Blair Newman, Neuton’un CTO’su – Röportaj Serisi

Blair Newman, Neuton‘un CTO’su, sinir ağları çerçevesi ve Otomatik Makine Öğrenimi (AutoML) çözümü olan bir şirket. Bu çözüm, piyasada bulunan diğer çerçevelerden, não-neural algoritmalarından veya AutoML ürünlerinden daha etkili. Yapay Zeka’yı (AI) herkesin erişebileceği hale getiriyor.

Sizce makine öğrenimi ve veri bilimi size nasıl çekici geldi?

Kişisel olarak, ML/Veri Bilimi’nin sunduğu olanaklar her zaman ilgimi çekmiştir – Akıllı Şehirler, Bağlantılı Araçlar ve şimdi TinyML’in sunduğu olanaklar. AI’nin demokratikleşmesiyle birlikte, gerçekten her yerde ML görüyoruz.

Neuton’un hikayesini paylaşabilir misiniz?

Birçok projede Makine Öğrenimi açısından çalıştıktan sonra, AI’yi “herkese” ulaştırmak için bir yolculuğa çıkmaya karar verdik. Bu süre zarfında, büyümeyi sınırlayan beberapa engeli tespit ettik. Gerçekten herkesin erişebileceği bir ML oluşturmak için… var olan teknik engelleri ele almalıydık…. Büyük miktarda veri gereksinimini ortadan kaldıran bir Otomatik SaaS çözümü… Teknik uzmanlık gereksinimini ortadan kaldıran bir çözüm… Ve son olarak, son engeli ortadan kaldırmak için platformumuzu ücretsiz olarak sunuyoruz.

Okuyucular için TinyML’i tanımlayabilir misiniz?

Genellikle basit tutmayı severim…. Fiziksel dünya, dijital dünya… Ve bu iki varlık arasındaki kesişme noktası… TinyML’in dünyası…. TinyML, zekayı doğrudan bu noktaya getiriyor.

TinyML’in AI topluluğunda hızlanmasını engelleyen şey nedir?

TinyML, kaynak açısından büyük bir sermaye gerektirir. Donanım, gömülü mühendisler, Makine Öğrenimi mühendisleri, entegrasyon için yazılım geliştiricileri…. Bizim uzmanlaşmış olduğumuz alanlardan biri, bu gereksinimleri önemli ölçüde azaltmak.

Neuton, doğruluğu bozmadan nasıl compact modeller oluşturur?

Geleneksel ve daha iyi bilinen Çerçeveler (örneğin TensorFlow), önceden var olan bir yapıya sahiptir ve bu yapı, doğası gereği israf içerir. Ayrıca, bir model oluşturmak genellikle çok iteratif bir süreçtir ve model bir kez oluşturulduktan sonra entegrasyon öncesi optimize edilmelidir. Buna “top-down” yaklaşım diyorum. Neuton’da bu paradigmayı tamamen baş aşağı çeviriyoruz, her modeli alttan yukarıya, tek bir nöron olarak oluşturuyoruz ve bu sayede diğer Çerçevelerde yaşanan israfı etkili bir şekilde ortadan kaldırıyoruz. Bu, ağırlıkla modelin önceden tanımlanmadığı, eğitim sırasında tek bir nöron olarak büyüdüğü anlamına gelir. Bunu, her nöron uygulandığında sürekli交叉 doğrulama ile birleştiriyoruz. Böylece, nihai model her zaman amacına uygun olarak oluşturulur, israfsız ve tamamlanır.

Neuton, neden backpropagation veya stokastik gradient iniş gibi popüler metodolojileri kullanmıyor?

Patentli yaklaşımımız, Küresel Optimizasyon metodolojisi kullanır ve bu sayede bu metodolojilerin uygulanmasına gerek kalmaz.

Neuton çözümü, geleneksel makine öğrenimi yaklaşımlarına göre ne kadar daha verimlidir?

Anahtar metriklere bakıldığında, model oluşturma süresi, doğruluk, model boyutu ve sonuç olarak piyasa süresine… Diğer çerçeveler ve platformlardan daha iyi performans gösteriyoruz… Genellikle modellerimizin 1000 kat daha küçük olduğunu ve piyasa süresini %70’den fazla azalttığını görüyoruz. Ayrıca, Açıklanabilirlik Ofisimiz, modellerimize ve her bir tahmine tam şeffaflık sağlamak konusunda eşsizdir.

Neuton platformunun sunduğu AI Açıklanabilirliği hakkında bazı detaylar paylaşabilir misiniz?

Açıklanabilirlik Ofisimiz birden fazla形式de gelir. İlk olarak, Veri Keşif Araçlarımız (EDA) ile eğitim öncesi verilerin istatistiksel bir görünümünü sağlar. Ardından, Özellik Önemlilik Matrisimiz, müşterilerimizin hangi özelliklerin tahminlerini en çok etkilediğini ve hangilerinin minimal etkileri olduğunu belirlemelerine olanak tanır. Daha sonra, müşterilerimiz her bir tahmini bireysel olarak analiz edebilir ve bir özelliğin değeri değiştiğinde nasıl değişebileceğini görebilir. Son olarak, Model-Veri-Alakalılık Göstergesi (Model-To-Data-Relevance Indicator) adlı bir Yaşam Döngüsü yönetim aracımız vardır ve müşterilerimize modellerinin eskimeye başladığını ve yeniden eğitilmesi gerektiğini proaktif olarak bildirir.

Neuton hakkında paylaşmak istediğiniz başka bir şey var mı?

Neuton’daki misyonumuz, AI’yi gerçekten herkesin erişebileceği hale getirmek. Bu olanakları gerçekleştirmeye başladığımızı düşünüyoruz. Ya veri bilimcisi olmayanları etkinleştirmek, ya da mevsimlik Veri Bilimcilerine sıfır kodlu bir SaaS çözümü sunarak… Şimdi TinyML’in hızlanmasıyla birlikte, gerçekten AI’yi demokratikleştirmeye doğru ilerliyoruz.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Neuton‘u ziyaret edebilir.