Вот почему мы построили CNTXT AI, чтобы помочь организациям очистить, структурировать и активировать свои данные. Потому что именно там начинается真正е преобразование ИИ.

Из вашей точки зрения как предпринимателя и инвестора, какой совет вы дали бы другим основателям, строящим стартапы ИИ в развивающихся рынках?

Начните сейчас. Двигайтесь быстро. Не бойтесь неудач, учитеся быстрее и продолжайте итерировать.

Самое главное — строить для реальных проблем. Оставайтесь близко к земле — слушайте пользователей, а не просто шум. В развивающихся рынках актуальность и адаптивность являются ключевыми.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить CNTXT AI.