Etienne Bernard, NuMind’in Kurucu Ortağı ve CEO’su – Röportaj Serisi

Etienne Bernard, Haziran 2022’de kurulan ve makine öğrenimi araçları geliştiren bir yazılım şirketi olan NuMind‘in Kurucu Ortağı ve CEO’sudur. Etienne, AI ve makine öğrenimi uzmanıdır. ENS’den doktorası ve MIT’den postdoc’unu tamamladıktan sonra, 7 yıl boyunca Wolfram Research’te makine öğrenimi bölümünün başkanı oldu. Bu süre zarfında, Etienne, otomatik öğrenme araçlarının geliştirilmesini, kullanıcı dostu derin öğrenme çerçevesinin ve çeşitli makine öğrenimi uygulamalarının geliştirilmesini yönetti.

Sizce makine öğrenimi size neler kazandırdı?

2009 yılında ilk kez “makine öğrenimi” terimini duydum sanırım, Netflix ödülü sayesinde. Makinelerin öğrenme kabiliyetine sahip olabileceği fikri bana büyüleyici ve güçlü geldi. already clear to me bahwa bu, önemli uygulamalara yol açacaktı – včetně heyecan verici bir şekilde AI’lerin yaratılması olasılığı. Hemen buna dalmaya karar verdim ve bir daha geri dönmedim.

ENS’den doktoranızı ve MIT’den postdoc’unuzu tamamladıktan sonra, Wolfram Research’e katıldınız ve 7 yıl boyunca makine öğrenimi bölümünün başkanı oldunuz. Çalıştığınız daha ilginç projeler nelerdi?

Wolfram’daki favori projelerim, Wolfram Dili (Mathematica olarak da bilinir) için otomatik makine öğrenimi fonksiyonlarının geliştirilmesiydi. İlk olarak, Classify adlı bir fonksiyondu, sadece veriyi veriyorsunuz ve bir sınıflandırıcı alıyorsunuz. Bana göre makine öğrenimi her zaman otomatik olmalıdır. İnsanların hyper-parametrelerini ayarlamasına gerek yoktur ve makinelerin de ayarlamasına gerek yoktur! Bu, gerçekten robust ve efficient otomatik makine öğrenimi fonksiyonları oluşturmak için bilimsel ve yazılım mühendisliği açısından oldukça zorlu oldu.

Yüksek seviyeli bir sinir ağı çerçevesi oluşturmak da çok ilginç bir projeydi. Sinir ağlarını sembolik olarak nasıl temsil edeceğimiz, nasıl görselleştireceğimiz ve nasıl manipüle edeceğimiz hakkında zorlu tasarım kararları aldık. Sanırım bunu iyi bir şekilde yaptık ve açık kaynak olsaydı, çokça kullanıldığını düşünüyorum 😉

O dönemde ayrıca “Makine Öğreniminin Girişi” adlı bir kitap yazdınız. Böyle kapsamlı bir kitap yazmak nasıl bir deneyimdi?

Oh, çok zorlu oldu! Toplam iki yıl sürdü. Sadece bir “nasıl yapılır” kitabı yazabilirdim, ama bu daha kolay olurdu. Wolfram’daki yolculuğumun bir parçası, makine öğrenimini öğrenmekti ve bunu aktarmak istedim. Bu nedenle, en büyük zorluk, ne hakkında konuşacağım ve hangi sırayla konuşacağım quyếtlemekti, böylece ilginç ve anlaşılır olsun. Ardından, pedagojik ayrıntılar vardı: bir kavram için matematik formülünü kullanmalı mıyım? Veya bazı kodlar mı? Veya sadece bir görselleme mi? Bu kitabı mümkün olduğunca erişilebilir kılmak istedim ve bu bana çok fazla baş ağrısı verdi. Genel olarak, sonuçtan memnunum. Umarım birçok kişiye faydalı olur!

NuMind’in hikayesini paylaşabilir misiniz?

Tamam. Bir süredir bir startup kurmak istiyordum, ilk olarak 2012’de bir otomatik makine öğrenimi aracı oluşturmak için, ama Wolfram’daki işim çok fazla keyif veriyordu. Sonra, 2019-2020 yıllarında, ilk büyük dil modelleri (LLM’ler) ortaya çıktı, seperti GPT-2 ve GPT-3. Bunların metin anlama ve oluşturma kabiliyeti beni şaşırttı. Aynı zamanda, NLP modelleri oluşturmanın ne kadar zor olduğunu görebiliyordum: bir anotasyon ekibiyle çalışmanız, uzmanların birçok deney yapması gerekiyordu, vb. Düşündüm ki, bu LLM’leri kullanarak NLP modelleri oluşturma deneyimini dramatik bir şekilde iyileştirebileceğimiz bir araç olmalı. Kurucu ortaklarım, Samuel (kuzenim), aynı vizyona sahipti ve birlikte bu aracı oluşturmaya karar verdik.

NuMind’in amacı, makine öğrenimi ve yapay zeka kullanımını basit ve güçlü araçlar oluşturarak yaygınlaştırmak. Şu anda hangi araçlar mevcut?

Evet. İlk aracımız, özel NLP modelleri oluşturmak için. Örneğin, kullanıcılarınızın geri bildirimlerinden sentiment analizi yapmak istiyorsunuz. Hazır bir model kullanmak genellikle iyi bir fikir değildir, çünkü farklı verilerle ve farklı bir görev için eğitilmiştir. Bunun yerine, verilerinize uygun bir model oluşturmak istersiniz. Aracımız, bunu çok basit ve verimli bir şekilde yapmanızı sağlar. Temel olarak, verilerinizi yüklersiniz, küçük bir anotasyon yaparsınız ve bir API aracılığıyla dağıtabileceğiniz bir model alırsınız. Bu, LLM’ler sayesinde ve Interactive AI Development olarak adlandırdığımız yeni bir öğrenme paradigması sayesinde mümkündür.

İlk NuMind müşterilerinden geliştirilen özel modeller neler?

Çok fazla sentiment analizi aracı geliştirildi. Örneğin, bir müşterimiz, bağımlılıkla mücadele eden insanların birbirlerine yardım ettiği sohbet gruplarının sentiment analizini yapıyor. Bu analiz, sentiment azaldığında müdahale etmek için gerekli. Bir başka müşteri, bir özgeçmişe uygun iş ilanlarını bulmak için bizim aracımızı kullanıyor ve bu tür eşleştirme AI’lerinin büyük potansiyeli olduğuna inanıyorum. Ayrıca, tıbbi ve hukuki belgelerden bilgi çıkaran müşterilerimiz var.

Şirketler NuMind araçlarını kullanarak ne kadar zaman tasarrufu sağlayabilir?

Uygulamaya bağlı olarak, geleneksel çözümlere (verileri etiketlemek ve bir modeli ayrı ayrı eğitmek) kıyasla, model elde etme ve üretime alma konusunda 10 kata kadar hızlanma görüyoruz. Ürün geliştirmeye devam ettikçe, bu sayının iyileşmesini bekliyorum. Sonunda, aylarca süren projelerin günlerce tamamlanacağını ve daha iyi performansla tamamlanacağını düşünüyorum.

NuMind’in Interactive AI Development’i nasıl çalışır?

Interactive AI Development fikri, insanların birbirlerine nasıl öğrettiğinden geliyor. Örneğin, bir stajyeri email’lerinizi sınıflandırmak için işe alıyorsunuz. İlk olarak, görevi ve amacını açıklarsınız. Sonra, birkaç iyi örnek ve köşe durum verirschiniz. Ardından, stajyer email’leri sınıflandırmaya başlar ve bir sohbet başlar. Stajyer, “Bu nasıl etiketlenmeli?” veya “Yeni bir etiket oluşturmamız gerek” gibi sorular sorar veya “Neden böyle etiketlemeliyiz?” diye sorar. Ben de stajyerime, bilgi boşluklarını belirlemek ve düzeltmek için sorular sorarım. Bu öğretme şekli, bilgi alışverişi açısından çok verimli.

Teknik olarak, bu akış, insan ve makine arasında düşük gecikme, yüksek bant genişliği, çok modlu ve çift yönlü bir iletişimdir ve bunu Interactive AI Development olarak adlandırdık, çift yönlü ve düşük gecikme yönlerini vurgulamak için. Bunu, klasik programlama ve klasik makine öğreniminin (bilgisayara görevin örneklerini verip ne yapacağını bulmasını sağlamak) ardından üçüncü bir öğretme paradigması olarak görüyorum.

Bu yeni paradigm, LLM’ler sayesinde mümkün oluyor. Gerçekten de, makineyle verimli bir şekilde etkileşime girebilmek için, makinanın zaten bir şekilde zeki olması gerekiyor. Bu paradigmın yakın gelecekte yaygın hale geleceğini ve zaten chat tabanlı LLM’lerle ve aracımızla bunu görebileceğimizi düşünüyorum.

Bu paradigmayı, NLP görevlerini öğretmek için uyguluyoruz, ancak bu, yazılım geliştirmek dahil çok daha fazlasında da kullanılabilir.

NuMind hakkında paylaşmak istediğiniz başka bir şey var mı?

Belki de, bu aracın hem uzman hem de uzman olmayanların kullanabileceği bir araç olduğu, çok dilli olduğu, modellerinizin sahibi olduğunuz ve verilerinizi makinenizde tutabileceğiniz.

Diğer taraftan, özel beta aşamasındayız, bu nedenle NLP ihtiyaçlarınız varsa, konuşmak ve nasıl yardımcı olabileceğimizi belirlemek için mutlu oluruz!

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular NuMind‘i ziyaret edebilir.