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

Eric Landau, bilgisayar vizyonu için aktif öğrenme platformu olan Encord‘un CEO’su ve kurucu ortağıdır. Eric, küresel bir hisse delta-one masasında lead kantitatif araştırmacı olarak binlerce modeli üretime koydu. Encord’dan önce, yüksek frekanslı ticarette DRW’de neredeyse bir on yıl geçirdi. 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 el yapımı kokteyl yapmakı sever.

Sizi Encord’u kurmaya iten şey nedir ve parçacık fizik ve kantitatif finans deneyiminiz, AI’deki “veri problemi”ni çözme yaklaşımınızı nasıl şekillendirdi?

İlk olarak, Stanford Linear Accelerator Center (SLAC) sırasında parçacık fizik ve çok büyük veri setleriyle çalışırken makine öğrenimi hakkında düşünmeye başladım. Fizikçiler tarafından fizikçiler için tasarlanmış bir yazılım kullanıyordum, yani kullanıcı deneyimi açısından çok şey isteniyordu. Daha kolay araçlar olsaydı, analizleri çok daha hızlı çalıştırabilirdim.

Sonrasında, DRW’de kantitatif finans alanında çalışırken, binlerce modeli üretime koydum. Fizikteki deneyimime benzer şekilde, yüksek kaliteli verilerin doğru modeller oluşturmak için kritik olduğunu ve büyük ölçekli verileri yönetmenin zor olduğunu gördüm. Ulrik, bilgisayar vizyonu için büyük resim veri setlerini görselleştirirken benzer bir deneyim yaşadı.

Encord’un ilk fikrini duyduğumda hemen anlaşmaya vardım ve önemini anladım. Ulrik ve ben birlikte, AI veri geliştirme sürecini otomatikleştirmek ve kolaylaştırmak için bir platform oluşturma fırsatını gördük, böylece ekipler en iyi verileri modellere alabilir ve güvenilir AI sistemleri oluşturabilir.

Encord’un vizyonunu açıklar mısınız ve bu, önceki teknoloji devrimlerine, özellikle de kişisel bilgisayarlar ve internetin erken günlerine göre nasıl karşılaştırılır?

Encord’un vizyonu, şirketlerin verilerini işlevsel AI modellerine dönüştürmelerine yardımcı olan temel bir platform olmak. Şirketlerin verisi ile AI arasında bir katmanız.

AI, kişisel bilgisayarlar ve internet gibi önceki paradigmaları yansıtıyor, çünkü her bireyin, işin, ulusun ve endüstrinin iş akışlarının bir parçası haline gelecek. Önceki teknolojik devrimler, 10 yılda 30 kat büyüyen hesaplama büyümesi ile sınırlıydı, ancak AI gelişimi, aynı anda yapılan yeniliklerden yararlanarak çok daha hızlı ilerliyor. NVIDIA’ (NVDA ) nın Jensen Huang’ın sözleriyle: “İlk kez, bileşik üsler görüyoruz… 10 yılda bir milyonluk büyüme yaşıyoruz. Yüz kat, bin kat değil, bir milyonluk büyüme.” Abartı olmadan, insanlık tarihinin en hızlı gelişen teknolojisini görüyoruz.

Buradaki potansiyel çok büyük: AI için yüksek kaliteli veri yönetimi ve ölçeklendirme yaparak, AI’nin daha geniş kapsamlı benimsenmesini engelleyen bir tıkanıklığı ele alıyoruz. Meydan okumalar, önceki teknolojik çağların başlangıçtaki engellerine benzer: silolar, iyi uygulamaların eksikliği, teknik olmayan kullanıcılar için sınırlamalar ve iyi tanımlanmış soyutlamaların eksikliği.

Encord Index, AI verilerini yönetme ve küratörlüğü için önemli bir araç olarak konumlandırılmıştır. Mevcut diğer veri yönetim platformlarından nasıl farklılık gösterir?

Encord Index birkaç şekilde öne çıkıyor:

Index ölçeklenebilir: Milyarlarca, milyonlarca değil, veri noktasını yönetmenize olanak tanır. Diğer araçlar, yapılandırılmamış veri için ölçeklenebilirlik sorunlarına sahiptir 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 araçlar, tek bir bulut sağlayıcısına veya dahili depolama sistemine sınırlıdır, Index ise verilerin nerede olduğu konusunda tarafsızdır. Verileri birçok kaynaktan yönetmenize ve uygun yönetim ve erişim denetimleri ile güvenli ve uyumlu AI uygulamaları geliştirmenize olanak tanır.

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

Encord Index, AI modelleri için doğru verilerin seçimini nasıl geliştirir ve bu, model performansına nasıl etki eder?

Encord Index, büyük veri setlerinin küratörlüğünü otomatikleştirerek, ekiplerin yalnızca en ilgili verilere odaklanmasını ve bilgilendirici olmayan veya önyargılı verileri kaldırmasını sağlar. Bu süreç, yalnızca veri setlerinin boyutunu azaltmakla kalmaz, aynı zamanda AI modelleri için kullanılan veri kalitesini önemli ölçüde iyileştirir. Müşterilerimiz, modellerinde %20’ye varan bir iyileşme görürken, veri seti boyutunda %35’lik bir azalma ve hesaplama ve insan etiketleme maliyetlerinde yüz binlerce dolarlık tasarruf sağladı.

Meta’nın Segment Anything Model gibi son teknoloji ürünleri hızlı bir şekilde entegre ederek, Encord nasıl hızlı gelişen AI ortamında öncü konumunu korur?

Platformu, yeni teknolojileri hızlı bir şekilde entegre 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 oluyor.

Çok modlu AI’ye odaklanarak öncü konumumuzu korumayı planlıyoruz. Encord platformu zaten karmaşık veri türlerini yönetebilir, bu nedenle çok modlu AI’deki ilerlemeler geldiğinde hazırız.

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

Şirketlerin karşılaştığı üç temel zorluk vardır:

• Kötü veri organizasyonu ve kontroller: Şirketler AI çözümleri uygulamaya hazırlandıklarında, genellikle AI’ye hazır olmayan, silo edilmiş ve zayıf yönetim bulunan veriyle karşılaşırlar. Bu veri genellikle AI sistemlerinde kullanılmaktan men edilir.
• İnsan uzmanlarının eksikliği: AI modelleri giderek daha karmaşık sorunlarla karşılaştıkça, veri hazırlamak ve doğrulamak için insan uzmanlarına olan ihtiyaç artacaktır. Bir şirketin AI talebi arttıkça, insan işgücünü ölçeklendirme zor ve pahalıdır.
• Ölçeklenebilir olmayan araçlar: Performanslı AI modelleri, ince ayar, doğrulama, RAG ve diğer iş akışları için gereken veri açığını karşılamak için çok veri açığa sahiptir. Önceki araç nesli, günümüzün üretim sınıfı modelleri için gereken veri miktarını ve veri türlerini yönetmek için donatılmamıştır.

Encord, büyük ölçekli veri küratörlüğü sürecini otomatikleştirerek, etkili eğitim ve doğrulama veri setlerinin oluşturulmasını sağlar. Ölçeklenebilir bir yazılım yaklaşımı sunar, bu da veri yönetimi ihtiyaçlarının değişmesi halinde kolayca yukarı veya aşağı ölçeklenebilmesini sağlar. AI destekli etiketleme araçlarımız, insan uzmanlarının iş akışı verimliliğini en üst düzeye çıkarmasını sağlar. Bu özellikle finansal hizmetler ve sağlık gibi endüstrilerde, AI eğitmenlerinin pahalı olduğu durumlarda çok önemlidir. Bir organizasyonun tüm yapılandırılmamış verilerini yönetmeyi ve anlamayı kolaylaştırır, böylece manuel emek ihtiyacını azaltır.

Encord, veri setlerindeki önyargı ve temsil edilmeyen alanları ele almak için nasıl çalışır ve bu, AI modellerinin adil ve dengeli olmasını sağlamak için nasıl bir etkiye sahiptir?

Veri önyargısını ele almak, Encord için kritik bir odak noktasıdır. Platformumuz, AI takımlarının model performansını etkileyebilecek sorunları ele almadan önce, veri setlerindeki önyargılı alanları otomatik olarak tanımlar ve ortaya çıkarır. Ayrıca, veri setlerindeki 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, 30 milyon dolarlık Seri B finansmanını nasıl kullanacak ve bu, ürün yol haritasını ve genişleme planlarını nasıl hızlandıracaktır?

30 milyon dolarlık Seri B finansmanı, ürün, mühendislik ve AI araştırma ekiplerimizin büyüklüğünü önümüzdeki altı ay içinde önemli ölçüde artırmak ve Encord Index ile yeni özelliklerin geliştirilmesini hızlandırmak için kullanılacaktır. Ayrıca, San Francisco’da yeni bir ofis açarak operasyonlarımızı büyüyen müşteri tabanımızı desteklemek için ölçeklendireceğiz.

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

Bir nedeni, tüm şirket departmanlarında son derece müşteri odaklı bir yaklaşım benimsememizdir. Müşterilerimizle sürekli iletişim halindeyiz, sorunlarını dinliyoruz ve çözümlere ulaşmak için onlara sarılıyoruz. Müşteri ihtiyaçlarına odaklanarak, AI takımları için top AI şirketleriyle rezonans gösteren bir platform oluşturduk. Müşterilerimiz bizi bugüne getirmemize yardımcı oldu. AI verilerinin karmaşıklığını etkili bir şekilde yönetme ve ölçekleme yeteneğimiz, bizi şirketler için çekici bir çözüm haline getirdi.

Başarımızın büyük kısmını, bizi destekleyen takım arkadaşlarımıza, ortaklarımıza ve yatırımcılarımıza borçluyuz. Dünya standartlarında ürün, mühendislik ve pazarlama ekipleriyle çalışmak, büyümemizde büyük bir etkiye sahip oldu.

AI’de veri importance arttıkça, AI veri platformları gibi Encord’un rollerini önümüzdeki beş yıl içinde nasıl görüyorsunuz?

AI uygulamaları karmaşıklıkta arttıkça, verilerin etkili ve ölçeklenebilir yönetim çözümlerine olan ihtiyaç artacaktır. Her şirketin gelecekte bir AI departmanına sahip olacağını düşünüyorum, tıpkı bugün IT departmanlarının varlığı gibi. Encord, şirketlerin AI için gereken büyük miktarda veriyi yönetmek 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‘u ziyaret edebilir.