Edward Cui, Graviti’nin Kurucusu ve CEO’su – Röportaj Serisi

Edward Cui, büyük ölçekli yapılandırılmamış veri yönetimi platformu oluşturmak amacıyla kurulmuş olan Graviti şirketinin kurucusu ve CEO’sudur. Graviti, geliştiricilerin yapılandırılmamış verileri daha hızlı ve kolay bir şekilde edinmelerine, depolamalarına ve işleme olanakları sunarak, yapay zeka uygulamalarını güçlendirmelerine yardımcı olur.

Yapay zeka ve makine öğrenimi alanındaki kariyeriniz nasıl başladı?

2012 yılında mekanik mühendisliği okumaya başladım. Pennsylvania Üniversitesi’nde makine öğrenimi dersi aldım ve bu alanda kariyer yapmak istediğime karar verdim. Bu dersten sonra bilgisayar bilimi bölümüne geçiş yaptım.

Mezun olduktan sonra, Pennsylvania Üniversitesi’nde takviye öğrenimi üzerine araştırma yaptım. 2015 yılında eski patronum Jeff Snyder, Uber’a katıldı ve beni de Uber ATG’ye davet etti. İşte bu, otonom araç endüstrisindeki kariyerimin başlangıcı oldu.

Graviti’nin kuruluş hikayesini paylaşabilir misiniz?

Uber’de çalışmak initially çok karmaşıktı, çünkü büyük makine öğrenimi modelleri kullanmıyorduk ve veri yönetimi platformuna sahip değildik. Otonom araçlardan topladığımız veriler yapılandırılmamış veri türündeydi; Örneğin, görüntüler, videolar, LIDAR noktaları gibi. Her gün çok miktarda yapılandırılmamış veri topluyorduk ve bu, verilerin depolanması, yönetilmesi ve değer yaratılması açısından büyük sorunlara neden oluyordu.

Uber’de üç yıl çalıştıktan sonra, büyük ölçekli yapılandırılmamış verilerin yönetiminin nasıl iyileştirilebileceğini gördüm. Bunun üzerine, 2019 yılında Graviti’yi kurarak yapay zeka uygulamalarını güçlendirmek amacıyla yapılandırılmamış veri yönetimi platformu oluşturmaya başladım.

Graviti, büyük ölçekli yapılandırılmamış verileri nasıl yönetiyor?

Graviti, büyük ölçekli yapılandırılmamış verileri yönetmek için bir platform oluşturmayı hedefliyor. Bu platform, geliştiricilerin büyük miktarda yapılandırılmamış veriyle çalışmasına olanak tanır ve verilerin depolanması, yönetilmesi ve işlenmesini kolaylaştırır.

Yapay zeka geliştirme sürecinde, genellikle düşük kaliteli ve yapılandırılmamış verilerle çalışılır. Geliştiriciler, modelleri oluşturmak yerine, verilerin tanımlanması, artırılması veya temizlenmesi için çok zaman harcarlar. Graviti, geliştiricilere daha uzman bir veri yönetimi yöntemi sunarak, onlara daha fazla zaman kazandırır ve yapay zeka modellerini eğitmelerine yardımcı olur.

Biz geliştiricilere üç boyutta yardımcı oluyoruz: veri keşfi, veri iterasyonu ve iş akışı otomasyonu.

Veri Keşfi:

Graviti, ham verilerin, açıklamaların ve meta verilerin daha kolay bir şekilde organize edilmesini sağlayan bir veri barındırma özelliği sunar. Geliştiriciler, Graviti aracılığıyla farklı veri kümelerine erişerek, veri formatlarını dönüştürmek zorunda kalmazlar ve bu da yönetim, sorgulama, erişim ve açıklamayla ilgili işlemleri kolaylaştırır. Graviti, ham verilerin veya açıklamaların kaybolma riskini azaltmaya yardımcı olur. Ayrıca, Graviti platformu, veri görselleştirme özelliği ile veri kümelerinin kalitesini değerlendirmeye yardımcı olur ve geliştiricilere haftada en az sekiz saat kazandırır.

Veri Iterasyonu:

Geliştiriciler, yapay zeka modellerini eğittiklerinde, farklı sürümlerdeki veri kümelerini test etmeli ve açıklamaları işaretlemelidir. Takım üyeleri aynı projede çalışırken, çeşitli düzenlemeleri ve sürümleri takip etmek zor olabilir. Graviti, çalışanlara farklı erişim seviyeleri atayarak, açıklamalarını yüklemelerine ve projenin ilerlemesini takip etmelerine olanak tanır.

İş Akışı Otomasyonu:

“Action” adlı bir özellik ile mühendisler, iş akışlarını otomatikleştirebilir ve tekrarlayan, zaman alan ve manuel işleri azaltabilir. Bu, geliştiricilerin bu iş akışlarını gerçekleştirmek için büyük manuel betikler yazmalarına gerek kalmaz ve onlara gerekli işlere odaklanmaları için zaman kazandırır.

Yapay zeka için neden yapılandırılmamış veri geleceğin anahtarı?

Şu anda kurumsal verilerin %80’den fazlası yapılandırılmamış veri türündedir; Örneğin, görüntüler, kayıtlar, videolar, sosyal medya paylaşımları gibi. Yapay zeka, yapılandırılmamış verilerden değer yaratmak için anahtardır. Kuruluşlar, derinlemesine araştırma ve analiz için yapılandırılmamış verileri kullanmaya başlamaktadır.

Graviti, Linux Foundation altında barındırılan bir kâr amacı gütmeyen açık veri projesi olan OpenBytes’i yakın zamanda lanç etti. OpenBytes nedir?

OpenBytes’in misyonu, veri standartları, formatları ve süreçlerin oluşturulması yoluyla yapay zeka topluluğunda veri paylaşımını kolaylaştırmaktır. OpenBytes’in kapsamı, açık veri setlerinin küratörlüğü, açık veri spesifikasyonları ve ortak geliştirme dahil olmak üzere misyonu destekleyen lisanslar altındaki katkıları içerir.

OpenBytes, veri katkıda bulunanların sorumluluk risklerini azaltabilir. Veri seti sahipleri, veri lisansları hakkında yeterli bilgiye sahip olmadıkları için kamuoyu önünde veri setlerini paylaşmaya isteksizdirler. Veri katkıda bulunanlar OpenBytes’e katıldıklarında, verilerinin korunacağından emin olabilirler ve daha fazla açık veri erişilebilir hale gelir.

Ayrıca, veri yayınlarken, paylaşırken ve değiştirirken standardize edilmiş bir veri formatı oluşturuyoruz. Birleştirilmiş bir format, veri katkıda bulunanların veri kümelerini anlamalarına ve ihtiyaç duydukları ilgili verileri bulmalarına yardımcı olur ve daha yüksek kaliteli açık veri katkılarına yol açar.

Açık kaynaklı veri setlerinin bazı faydaları nelerdir?

Bunlar, bilim insanlarına fayda sağlar, çünkü bilim insanları modelleri eğitmek ve araştırmalarını tamamlamak için daha fazla ücretsiz kaynak kullanabilirler.

Kuruluşlara fayda sağlar, çünkü kuruluşlar veri setlerini kullanarak yapay zeka yeteneklerini geliştirebilir ve geleneksel kuruluşlardan yapay zeka kuruluşlarına geçişlerini hızlandırabilirler.

Graviti, veri setlerinin kalitesini nasıl doğrular?

Popüler veri setleri gibi COCO ve KITTI bile geliştiriciler için mükemmel değildir. Model eğitiminde hatalar luôn oluşur ve kimse mükemmel bir şekilde veri seti kalitesini iyileştirmenin yolunu bulamadı. Graviti, bir veri seti değerlendirme modelinin kurulacağına veya başka bir teknik devrimin topluluğa bu sorunu çözmede yardımcı olacağına inanmaktadır ve bu da Graviti’nin gelecekte ulaşmayı hedeflediği bir misyondur.

Gelecekte geliştiricilerin verilere erişimini nasıl görüyorsunuz?

Küçük miktarda veri için, geliştiricilerin bu verilere kolayca erişebilmeleri gerekir. Daha büyük veri kümeleri için, örneğin model eğitimi için daha çeşitli veri kümeleri için, federated öğrenme teknolojisi, merkezi bir sunucuda veri depolama yeteneğinden bağımsız olarak işbirliği yapmaya yardımcı olabilir.

Graviti hakkında paylaşmak istediğiniz başka bir şey var mı?

Graviti de gelişmeye devam ediyor. Müşterilerimizden, yani startup’lardan, kuruluşlardan, bireysel geliştiricilerden ve araştırmacılardan gelen geri bildirimleri dinliyoruz. Ayrıca herkesle işbirliği veya ortaklık fırsatlarına da açığız.

Açık veri paylaşımlarından yapay zeka gelişiminde büyük fırsatlar görüyoruz. Açık veri paylaşımı ve katkıda bulunma için bir topluluk oluşturuyoruz. Bu, sadece bilim insanlarının bilim sınırlarını ilerletmesine değil, aynı zamanda işletmelerin modellerini iyileştirmesine ve teknolojiyi birbirini tamamlayıcı bir ortamda geliştirmesine de fayda sağlayacaktır.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular, Graviti’yi ziyaret edebilirler.