Phil Hall ผู้บริหารระดับสูงของ LXT – สัมภาษณ์เชิงลึก

Phil Hall ผู้บริหารระดับสูงของ LXT เป็นอดีตผู้บริหารของ Appen และเป็นสมาชิกของ Forbes Technology Council ในบทบาทการเป็นผู้นำของเขาที่ Appen เขาได้ดำเนินธุรกิจที่มีพนักงานมากกว่า 1,000 คน และมีบทบาทสำคัญในการบรรลุผลการเติบโตของรายได้ 17 ปีติดต่อกัน โดยมีผลกำไรที่แข็งแกร่งและสม่ำเสมอ ในบทบาทปัจจุบันของเขาที่ LXT เขากำลังทำงานร่วมกับทีมผู้เชี่ยวชาญที่ได้รับการคัดเลือกมาอย่างดีเพื่อบรรลุเป้าหมายการเติบโตที่ทะเยอทะยาน

LXT เป็นผู้นำที่เกิดใหม่ในด้านการฝึกอบรมข้อมูล AI เพื่อสนับสนุนเทคโนโลยีที่มีประสิทธิภาพสำหรับองค์กรทั่วโลก รวมถึงบริษัทเทคโนโลยีที่ใหญ่ที่สุดในโลก ในการร่วมมือกับเครือข่ายผู้ร่วมให้ข้อมูลระหว่างประเทศ LXT ได้รวบรวมและบันทึกข้อมูลข้ามหลายรูปแบบด้วยความเร็ว ความครอบคลุม และความยืดหยุ่นที่จำเป็นสำหรับองค์กร พวกเขามีความเชี่ยวชาญระดับโลกที่ครอบคลุมมากกว่า 115 ประเทศและ 750 พื้นที่ภาษา ก่อตั้งขึ้นในปี 2010 LXT มีสำนักงานใหญ่อยู่ที่โตรอนโต ประเทศแคนาดา และมีสำนักงานอยู่ในสหรัฐอเมริกา ออสเตรเลีย อียิปต์ สหราชอาณาจักร และตุรกี บริษัทให้บริการลูกค้าในอเมริกาเหนือ ยุโรป เอเชียแปซิฟิก และตะวันออกกลาง

คุณเริ่มสนใจภาษาเมื่อไหร่

ฉันสนใจภาษามานานแล้ว แต่ในแง่ของการมีส่วนร่วมโดยตรงในการศึกษาภาษาและภาษาศาสตร์ มีจุดเปลี่ยนสำคัญสำหรับฉัน เมื่อเรารู้ว่าลูกสาวของเรามีอาการดิสเล็กเซีย และเมื่อเราพูดกับโรงเรียนเกี่ยวกับการสนับสนุนเพิ่มเติม พวกเขาบอกว่ามีโปรแกรมที่สามารถเข้าถึงได้ แต่ก็มีบางสิ่งที่ฉันสามารถทำได้เพื่อช่วยเหลือลูกสาวและเด็กคนอื่น ๆ ที่โรงเรียน

คุณสอนภาษาศาสตร์ก่อนที่จะเข้าสู่พื้นที่ข้อมูลสื่อพูด คุณได้รับแรงบันดาลใจจากอะไรในการเปลี่ยนโฟกัส

Appen ที่ตั้งอยู่ในซิดนีย์กำลังเปลี่ยนแปลงจากการดำเนินงานในห้องนอนของบ้านไปสู่การดำเนินธุรกิจที่เต็มรูปแบบ ฉันถูกบอกว่าพวกเขากำลังมองหานักภาษาศาสตร์ (หรืออาจเป็นนักภาษาศาสตร์!) และฉันถูกแนะนำให้รู้จักกับผู้ก่อตั้ง Julie และ Chris Vonwiller การเปลี่ยนแปลงเป็นกระบวนการที่ค่อยเป็นค่อยไปและใช้เวลาประมาณสองปี ฉันไม่เต็มใจที่จะออกจากการสอน – การทำงานกับนักเรียนที่มีผลการเรียนดีเป็นเรื่องที่น่าประทับใจและสนุกมาก แต่โดยเฉพาะในช่วงปีแรก ๆ ฉันกำลังแก้ปัญหาที่ยากลำบากร่วมกับ chuyên家ด้านเทคโนโลยีภาษาที่มีชื่อเสียงที่สุดในโลก

คุณออกมาจากการเกษียณเพื่อเข้าร่วม LXT คุณได้รับแรงบันดาลใจจากอะไรในการทำเช่นนี้

นี่เป็นคำถามที่น่าสนใจเพราะฉันกำลังสนุกกับตัวเองในช่วงเกษียณอายุ ในความเป็นจริง ผู้ร่วมก่อตั้งและซีอีโอของเรา Mohammad Omar เข้าใกล้ฉันหลายเดือนก่อนที่ฉันจะตอบกลับเพราะฉันกำลังใช้ชีวิตที่ผ่อนคลายและไม่ได้คิดจะกลับไปทำงานเต็มเวลา

แต่สุดท้ายโอกาสนี้ดึงดูดฉันไม่ให้ปฏิเสธ

เมื่อฉันพูดคุยกับ Mohammad และสมาชิกทีม LXT อื่น ๆ ฉันรับรู้ถึงความหลงใหลที่มีร่วมกันในภาษา ทีมที่ Mohammad รวบรวมมานั้นมีคนคิดสร้างสรรค์ที่มีพลังงานไม่สิ้นสุดและเต็มใจที่จะทำงานเพื่อภารกิจของบริษัท

เมื่อฉันเรียนรู้เพิ่มเติมเกี่ยวกับโอกาสที่ LXT ฉันรู้ว่ามันเป็นโอกาสที่ฉันไม่ต้องการพลาด นี่คือบริษัทที่มีศักยภาพมากในการขยายและเติบโตในพื้นที่ที่ฉันหลงใหล และเมื่อตลาด AI เติบโตอย่างรวดเร็ว โอกาสในการช่วยให้องค์กรต่างๆ มoves จากการลองใช้ไปสู่การผลิตเป็นเรื่องที่น่าตื่นเต้นที่ฉันรู้สึกดีใจที่จะเข้าร่วม

ปัจจุบันมีอะไรที่ท้าทายในการได้รับข้อมูลขนาดใหญ่

ความท้าทายมีหลากหลายตาม ứng dụngที่ขับเคลื่อนพวกมัน

ในแง่ปฏิบัติการ ความท้าทายรวมถึงความถูกต้อง ความน่าเชื่อถือ ความแม่นยำ ความปลอดภัย และการรับรองว่าข้อมูลมีความเหมาะสม – และนั่นก็ไม่รวมถึงความท้าทายด้านกฎหมายและจริยธรรมที่เพิ่มขึ้นในการได้รับข้อมูล

ตัวอย่างเช่น การพัฒนเทคโนโลยีเพื่อสนับสนุนรถยนต์ไร้คนขับต้องมีการรวบรวมข้อมูลขนาดใหญ่มากในหลาย ๆ สถานการณ์ เพื่อให้รถสามารถเข้าใจว่าจะตอบสนองต่อสถานการณ์ในโลกแห่งความเป็นจริงได้อย่างไร มีหลายกรณีที่ไม่สิ้นสุดในการขับรถ ดังนั้นข้อมูลที่ใช้ในการฝึกอบรมรถยนต์เหล่านั้นจึงต้องครอบคลุมทุกอย่างตั้งแต่ถนนไปจนถึงป้ายหยุดและวัตถุที่ตก และถ้าคุณคูณสิ่งนั้นด้วยจำนวนเหตุการณ์สภาพอากาศที่สามารถเกิดขึ้นได้ ปริมาณข้อมูลที่ต้องการจะเพิ่มขึ้นอย่างมาก บริษัทรถยนต์ที่เข้าสู่พื้นที่ไร้คนขับต้องการตั้งค่าข้อมูลที่เชื่อถือได้ และการทำเช่นนั้นด้วยตนเองจะใช้ทรัพยากรจำนวนมาก

อีกกรณีหนึ่งคือการขยายผลิตภัณฑ์ AI เสียงที่มีอยู่ไปสู่ตลาดใหม่เพื่อจับตลาดและลูกค้าใหม่ สิ่งนี้ต้องใช้ข้อมูลภาษา และเพื่อให้ได้ความแม่นยำ คุณต้องรวบรวมข้อมูลจากผู้พูดภาษาแม่จากหลายโปรไฟล์ประชากร หลังจากรวบรวมข้อมูลแล้ว ไฟล์เสียงต้องถูกเขียนข้อความเพื่อฝึกอบรมอัลกอริธึม NLP ของผลิตภัณฑ์ การทำเช่นนี้สำหรับหลายภาษาและปริมาณข้อมูลที่ต้องการเพื่อให้มีประสิทธิภาพนั้นเป็นเรื่องที่ท้าทายสำหรับบริษัทต่างๆ โดยเฉพาะอย่างยิ่งหากพวกเขาไม่มีประสบการณ์ภายในในด้านนี้

สิ่งเหล่านี้เป็นเพียงสองตัวอย่างของความท้าทายที่มีอยู่ในการรวบรวมข้อมูลสำหรับ AI ระดับใหญ่ แต่คุณสามารถจินตนาการได้ว่าระบบบ้านอัจฉริยะ อุปกรณ์มือถือ และการรวบรวมข้อมูลไบโอเมตริกส์แต่ละรายการมีความท้าทายเฉพาะตัว

วิธีการที่ LXT รวบรวมและบันทึกข้อมูลในปัจจุบันคืออะไร

ที่ LXT เรารวบรวมและบันทึกข้อมูลแตกต่างกันสำหรับลูกค้าแต่ละราย เนื่องจากการมีส่วนร่วมทั้งหมดของเรามีการปรับให้เหมาะสมตามข้อกำหนดของลูกค้า เราทำงานกับหลายประเภทข้อมูล รวมถึงเสียง ภาพ เสียงข้อความและวิดีโอ สำหรับการรวบรวมข้อมูล เราทำงานกับเครือข่ายผู้ร่วมให้ข้อมูลทั่วโลกเพื่อรวบรวมข้อมูลในหลายรูปแบบ การรวบรวมข้อมูลสามารถอยู่ในช่วงตั้งแต่การรวบรวมข้อมูลในสถานการณ์จริง เช่น บ้าน สำนักงาน หรือในรถ ไปจนถึงในสตูดิโอพร้อมวิศวกรที่มีประสบการณ์ในกรณีของโครงการรวบรวมข้อมูลเสียงบางโครงการ

ความสามารถในการบันทึกข้อมูลของเรานั้นครอบคลุมหลายรูปแบบเช่นกัน ประสบการณ์ของเริ่มต้นในพื้นที่เสียงและตลอด 12 ปีที่ผ่านมา เราได้ขยายออกไปมากกว่า 115 ประเทศและมากกว่า 750 พื้นที่ภาษา ซึ่งหมายความว่าบริษัททุกขนาดสามารถพึ่งพา LXT ในการช่วยให้พวกเขาเข้าถึงตลาดและจับลูกค้าใหม่ได้ เราได้ขยายออกไปสู่ข้อความ ภาพและวิดีโอ และแพลตฟอร์มภายในของเรานำเสนอข้อมูลคุณภาพสูงให้กับลูกค้า

พื้นที่การเติบโตที่น่าตื่นเต้นอีกอย่างสำหรับเรา คือ การบันทึกข้อมูลที่ปลอดภัย เพียงปีนี้เราได้ขยายพื้นที่ที่ปลอดภัยตามมาตรฐาน ISO 27001 จากสองแห่งเป็นห้าแห่งทั่วโลก เราได้พัฒนาแผนการทำงานที่ช่วยให้เราสามารถตั้งค่าสิ่งอำนวยความสะดวกใหม่ภายในไม่กี่เดือนได้ บริการที่เรามุ่งเน้นในสถานที่ที่ปลอดภัยเหล่านี้ในปัจจุบันคือการบันทึกข้อมูลเสียงและการถอดเสียง แต่สามารถใช้สำหรับการบันทึกข้อมูลหลายประเภทได้

ทำไมการรวบรวมข้อมูลในลักษณะนี้จึงเป็นทางเลือกที่ดีกว่าการใช้ข้อมูลสังเคราะห์

ข้อมูลสังเคราะห์เป็นการพัฒนาที่น่าตื่นเต้นในด้าน AI และเหมาะสำหรับกรณีการใช้งานเฉพาะ เช่น กรณีขอบที่ยากจะจับในโลกแห่งความเป็นจริง การใช้ข้อมูลสังเคราะห์กำลังเพิ่มขึ้น โดยเฉพาะในช่วงแรกของความตื่นตัวของ AI เมื่อบริษัทต่างๆ ยังคงอยู่ในโหมดทดลอง อย่างไรก็ตาม การวิจัยของเราเองแสดงให้เห็นว่าเมื่อบริษัทต่างๆ เติบโตกลยุทธ์ AI และผลักดันโมเดลให้เข้าสู่การผลิตมากขึ้น พวกเขามีแนวโน้มที่จะใช้วิธีการเรียนรู้ของเครื่องแบบมีผู้ดูแลหรือแบบกึ่งมีผู้ดูแลที่พึ่งพาข้อมูลที่มีการบันทึกโดยมนุษย์

มนุษย์เป็นคนดีกว่าเครื่องคอมพิวเตอร์ในการเข้าใจความแตกต่างเพื่อสร้างข้อมูลที่จำเป็นในการฝึกอบรมโมเดล ML ให้ทำงานได้ด้วยความแม่นยำสูง และการดูแลโดยมนุษย์ยังจำเป็นต่อการลดความลำเอียง

ทำไมข้อมูลนี้จึงมีความสำคัญต่อการประมวลผลภาษาและภาษาธรรมชาติ

สำหรับอัลกอริธึมการประมวลผลภาษาและภาษาธรรมชาติที่จะทำงานได้อย่างมีประสิทธิภาพในตลาดที่ตั้งใจไว้ พวกเขาต้องการการฝึกอบรมด้วยปริมาณข้อมูลขนาดใหญ่ที่รวบรวมจากผู้พูดภาษาแม่ที่มีบริบททางวัฒนธรรมของกลุ่มเป้าหมายที่พวกเขาต้องการแสดงถึง โดยไม่มีข้อมูลนี้ การนำ AI เสียงไปใช้จะมีข้อจำกัดอย่างรุนแรง

นอกจากนี้ สภาพแวดล้อมต้องได้รับการพิจารณาเมื่อรวบรวมข้อมูลเสียง หากวิธีแก้ปัญหา AI เสียงที่กำลังฝึกอบรมจะถูกใช้ในรถยนต์ ตัวอย่างเช่น มีสภาพถนนและสภาพอากาศที่แตกต่างกันที่ส่งผลต่อเสียงและต้องได้รับการพิจารณา เป็นสถานการณ์ที่ซับซ้อนที่คู่ค้าข้อมูลที่มีประสบการณ์สามารถช่วยได้

มีอะไรอีกบ้างที่คุณต้องการแบ่งปันเกี่ยวกับ LXT

ขั้นแรก ฉันต้องการขอบคุณสำหรับโอกาสในการแบ่งปันเรื่องราวของเรา! ฉันอยากจะเน้นย้ำว่าบริษัทของเรามุ่งมั่นที่จะช่วยให้องค์กรทุกขนาดประสบความสำเร็จด้วยโครงการ AI ของพวกเขา

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ LXT.