Eric Landau, Encord’un Kurucu Ortağı ve CEO’su – Röportaj Serisi

Eric Landau, Encord adlı bilgisayar görüşü için aktif öğrenme platformunun CEO’su ve kurucu ortağıdır. Eric, global bir equity delta-one masasında lead quantitatif araştırmacı olarak binlerce modeli üretime koydu. Encord’dan önce, neredeyse bir on yıl boyunca DRW’de yüksek frekanslı ticaret yaptı. Harvard Üniversitesi’nden Uygulamalı Fizik alanında S.M., Stanford Üniversitesi’nden Elektrik Mühendisliği alanında M.S. ve Fizik alanında B.S. derecesine sahiptir.

Boş zamanlarında, Eric ChatGPT ve büyük dil modelleri ile oynamayı ve zanaat kokteyl yapmayı sever.

Sizi Encord’u kurmaya iten şey nedir ve parçacık fiziksi ve nicel finans deneyiminiz, AI’deki “veri sorunu”nu çözme yaklaşiminizi nasıl şekillendirdi?

Parçacık fiziksi çalışırken ve Stanford Linear Accelerator Center (SLAC) sırasında çok büyük veri kümeleri ile çalışırken, makine öğrenimi hakkında düşünmeye başladım. Fizikçiler tarafından fizikçiler için tasarlanmış yazılımlar kullandım, yani kullanıcı deneyimi açısından çok şey isteniyordu. Daha kolay araçlar olsaydı, analizleri çok daha hızlı çalıştırabilirdim.

Sonraki olarak, DRW’de nicel finans alanında çalışırken, binlerce modeli üretime koydundan sorumluydum. Fizikteki deneyimime benzer şekilde, yüksek kaliteli verilerin doğru modeller oluşturmak için kritik olduğunu ve büyük ölçekli, karmaşık verilerin yönetimini zor buldum. Ulrik, bilgisayar görüşü için büyük resim veri kümelerini görselleştirme konusunda benzer bir deneyime sahipti.

Ulrik’in Encord için ilk fikrini duyduğumda, hemen anlaşmaya vardım ve önemini anladım. Ulrik ve ben birlikte, AI veri geliştirme sürecini otomatikleştirmek ve basitleştirmek için bir platform oluşturma fırsatını gördük, böylece ekiplerin en iyi verileri modellere almasını ve güvenilir AI sistemleri oluşturmasını kolaylaştırdık.

Encord’un vizyonunu açıklar mısınız ve bu, erken bilgisayar veya internet günlerine göre potansiyel ve zorluklar açısından nasıl karşılaştırılır?

Encord’un vizyonu, şirketlerin verilerini işlevsel AI modellerine dönüştürmelerine yardımcı olan temel platform olmaktır. Bir şirketin verisi ve AI’si arasındaki katmandayız.

Birçok方面te, AI, her bireyin, işin, ulusun ve endüstrinin iş akışlarının bir parçası haline gelecek olan kişisel bilgisayarlar ve İnternet gibi önceki paradigmaları yansıtır. Önceki teknolojik devrimlerin aksine, bunlar büyük ölçüde Moore’un yasası tarafından sınırlıdır, bu da her 10 yılda 30 katlık birleşik büyümeyi sağlar, AI gelişimi, aynı zamanda inovasyonlardan yararlanarak daha hızlı bir tempoda ilerlemektedir. NVIDIA’nın Jensen Huang’ın sözleriyle: “İlk kez, birleşik üsleri görüyoruz… 10 yılda bir milyonluk bir büyüme yaşıyoruz. Yüz kat, bin kat değil, bir milyonluk.” Abartı olmadan, insanlık tarihinin en hızlı hareket eden teknolojisini izliyoruz.

Buradaki potansiyel çok büyüktür: AI için yüksek kaliteli veri yönetimini otomatikleştirmek ve ölçeklemek, daha geniş AI benimsemesini engelleyen bir tıkanıklığı ele alıyoruz. Zorluklar, önceki teknolojik çağların erken günlerindeki engelleri anımsatmaktadır: silolar, en iyi uygulamaların eksikliği, teknik olmayan kullanıcılar için sınırlamalar ve iyi tanımlanmış soyutlamaların eksikliği.

Encord Index, AI verilerini yönetme ve küratörlüğünü sağlayan bir araç olarak konumlandırılmaktadır. Mevcut diğer veri yönetim platformlarından nasıl farklılaşır?

Encord Index birkaç şekilde öne çıkıyor:

Index ölçeklenebilir: Milyarlarca, milyonlarca değil, veri noktasını yönetmenize olanak tanır. Diğer araçlar, yapılandırılmamış veri için ölçeklenebilirlik sorunları ile karşılaşır ve bir organizasyondaki tüm ilgili veriyi birleştirmekle sınırlıdır.

Index esnek: Doğrudan özel veri depolama ve bulut depolama sağlayıcıları gibi AWS, GCP ve Azure ile entegre olur. Diğer araçların aksine, tek bir bulut sağlayıcısına veya dahili depolama sistemine sınırlı değildir. Index, verilerin nerede bulunduğuna bakılmaksızın, uygun yönetim ve erişim kontrolleri ile birçok kaynaktan verilerinizi yönetmenize olanak tanır.

Index çok modlu: Çok modlu AI’yi destekler, resim, video, ses, metin, belge ve daha fazlası gibi veri türlerini yönetir. Index, günümüzde birçok LLM aracının aksine, tek bir veri türüne sınırlı değildir. İnsan bilişimi çok modludur ve gelecekteki AI ilerlemelerinin merkezinde çok modlu AI’nin olacağını düşünüyoruz.

Encord Index, AI modelleri için doğru verilerin seçimini nasıl geliştirir ve bu, model performansı üzerinde nasıl bir etkiye sahiptir?

Encord Index, büyük veri kümelerinin küratörlüğünü otomatikleştirerek, ekiplerin yalnızca en ilgili verilere odaklanmasını ve bilgilendirici olmayan veya önyargılı verileri kaldırmasını sağlar. Bu süreç, yalnızca veri kümelerinin boyutunu azaltmakla kalmaz, aynı zamanda AI modelleri için kullanılan verilerin kalitesini önemli ölçüde geliştirir. Müşterilerimiz, veri kümesi boyutunda %35’lik bir azalma ve hesaplama ve insan annotasyon maliyetlerinde yüz binlerce dolar tasarruf sağlarken, modellerinde %20’lik bir iyileşme gördüler.

Meta’nın Segment Anything Model gibi son teknoloji ürünleri hızlı bir şekilde entegre edilmesiyle, Encord nasıl hızlı bir şekilde gelişen AI manzarasında öne çıkıyor?

Kasıtla platformu, yeni teknolojileri hızla adapte edebilecek şekilde tasarladık. Ölçeklenebilir, yazılım öncelikli bir yaklaşım sunarak, SAM gibi gelişmeleri kolayca entegre ediyoruz, böylece kullanıcılarımız her zaman rekabetçi kalmak için en son araçlarla donatılmış olurlar.

Çok modlu AI’ye odaklanarak öne çıkmayı planlıyoruz. Encord platformu zaten resim, video ve metin gibi karmaşık veri türlerini yönetebilir, bu nedenle çok modlu AI’deki ilerlemeler bizi hazırlıklı bulur.

Şirketler AI verilerini yönetirken karşılaştıkları en yaygın zorluklar nelerdir ve Encord bu zorlukları nasıl ele alır?

Üç temel zorluk vardır:

• Veri organizasyonu ve kontrollerinin eksikliği: Şirketler AI çözümlerini uygulamaya çalıştıklarında, genellikle AI’ye hazır olmayan, silo edilmiş ve organize edilmemiş verilerle karşılaşırlar. Bu veriler genellikle AI sistemlerinde kullanılmalarını sınırlayan güçlü bir yönetim ve kontrol eksikliği içerir.
• İnsan uzmanlarının eksikliği: AI modelleri giderek daha karmaşık sorunlarla başa çıktıkça, verilerin hazırlanması ve doğrulanması için insan uzmanlarının eksikliği olacaktır. Bir şirketin AI talepleri arttıkça, insan işgücünü ölçeklendirme zor ve pahalıdır.
• Araçların ölçeklenebilir olmaması: Performanslı AI modelleri, fine-tuning, doğrulama, RAG ve diğer iş akışları için büyük miktarda veri açlığını çekeceklerdir. Önceki nesil araçlar, günümüzün üretim sınıfı modelleri için gereken veri miktarı ve türleri ile başa çıkmaya yetmez.

Encord, bu sorunları veri küratörlüğünü otomatikleştirmek ve etkili eğitim ve doğrulama veri kümelerinin oluşturulmasını sağlamak suretiyle çözer. Ölçeklenebilir bir yazılım öncelikli yaklaşım sunar ve AI destekli annotasyon araçlarımız, insan uzmanlarının iş akışı verimliliğini en üst düzeye çıkarmasını sağlar. Bu süreç, özellikle finansal hizmetler ve sağlık gibi endüstrilerde, AI eğitmenlerinin maliyetli olduğu durumlarda çok önemlidir. Bir organizasyonun tüm yapılandırılmamış verilerini yönetmesini ve anlamasını kolaylaştırır, böylece manuel emek ihtiyacını azaltır.

Encord, AI modellerinin adil ve dengeli olmasını sağlamak için veri önyargısı ve veri kümelerindeki temsil edilmeyen alanlar sorununu nasıl ele alır?

Veri önyargısını ele almak, bizim için Encord’da kritik bir odak noktasıdır. Platformumuz, AI takımlarının bu sorunları model performansı etkilemeden önce ele almasını sağlayan, veri önyargısı olabilecek alanları otomatik olarak tanımlar ve ortaya koyar. Ayrıca, veri kümelerindeki temsil edilmeyen alanların doğru bir şekilde dahil edilmesini sağlar, bu da daha adil ve dengeli AI modellerinin geliştirilmesine yardımcı olur. Küratörlük araçlarımızı kullanarak, ekiplerin modellerinin çeşitli ve temsil edilen verilerle eğitildiğinden emin olabilirler.

Encord最近 30 milyon dolarlık Series B finansmanını güvence altına aldı. Bu finansman, ürün yol haritanızı ve genişleme planlarınızı nasıl hızlandıracaktır?

30 milyon dolarlık Series B finansmanı, ürün, mühendislik ve AI araştırma ekiplerimizin boyutunu próximo altı ay içinde önemli ölçüde artırmak ve Encord Index ve diğer yeni özelliklerin geliştirilmesini hızlandırmak için kullanılacaktır. San Francisco’da yeni bir ofis açarak operasyonlarımızı büyüyen müşteri tabanımızı desteklemek için ölçekleneceğiz.

Y Combinator’dan Series B’yi en genç AI şirketi olarak Encord’un hızlı büyümesini ve başarısını nasıl açıklarsınız?

Hızlı büyümemizin nedenlerinden biri, şirketin her alanında son derece müşteri odaklı bir odaklanma benimsememizdir. Sürekli olarak müşterilerimizle iletişim kuruyor, sorunlarını dinliyor ve “kucaklama” yapıyoruz, böylece çözümlere ulaşıyoruz. Müşteri ihtiyaçlarına odaklanarak ve hype’dan ziyade gerçek müşteri sorunlarına odaklanarak, en iyi AI ekiplerinin ihtiyaç duyduğu bir platform oluşturduk. Müşterilerimiz, bizi bugüne getirmemizde çok önemli bir rol oynadı. AI verilerinin karmaşıklığını etkili bir şekilde yönetme ve ölçekleme yeteneğimiz, bizi çeşitli endüstrilerdeki şirketler için çekici bir çözüm haline getirdi.

Başarımızın büyük kısmını, şirketin her alanında çalışan, bizimle birlikte çalışan, ortaklarımız ve yatırımcılarımızın yanı sıra, Encord’u desteklemek için gece gündüz çalışan world-class ürün, mühendislik ve go-to-market ekiplerine borçluyuz. Bu ekiplerle birlikte çalışmak, büyümemiz üzerinde büyük bir etkiye sahip oldu.

AI’de verinin artan önemini göz önünde bulundurarak, AI veri platformları gibi Encord’un rollerinin gelecek beş yılda nasıl evrileceğini öngörüyorsunuz?

AI uygulamaları karmaşıklıkta büyüdükçe, verilerin etkin ve ölçeklenebilir yönetim çözümlerine olan ihtiyaç sadece artacaktır. Her şirketin sonunda bir AI bölümü olacağını düşünüyorum, tıpkı bugün IT bölümlerinin varlığı gibi. Encord, AI için gerekli olan大量 verilerin yönetimini yapmak ve modelleri hızlı bir şekilde üretime almak için ihtiyaç duydukları tek platform olacaktır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Encord adresini ziyaret edebilir.