Мохаммад Омар, співзасновник та генеральний директор LXT – Серія інтерв’ю

Мохаммад Омар є співзасновником та генеральним директором LXT, компанії, яка є лідером у сфері навчання штучного інтелекту для глобальних організацій, включаючи найбільші технологічні компанії світу. У партнерстві з міжнародною мережею учасників LXT збирає та анотує дані у різних модальностях з швидкістю, масштабом та гнучкістю, необхідними для підприємств. Компанія LXT була заснована у 2010 році та має штаб-квартиру в Торонто, Канада, а також присутність у США, Австралії, Індії, Туреччині, Великій Британії та Єгипті.

Чи можете Ви розповісти про історію створення LXT?

LXT була заснована у відповідь на гостру потребу у даних, з якою столкнувся мій роботодавець дванадцять років тому. На той час компанія потребувала арабських даних, але не мала відповідних постачальників. Будучи ризикантом та підприємцем за природою, я вирішив покинути свою посаду, створити нову компанію та запропонувати свої послуги своєму колишньому роботодавцю. Одразу ж нам були доручені деякі з найскладніших проектів, які ми успішно виконали, і все пішло від того. Тепер, через понад 12 років, ми побудували сильні відносини з цією компанією, ставши для них постачальником високоякісних мовних даних.

Які найбільші виклики стоять перед розгортанням штучного інтелекту у великому масштабі?

Це велике питання, і ми фактично включили його у наш останній дослідницький звіт, Шлях до зрілості штучного інтелекту. Найбільшим викликом, який назвали респонденти, було інтегрування існуючих або спадкових систем у рішення штучного інтелекту. Це має сенс, враховуючи той факт, що ми опитували великі компанії, які, найімовірніше, мали б масив технологічних систем по всій організації, які потрібно було б раціоналізувати у стратегію цифрової трансформації. Інші виклики, які респонденти оцінили високо, включали відсутність кваліфікованих фахівців, відсутність тренінгів або ресурсів, а також пошук якісних даних. Я не був здивований цими відповідями, оскільки вони часто згадуються, а також тому, що проблема з даними є причиною існування нашої організації.

Що стосується проблем з даними, LXT може як джерело даних, так і їх маркування, щоб алгоритми машинного навчання могли їх зрозуміти. Ми здатні робити це у великому масштабі та з гнучкістю, тобто ми доставляємо високоякісні дані дуже швидко. Клієнти часто звертаються до нас, коли готуються до запуску та хочуть бути впевнені, що їхній продукт буде добре прийнятий клієнтами,

Відпрацюючи з нами джерело даних та їх маркування, компанії можуть вирішити проблеми з ресурсами та фахівцями, дозволяючи їхнім командам зосередитися на створенні інноваційних рішень.

LXT пропонує підтримку понад 750 мов, але існують перекладацькі та локалізаційні виклики, які виходять за рамки структури мови самої по собі. Чи можете Ви обговорити, як LXT подолає ці виклики?

Такі виклики існують – особливо коли ви виходите за межі найбільш поширених мов, які мають офіційний статус та рівень стандартизації. Багато мов, над якими ми працюємо, не мають офіційної орфографії, тому управління консистентністю у команді стає викликом. Ми подолаємо ці та інші виклики – наприклад, виявлення шахрайської поведінки – завдяки суворим процесам забезпечення якості. Знову ж таки, це було дуже очевидно у звіті про зрілість штучного інтелекту, що для більшості організацій, які працюють з даними штучного інтелекту, якість займає перше місце у списку пріоритетів. І більшість організацій, опитаних у дослідженні, висловили готовність платити більше, щоб отримати це.

Для компаній, які потребують джерела даних та їх маркування, наскільки рано у процесі розробки застосунку вони повинні починати джерелувати ці дані?

Ми радимо організаціям створити стратегію даних, як тільки вони визначать свій випадок використання штучного інтелекту. Чекати до початку розробки застосунку може привести до великої кількості зайвої переробки, оскільки штучний інтелект може вивчити неправильні речі та потребувати повторної тренування якісними даними, що може зайняти час на джерелування та інтеграцію у процес розробки.

Яке правило для визначення частоти оновлення даних?

Це залежить від типу застосунку, який Ви розробляєте, та того, як часто дані, які його підтримують, змінюються суттєво. Це означає, що дані є відображенням реального життя, і з часом дані повинні бути оновлені, щоб надати точне відображення того, що відбувається у світі. Ми називаємо це явищем дрейфу моделі, з якого існують два типи, кожний з яких потребує повторної тренування алгоритмів.

• Дрейф концепції відбувається, коли суттєва різниця між тренувальними даними та виходом штучного інтелекту змінюється, що може відбуватися раптово або більш поступово. Наприклад, рітейлер може використовувати історичні дані клієнтів для тренування застосунку штучного інтелекту. Але коли відбувається великий зсув у реальності споживача, алгоритм потребуватиме повторної тренування, щоб відобразити це.

• Дрейф даних відбувається, коли дані, використані для тренування застосунку, більше не відображають фактичні дані, з якими він зустрічається під час виробництва. Це може бути викликано рядом факторів, включаючи демографічні зрушення, сезонність або ситуацію застосунку у новому географічному регіоні.

LXT нещодавно оприлюднила звіт під назвою “Шлях до зрілості штучного інтелекту 2023“. Які були деякі висновки у цьому звіті, які Вас здивували?

Це, ймовірно, не повинно було стати сюрпризом, але те, що справді виділялося, була різноманітність застосувань. Ви могли очікувати, що дві-три галузі діяльності будуть домінувати, але коли ми запитали, де респонденти планують зосередити свої зусилля штучного інтелекту, і де вони планують розгорнути свій штучний інтелект, спочатку це виглядало як хаос – відсутність будь-якої тенденції. Але після аналізу даних та вивчення кваліфікованих відповідей стало зрозуміло, що відсутність тенденції є тендenciєю.至少 через очі респондентів, якщо у Вас є проблема, то існує реальна можливість, що хтось працює над рішенням штучного інтелекту для її вирішення.

Генеративний штучний інтелект завоює світ, яка Ваша думка про те, як далеко мови генеративних моделей можуть привести галузь?

Моя особиста думка щодо цього полягає в тому, що центральним до справжньої сили Генеративного Штучного Інтелекту – я обираю ці слова тут, а не абревіатуру, – є природне розуміння мови. “Інтелект” штучного інтелекту вивчається через мову; можливість вирішувати складні проблеми опосередковується ітеративними та кумулятивними взаємодіями природної мови. З огляду на це, я вважаю, що мови генеративних моделей будуть у крок з іншими елементами штучного інтелекту весь час.

Яка Ваша візія майбутнього штучного інтелекту та майбутнього LXT?

Я оптиміст за природою, і це буде забарвлювати мою відповідь тут, але моя візія майбутнього штучного інтелекту полягає в тому, щоб побачити, як він покращить якість життя для всіх; щоб зробити наш світ безпечнішим, кращим місцем для майбутніх поколінь. На мікрорівні моя візія для LXT полягає в тому, щоб побачити організацію, яка продовжить будувати на своїх сильних сторонах, зростати та ставати роботодавцем-вибіром, і силою добра, для глобальної спільноти, яка робить наш бізнес можливим. На макрорівні моя візія для LXT полягає в тому, щоб зробити суттєвий, значимий внесок у виконання моєї оптимістично нахиленої візії майбутнього штучного інтелекту.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, повинні відвідати LXT.