Dr. Devavrat Shah, Ikigai Labs’in Kurucu Ortağı ve CEO’su – Röportaj Serisi

Dr. Devavrat Shah, Ikigai Labs’in kurucu ortağı ve CEO’sudur ve aynı zamanda MIT’de İstatistik ve Veri Bilim Merkezi’nin profesörü ve müdürüdür. Perakendeciler için öngörülü analiz platformu olan Celect’i kurdu ve Nike’ye sattı. Devavrat, Hint Teknoloji Enstitüsü’nden bilgisayar bilimi alanında lisans ve Stanford Üniversitesi’nden doktorasını tamamlamıştır.

Ikigai Labs, işletmelere öngörülü ve eyleme geçirilebilir içgörüler sağlamak için tasarlanmış bir AI destekli platform sağlar. Patentli Büyük Grafiksel Modeller kullanarak, platform various endüstrilerdeki iş kullanıcıları ve geliştiricilerin planlama ve karar alma süreçlerini iyileştirmelerine olanak tanır.

Ikigai Labs’in kuruluşu hikayesini paylaşabilir misiniz? Akademiden girişimciliğe geçişinizi nasıl kararlaştırdınız?

Aslında akademik ve iş dünyaları arasında birkaç yıldır gidip geliyorum. Ikigai Labs’i MIT’deki eski öğrencim Vinayak Ramesh ile birlikte kurdum. Önceki şirketim Celect, perakendecilerin AI tabanlı talep tahmini kullanarak stok kararlarını optimize etmelerine yardımcı oluyordu. Celect, 2019’da Nike tarafından satın alındı.

Büyük Grafiksel Modeller (LGM) nedir ve daha geniş olarak bilinen Büyük Dil Modellerinden (LLM) nasıl farklılık gösterir?

LGM’ler veya Büyük Grafiksel Modeller, veri için olasılıksal bir görünümdür. Bunlar “Temel Model” tabanlı AI gibi LLM’lerin tersine bir kontrast içindedir.

Temel Modeller, büyük bir veri kümesinden tüm ilgili “desenleri” öğrenebileceklerini varsayar ve bu nedenle yeni bir veri parçasısunu sunulduğunda, ilgili kısım veri kümesinden çıkarılabilir. LLM’ler, yapısal olmayan (metin, görüntü) veriler için çok etkili olmuştur.

LGM’ler ise verilen veri parçasına göre büyük bir “evren” den ilgili “fonksiyonel desenleri” tanımlar. LGM’ler, structured (tablo, zaman serisi) verilere uygun “fonksiyonel desenleri” sunmak üzere tasarlanmıştır.

LGM’ler, sınırlı ve gürültülü veri kümeleriyle bile kesin tahminler ve öngörüler sağlayabilir. Örneğin, kritik ve dinamik olarak değişen trendleri veya iş sonuçlarını yüksek doğrulukla tahmin edebilir.

LGM’ler structured, tablo verilerini analiz etmek için özellikle uygun olan nedir ve bu alanda diğer AI modellerine göre ne tür avantajlar sunar?

LGM’ler, structured veri (yani tablo, zaman serisi veri) modellemek için özel olarak tasarlanmıştır. Bu nedenle, daha iyi doğruluk ve daha güvenilir tahminler sağlar.

Ek olarak, LGM’ler LLM’lerden daha az veri gerektirir ve bu nedenle daha düşük hesaplama ve depolama gereksinimleri vardır, böylece maliyetleri düşürür. Bu, işletmelerin sınırlı eğitim verisiyle bile LGM’lerden kesin içgörüler alabileceği anlamına gelir.

LGM’ler ayrıca daha iyi veri gizliliği ve güvenliği sağlar. Sadece bir işletmenin kendi verisine dayanır ve gerektiğinde seçilen dış veri kaynaklarından (hava durumu verisi ve sosyal medya verileri gibi) destek alır. Hassas verilerin kamu modeliyle paylaşıldığı risk yoktur.

LGM’ler hangi iş senaryolarında en fazla değer sağlar? Bu modellerin nasıl kullanıldığını ve iş sonuçlarını, planlamayı veya karar alma süreçlerini iyileştirmek için nasıl kullanıldığını örneklerle açıklayabilir misiniz?

LGM’ler, bir işletmenin iş sonuçlarını tahmin etmesi veya trendleri öngörerek stratejilerini yönlendirmesi gereken her senaryoda değer sağlar. Başka bir deyişle, geniş bir kullanım alanı vardır.

Kendinize, Halloween kostümleri ve ürünleri satan bir işletme hayal edin ve daha iyi merchandising kararları almak için içgörülere ihtiyaç duyuyor. Mevsimsellik nedeniyle, şirket stokta fazla ürünle kalmamak ve sezon sonunda satılmayan mallarla ve boşa harcanan sermayeyle karşılaşmamak için dikkatli olmalıdır. Aynı zamanda, ürünlerin erken tükenmemesi için de önlem almalıdır (bu da satışları kaçırmak anlamına gelir).

LGM’ler kullanılarak, işletme bu dengeyi sağlayabilir ve perakende merchandising çabalarını yönlendirebilir. LGM’ler aşağıdaki sorulara cevap verebilir:

• Bu sezon hangi kostümleri stoklayayım? Her bir SKU için kaç tane stoklayayım?
• Bir SKU belirli bir konumda nasıl satabilir?
• Bu aksesuar bu kostümle nasıl satabilir?
• Çoklu mağazaların bulunduğu şehirlerde satışları nasıl engelleyebilirim?
• Yeni kostümler nasıl performans gösterecek?

LGM’ler, veri sınırlı, tutarsız veya hızla değişiyorsa nasıl yardımcı olur?

LGM’ler, AI tabanlı veri uzlaştırması kullanarak küçük veya gürültülü veri kümeleriyle bile kesin içgörüler sağlar. Veri uzlaştırması, verilerin tutarlı, doğru ve eksiksiz olmasını sağlar. Veri kümelerini karşılaştırarak ve doğrulayarak farklılıkları, hataları veya tutarsızlıkları tanımlar. LGM’ler, verilerin mekansal ve zamanlı yapısını birleştirerek, minimum ve hatalı verilerle bile iyi tahminler sağlar. Tahminler belirsizlik ölçümü ve yorumlama ile birlikte gelir.

Ikigai’nin AI’yi demokratikleştirmeye yönelik misyonu, LGM’lerin geliştirilmesiyle nasıl uyum içindedir? LGM’ler, işletmelerdeki AI’nin geleceğini nasıl şekillendirecek?

AI, çalışma şeklimizi değiştiriyor ve işletmelerin tüm türdeki işçilerini AI ile donatması gerekiyor. Ikigai platformu, iş kullanıcıları için basit bir düşük kod / kod içermeyen deneyim ve veri bilimcileri ve geliştiriciler için tam AI Oluşturucu ve API deneyimi sunar. Ayrıca, Ikigai Akadememizde herkesin AI’nin temellerini öğrenmesi ve Ikigai platformunda eğitim alması için ücretsiz eğitim sunuyoruz.

LGM’ler, işletmelerin AI’yi kullanmak istedikleri numerical öngörülü ve istatistiksel modelleme gerektiren kullanım örnekleri için büyük bir etkiye sahip olacak. İşletmeler, LLM’lerin bu kullanım örnekleri için uygun olmadığını düşündükleri için LLM’leri kullanmaya çalışırlar, ancak başarılı olamazlar. LGM’leri keşfettiklerinde, AI’yi bu uygulamaları desteklemek için kullanabileceklerini ve daha iyi tahminler ve planlama yaparak daha iyi iş kararları alabileceklerini görecekler.

Ikigai’nin platformu, uzman-çevrimiçi özelliği ile LGM’leri insan merkezli bir yaklaşım ile entegre ediyor. Bu birleşimin AI modellerinin işletmelerdeki doğruluğunu ve benimsenmesini nasıl tăngtırdığını açıklayabilir misiniz?

AI, güvenceler gerektirir, çünkü işletmeler AI’nin doğru ve etkili bir şekilde çalışacağından emin olmak ister. Bu güvencelerden biri, kritik alan uzmanlığının AI’ye dahil edilmesidir. AI’nin iş süreçlerine dahil edilmesini ve AI modellerinin iş için ilgili ve faydalı öngörüler sağladığını doğrulayarak, işletmeler AI’ye güvenebilir. Bu, benimsenmenin önünde büyük bir engel oluşturur.

Ikigai’nin platformunda, mevcut AI çözümlerinden farklı kılan temel teknolojik yenilikler nelerdir?

Temel LGM teknolojimiz, en büyük farklılaştırıcıdır. Ikigai, bu alanda öncüdür ve eşsizdir. Ben ve ortak kurucu, LGM’leri akademik çalışmalarımızda MIT’de icat ettik. Büyük grafiksel modeller ve yapısal veride genAI kullanımında yenilikçiyiz.

LGM’lerin, tahmine ve planlamaya bağlı endüstrilerdeki (perakende, tedarik zinciri yönetimi, finans gibi) etkisi nasıl olacak?

LGM’ler, tamamen dönüştürücü olacak, çünkü her şirketin karar alma süreçleri için hayati önem taşıyan structured (tablo, zaman serisi) verilere özel olarak tasarlanmıştır. Virtually her işletme, kısa ve uzun vadeli sound kararlar almak için structured veri analizine dayanır – bu, merchandising, işe alma, yatırım, ürün geliştirme veya diğer kategorilerle ilgili olsun. LGM’ler, en yakın “kristal küre”yi sağlar.

Ikigai Labs’in LGM’lerin yeteneklerini geliştirmek için gelecek adımları nelerdir? Geliştirme aşamasında yeni özellikler veya geliştirmeler var mı?

Mevcut aiPlan modelimiz, what-if ve senaryo analizi destekler. İleride, operasyon ekipleri için tam özellikli Takviye Öğrenimi etkinleştirmeyi hedefliyoruz. Bu, operasyon ekibinin kısa ve uzun vadeli AI destekli planlama yapmasına olanak tanır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Ikigai Labs‘i ziyaret edebilir.