Brian Sathianathan, Iterate.ai’nin Baş Teknoloji Sorumlusu ve Kurucu Ortağı – Röportaj Serisi

Brian Sathianathan, Iterate.ai şirketinin teknoloji direktörü ve kurucu ortağıdır. Şirket, farklı sektörlerde yapay zekâ tabanlı uygulamaları hızla oluşturmak için Interplay low-code platformunu geliştirmiştir. Önceki görevlerinde Apple’ (AAPL ) da çeşitli yeni teknoloji projelerinde çalışmış ve Mac işletim sistemi ve ilk iPhone’un geliştirilmesine katkıda bulunmuştur.

Sizce AI teknolojileri ile çalışmaya başlamanızın nedeni nedir?

Her zaman algoritma tabanlı öğrenme ile ilgilenmişimdir ve üniversite günlerimde AI sistemleri ile çalışmaya başladım. Ayrıca, Apple için kriptografi ve güvenlik teknolojileri geliştirdim ve daha önce kurucu ortak olduğum bir şirket için video sıkıştırma teknolojileri geliştirdim. Hem video hem de kriptografi teknolojileri çok algoritma yoğun olduğu için, AI/ML öğrenme eğrimi daha hızlı oldu. 2016 yılında, açık kaynaklı AI çerçeveleri ve GPU’ları oynadığım zaman, son beş yıl içinde ne kadar ilerlediğini gördüm – hem algoritma açısından hem de daha geniş bir sınıflandırma yelpazesi sunma yetenekleri açısından. Sonra, herkesin kullanımını kolay ve basit hale getirmek için bir ihtiyaç olduğunu fark ettim.

Aİ’de bilişsel önyargı ve veri önyargısı ile ilgili bazı güçlü görüşlere sahipsiniz, bu endişeleri paylaşabilir misiniz?

AI önyargısı, mühendislerin kendi görüşlerini ve ön yargılarını AI eğitim veri kümelerine yansıtması sonucu oluşur. Bu, AI ile yapmaya çalıştıklarını hızla zayıflatır. Genellikle bu etki bilinçaltında olur, bu nedenle mühendisler veri kümelerine önyargı girdiğinden haberdar olmayabilirler. Etkili denge ve denetimler olmadan, veriler yalnızca mühendislerin dikkate aldıkları noktalara veya demografiye odaklanabilir. Mühendislerin yüksek kaliteli ve hacimli veri olmasına rağmen, veri kümelerindeki önyargılar, AI uygulamaları tarafından sunulan sonuçları yanlış ve çoğu durumda büyük ölçüde işe yaramaz hale getirebilir.

Gartner raporuna göre, 2030 yılına kadar, AI projelerinin %85’i önyargı nedeniyle yanlış sonuçlar verecektir. Bu, aşılması gereken büyük bir uçurum. AI’ye yatırım yapan, güvendiği ve stratejik kararlar alan ancak önyargılı sonuçlar nedeniyle yanlış yönlendirilen işletmeler, yüksek maliyetli başarısızlıklar ve itibar hasarları riski taşır. AI, hem müşteriye yönelik uygulamalarda hem iç süreçlerde yeni ortaya çıkan bir teknolojiden her yerde kullanılan temel bir unsura hızla dönüşürken, önyargıları ortadan kaldırmak, AI’nin gerçek potansiyelini gerçekleştirmek için esastır.

Bu tür önyargıların ortaya çıkmasını önlemek için bazı yollar nelerdir?

AI önyargısı sistematik ve proaktif bir şekilde tespit edilmeli ve ortadan kaldırılmalıdır. Önyargılar algoritmalarla kodlanabilir. Bilişsel önyargılar, gerekli veri olmadan hatalı sonuçlara neden olabilir. Agregasyon önyargısı da bir risktir, burada küçük kararlar çarpık AI sonuçlarına yol açabilir.

AI önyargısını tüm biçimlerinde tespit etmek ve ortadan kaldırmak için, bu sorunları etkili bir şekilde hafifletmek için tasarlanmış çerçeveler, araç setleri, süreçler ve politikalar kullanmak gerekir. Örneğin, Rolls Royce’un Aletheia Çerçevesi ve Deloitte’in AI çerçevesi – otomatik olarak uygulanabilir referanslar ile desteklenerek – AI uygulama geliştirme ve dağıtımı boyunca önyargıdan arınmış uygulamaları teşvik edebilir. AI Fairness 360 ve IBM Watson OpenScale gibi araç setleri, makine öğrenimi modellerinde ve boru hatlarında önyargı ve önyargı kalıplarını tanıyabilir ve ortadan kaldırabilir. Son olarak, tanımlı önyargı ölçütlerine karşı test edilen veri ile birleştirilen süreçler ve önyargıyı caydırarak uygulamaya konan politikalar, işletmelerin sistematik bir şekilde kör noktalarını kontrol etmelerine ve AI önyargısını sınırlamalarına olanak tanır.

Iterate.ai’nin nasıl kurulduğunu anlatabilir misiniz?

Bu hikaye 2013 yılında başlar, CEO’muz Jon Nordmark ve ben, Ukrayna’da bulunan bir Doğu Avrupa hızlandırıcısının yönetim kurulu üyeleriydik. Burada girişimcilerin Silicon Vadisi tarzı startups oluşturup işletmelerine yardımcı olmak için kurulmuştu. Bu deneyimler, inanılmaz yenilikçi yeni şirketlerle bizi, büyük işletmelerin inovasyon desteğine ihtiyaç duyduğu anda umut vadeden ancak belki de daha az tanınan girişimler ile büyük işletmeleri eşleştirmeye yöneltti. Daha sonra Iterate Studio’yu kurduk ve büyük işletmelerin aradığı yenilikçi yeteneklere göre startup ortaklar bulmak için uzmanlaşmış bir arama motoru sunuyoruz. 2015 yılında şirket, AI destekli girişim seçkimizi vurgulamak için Iterate.ai adını aldı. Bugün, Signals veritabanımız, çok çeşitli faktörlere göre 15,7 milyondan fazla startup teknolojisini dizine ekliyor ve bunu yaparken özel AI kullanıyoruz.

2017 yılında genişlettik ve Interplay low-code uygulama geliştirme platformunun ilk sürümünü piyasaya sürdük. Interplay, AI destekli bir yazılım katmanı sunar ve büyük işletmelerin miras yığınlarını modernize eder, yenilikçi teknolojilerin sürükle ve bırak kullanımını sağlar ve yazılım geliştirmeyi on kat hızlandırır. Low-code platformunda 475 önceden oluşturulmuş bileşen vardır, böylece kullanıcılar hızlı bir şekilde uygulamalar oluşturmak için ihtiyaç duydukları teknolojileri karıştırıp eşleştirebilirler. AI güdümlü yetenek, platformun çekirdeğinde yer alır ve ayrıca IoT, veri tümleştirme ve hatta blockchain için low-code bileşenleri içerir.

Iterate.ai, AI destekli uygulamalar geliştirmek için low-code bir platformdur; bu platformda hangi AI uygulamaları oluşturulabilir?

Low-code platformumuz, gerçekten ilginç bir kullanım alanı yelpazesi için AI uygulamalarını mümkün kıldı – bu dağılım bizi gerçekten gururlandırıyor. Milyar dolarlık küresel güzellik perakendecisi Ulta Beauty (ULTA ), platformumuzu kullanarak yalnızca iki haftada akıllı AI perakende konuk chatbot oluşturdu. Karşılaştırıldığında, ilkel chatbot’lar anahtar kelimelere odaklanır ve çoğu satıcı chatbot uygulaması, müşteri bilgilerine erişmek veya insanların sunduğu destek için sorunsuz geçişler sağlamak için miras sistemlerle sorunsuz bir şekilde tümleştirilemez. Ulta’nın akıllı AI chatbot’u, doğal dil işleme işlevselliği ve müşteri “niyetlerini” tanıma yeteneği ile bu sorunları ortadan kaldırdı ve gerçekten doğru yanıtlar sağladı. Platformumuz, Ulta’nın chatbot’un AI motorunu yalnızca birkaç saat içinde oluşturmasını ve chatbot’un eğitimini ve yanıtlarını çok hızlı bir şekilde yapılandırmasını, incelemesini ve geliştirmesini kolaylaştırdı.

Başka bir örnekte Jockey, oldukça karmaşık ve öznel müşteri hizmetleri durumlarına otomatik ve başarılı biçimde yanıt veren AI destekli sık sorulan sorular için platformumuzu kullandı. Platformumuz ayrıca dünya çapında bir market ve akaryakıt istasyonu ağının pandemiye, müşterilerin araç plakalarını AI tabanlı görüntü tanımayla algılayan temassız yakıt pompalarıyla yanıt vermesini sağladı. AI yeteneklerimiz, mağazalardaki kamera odaklı güvenlik stratejilerini güçlendirmek için de kullanılıyor. Eğitilmiş AI uygulamaları, görüntü tanıma yoluyla mağazaların dışındaki tehditleri ve silahları saptayabilir, müşterileri korumak için mağazaları kilitleyebilir ve yetkililerle iletişim kurabilir.

Gerçekte ne kadar az kodlama gerekiyor? Kullanıcıların ne düzeyde geliştirme becerisi olmalı?

Bence 80/20 kuralı geçerli. Uygulamalı AI kullanım senaryolarının yüzde 80’i zaten oluşturulmuş durumda ve bunlara ilişkin yerleşik modeller ile eğitim verileri var. Geleneksel bir kuruluş, bizim Interplay platformumuz gibi bir low-code platformunu kolayca kullanıp bu senaryoları uygulayabilir. Örnekler:

• AI destekli sık sorulan sorular
• AI destekli ürün bulucular
• Ürün önerileri ve ürünlerin paketler halinde birleştirilmesi
• OCR
• Görsel ürün tanımlama
• Ortalama sipariş değeri (AOV), sepet analizi ve müşteri kaybı tahminleri gibi tablo verisi analizleri
• Nesne çıkarma/algılama
• Nesne sürekliliği

Bu senaryolar, sunucu taraflı programlama bilgisi ve makine öğrenimi API’leri hakkında temel anlayışı olan bir mühendis tarafından uygulanabilir. Bu durum, günümüzde API’ler aracılığıyla yaygın olarak kullanılan video akışı, kriptografi ve anahtar yönetimi tekniklerine benzer. Bu API’leri kullanan mühendislerin çoğu, bunların arka planda nasıl çalıştığını bilmez.

Low-code AI, yapay zekâ teknolojisini ölçeklendirmek için neden önemli?

Uygulama geliştirmede AI yetenekleri arayan işletmeler, low-code kullanmadıklarında hızla büyük zorluklarla karşılaşabilir. Dünyada bugün yalnızca 300.000 AI mühendisi var ve bunların sadece 60.000’i veri bilimci. Bu yüzden AI çözümlerini geliştirmek ve ölçeklendirmek için gereken yetenek pahalı ve maliyeti artıyor. Buna karşılık low-code geliştirme, AI’ye erişimi gerçekten demokratikleştiriyor. Dünyadaki 25 milyon yazılım geliştiricinin her biri, hatta eğitim almamış kişiler bile low-code ile AI motorlarını kolayca uygulayabilir, yeteneklerini geliştirebilir ve etkili çözümler üretip ölçeklendirebilir.

Iterate.ai’nin AI destekli Signals platformunda ortaya çıkan bazı ilginç eğilimler nelerdir?

AI, IoT, blockchain, veri ve yeni startup çözümleri gibi beş inovasyon gücünde hızlı bir büyüme görüyoruz. Bunlar çok büyük pazarlar. Her gün binlerce veri noktası, haber, patent ve yeni startup ürünleri görüyoruz. Interplay, bu güçleri kullanmak için tasarlandı ve büyüyen bu güçlerden yararlanmak için önceden oluşturulmuş bileşenler içerir.

Iterate.ai hakkında paylaşmak istediğiniz başka bir şey var mı?

Low-code ve AI uygulamaları oluşturma konusundaki rolleri hakkında hala yanlış anlaşılmalar olduğunu düşünüyorum. IT profesyonellerinin, low-code stratejisinin kurumsal ölçeklenebilirlik, genişletilebilirlik ve güvenlik gereksinimlerini karşılayıp karşılayamayacağından şüphelenmesi nadir değildir. Low-code seçeneklerinin, prototip oluşturmak için tasarlandığı ancak üretim uygulamaları için araçlar olarak yanlış uygulandığına inanıyorum. Prototipleme araçlarının üretim uygulamalarında yanlış kullanılması bu kuşkulara katkıda bulunmuştur. Bununla birlikte doğru low-code platformları, üretime hazır AI uygulamalarını oluşturma ve destekleme görevini kesinlikle yerine getirebilir. İşletmelerin, low-code araçlarını seçerken dikkatli davranmaları, bu araçların şeffaf ve kapsamlı bir güvenlik katmanına sahip olması ve kurumsal ölçekte uygulamalar sunma konusunda kanıtlanmış bir geçmişe sahip olması gerekir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Iterate.ai‘yi ziyaret edebilir.