Mohammad Omar, Đồng sáng lập & CEO của LXT – Loạt phỏng vấn

Mohammad Omar là Đồng sáng lập & CEO của LXT, một công ty dẫn đầu trong lĩnh vực đào tạo dữ liệu AI để cung cấp công nghệ thông minh cho các tổ chức toàn cầu, bao gồm cả các công ty công nghệ lớn nhất thế giới. Với sự hợp tác của mạng lưới các nhà đóng góp quốc tế, LXT thu thập và chú thích dữ liệu trên nhiều phương thức với tốc độ, quy mô và sự linh hoạt cần thiết cho doanh nghiệp. Được thành lập vào năm 2010, LXT có trụ sở tại Toronto, Canada với sự hiện diện tại Hoa Kỳ, Úc, Ấn Độ, Thổ Nhĩ Kỳ, Vương quốc Anh và Ai Cập.

Bạn có thể chia sẻ câu chuyện về sự ra đời của LXT?

LXT được thành lập để đáp ứng nhu cầu cấp thiết về dữ liệu mà công ty của tôi đã gặp phải 12 năm trước. Tại thời điểm đó, công ty cần dữ liệu tiếng Ả Rập nhưng không có nhà cung cấp phù hợp. Là một người chấp nhận rủi ro và doanh nhân theo bản năng, tôi đã quyết định rời bỏ vai trò của mình, thành lập một công ty mới và cung cấp dịch vụ cho cựu chủ của tôi. Ngay lập tức, chúng tôi đã được giao một số dự án đầy thách thức và đã thực hiện thành công, và mọi thứ đã phát triển từ đó. Giờ đây, sau hơn 12 năm, chúng tôi đã xây dựng mối quan hệ mạnh mẽ với công ty này và trở thành nhà cung cấp đáng tin cậy cho dữ liệu ngôn ngữ chất lượng cao.

Những thách thức lớn nhất khi triển khai AI trên quy mô lớn là gì?

Đó là một câu hỏi tuyệt vời, và chúng tôi đã bao gồm điều đó trong báo cáo nghiên cứu mới nhất của chúng tôi, Con đường đến sự trưởng thành của AI. Thách thức hàng đầu mà cácrespondent đã đề cập là tích hợp các hệ thống hiện có hoặc遗 sản vào các giải pháp AI. Điều này có ý nghĩa khi xem xét rằng chúng tôi đã khảo sát các công ty lớn hơn có thể có một loạt các hệ thống công nghệ trên toàn tổ chức cần được hợp lý hóa vào một chiến lược chuyển đổi số. Các thách thức khác mà cácrespondent đã xếp hạng cao là thiếu nhân tài có kỹ năng, thiếu đào tạo hoặc tài nguyên, và việc tìm kiếm dữ liệu chất lượng. Tôi không ngạc nhiên về những phản hồi này vì chúng thường được đề cập, và cũng vì lý do mà thách thức về dữ liệu là lý do tồn tại của tổ chức chúng tôi.

Khi nói đến thách thức về dữ liệu, LXT có thể cả nguồn dữ liệu và chú thích nó để các thuật toán học máy có thể hiểu được. Chúng tôi được trang bị để làm điều này trên quy mô lớn và với sự linh hoạt, có nghĩa là chúng tôi cung cấp dữ liệu chất lượng cao rất nhanh. Khách hàng thường đến với chúng tôi khi họ chuẩn bị cho một lần ra mắt và muốn đảm bảo sản phẩm của họ được khách hàng đón nhận,

Bằng cách làm việc với chúng tôi để nguồn và chú thích dữ liệu, các công ty có thể giải quyết các vấn đề về nguồn lực và nhân tài bằng cách cho phép các đội của họ tập trung vào xây dựng các giải pháp sáng tạo.

LXT cung cấp phạm vi cho hơn 750 ngôn ngữ, nhưng có những thách thức về dịch và định vị hóa mà vượt ra ngoài cấu trúc của ngôn ngữ bản thân. Bạn có thể thảo luận về cách LXT đối mặt với những thách thức này?

Đúng là có những thách thức về dịch và định vị hóa – đặc biệt là khi bạn mở rộng ra ngoài các ngôn ngữ được nói rộng rãi nhất có tình trạng chính thức và mức độ tiêu chuẩn hóa đi kèm với nó. Nhiều ngôn ngữ mà chúng tôi làm việc có không có chính tả chính thức, vì vậy việc quản lý tính nhất quán trên toàn đội trở thành một thách thức. Chúng tôi giải quyết những thách thức này – ví dụ như việc phát hiện hành vi gian lận – bằng cách có các quy trình nghiêm ngặt về đảm bảo chất lượng. Một lần nữa, điều này rất rõ ràng trong báo cáo nghiên cứu về sự trưởng thành của AI rằng đối với hầu hết các tổ chức làm việc với dữ liệu AI, chất lượng đứng đầu danh sách các ưu tiên. Và hầu hết các tổ chức được khảo sát đều thể hiện sự sẵn sàng trả nhiều hơn để có được điều này.

Đối với các công ty yêu cầu nguồn dữ liệu và chú thích dữ liệu, họ nên bắt đầu tìm kiếm dữ liệu này từ giai đoạn nào của quá trình phát triển ứng dụng?

Chúng tôi khuyên các tổ chức nên tạo một chiến lược dữ liệu ngay khi họ xác định trường hợp sử dụng AI của mình. Việc chờ đợi cho đến khi ứng dụng đang được phát triển có thể dẫn đến rất nhiều công việc không cần thiết, vì AI có thể học những điều sai lầm và phải được đào tạo lại bằng dữ liệu chất lượng, điều này có thể mất thời gian để tìm kiếm và tích hợp vào quá trình phát triển.

Nguyên tắc của việc biết tần suất mà dữ liệu nên được cập nhật là gì?

Điều này thực sự phụ thuộc vào loại ứng dụng bạn đang phát triển và dữ liệu hỗ trợ nó thay đổi như thế nào theo thời gian. Điều này có nghĩa là dữ liệu là một đại diện của đời thực, và theo thời gian, dữ liệu phải được cập nhật để cung cấp một phản ánh chính xác về những gì đang xảy ra trên thế giới. Chúng tôi gọi hiện tượng này là sự trôi dạt của mô hình, trong đó có hai loại, mỗi loại yêu cầu việc đào tạo lại các thuật toán.

• Sự trôi dạt khái niệm xảy ra khi có sự khác biệt đáng kể giữa dữ liệu đào tạo và đầu ra AI thay đổi, điều này có thể xảy ra đột ngột hoặc dần dần. Ví dụ, một nhà bán lẻ có thể sử dụng dữ liệu khách hàng lịch sử để đào tạo một ứng dụng AI. Nhưng khi có một sự thay đổi lớn trong thực tế của người tiêu dùng, thuật toán sẽ cần được đào tạo lại để phản ánh điều này.

• Sự trôi dạt dữ liệu xảy ra khi dữ liệu được sử dụng để đào tạo một ứng dụng không còn phản ánh dữ liệu thực tế khi nó đi vào sản xuất. Điều này có thể được gây ra bởi một loạt các yếu tố, bao gồm cả sự thay đổi nhân khẩu học, tính mùa vụ hoặc việc đặt ứng dụng trong một khu vực địa lý mới.

LXT gần đây đã công bố một báo cáo có tiêu đề “Con đường đến sự trưởng thành của AI 2023”. Những kết luận trong báo cáo này đã khiến bạn ngạc nhiên?

Có lẽ điều đó không nên đến như một sự ngạc nhiên, nhưng điều thực sự nổi bật là sự đa dạng của các ứng dụng. Bạn có thể mong đợi hai hoặc ba lĩnh vực hoạt động sẽ chiếm ưu thế, nhưng khi chúng tôi hỏi cácrespondent về nơi họ dự định tập trung nỗ lực AI của mình, và nơi họ dự định triển khai AI, ban đầu nó trông giống như sự hỗn loạn – sự vắng mặt của bất kỳ xu hướng nào. Nhưng khi sàng lọc qua dữ liệu, và xem xét các phản hồi định tính, nó trở nên rõ ràng rằng sự vắng mặt của một xu hướng là xu hướng. Ít nhất thông qua mắt của cácrespondent của chúng tôi, nếu bạn có một vấn đề, thì có khả năng thực sự rằng ai đó đang làm việc trên một giải pháp AI cho nó.

Trí tuệ nhân tạo sinh (Generative AI) đang làm bão trên thế giới, bạn nghĩ về khả năng của mô hình ngôn ngữ sinh như thế nào?

Quan điểm cá nhân của tôi về điều này là trung tâm của sức mạnh thực sự của Trí tuệ nhân tạo sinh – tôi chọn sử dụng những từ này thay vì viết tắt để nhấn mạnh – là Hiểu biết ngôn ngữ tự nhiên. ‘Trí tuệ’ của AI được học thông qua ngôn ngữ; khả năng giải quyết các vấn đề phức tạp được trung gian thông qua các tương tác ngôn ngữ tự nhiên lặp đi lặp lại và tích lũy. Với điều này trong tâm trí, tôi tin rằng các mô hình ngôn ngữ sinh sẽ đi cùng với các yếu tố khác của AI trên toàn bộ hành trình.

Tầm nhìn của bạn cho tương lai của AI và cho tương lai của LXT là gì?

Tôi là một người lạc quan theo bản năng và điều đó sẽ ảnh hưởng đến phản hồi của tôi ở đây, nhưng tầm nhìn của tôi cho tương lai của AI là thấy nó cải thiện chất lượng cuộc sống cho mọi người; để nó làm cho thế giới của chúng ta trở thành một nơi an toàn hơn, tốt hơn cho các thế hệ tương lai. Ở cấp độ vi mô, tầm nhìn của tôi cho LXT là thấy tổ chức này tiếp tục xây dựng trên những điểm mạnh của mình, để phát triển và trở thành một nhà tuyển dụng được lựa chọn, và một lực lượng vì lợi ích, cho cộng đồng toàn cầu làm cho hoạt động kinh doanh của chúng tôi trở nên khả thi. Ở cấp độ vĩ mô, tầm nhìn của tôi cho LXT là để đóng góp một cách đáng kể, có ý nghĩa vào việc thực hiện tầm nhìn lạc quan về tương lai của AI.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm có thể truy cập LXT.