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

Brian Sathianathan, Iterate.ai‘nin Baş Teknoloji Sorumlusu ve kurucu ortağıdır. Iterate.ai, endüstriler genelinde AI tabanlı uygulamaları hızla oluşturmak için Interplay düşük kod platformunun yaratıcısıdır. Daha önce, Sathianathan Apple’da Mac işletim sistemi ve ilk iPhone dahil çeşitli yeni ortaya çıkan teknoloji projelerinde çalıştı.

AI teknolojileriyle çalışmaya başlamanızı ne çekti?

Her zaman algoritmalarla çalışan öğrenme konusunda ilgi duydum ve üniversite günlerimde AI sistemleriyle çalışmaya başladım. Ayrıca, Apple için kriptografi ve diğer güvenlik teknolojileri gibi video sıkıştırma teknolojileri geliştirdiğim önceki bir şirketi kurmak için kariyerimin başlarında çok zaman harcadım. Hem video hem de kripto teknolojileri çok algoritmaya dayalıdır ve bu da AI/ML öğrenme eğrimi daha hızlı yaptı. 2016 yılında, açık kaynaklı AI çerçevelerini/GPU’ları oynamaya başladım, son beş yıl içinde ne kadar ilerlediklerini – hem algoritma perspektifinden hem de daha geniş bir sınıflandırma yelpazesi yapma yeteneklerinden – fark ettim. Sonra herkesin kullanmasını kolay ve basit hale getirmek için bir ihtiyaç hissettim.

AI’de bilişsel önyargı ve veri önyargısı hakkında güçlü görüşlere sahip olduğunuzu biliyoruz, bu endişelerinizi paylaşabilir misiniz?

AI önyargısı, mühendislerin kendi görüşlerini ve ön yargılarını AI eğitim veri kümelerine yansıttıklarında ortaya çıkar. Bunu yapmak, nhanh chóng AI ile başarmaya çalıştıkları şeyi zayıflatır. Çoğu zaman, bu etki bilinçaltında olur, bu nedenle önyargının veri kümelerine sızdığını fark etmeyebilirler. Etkili denge ve denetimler olmadan, veriler yalnızca mühendislerin dikkate almayı eğilimli oldukları noktalara veya demografilere odaklanabilir. Mühendislerin yüksek kaliteli ve hacimli veri ile çalışsalar bile, 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 boşluk. AI’ye yatırım yapan, güvenen ve stratejik kararlar alan ancak önyargıya dayalı yanlış sonuçlarla yanıltılan işletmeler, yüksek maliyetli başarısızlıklar ve itibarlarına zarar riski taşır. AI, müşteri odaklı uygulamalar ve iç süreçler boyunca bir köşetaşı haline gelirken, önyargıyı ortadan kaldırmak, AI’nin gerçek potansiyelini gerçekleştirmek için gereklidir.

Bu tür önyargıların ortaya çıkmasını önlemek için bazı yollar nelerdir?

AI önyargısı sistematik ve proaktif bir şekilde tespit edilip entferilmelidir. Önyargılar algoritmalarla kodlanabilir. Doğru olmayan veriler bilişsel önyargılar yoluyla省略 edilebilir. Toplama önyargısı da bir başka risktir, burada küçük kararlar bir araya gelerek önyargılı AI sonuçlarına neden olur.

AI önyargısını tüm formlarında tespit etmek ve ortadan kaldırmak için, organizasyonların bu sorunları etkili bir şekilde hafifletmek için tasarlanmış çerçeveler, araç setleri, süreçler ve politikalar kullanması gerekir. Örneğin, AI çerçeveleri gibi Rolls Royce’ın Aletheia Çerçevesi ve Deloitte’in AI çerçevesi – otomatik olarak uygulanabilir referanslar ile desteklenmiştir – AI uygulama geliştirme ve dağıtımı boyunca önyargıdan uzak 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 verilerle birlikte, önyargıyı caydırarak uygulamaları sağlayan politikalar, organizasyonların sistematik olarak kör noktalarını kontrol etmelerine ve AI önyargısını sınırlamalarına olanak tanır.

Iterate.ai’nin CTO’su ve kurucu ortağı olarak, şirket nasıl kuruldu?

Bu hikaye 2013 yılında başlar, CEO’muz Jon Nordmark ve ben, Ukrayna’da bulunan bir Doğu Avrupa hızlandırıcısının yönetim kurulu üyeleri olarak görev yaptık. Bu deneyim, bize vaat edilen ancak belki de menos bilinen startup’ları, inovasyon desteğine ihtiyacı olan büyük işletmelerle eşleştirmek için bir fikir verdi. Daha sonra, Iterate Studio’yu kurduk ve büyük işletmelerin aradığı yenilikçi yeteneklere dayalı olarak startup ortaklarını bulmak için uzmanlaşmış bir arama motoru sunduk. 2015 yılında, şirket Iterate.ai oldu ve AI sürümlü startup küratörlüğünü vurgulamak için adını değiştirdi. Bugün, Sinyaller veritabanımız, çok çeşitli faktörlere (ve bunu gerçekleştirmek için özel AI kullanıyor) dayalı olarak 15,7 milyondan fazla startup teknolojisini dizinler.

2017 yılında genişlettik ve Interplay düşük kodlu uygulama geliştirme platformunun ilk sürümünü başlattık. Interplay, yenilikçi teknolojileri sürükle ve bırak kullanarak kullanmayı sağlayan, AI yakıtlı bir yazılım katmanı sağlar velegacy yığınlarını modernleştirir ve yazılım geliştirmeyi on kat hızlandırır. Düşük kodlu platformda 475 önceden oluşturulmuş bileşen vardır, böylece kullanıcılar hızlı bir şekilde uygulamalar oluşturmak için ihtiyaç duydukları teknolojileri karıştırabilir ve eşleştirebilir. AI güçlendirilmesi, IoT, veri tümleştirmesi ve hatta blockchain için düşük kodlu bileşenlerin yanı sıra platformun merkezinde yer alır.

Iterate.ai, AI destekli uygulamalar geliştirmek için bir düşük kod platformudur; oluşturulabilecek bazı AI uygulamaları nelerdir?

Düşük kodlu platformumuz, gerçekten ilginç bir kullanım örnekleri çeşitliliği için AI uygulamalarını mümkün kıldı – bu, bizim gerçekten gurur duyduğumuz bir şey. Milyar dolarlık küresel güzellik perakendecisi Ulta Beauty, platformumuzu kullanarak sadece iki haftada akıllı bir AI perakende konuk chatbot oluşturdu. Karşılaştırıldığında, ilkel chatbot’lar anahtar kelimelere dayanır ve çoğu satıcı chatbot uygulaması, müşteri bilgilerine erişmek veya insan tarafından desteklenen desteğe sorunsuz geçişler sağlamak için legacy sistemlerle sorunsuz bir şekilde entegre olamaz. Ulta’nın akıllı AI chatbot’u, doğal dil işleme işlevselliği ve müşteri “niyetlerini” tanımak ve gerçekten doğru yanıtlar sağlamak için bu sorunları ortadan kaldırdı. Platformumuz, Ulta’nın chatbot’un AI motorunu sadece birkaç saat içinde oluşturmasını ve chatbot’un eğitimini ve yanıtlarını cực hızlı bir şekilde yapılandırmasını ve iyileştirmesini kolaylaştırdı.

Başka bir örnekte, Jockey platformumuzu kullanarak, oldukça karmaşık ve öznel müşteri hizmetleri senaryolarına başarıyla yanıt verebilen AI destekli SSS’leri etkinleştirdi. Platformumuz ayrıca, AI tabanlı görüntü tanıma kullanarak müşteri lisans plakalarını tanıyabilen bir küresel konfor mağazası ve benzin ağı ağının pandemi yanıtını destekledi. AI yeteneklerimiz ayrıca, perakende yerlerinde kamera odaklı güvenlik stratejilerini güçlendirmek için uygulanmaktadır. Görüntü tanıma yoluyla, eğitilmiş AI uygulamaları tehditleri ve mağaza önlerinde silah varlığını tanıyabilir, mağazaları müşterileri korumak için kilitleyebilir ve yetkilileri arayabilir.

Gerçek kodlama gereksinimleri ne kadar küçüktür? Kullanıcıların ne kadar geliştirme becerisine ihtiyacı vardır?

Görüşüme göre, 80/20 kuralı uygulanır. Uygulanan AI kullanım örneklerinin %80’i zaten oluşturulmuştur ve etrafında kurulmuş modeller ve eğitim verileri vardır. Bir organizasyon kolayca bir düşük kodlu platform (bizimki, Interplay, böyle bir platformdur) kullanabilir ve bu örnekleri uygulayabilir. İşte bazı örnekler:

• AI destekli SSS
• AI destekli ürün bulucular
• Ürün önerileri ve demetleme
• OCR
• Görsel ürün tanıma
• Tablo veri analizi: AOV, sepet analizi, terk tahminleri gibi şeyler
• Nesne çıkarma/tespiti
• Nesne kalıcılığı

Yukarıdaki örnekler, sunucu tarafı programlama bilgisine ve makine öğrenimi API’leri hakkında temel bir anlayışa sahip bir mühendis tarafından uygulanabilir. Bu, video akışı, kriptografi ve anahtar yönetimi tekniklerine benzer ve bu API’leri kullanan çoğu mühendis, altta nasıl çalıştıklarını bilmez.

AI teknolojisini ölçeklendirme için düşük kodlu AI neden önemlidir?

AI yeteneklerine sahip uygulama geliştirmeyi hedefleyen işletmeler, düşük kod kullanmadığında hızla büyük zorluklarla karşılaşabilir. Bugün, sadece 300.000 AI mühendisi ve sadece 60.000’i veri bilimcisi vardır. Bu nedenle, AI çözümlerini geliştirmek ve ölçeklemek için gereken yetenek pahalıdır ve artmaktadır. Karşılaştırıldığında, düşük kodlu geliştirme, AI’ye erişimi gerçekten demokratikleştirir. Düşük kod ile, dünyanın 25 milyonluk yazılım geliştiricisi ve hatta eğitim almamış olanlar, AI motorlarını kolayca uygulayabilir, yeteneklerini iyileştirebilir ve etkili çözümler üretebilir ve ölçeklendirebilir.

Iterate.ai’nin AI destekli Sinyaller platformuna geri dönersek, ortaya çıkan daha ilginç eğilimler nelerdir?

AI, IoT, blockchain, veri ve yeni ortaya çıkan startup çözümleri gibi beş inovasyon gücünün rapid büyümesini görüyoruz. Bunlar çok büyük pazarlardır. Her gün binlerce veri noktası, haber, patent ve yeni startup ürünleri görüyoruz. Interplay de, bu büyüyen güçlerden yararlanmak için önceden oluşturulmuş bileşenleri içerir.

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

Sanırım düşük kod ve AI uygulamalarını oluşturma konusundaki rolü hakkında hala yanlış anlaşılmalar var. IT profesyonellerinin, bir düşük kod stratejisinin, kurumsal düzeyde ölçeklenebilirlik, genişletilebilirlik ve güvenlik gereksinimlerini karşılayıp karşılayamayacağından şüphelenmelerini görmek alışılmadık bir şey değildir. Düşük kodlu araçların, üretim uygulamaları için araçlar olarak değil, prototip oluşturmak için tasarlandığını ve yanlış uygulandığını düşünüyorum – bu da bu yorgunluğa katkıda bulunmuştur. Bununla birlikte, doğru düşük kodlu platformlar, üretim hazır AI uygulamalarını oluşturmak ve desteklemek için kesinlikle görevdedir. İşletmelerin, düşük kodlu araçlarını seçerken dikkatli olmaları, bu araçların şeffaf ve eksiksiz bir güvenlik katmanına sahip olduğunu ve üretim uygulamalarını teslim etme konusunda kanıtlanmış bir geçmişe sahip olduğunu đảmalamaları gerekir.

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