LXT’den Phil Hall, Baş Büyüme Sorumlusu – Röportaj Serisi

LXT Baş Büyüme Sorumlusu Phil Hall eski bir Appen yöneticisi ve Forbes Technology Council üyesidir. Appen’deki liderlik rolünde 1.000’den fazla personelin başında bulunmuş ve 17 yıl üst üste gelir artışı ve güçlü kârlılık elde edilmesinde önemli bir rol oynamıştır. LXT’deki mevcut rolünde, büyüme hedeflerini gerçekleştirmek için uzmanlardan oluşan bir ekiple çalışmaktadır.

LXT küresel organizasyonlar için akıllı teknolojiyi güçlendirmek amacıyla AI eğitim verilerini sağlayan bir lider şirket olarak ortaya çıkmaktadır. Uluslararası katkıda bulunanlar ağıyla birlikte, LXT çoklu modellerde veri toplamakta ve bunları şirketlerin benötirdiği hız, ölçek ve esneklikle annotating etmektedir. 115’den fazla ülkede ve 750’den fazla dil bölgesinde küresel uzmanlığa sahiptir. 2010 yılında kurulan LXT, Toronto, Kanada’da merkezini bulundurmaktadır ve Amerika Birleşik Devletleri, Avustralya, Mısır, İngiltere ve Türkiye’de ofisleri bulunmaktadır. Şirket, Kuzey Amerika, Avrupa, Asya Pasifik ve Orta Doğu’daki müşterilere hizmet vermektedir.

Dil konusunda ilk olarak ne zaman tutkulu olduğunuzu keşfettiniz?

Dil konusunda uzun süredir ilgileniyorum, ancak dil ve dilbilimle doğrudan ilgilenmeye başladığım nokta, çocuklarımızın birinin disleksik olduğunu fark ettiğimiz zamandı. Okuluna ek destek için konuştuğumuzda, okulun bazı programlara erişebileceğini ancak benim de okulda gönüllü olarak çalışabileceğimi söylediler. İyiydi ve sonra dilbilim okumaya ve iki üniversitede öğretmeye başladım.

Dilbilim öğretmekten konuşma verisi alanına geçiş yapmanızın nedeni nedir?

Sidney merkezli Appen, evdeki bir odayı işletmekten tam bir ticari operasyona geçiş yapıyordu. Bana linguistlere ihtiyaç duyduklarını söylediler ve kurucuları Julie ve Chris Vonwiller ile tanıştım. Geçiş yaklaşık iki yıl sürdü. Öğretmekten vazgeçmek istemezdim – yüksek başarı gösteren öğrencilerle çalışmak hem ilham verici hem de çok eğlenceliydi. Ancak özellikle o öncü yıllarda, dünyanın önde gelen dil teknoloji uzmanlarıyla birlikte zorlu sorunları çözüyordum ve heyecan seviyeleri yüksekti. Bugün kabul gören birçok şey o zamanlar çok zorluydı.

Emekliliğinizden sonra LXT’ye katılmaya karar vermenizın nedeni nedir?

İlginç bir soru, çünkü emekliliğimde kendimi çok iyi hissediyordum. Aslında, kurucu ortak ve CEO’muz Mohammad Omar, ilk sorgulamasından aylar önce bana ulaştı, çünkü ben rahat bir yaşam tarzı yaşıyordum ve gerçekten tam zamanlı çalışmaya geri dönmeyi düşünmüyordum.

Ama sonunda fırsatın çekiciliği çok büyüktü.

Mohammad ve LXT ekibiyle konuşurken, dil konusunda paylaşılan bir tutkuyu hemen tanıdım. Mohammad’ın topladığı ekip, sınırsız enerjiyle dolu, şirketin misyonuna tamamen bağlı yaratıcı düşünürlerden oluşuyordu.

LXT ile ilgili fırsatı daha fazla öğrendikçe, bunu kaçırmak istemediğimi fark ettim. Burada, büyüme ve genişleme için büyük potansiyele sahip bir şirket vardı ve ben bunu çok heyecan verici buluyordum. AI pazarı büyümeye devam ettikçe, daha fazla organizasyonun deneyselden üretime geçmesine yardımcı olmak için bir opportunity vardı ve ben buna çok mutlu olarak katılıyordum.

Ölçeklerde veri edinme konusundaki güncel zorluklar nelerdir?

Zorluklar, bunları tetikleyen uygulamalar kadar çeşitlidir.

Pratik açıdan, zorluklar arasında otantiklik, güvenilirlik, doğruluk, güvenlik ve verilerin amacına uygun olması bulunmaktadır ve bunlar, artan sayıda yasal ve etik zorlukları hesaba katmadan önce gelmektedir.

Örneğin, otonom araçlar için teknoloji geliştirmek, çok büyük miktarda veri toplamak gerektirir, böylece araba gerçek dünya durumlarına nasıl tepki vereceğini anlayabilir. Sürüş währendinde karşılaşabileceğiniz sonsuz sayıda kenar durumu vardır, bu nedenle bu araçların kullandığı algoritmaların, her şeyi yollardan, dur işaretlerinden, düşen nesnelere kadar kapsayan veri kümeleriyle eğitilmesi gerekir. Ve sonra bu durumu hava koşullarının sayısına göre çarparsanız, gerekli eğitim verisi miktarı üssel olarak artar. Otonom araç geliştiren şirketlerin, kendileri için güvenilir bir veri.pipeline kurmaları gerekir ve bunu kendi başlarına yapmak için gereken kaynaklar çok büyüktür.

Diğer bir kullanım örneği, mevcut bir sesli AI ürününü yeni pazarlara genişletmektir. Bu, dil verisi gerektirir ve doğruluk için, çeşitli demografik profillerden yerel konuşmacıların konuşma verilerini kaynaklamanız kritiktir. Veri toplandıktan sonra, ses dosyalarının, ürünün NLP algoritmalarını eğitmek için transkribe edilmesi gerekir. Bunu, etkili olmak için gereken veri hacimlerinde ve birçok dilde yapmak, özellikle bu alanda iç uzmanlığa sahip değilseniz, şirketler için çok zorlu bir iştir.

Bunlar, büyük ölçekli AI için veri toplama konusundaki birkaç zorluktan sadece ikisidir, ancak her biri – ev otomasyonu, mobil cihaz ve biyometrik veri toplama – kendi özel zorluklarına sahiptir.

LXT, verileri nasıl toplamakta ve annotating etmektedir?

LXT’de, her müşterimiz için verileri ve annotasyonları farklı şekilde topluyoruz, çünkü tüm işbirliklerimizin müşterilerimizin özelliklerine göre uyarlandığından emin oluyoruz. Ses, görüntü, konuşma, metin ve video gibi çeşitli veri türlerinde çalışıyoruz. Veri toplamak için, global bir yüklenici ağıyla birlikte çalışıyoruz. Toplama işlemleri, ev, ofis veya araç gibi gerçek dünya ortamlarında veri toplamak veya belirli konuşma verisi toplama projeleri için stüdyoda deneyimli mühendislerle birlikte çalışmak olabilir.

Veri annotasyon yeteneklerimiz de çoklu modelleri kapsar. Konuşma alanında başladığımız ve son 12 yılda 115’den fazla ülkeye ve 750’den fazla dil bölgesine genişlettiğimiz deneyimimiz vardır. Bu, şirketlerin LXT’ye güvenerek geniş bir pazar yelpazesine ulaşmasına ve yeni müşteri segmentlerini yakalamasına olanak tanır. Daha yakın zamanda metin, görüntü ve video verilerine de genişlettik ve iç platformumuz, müşterilerimize yüksek kaliteli veri sunmamızı sağlar.

İçinde bulunduğumuz bir başka heyecan verici büyüme alanı, güvenli annotasyon işimizdir. Bu yıl, güvenli tesislerimizin sayısını iki’den beş’e çıkardık ve yeni tesisleri birkaç ay içinde kurma kabiliyetine sahip bir playbook geliştirdik. Şu anda bu tesislerde odaklandığımız hizmetler, konuşma verisi annotasyonu ve transkripsiyonudur, ancak birçok veri türünün annotasyonunda kullanılabilir.

Bu şekilde veri toplamanın sentetik veriye göre üstünlüğü nedir?

Sentetik veri, AI alanındaki heyecan verici bir gelişmedir ve özellikle kenar durumların gerçek dünyada yakalanması zor olduğu belirli kullanım durumları için uygundur. Sentetik verinin kullanımı, özellikle şirketler henüz deneysel aşamadayken, AI olgunluğunun ilk aşamalarında artmaktadır. Ancak kendi araştırmamız gösteriyor ki, şirketler AI stratejilerini olgunlaştırdıkça ve daha fazla modeli üretime sürdükçe, denetimli veya yarı-denetimli makine öğrenimi yöntemlerini kullanma olasılıkları daha yüksektir ve bu yöntemler insan tarafından annotelenmiş verilere dayanır.

İnsanlar, veri oluşturmak için bilgisayarlardan daha iyidir ve insan denetimi, yanlılığı azaltmak için kritiktir.

Bu veri, konuşma ve Doğal Dil İşleme için neden bu kadar önemlidir?

Konuşma ve doğal dil işleme algoritmalarının hedeflenen pazarlarda etkili bir şekilde çalışması için, yerel konuşmacıların kültürel bağlamına sahip oldukları yüksek hacimli veriyle eğitilmeleri gerekir. Bu veriye sahip olmadan, sesli AI benimsemesi ciddi sınırlamalara sahip olacaktır.

Ayrıca, konuşma verisi toplarken çevre hesaba katılmalıdır. Örneğin, sesli AI çözümü bir araba içinde kullanılacaksa, yol ve hava koşullarının konuşmayı nasıl etkilediğini dikkate almanız gerekir. Bu, deneyimli bir veri ortağının yardımıyla çözülebilecek karmaşık senaryolardır.

LXT hakkında paylaşmak istediğiniz başka bir şey var mı?

Öncelikle, hikayemizi paylaşma fırsatı verdiğiniz için teşekkür ederim! Şirketimiz, tüm boyutlardaki organizasyonların AI girişimlerinde başarılı olmasına yardımcı olmaya kendini adamıştır. Dünyadaki şirketlere son 12 yıldır özelleştirilmiş AI verisi sunmakta olup, AI projelerini desteklemek için güvenilir bir veri.pipeline oluşturmak isteyenlerle bağlantı kurmaktan memnuniyet duyarız.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular LXT‘yi ziyaret edebilir.