Ерік ЛандAU, співзасновник та CEO Encord – Інтерв’ю серія

Ерік ЛандAU є CEO та співзасновником Encord, активної платформи навчання для комп’ютерного зору. Ерік був провідним квантитативним дослідником на глобальному рівні delta-one, розмістивши тисячі моделей у виробництві. До Encord він провів майже десятиліття у високочастотній торгівлі на DRW. Він має ступінь магістра прикладної фізики в Гарвардському університеті, ступінь магістра електротехніки та ступінь бакалавра фізики в Стенфордському університеті.

У вільний час Ерік любить грати з ChatGPT та великими мовними моделями, а також займатися ремеслом коктейлів.

Що надихнуло вас на співзаснування Encord, і як ваш досвід у фізиці частинок та квантитативній фінансах сформував ваш підхід до вирішення “проблеми даних” у штучному інтелекті?

Я вперше почав думати про машинне навчання під час роботи у фізиці частинок та роботи з великими наборами даних під час моєї роботи в Стенфордському лінійному прискорювачі (SLAC). Я використовував програмне забезпечення, розроблене фізиками для фізиків, яке означало, що було багато чого бажати щодо приємного користувальницького досвіду. З легшими інструментами я міг би виконувати аналіз набагато швидше.

Пізніше, працюючи у квантитативній фінансах на DRW, я був відповідальним за створення тисяч моделей, які були розгорнуті у виробництві. Подібно до мого досвіду у фізиці, я виявив, що високоякісні дані були критичними для створення точних моделей, а керування складними, великомасштабними даними є складним. Ульрік мав подібний досвід візуалізації великих зображень для комп’ютерного зору.

Коли я дізнався про його початкову ідею Encord, я одразу ж погодився та зрозумів важливість. Разом з Ульріком ми побачили величезну можливість побудувати платформу для автоматизації та оптимізації процесу розробки даних штучного інтелекту, зробивши його легшим для команд отримувати найкращі дані у моделі та створювати надійні системи штучного інтелекту.

Чи можете ви роз’яснити бачення Encord та порівняти його з ранніми днями комп’ютерів чи Інтернету щодо потенціалу та проблем?

Бачення Encord полягає у тому, щоб бути фундаментальною платформою, на яку підприємства можуть покластися для перетворення своїх даних у функціональні моделі штучного інтелекту. Ми є шаром між даними компанії та її штучним інтелектом.

У багатьох аспектах штучний інтелект віддзеркалює попередні парадигматичні зміни, такі як персональні комп’ютери та Інтернет, оскільки він стане невід’ємною частиною робочих процесів для кожного індивіда, бізнесу, нації та галузі. На відміну від попередніх технологічних революцій, які були в основному обмежені законом Мура про складену комп’ютерну зростання у 30 разів кожні 10 років, розвиток штучного інтелекту виграв від одночасних інновацій. Тому він рухається набагато швидше. За словами Дженсена Хуанга з NVIDIA (NVDA ): “Вперше ми бачимо складені експоненти… Ми складаємося у мільйон разів кожні десять років. Не у сто разів, не у тисячу разів, а у мільйон разів.” Без перебільшення ми є свідками найшвидшої технології в історії людства.

Потенціал тут величезний: автоматизуючи та масштабуючи керування високоякісними даними для штучного інтелекту, ми вирішуємо проблему, яка перешкоджає більш широкому прийняттю штучного інтелекту. Проблеми нагадують ранньоденні перешкоди в попередніх технологічних епохах: сили, відсутність найкращих практик, обмеження для некваліфікованих користувачів та нестача добре визначених абстракцій.

Encord Index позиціонується як ключовий інструмент для керування та кураторства даних штучного інтелекту. Як він відрізняється від інших платформ керування даними, які зараз доступні?

Є кілька способів, як Encord Index виділяється:

Index масштабується: дозволяє користувачам керувати мільярдами, а не мільйонами даних. Інші інструменти стикаються з проблемами масштабованості для неструктурованих даних та обмежені у консолідації всіх відповідних даних у організації.

Index гнучкий: інтегрується безпосередньо з приватним сховищем даних та постачальниками хмарного сховища, такими як AWS, GCP та Azure. На відміну від інших інструментів, які обмежені одним постачальником хмарного сховища або внутрішньою системою сховища, Index є агностичним до місця розташування даних. Він дозволяє керувати даними з багатьох джерел з відповідним управлінням та контролем доступу, що дозволяє розробляти безпечні та відповідні додатки штучного інтелекту.

Index багатомодальний: підтримує багатомодальний штучний інтелект, керуючи даними у вигляді зображень, відео, аудіо, тексту, документів та іншого. Index не обмежується однією формою даних, як і багато інструментів LLM сьогодні. Людська когніція багатомодальна, і ми вважаємо, що багатомодальний штучний інтелект буде в центрі наступної хвилі досягнень штучного інтелекту, яка витіснить чат-боти та LLM.

Якими способами Encord Index покращує процес вибору правильних даних для моделей штучного інтелекту, і який вплив це має на продуктивність моделі?

Encord Index покращує вибір даних, автоматизуючи кураторство великих наборів даних, допомагаючи командам ідентифікувати та зберегти лише найбільш актуальні дані, а також видаляти некорисні або упереджені дані. Цей процес не тільки зменшує розмір наборів даних, але також суттєво покращує якість даних, використовуваних для навчання моделей штучного інтелекту. Наші клієнти бачили до 20% покращення своїх моделей, досягнувши 35% зменшення розміру набору даних та зберігаючи сотні тисяч доларів на витратах на обчислення та людську анотацію.

Як Encord залишається попереду у швидкозмінному ландшафті штучного інтелекту, особливо з інтеграцією передових технологій, таких як модель Segment Anything від Meta?

Ми свідомо побудували платформу так, щоб вона могла швидко адаптуватися до нових технологій. Ми зосереджуємося на забезпеченні масштабованого, програмно-орієнтованого підходу, який легко інтегрує досягнення, такі як SAM, забезпечуючи, щоб наші користувачі завжди мали найновіші інструменти для того, щоб залишатися конкурентоспроможними.

Ми плануємо залишатися попереду, зосереджуючись на багатомодальному штучному інтелекті. Платформа Encord вже може керувати складними типами даних, такими як зображення, відео та текст, тому як тільки будуть досягнуті подальші досягнення у багатомодальному штучному інтелекті, ми готові.

Які найпоширеніші проблеми, з якими стикаються компанії при керуванні даними штучного інтелекту, і як Encord допомагає вирішувати ці проблеми?

Є 3 основні проблеми, з якими стикаються компанії:

• Погане організація даних та контроль: коли підприємства готуються до реалізації рішень штучного інтелекту, вони часто зустрічаються з реальністю сегрегованих та неорганізованих даних, які не готові до штучного інтелекту. Ці дані часто не мають сильного управління навколо них, що обмежує використання багатьох з них у системах штучного інтелекту.
• Недостаток людських експертів: коли моделі штучного інтелекту вирішують усе більш складні проблеми, скоро буде нестача людських експертів для підготовки та верифікації даних. Коли вимоги штучного інтелекту компанії зростають, масштабування людських ресурсів є складним та дорогим.
• Немасштабовані інструменти: продуктивні моделі штучного інтелекту дуже голодні до даних, необхідних для тонкої настройки, верифікації, RAG та інших робочих процесів. Попереднє покоління інструментів не здатне керувати кількістю та типами даних, необхідних для сучасних моделей виробництва.

Encord вирішує ці проблеми, автоматизуючи процес кураторства даних у масштабі, роблячи його легким для ідентифікації впливових даних з проблемними даними та забезпечення створення ефективних навчальних та верифікаційних наборів даних. Він використовує програмно-орієнтований підхід, який легко масштабується угору або вниз, коли змінюються потреби у керуванні даними. Наші інструменти штучного інтелекту з людьми в циклі забезпечують максимальну ефективність робочих процесів для експертів-доменів. Цей процес особливо критичний у галузях, таких як фінансові послуги та охорона здоров’я, де тренери штучного інтелекту є дорогими. Ми робимо легким керування та розуміння всіх неструктурованих даних організації, зменшуючи потребу в ручній праці.

Як Encord вирішує проблему упередженості даних та недопредставлених областей у наборах даних, щоб забезпечити справедливі та збалансовані моделі штучного інтелекту?

Вирішення проблеми упередженості даних є критичним фокусом для нас у Encord. Наша платформа автоматично визначає та висвітлює області, де дані можуть бути упередженими, дозволяючи командам штучного інтелекту вирішувати ці питання до того, як вони вплинуть на продуктивність моделі. Ми також забезпечуємо, що недопредставлені області у наборах даних належним чином включаються, що допомагає у розробці справедливіших та більш збалансованих моделей штучного інтелекту. Використовуючи наші інструменти кураторства, команди можуть бути впевнені, що їхні моделі тренуються на різноманітних та представницьких даних.

Encord最近 отримав 30 мільйонів доларів у рамках фінансування серії B. Як це фінансування прискорить вашу дорожню карту продукту та плани розширення?

30 мільйонів доларів у рамках фінансування серії B буде використано для значного збільшення розміру наших команд продукту, інженерії та досліджень штучного інтелекту протягом наступних шести місяців та прискорення розробки Encord Index та інших нових функцій. Ми також розширюємо нашу присутність у Сан-Франциско з новим офісом, а це фінансування допоможе нам масштабувати операції для підтримки нашої зростаючої клієнтської бази.

Як наймолодша компанія штучного інтелекту з Y Combinator, яка отримала фінансування серії B, що ви приписуєте швидкому зростанню та успіху Encord?

Одна з причин, чому ми змогли швидко зростати, полягає в тому, що ми прийняли вкрай клієнто-орієнтований фокус у всіх областях компанії. Ми постійно спілкуємося з клієнтами, слухаємо їхні проблеми та “обіймаємо” їх, щоб знайти рішення. Зосереджуючись на потребах клієнтів, а не на гіпі, ми створили платформу, яка резонує з провідними командами штучного інтелекту у різних галузях. Наші клієнти були інструментальними у тому, щоб привести нас до того, де ми зараз перебуваємо. Наша здатність швидко масштабуватися та ефективно керувати складністю даних штучного інтелекту зробила нас привабливим рішенням для підприємств.

Ми також багато зобов’язані нашим колегам, партнерам та інвесторам, які всі працювали наполегливо, щоб просувати Encord. Робота з світовими командами продукту, інженерії та виходу на ринок мала величезний вплив на наш зростання.

Враховуючи зростаючу важливість даних у штучному інтелекті, як ви бачите еволюцію ролі платформ даних штучного інтелекту, таких як Encord, протягом наступних п’яти років?

За міру того, як застосування штучного інтелекту зростає у складності, потреба у ефективних та масштабованих рішеннях керування даними буде лише зростати. Я вважаю, що кожне підприємство врешті-решт матиме відділ штучного інтелекту, подібно до того, як існують відділи інформаційних технологій сьогодні. Encord буде єдиною платформою, якої їм знадобиться для керування величезними кількостями даних, необхідних для штучного інтелекту, та швидкого виходу моделей у виробництво.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Encord.