Adam Gross, HarmonEyes Kurucu Ortak ve CEO’su – Röportaj Serisi

Adam Gross, HarmonEyes’in Kurucu Ortağı ve CEO’su, sağlık, finans hizmetleri ve veri analitiği alanlarında teknoloji odaklı işletmeler kurup ölçeklendirme konusunda neredeyse üç on yıl deneyime sahip bir seri girişimcidir. 2013’te RightEye’i kurarak sağlık, profesyonel spor ve askeri performans uygulamalarında kullanılan bir göz izleme teknolojisi platformu geliştirdi; ardından 2024’te Dr. Melissa Hunfalvay ile HarmonEyes’i kurarak bu uzmanlığı yapay zeka destekli insan durumu zekâsına genişletti. Kariyerinin erken dönemlerinde Gross, sağlık maliyetlerini kontrol altına alan KeyClaims şirketini kurdu; bu şirket 2012’de Stratose/Zelis Healthcare tarafından satın alındı ve finansal analiz platformu Trending123.com’u kurdu; bu platform 2007’de InvestorPlace Media tarafından satın alındı. Ayrıca finans teknolojisi şirketi KeepMore’ı kurdu ve Eastern ATM’yi ortak kurdu; bu şirket ABD Doğu Kıyısı boyunca özel bir ATM ağı işletti ve 1998’de satıldı.

HarmonEyes, gerçek zamanlı göz hareketlerinden bir kişinin bilişsel, duygusal ve fiziksel durumuna ilişkin unsurları çıkarabilen Theia adlı bir AI temel modelini geliştirmektedir. Teknoloji, bilişsel yük, dikkat, zihinsel hazırlık, yorgunluk, stres, dikkat dağınıklığı, hareket hastalığı ve kullanıcı kimlik doğrulaması gibi sinyalleri ölçebilir; potansiyel uygulamaları AI asistanları, otomotiv sistemleri, genişletilmiş gerçeklik, savunma, sağlık, eğitim, endüstriyel güvenlik, oyun ve pazar araştırmalarını kapsar. Theia, özel göz izleme donanımı gerektirmeden, sıradan kamera donanımlı cihazlarda kenarda (edge) çalışacak şekilde tasarlanmıştır; HarmonEyes, video ve kişisel verilerin depolanmadığını belirtmektedir. Şirket, teknolojisini RightEye’e dayandırmakta ve modellerinin 16,3 milyon kayıt üzerinden 585 milyardan fazla göz hareketi veri noktasına dayandığını, bu sayede insan durumu zekâsı teknolojisini eğitmek ve iyileştirmek için büyük bir özelleşmiş veri seti sağladığını ifade etmektedir.

RightEye’i 2013’te kurdunuz ve bir on yıldan fazla süredir sağlık, spor ve askeri uygulamalar için göz izleme teknolojisi geliştirdiniz; ardından 2024’te HarmonEyes’i başlattınız. Bu temel teknoloji ve veri setinin, insan durumu zekâsı için daha geniş bir temel model destekleyebileceğine sizi ikna eden neydi ve HarmonEyes bu vizyon için neden doğru araçtı?

Daha fazla bir on yıl süren göz izleme ürünleri geliştirme deneyimimizle, insan durumu zekâsını milyarlarca cihaza getirme vizyonumuzu tetikleyen üç değişiklik oldu:

1. Geçtiğimiz on yılda, demografi (ör. yaş, cinsiyet), performans, dikkat, duygu, görme ve sağlık koşulları gibi 130+ veri kümesini içeren, en büyük doğrulanmış ve etiketlenmiş göz izleme veri tabanını temin ettik.
2. AI’nın yaygınlaşmasıyla, gerçek zamanlı modelleri eğitmek için teknikler aniden bizlere ulaştı — ve bu modelleri eğitecek verilere sahiptik.
3. Göz izleme sinyalleri kameralarla yakalanır.  Son zamanlarda, tüketici sınıfı kameralar ilk kez daha iyi, daha hızlı, daha ucuz ve bu sinyalleri çıkarmak için yeterince güçlü hâle geldi.  Ekibimizin yenilikleri sayesinde, artık göz izleme modellerini dizüstü bilgisayarlar, telefonlar, tabletler, otomobiller gibi herhangi bir kamera tabanlı cihazda dağıtabiliyoruz.

Ofcom, bir platformun nasıl kullanıldığını gözlemleyerek yapılan davranışsal yaş tahminini, erişim izni verilmeden önce çalışabilen yaş kontrollerinden ayırdı. Göz hareketlerinden yaş tahmini, tarama geçmişi, içerik tercihleri, dil ya da diğer davranışsal sinyallerin analizinden teknik ve etik açıdan nasıl farklıdır?

Teknolojimiz, bir bireyin göz hareketlerinden yalnızca küçük bir örnek alarak kişiyi bir yaş aralığına yerleştirebilir ya da belirli bir yaştan daha genç/yaşlı olduğunu doğrulayabilir. Göz hareketi verilerini pasif, sürekli ve invaziv olmayan bir şekilde toplarız; hiçbir kişisel tanımlayıcı bilgi depolanmaz ya da toplanmaz. Ayrıca, tüm göz izleme verileri çıktı verildiğinde yok edilir. Canlılık tespiti ve sahtecilik önleme yeteneğimiz de vardır; böylece kişiler sistemi manipüle edemez.

Etik açıdan, bir kişinin davranışlarını, alışkanlıklarını, kararlarını ya da tercihlerini profillemiyoruz — davranışsal çıkarım, tanım gereği birinin zaman içinde nasıl davrandığından bir profil oluşturur. Biz, kişisel bilgi toplama ya da saklamadan yaş doğrulaması sağlıyoruz; bu sayede kullanıcılar ve ebeveynler, izlenmek ya da profillenmek yerine korunulduğundan emin olabilir.

HarmonEyes’in yayınladığı araştırma, 45.696 kişinin göz hareketlerini analiz ederek 12 yaş grubunda %94,67 sınıflandırma doğruluğu elde etti. Bu doğruluk oranı tam olarak neyi ölçüyor ve modelin 16 yaş gibi belirli bir eşik üzerindeki ya da altındaki kişileri güvenilir bir şekilde belirleyebilmesi için ne kadar ek doğrulama gerekiyor?

Doğruluk, veri setine eklenen herhangi bir kişinin göz hareketlerinin %94,67 oranında doğru bir şekilde içinde bulunduğu 12 yaş grubuna sınıflandırılması anlamına gelir. 16 yaşın üstünde ya da altında olduğunu ölçmek, belirli bir yaş aralığını tespit etmekten daha az zorlayıcıdır. Ancak, çalışmada görme bozukluğu ya da nörolojik rahatsızlığı olan kişiler dışarıda bırakıldı; bu nedenle ek doğrulama, belirli işlevsel olmayan göz hareketlerine sahip bireyleri de kapsamalıdır.

Bir geliştirici Theia’nın yaş tahmin yeteneğini çağırdığında teknik olarak neler olur? Göz hareketinin sıradan bir kamera ile yakalanmasından yaş aralığı sonucunun döndürülmesine kadar hangi aşamalar tamamen kullanıcının cihazında gerçekleşir?

Kamera önce bakış vektörlerini hesaplar; bu vektörler kullanıcının nerelere baktığını belirlemeye yardımcı olur. Bu bakış vektörleri daha sonra SDK’mıza aktarılır ve göz izleme özelliklerine, örneğin hız (gözlerin ne kadar hızlı hareket ettiği) ve sabitlemeler (gözlerin odaklandığı noktalar) dönüştürülür.

Bu özellikler üretildikten sonra, ML ve AI algoritmalarımıza beslenir ve kullanıcının yaş aralığı belirlenir.

Tüm bu işleme kenarda (edge) gerçekleşir ve doğrudan kullanıcının cihazında ya da dağıtım stratejisine bağlı olarak bulutta yapılabilir. Ham göz izleme verisi tutulmaz; her çıktı üretildikten hemen sonra silinir.

Yaş tahmin sistemleri ışık koşulları, kamera kalitesi, gözlük, kontakt lens, göz rahatsızlıkları, engellilik, etnik köken ve cihazın kullanıcıya olan mesafesi gibi faktörlere bağlı olarak farklı performans gösterebilir. Theia’yı bu değişkenler üzerinden nasıl test ediyorsunuz ve geliştiricilere farklı popülasyonlar ve ortamlar için doğruluk kanıtı nasıl sunuluyor?

Yaş tahmin doğruluğunun koşullara göre değiştiği doğrudur. Genel nüfusa yönelik yaş doğrulama modelleri sunmak için HarmonEyes, Theia’yı şeffaf bir şekilde test eder, doğrular ve sonuçları raporlar; böylece model sorumlu bir şekilde kullanılabilir. Bu süreç, daha büyük ve daha çeşitli veri setleriyle modellerimizi genişletip genelleştirmeyi içerir.

• Doğruluk oranları ve örneğin düşük veri örnekleme oranlarının yaş doğrulama çıktısı gecikmesini etkileyip etkilemediği konusunda rehberlik sağlarız.
• Veri kalitesinin birçok yönü için gerçek zamanlı izleme ve değerlendirme yapılır.

Theia, önceden kaydedilmiş video, fotoğraf, sentetik yüz, daha büyük bir kardeşin kontrolü ya da kullanıcının bilerek bakış yönünü değiştirmesi gibi atlatma girişimlerine karşı nasıl savunma yapacak ve canlılık tespiti doğrudan SDK’ya dahil edilecek mi?

Tüm HarmonEyes yaş doğrulama modelleri, canlılık tespiti ve sahtecilik kontrolleri içerir.  Göz hareketleri bireye özeldir ve HarmonEyes, bir hesabın göz hareketinin hesabı oluşturan kişiyle eşleşip eşleşmediğini, örneğin daha büyük bir kardeşin olup olmadığını belirleyebilir.

Hiçbir yaş tahmin modeli, özellikle yasal eşik yakınlarındaki kullanıcılar için %100 doğru olmayacaktır. Geliştiriciler belirsiz sonuçları nasıl ele almalı ve Theia’yı birincil kontrol, risk sinyali ya da belirli kullanıcıları başka bir doğrulama yöntemine yönlendiren katmanlı bir süreç olarak mı görmeyi planlıyorsunuz?

Hiçbir yaş tahmin modeli mükemmel değildir. Her sonuçla birlikte bir güven seviyesi sunarız. Bu doğruluk ve güven seviyesi, yaş doğrulamasını onaylamak için yeterli olabilir.  Ancak, örneğin belirli bir ölçüm için güven seviyesi belirli bir eşik altında kalırsa, bu durum ikincil bir doğrulamayı tetiklemek için kullanılabilir.  Yaş doğrulama modelimiz, bir kişinin yaşını doğrulamak için birden fazla yöntemin geçmesi gerektiği bir dizi yöntemden biri olarak kullanılabilir; burada risk toleransı ve kullanım durumunun belirli bir yaş, bir yaş aralığı ya da bir eşik (ör. 16 ve altında) gerektirip gerektirmediği, çözümün birincil kontrol mü yoksa katmanlı bir süreç mi olacağını belirler.

HarmonEyes, Theia’nın kenarda (edge) bilgi işlediğini ve çıktı verildiğinde göz izleme verilerini yok ettiğini belirtiyor. Geliştiriciler, denetçiler ya da düzenleyiciler bu mimariyi bağımsız olarak nasıl doğrulayabilir ve şirket ham veri toplama olmadan modellerini nasıl geliştirecek?

Model geliştirme sürecimiz ve sonraki model iyileştirmelerimiz, sahip olduğumuz özelleşmiş göz izleme veri hattı içinde gerçekleşir.  Müşteri verilerini bu süreçte kullanmayız — mevcut (ve büyüyen) doğrulanmış verileri kullanırız.

Bu sayede, istenirse çözümlerimizi tamamen kenarda (bulut olmadan) sunabiliriz.  Bu kenar tabanlı ortamlar genellikle hesaplama ve depolama açısından sınırlıdır ve cihazda veri depolama imkanı yoktur.  Yaş doğrulama çıktılarımızı her saniye veririz — ve politikamız, her çıktı verildikten bir saniye sonra göz izleme verilerini yok etmektir.

Mimari iddiaların dışarıdan doğrulanabilirliği ancak dış denetimle mümkün olur. Geliştiriciler, denetçiler ve düzenleyicilerin göz izleme verisinin toplanmadığını ya da depolanmadığını doğrulamalarını sağlayacak üçüncü taraf sertifikasyonları ve beyanları peşindeyiz.

Birleşik Krallık, son derece etkili kontroller için kriterler geliştirirken, Avrupa Birliği anonim yaş kanıtı sistemlerine odaklanıyor ve mümkün olduğunca az kişisel bilgi açıklamayı hedefliyor. HarmonEyes, fizyolojik yaş tahmininin bu yeni gereksinimleri karşılayacağını, sadece farklı bir biyometrik gözetim biçimi sunmadığını nasıl kanıtlayacak?

Gönderdiğimiz her model, geliştirme metodolojisi, model doğruluğu ve bilinen sınırlamaları belgeleyen bir teknik raporla birlikte gelir; ayrıca Theia’yı canlı, uzaktan test imkanı sunarak düzenleyicilerin ya da denetçilerin gerçek dünya performansını doğrudan değerlendirmesine olanak tanır.

Yaş doğrulama bireysel sosyal platformlardan işletim sistemleri, uygulama mağazaları ve cihaz seviyesindeki altyapılara doğru ilerlerken, Theia’nın bu teknoloji yığını içinde nerede konumlanması gerektiğini ve sorumlu benimsemenin tüketici uygulamaları, oyun, sosyal medya ve diğer yaş kısıtlamalı hizmetlerde nasıl bir görünüm alması gerektiğini düşünüyorsunuz?

Yaş doğrulama yeteneğimiz için birçok entegrasyon türü üzerinde çalışıyoruz.  Theia’nın bir sosyal medya platformu gibi bir şirketin özel teknoloji yığını içinde, bir işletim sistemi gibi cihaz altyapısında, bir ödeme ağı gibi ticaret altyapısında ya da doğrudan uygulama seviyesinde çalışmasını öngörüyoruz.

Sorumlu benimseme, doğrulama süreçlerinin şeffaflığı, model içindeki veri çeşitliliği ve özel, maliyet etkin bir dağıtım şekliyle doğru yaş doğrulama yeteneği sunmayı ifade eder.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular HarmonEyes‘i ziyaret etmelidir.