คารอลิน ฮาร์วีย์ Chief Operations Officer ของ LXT – สัมภาษณ์ซีรีส์

คารอลิน ฮาร์วีย์มีประสบการณ์มากมายในการนำและขยายการดำเนินงานระดับโลกในด้าน ความเกี่ยวข้องของการค้นหา และการทำเครื่องหมายข้อมูลสำหรับ ML คารอลินเป็น Chief Operations Officer (COO) ของ LXT โดยที่เธอเป็นผู้นำการดำเนินงานระดับโลกของบริษัท เพื่อให้แน่ใจว่ามีการส่งมอบโครงการและโปรแกรม AI ข้อมูลทั้งหมดอย่างต่อเนื่อง เธอมุ่งเน้นไปที่ข้อมูลคุณภาพสูงในระดับใหญ่ สร้างความมีประสิทธิภาพในโครงการระยะยาว และขยายไปยังหลายพื้นที่ทั่วโลก

ในฐานะ COO ของ LXT คารอลินนำประสบการณ์อันกว้างขวางของเธอเพื่อสร้างองค์กรที่ดีที่สุด

คุณสามารถอธิบายสิ่งที่ LXT ทำและบทบาทของคุณในฐานะ COO ได้หรือไม่?

ปัญญาประดิษฐ์ขึ้นอยู่กับข้อมูลในการดำรงอยู่ และ LXT เป็นผู้นำที่เกิดขึ้นใหม่ในการส่งมอบข้อมูลที่ถูกต้องและมาจากแหล่งที่มีจริยธรรม ซึ่งให้พลังงานแก่นวัตกรรม AI ในฐานะ Chief Operations Officer บทบาทของฉันคือการดูแล นำ และขยายการดำเนินงานระดับโลกของเราผ่านกลยุทธ์ โครงสร้าง และกระบวนการที่ช่วยให้เราสามารถส่งมอบข้อมูล AI คุณภาพสูงสุดให้กับลูกค้าของเรา ฉันรับประกันว่าเราสามารถส่งมอบได้ตามเวลาในหลายกรณีการใช้งาน ตั้งแต่ AI ที่สร้างขึ้นมาเองไปจนถึงความเกี่ยวข้องในการค้นหาและรถยนต์ขับเคลื่อนเอง รวมทั้งอื่นๆ อีกมากมาย

ภารกิจของ LXT มีการเปลี่ยนแปลงอย่างไรตั้งแต่เริ่มก่อตั้งในปี 2010? 

ภารกิจของเราคือการให้พลังงานแก่เทคโนโลยีแห่งอนาคตผ่านการสร้างและปรับปรุงข้อมูลทั่วทุกภาษา วัฒนธรรม และรูปแบบต่างๆ เป้าหมายของเราคือช่วยให้บริษัททุกขนาดสามารถใช้ประโยชน์จากผลประโยชน์ที่น่าทึ่งที่ AI มอบให้โดยการให้พลังงานแก่โมเดลของพวกเขาด้วยข้อมูลคุณภาพสูง เมื่อภารกิจของบริษัทเปลี่ยนแปลงไป ขอบเขตการบริการของเราก็ขยายตัวจากการถอดเสียงภาษาและรวบรวมข้อมูลเสียงไปสู่การให้บริการที่หลากหลาย รวมถึงการรวบรวมและทำเครื่องหมายข้อมูลสำหรับข้อความ ภาพ และวิดีโอ บริการ AI ที่สร้างขึ้นมาเอง และอื่นๆ เรายังขยายพื้นที่การให้บริการข้อมูลที่มีมาตรฐาน ISO 27001 ทั่วโลกเพื่อตอบสนองความต้องการที่เพิ่มขึ้นของลูกค้าสำหรับการบริการข้อมูลที่ปลอดภัย

สิ่งใดคือตัวขับเคลื่อนหลักที่ทำให้ LXT เติบโตในภาคข้อมูลการฝึกอบรม AI?

การลงทุนอย่างต่อเนื่องใน AI จากองค์กรทุกขนาดได้กระตุ้นการเติบโตของเรา บริษัทต่างๆ รู้แล้วว่า AI เป็นสิ่งจำเป็นสำหรับการแข่งขัน และข้อมูลเป็นพลังงานที่ให้ AI แต่ไม่ใช่ทุกข้อมูลมีคุณภาพเท่ากัน บริษัทที่ประสบความสำเร็จใน AI รู้ว่าข้อมูลคุณภาพสูงมีความสำคัญต่อการสร้าง AI ที่แม่นยำมากขึ้น

ตอนนี้ด้วย AI ที่สร้างขึ้นมาเองที่อยู่ในใจของทุกคน แนวโน้มนี้ได้เปิดโอกาสการเติบโตที่มากขึ้นสำหรับ LXT มนุษย์มีความสำคัญในการรับประกันว่าโซลูชันเหล่านี้มีความแม่นยำ จริยธรรม และรับผิดชอบ เราให้บริการ AI ที่สร้างขึ้นมาเองในหลายๆ ด้าน เช่น การปรับให้เหมาะสมของโมเดลภาษาขนาดใหญ่ การสร้างคำสั่ง และอื่นๆ ลูกค้าของเรารู้ว่าเพื่อสร้างความไว้วางใจกับผู้ใช้ปลายทาง ผลลัพธ์ของผลิตภัณฑ์ AI ที่สร้างขึ้นมาเองของพวกเขาต้องมีข้อมูลที่เป็นจริง มีผู้ชมที่หลากหลาย และไม่มีภาษาที่เป็นพิษ เราสามารถช่วยให้พวกเขาบรรลุเป้าหมายนี้ด้วยบริการ “มนุษย์อยู่ในวงจร” ของเรา

การระเบิดของ AI ที่สร้างขึ้นมาเองส่งผลกระทบต่อ LXT และลูกค้าของบริษัทอย่างไร?

LXT ได้เห็นการเพิ่มขึ้นของความต้องการข้อมูลการฝึกอบรม AI เนื่องจาก AI ที่สร้างขึ้นมาเอง ทั้งสำหรับข้อมูลที่มุ่งเน้นภาษาและด้านการวิเคราะห์ ความสร้างสรรค์ และการคิดอย่างมีวิจารณญาณ เรายังเห็นการเพิ่มขึ้นของความต้องการความรู้ในด้านและโปรไฟล์ผู้ทำงานโครงการที่มีความเชี่ยวชาญ

คำขอของลูกค้ากำลังขยายออกไปนอกเหนือจากการให้ข้อมูลการเรียนรู้ของเครื่องแบบง่ายๆ ในอดีตไปสู่โมเดลภาษาขนาดใหญ่ (LLMs) และชุดข้อมูลที่ซับซ้อนมากขึ้นที่ต้องการโดยแอปพลิเคชันเช่น ChatGPT, Gemini และแอปพลิเคชันอื่นๆ ที่เกิดขึ้น เรากำลังทำงานในหลายๆ โครงการที่เรากำลังเขียนคำสั่งเพื่อทำให้ AI ที่สร้างขึ้นมาเองสับสน และดูว่ามันจะตอบสนองอย่างไร จากนั้นเราจะสร้างคำตอบที่ถูกต้อง

ในอนาคต สิ่งนี้อาจพัฒนาไปสู่การสร้างปัญญาประดิษฐ์ทั่วไป (AGI) โดยที่ชุดข้อมูลจะสอดคล้องกับการกระทำที่ซับซ้อนและซับซ้อนมากขึ้น

คุณมีประสบการณ์หลายปีในการทำงานด้านการค้นหาและบุคลิกภาพเพื่อปรับปรุงอัลกอริทึมเหล่านี้ คุณสามารถอธิบายได้ว่าบริษัทชั้นนำกำลังปรับปรุงความเกี่ยวข้องในการค้นหาเพื่อให้ผู้ใช้มีประสบการณ์ที่ดีขึ้นได้อย่างไร?

ในโลกที่เวลามีค่าและข้อมูลอยู่ทุกที่ การปรับปรุงความเกี่ยวข้องในการค้นหาสามารถเพิ่มความภักดี เพิ่มอัตราการแปลง และทำให้ผู้ใช้มีประสิทธิภาพมากขึ้น

ความเกี่ยวข้องในการค้นหาตั้งแต่การทำความสะอาดและจัดระเบียบข้อมูลของลูกค้า การกำจัดสิ่งที่อาจสร้างผลลัพธ์เท็จ และการสร้างฟิลด์ข้อมูลเพิ่มเติมที่เครื่องมือค้นหาและคำแนะนำสามารถใช้เพื่อให้ผลลัพธ์ที่แม่นยำมากขึ้น ด้วยความช่วยเหลือของการเรียนรู้ของเครื่องและประมวลผลภาษาธรรมชาติ ลูกค้าสามารถเพิ่มความสามารถให้กับเครื่องมือค้นหาของตนเพื่อทำความเข้าใจความตั้งใจของผู้ใช้และเรียนรู้เกี่ยวกับความชอบของพวกเขาเมื่อเวลาผ่านไป ผลลัพธ์คือประสบการณ์การค้นหาที่เร็วขึ้นซึ่งนำไปสู่ผลลัพธ์ที่เป็นส่วนตัวมากขึ้น

การบรรลุเป้าหมายนี้ต้องการปริมาณข้อมูลการฝึกอบรมที่มาก โดยเฉพาะอย่างยิ่งการฝึกอบรมอัลกอริทึมในการตระหนัก อันดับ และคืนค่าเอนทิตีที่เกี่ยวข้อง และจัดการข้อผิดพลาดด้านการสะกดและข้อผิดพลาดอื่นๆ ของข้อมูล เรายังแนะนำแนวทาง “มนุษย์อยู่ในวงจร” (HITL) เพื่อให้แน่ใจว่ามีข้อมูลที่ถูกต้อง ลดความลำเอียง และให้ประสบการณ์การค้นหาที่ดีขึ้นสำหรับผู้ใช้ปลายทาง ด้วยความก้าวหน้าของ ML ในช่วง 10 ปีที่ผ่านมา HITL มีการเน้นไปที่กระบวนการตรวจสอบคุณภาพอย่างเข้มข้น ซึ่งผลักดันความต้องการประสบการณ์ที่ลึกซึ้งยิ่งขึ้นจากผู้ให้บริการข้อมูล

คุณสามารถอธิบายแนวทางของ LXT ในการทำเครื่องหมายข้อมูลและรับประกันคุณภาพและความแม่นยำของข้อมูลการฝึกอบรม AI ได้หรือไม่?

ในฐานะทีมปฏิบัติการ เราต้องเข้าใจก่อนว่าลูกค้าใช้ข้อมูลที่เรามอบให้ในการพัฒนาผลิตภัณฑ์และบริการของตนเพื่อให้แน่ใจว่ามันจะตอบสนองความต้องการของพวกเขา เพื่อให้สิ่งนี้เกิดขึ้น เราต้องหานักเชี่ยวชาญทั้งในด้านการจัดการโครงการและทำเครื่องหมายข้อมูลที่มีประสบการณ์กับประเภทข้อมูลที่ต้องการ

จากนั้นเป็นส่วนใหญ่เกี่ยวกับการเตรียมการและหาทรัพยากรที่เหมาะสมตั้งแต่เริ่มต้นของแต่ละโครงการ ซึ่งรวมถึงการปรับให้เหมาะสมกับลูกค้าในด้านปัจจัยความสำเร็จในช่วงการวางแผนเชิงกลยุทธ์ เช่นเดียวกับการคัดเลือกและตรวจสอบกระบวนการที่เข้มงวดสำหรับผู้ทำเครื่องหมายโครงการ โดยพิจารณาจากรายละเอียดที่สำคัญ เช่น ประวัติการศึกษา ความสนใจพิเศษ ประวัติประชากร และประสบการณ์ เรายังพัฒนาเอกสารการเรียนรู้และอ้างอิงที่มีรายละเอียดเป็นแนวทางสำหรับแต่ละโครงการ เราใช้การบริหารจัดการคุณภาพและกระบวนการที่มีประสิทธิภาพตลอดวงจรชีวิตของโครงการ แนวทางที่เรานำมาใช้สอดคล้องกับและแจ้งให้ทราบเกี่ยวกับแนวปฏิบัติที่ดีที่สุดในอุตสาหกรรม เพื่อให้แน่ใจว่าผลลัพธ์เป็นไปตามความคาดหวังของลูกค้า

และทั้งหมดนี้อยู่ภายใต้การรับประกันคุณภาพข้อมูลของเรา

LXT จัดการกับความท้าทายในการทำเครื่องหมายข้อมูลที่ไม่มีโครงสร้าง ซึ่งประกอบขึ้นมากกว่า 80% ของทุกข้อมูลได้อย่างไร?

LXT ได้สร้างแพลตฟอร์มการทำเครื่องหมายข้อมูลภายในที่ทำให้กระบวนการทำเครื่องหมายอัตโนมัติหลายส่วนและให้โครงสร้างและอินเทอร์เฟซผู้ใช้ที่สอดคล้องกันสำหรับผู้ทำงาน ในช่วงก่อนการดำเนินโครงการ เรามุ่งเน้นไปที่การเตรียมข้อมูล การจัดรูปแบบไฟล์เข้า และการลบข้อมูลซ้ำๆ และในหลังการดำเนินโครงการ เราจะจัดการการบรรจุภัณฑ์ข้อมูล การรวบรวมและจัดรูปแบบสำหรับการส่งมอบให้กับลูกค้า

ก่อนที่โครงการจะเริ่มต้น เราจะสร้างแนวทางที่ได้รับการทบทวนและปรับปรุงร่วมกับลูกค้าตลอดช่วงอายุการใช้งานของโครงการ เมื่อสิ่งต่างๆ มีการเปลี่ยนแปลง เราสามารถแบ่งกระบวนการทำเครื่องหมายข้อมูลออกเป็นหลายงานเพื่อมุ่งเน้นไปที่แต่ละส่วนของโครงการอย่างเหมาะสม นอกจากนี้เรายังใช้แนวทางในการควบคุมคุณภาพเพื่อขจัดข้อผิดพลาดในระดับใหญ่

ในที่สุด ทีมความเป็นเลิศในการดำเนินงานของเรารับผิดชอบในการจัดการกระบวนการที่ซับซ้อนเพื่อให้แน่ใจถึงประสิทธิภาพและความสามารถในการปรับขนาดสูงสำหรับโครงการของเราในระดับโลก

สิ่งใดคือความท้าทายที่ยิ่งใหญ่ที่สุดของ LXT ในการรวบรวมข้อมูลในระดับใหญ่ทั่วโลก และคุณเอาชนะพวกมันอย่างไร?

ความหลากหลายและความลำเอียงในผู้เข้าร่วมและในผลลัพธ์ของการรวบรวมข้อมูลมักเป็นหนึ่งในความท้าทายที่ยิ่งใหญ่ที่สุดสำหรับ LXT และผู้ให้บริการข้อมูลการฝึกอบรม AI ทั้งหมด ความท้าทายอื่นๆ รวมถึงความต้องการที่เพิ่มขึ้นสำหรับความรู้ในด้านและภูมิหลังที่เปลี่ยนแปลงอย่างรวดเร็วไปสู่ LLMs และ AI ที่สร้างขึ้นมาเอง

เรารับมือกับความท้าทายเหล่านี้ด้วยแนวทางที่มีการวางแผนล่วงหน้าในการค้นหาและสรรหาคู่ค้า โดยที่เราทบทวนความเชี่ยวชาญ ประสบการณ์ บทบาทก่อนหน้า ความสนใจ และประวัติประชากรเพื่อสร้างความหลากหลายที่เหมาะสมในหมู่ทีมตามเพศหรือแง่มุมอื่นๆ เช่น การคิดเชิงวิเคราะห์หรือการเขียนเชิงสร้างสรรค์ ประวัติการศึกษา และอื่นๆ

เมื่อเรามีคู่ค้าที่เหมาะสมแล้ว เราให้ความสำคัญกับการมีส่วนร่วมของผู้ทำงานอย่างสม่ำเสมอเพื่อสร้างทีมที่มีประสบการณ์ มีความภักดี และมีความพึงพอใจในระยะยาว

ในด้านการประเมิน AI LXT ทำงานอย่างไรเพื่อลดความลำเอียงและรับประกันผลลัพธ์ที่มีจริยธรรมในระบบ AI ที่ช่วยฝึกอบรม?

ดังที่กล่าวไว้ก่อนหน้านี้ การรับประกันความหลากหลายเป็นความท้าทายที่ผู้ให้บริการข้อมูลการฝึกอบรม AI หลายรายต้องแก้ไข และสิ่งนี้จะช่วยลดความลำเอียงและรับประกันผลลัพธ์ที่มีจริยธรรม

ฉันจะกล่าวถึงแนวปฏิบัติด้านการมีส่วนร่วมที่ดีที่สุดของเราอีกครั้ง ซึ่งรวมถึงการค้นหาผู้ทำเครื่องหมายที่หลากหลายและเป็นตัวแทน และการตรวจสอบอย่างละเอียดในด้านแนวทางและมาตรการควบคุมคุณภาพ เรามีกลยุทธ์การจัดหาที่มีผลกระทบซึ่งช่วยให้เรานำงานไปสู่กลุ่มผู้ทำเครื่องหมายที่หลากหลายและใหม่ๆ เช่น ในภูมิภาคภาษาที่ไม่ค่อยมีคนพูด

เรามุ่งเป้าไปที่ผลลัพธ์ที่มีจริยธรรมโดยใช้แนวปฏิบัติที่ดีที่สุดในอุตสาหกรรม การจัดตำแหน่งความคาดหวังกับลูกค้า และการขับเคลื่อนมาตรฐานที่สูงกว่าสำหรับผู้จัดการโครงการและผู้ทำเครื่องหมายของเรา การสื่อสารเป็นสิ่งสำคัญเช่นเดียวกับการตรวจสอบการปฏิบัติตามข้อกำหนดและความต้องการด้านการควบคุมข้อมูลและความเป็นส่วนตัว

วิสัยทัศน์ระยะยาวสำหรับ LXT คืออะไร และคุณเห็นว่าบริษัทจะพัฒนาไปอย่างไรในอีก 5 ปี?

 วิสัยทัศน์ของเราคือการให้ข้อมูลที่ถูกต้องและมาจากแหล่งที่มีจริยธรรมเพื่อช่วยขับเคลื่อนการเปิดตัว AI และเทคโนโลยีแห่งอนาคตที่จะปรับปรุงและเพิ่มประสบการณ์ของผู้คนรอบโลก

ในขณะที่การทำให้กระบวนการอัตโนมัติและเทคโนโลยีมีความสำคัญใน AI ก็มีส่วนสำคัญของมนุษย์ที่เสริมเทคโนโลยีเช่นกัน เมื่อเราย้ายจากงานอัตโนมัติแบบง่ายๆ ไปสู่โมเดลภาษาขนาดใหญ่ (LLMs) และจาก AI ที่สร้างขึ้นมาเองไปสู่การสร้างปัญญาประดิษฐ์ทั่วไป (GAI) จะเป็นสิ่งสำคัญที่ AI จะต้องสะท้อนถึงผู้คน ทั้งผู้ที่สร้างข้อมูลและชุมชนโลกในวงกว้าง

ที่ LXT เรามุ่งมั่นที่จะใช้ AI ในรูปแบบที่เป็นบวกและเปลี่ยนแปลงไปตามค่านิยมเหล่านี้

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม LXT เพื่อเรียนรู้เพิ่มเติม