存根 Mohammad Omar,LXT 联合创始人兼首席执行官 - 访谈系列 - Unite.AI
关注我们.

面试

LXT 联合创始人兼首席执行官 Mohammad Omar – 访谈系列

mm
更新 on

穆罕默德·奥马尔是联合创始人兼首席执行官 龙行通是人工智能培训数据领域的新兴领导者,为全球组织(包括世界上最大的科技公司)提供智能技术支持。 LXT 与国际贡献者网络合作,以企业所需的速度、规模和敏捷性跨多种方式收集和注释数据。 LXT 成立于 2010 年,总部位于加拿大多伦多,在美国、澳大利亚、印度、土耳其、英国和埃及设有办事处。

您能分享一下 LXT 背后的起源故事吗?

LXT 的成立是为了满足我的雇主 12 年前所面临的对数据的迫切需求。 当时,该公司需要阿拉伯数据,但没有合适的供应商来获取这些数据。 作为一个天生的冒险家和企业家,我决定辞去职务,成立一家新公司,然后转身为我的前雇主提供我们的服务。 我们立即获得了他们最具挑战性的一些项目,我们成功地交付了这些项目,事情就从那里开始发展。 XNUMX 年后的今天,我们与这家公司建立了牢固的关系,成为高质量语言数据的首选供应商。

大规模部署人工智能背后的最大挑战是什么?

这是一个很好的问题,我们实际上将其纳入了我们最新的研究报告中, 人工智能成熟之路。 受访者提到的最大挑战是将现有或遗留系统集成到人工智能解决方案中。 鉴于我们调查了较大的公司,这些公司很可能在其组织中拥有一系列需要合理化为数字化转型战略的技术系统,这是有道理的。 受访者排名较高的其他挑战包括缺乏熟练人才、缺乏培训或资源以及采购高质量数据。 我对这些回应并不感到惊讶,因为它们经常被引用,当然也因为数据挑战是我们组织存在的原因。

当遇到数据挑战时,LXT 可以获取数据并对其进行标记,以便机器学习算法能够理解它。我们有能力大规模、敏捷地做到这一点,这意味着我们可以非常快速地提供高质量的数据。客户经常在准备发布时来找我们,并希望确保他们的产品受到客户的好评, 

通过与我们合作来获取和标记数据,公司可以让其团队专注于构建创新解决方案,从而解决资源和人才短缺的问题。

LXT 覆盖 750 多种语言,但翻译和本地化挑战超出了语言本身的结构。 您能谈谈 LXT 如何应对这些挑战吗?

当然存在翻译和本地化挑战——尤其是当你的业务扩展到最广泛使用的语言之外时,这些语言往往具有官方地位以及随之而来的标准化水平。 我们使用的许多语言都没有官方的拼写法,因此管理整个团队的一致性成为一个挑战。 我们通过制定严格的质量保证流程来应对这些和其他挑战,例如检测欺诈行为。 人工智能成熟度研究报告再次表明,对于大多数使用人工智能数据的组织来说,质量是首要任务。 大多数接受调查的组织都表示愿意支付更多费用来实现这一目标。 

对于需要数据采购和数据注释的公司来说,他们应该在应用程序开发过程中多久开始采购这些数据?

我们建议组织在确定人工智能用例后立即制定数据策略。 等到应用程序开发时可能会导致大量不必要的返工,因为人工智能可能会学到错误的东西,并且必须通过高质量数据进行重新训练,这可能需要时间来获取数据并将其集成到开发过程中。

了解数据更新频率的经验法则是什么?

这实际上取决于您正在开发的应用程序的类型以及支持它的数据发生重大变化的频率。 这意味着数据是现实生活的代表,随着时间的推移,数据必须更新以准确反映世界上正在发生的事情。 我们将这种现象称为模型漂移,模型漂移有两种类型,每种类型都需要重新训练算法。

  • 当训练数据和人工智能输出之间的显着差异发生变化时,概念漂移就会发生,这种变化可能是突然发生的,也可能是逐渐发生的。 例如,零售商可能会使用历史客户数据来训练人工智能应用程序。 但当消费者现实发生巨大转变时,算法将需要重新训练才能反映这一点。

 

  • 当用于训练应用程序的数据不再反映进入生产时遇到的实际数据时,就会发生数据漂移。 这可能是由一系列因素造成的,包括人口变化、季节性或新地理区域的应用程序情况。

LXT最近发布了一份题为“2023 年 AI 成熟之路”。 这份报告中有哪些内容让您感到惊讶?

这可能并不令人意外,但真正引人注目的是应用程序的多样性。 您可能预计有两个或三个活动领域将占据主导地位,但当我们询问受访者计划将人工智能工作重点放在哪里以及他们计划在哪里部署人工智能时,情况最初看起来很混乱——根本没有任何趋势。 但在筛选数据并查看定性反应后,很明显,缺乏趋势 is 趋势。 至少在我们的受访者看来,如果你遇到问题,那么很可能有人正在研究人工智能解决方案。

生成式人工智能正在席卷全球,您对语言生成模型能在这个行业走多远有何看法?

我个人对此的看法是,生成人工智能真正力量的核心——我选择在这里使用这些词而不是缩写来强调——是自然语言理解。 人工智能的“智能”是通过语言学习的; 解决并最终解决复杂问题的能力是通过迭代和累积的自然语言交互来调节的。 考虑到这一点,我相信语言生成模型将始终与人工智能的其他元素保持同步。

您对 AI 的未来和 LXT 的未来有何愿景?

我本质上是一个乐观主义者,这会影响我的回答,但我对人工智能未来的愿景是看到它改善每个人的生活质量; 让我们的世界变得更加安全,为子孙后代创造一个更加美好的地方。 在微观层面上,我对 LXT 的愿景是看到该组织继续发挥自身优势,不断成长并成为全球社区的首选雇主和一股向善的力量,使我们的业务成为可能。 从宏观层面来看,我对 LXT 的愿景是以一种重要且有意义的方式为实现我对人工智能未来的乐观愿景做出贡献。

感谢您的精彩采访,想要了解更多信息的读者可以访问 龙行通.

Unite.AI 创始合伙人 & 会员 福布斯技术委员会, 安托万是一个 未来学家 他对人工智能和机器人技术的未来充满热情。

他也是 证券,一个专注于投资颠覆性技术的网站。