Liran Hason, Aporia’nın Kurucu Ortağı ve CEO’su – Röportaj Serisi

Liran Hason, Fortune 500 şirketleri ve dünya çapındaki veri bilimcisi ekiplerinin sorumlu AI garantisi için kullanılan tam yığın ML gözlemlenebilirlik platformu olan Aporia‘nın Kurucu Ortağı ve CEO’sudur. Aporia, herhangi bir ML altyapısı ile sorunsuz bir şekilde entegre olur. FastAPI sunucusu上的 Kubernetes, MLFlow gibi açık kaynaklı dağıtım aracı veya AWS Sagemaker gibi makine öğrenimi platformu olsun,

Aporia’yı kurmadan önce Liran, Microsoft (MSFT ) tarafından satın alınan Adallom’da ML Mimarısı olarak görev yaptı ve daha sonra Vertex Ventures’da yatırımcı olarak çalıştı.

10 yaşındayken kodlamaya başladınız, bilgisayarlara ilk olarak ne çekti sizi ve neler üzerinde çalışıyordunuz?

1999 yılıydı ve bir arkadaşım bana bir web sitesi kurduğunu söyledi. Tarayıcımda 200 karakterlik bir adresi girdiğimde, isminin yazılı olduğu bir web sitesi gördüm. Bir şeyleri kendi bilgisayarında oluşturup benim de kendi bilgisayarımda görebilmem gerçekten çok ilgimi çekti. Nasıl çalıştığını ve ben de aynı şeyi nasıl yapabileceğimi öğrenmek istedim. Anneme bir HTML kitabı almasını istedim, bu benim programlamaya ilk adımım oldu.

Teknoloji alanında zorlu görevleri üstlenmekten büyük keyif alıyorum ve zaman geçtikçe merakım sadece arttı. ASP, PHP ve Visual Basic öğrendim ve elimden geldiğince her şeyi öğrenmeye çalıştım.

13 yaşımdayken zaten bazı freelance işler yapıyordum, web siteleri ve masaüstü uygulamaları geliştiriyordum.

Boş zamanlarımda kendi projelerim üzerinde çalışıyordum – genellikle insanların hedeflerine ulaşmalarına yardımcı olmak amacıyla farklı web siteleri ve uygulamalar geliştiriyordum:

Mavi-Beyaz Programlama – İsrail’de İngilizce seviyesi yüksek olmayan çocukların kodlama dünyasından uzaklaşmasını önlemek için benzeri bir HTML dili olan İbranice bir programlama dili geliştirdim.

Blinky – Büyükanne ve büyükbabam işitme engelliler ve iletişim kurmak için işaret dili kullanıyorlar. Skype ve ooVoo gibi video konferans yazılımları ortaya çıktığında, ilk kez aynı odada olmasalar bile arkadaşlarıyla konuşabiliyorlardı. Ancak işitme engelli oldukları için gelen aramaları duymuyorlardı. Onlara yardımcı olmak için, gelen video aramalarını tespit eden ve bir LED dizisini yanıp söndüren bir donanım cihazı bağladığım bir yazılım yazdım.

Bunlar sadece gençlik yıllarımda geliştirdiğim birkaç proje. Merakım hiçbir zaman bitmedi ve C, C++, Assembly ve işletim sistemlerinin nasıl çalıştığını öğrenmeye çalıştım.

Microsoft tarafından satın alınan Adallom’da makine öğrenimi mimarı olarak görev yaptığınız süre hakkında hikayenizi paylaşabilir misiniz?

Askerlik hizmetimden sonra Adallom’a katıldım. 5 yıl süren askerlik görevimden sonra, ortaya çıkan bir şirket ve pazarın ilk çalışanlarından biri olarak büyük bir fırsat gördüm. Şirket, askeri hizmetimden tanıdığım harika kurucular tarafından yönetiliyordu ve üst düzey yatırımcılar tarafından destekleniyordu – Sequoia gibi. Bulut teknolojileri pazarına henüz yeni çıkıyordu ve o zamanların ilk bulut güvenlik çözümlerinden birini geliştiriyorduk. Şirketler, yerel olarak çalışan sistemlerden buluta geçmeye başlıyorlardı ve yeni endüstri standartları ortaya çıkıyordu – Office 365, Dropbox (DBX ), Marketo, Salesforce gibi.

İlk birkaç haftamda, bir gün kendi şirketimi kurmak istediğimi zaten biliyordum. Teknolojik açıdan, karşıma çıkan herhangi bir zorluğu üstlenmeye hazır olduğumu hissettim ve eğer ben değilsem, her şeyi aşmak için doğru insanları tanıdığımı biliyordum.

Adallom, hem derin teknoloji bilgisine sahip hem de müşteri ile iletişim kurabilecek biri arıyordu. Bir ay geçmeden, ilk ABD seyahatim için bir uçağa bindim ve LinkedIn (Microsoft öncesi) temsilcileriyle görüşmek için gittim. İki hafta sonra, ABD’deki ilk ödeme yapan müşterimiz oldular. Bu, Netflix , Disney ve Safeway gibi büyük şirketlere kritik bulut sorunlarını çözmemi sağlayan birçok büyük kuruluştan sadece biri oldu. Bu çok eğitimli ve güven vericiydi.

Adallom’a katılmak, gerçekten inandığım bir pazarda, inandığım bir ekibe ve inandığım bir vizyona katılmak anlamına geliyordu. Orada verilen fırsata çok teşekkür ediyorum.

Yaptığım işin amacı her zaman önemliydi. Askerlikte de aynı şekildeydi, her zaman önemliydi. Adallom’un SaaS çözümlerine bağlanarak, kullanıcı ve kaynakların faaliyetlerini izleyerek, anomalileri tespit ederek ve devam eden süreçlerde nasıl ilerleneceğini görmek, gelecekte nasıl yapılacağını biliyordum. Bu nedenle Adallom’u başarılı olacağına inandığım bir şirket olarak gördüm.

ML altyapımızın tüm mimarisinden sorumluydum. Ve ilk elden, ekosistemin uygun araçlardan yoksun olduğunu gördüm. Evet, merkezi bir yerde tüm modelleri görebileceğiniz, kararlarını görebileceğiniz, hedeflerinizi takip edebileceğiniz ve proaktif olabileceğiniz bir çözümün olması gerektiği açıktı. Örneğin, makine öğrenimi modellerimizdeki sorunları çok geç öğrendiğimiz oldu ve bu kullanıcılar ve iş için iyi değildi. İşte burada Aporia fikri oluşmaya başladı.

Aporia’nın hikayesini paylaşabilir misiniz?

Kendi kişisel makine öğrenimi deneyimim 2008 yılına dayanıyor, Weizmann Enstitüsü, Bath Üniversitesi ve bir Çin Araştırma Merkezi ile birlikte bir proje kapsamında iris resimlerini analiz ederek bir biyometrik tanımlama sistemi geliştirdim. %94’lük bir doğruluk elde ettim. Proje araştırma açısından başarılıydı, ancak benim için biraz gerçek dışıydı. Çünkü geliştirdiğim biyometrik tanımlama sistemi sadece kullandığım específik veri seti için çalışıyordu, gerçek hayatta kullanılamıyordu.

Bu sadece biraz arka plan. Makine öğrenimi sistemi geliştirirken, deterministik sonuçlar almak istersiniz – belirli bir kişiyi doğru şekilde tanımlamak istersiniz. Ancak makine öğrenimi böyle değil, kararları verme süreci modelin eğitimi sırasında belirlenir. Mantık, geleneksel yazılımdaki gibi kurallar değil, milyonlarca ve milyarlarca sayının temsil ettiği bir matrisdir. Ve bu bir kara kutudur, her bir sayının anlamını bilmiyoruz. Ancak istatistiksel olarak biliyoruz, bu therefore olasılıksaldır ve deterministik değildir. %83 veya %93’lük bir doğrulukla doğru olabilir. Bu birçok soruyu gündeme getiriyor, değil mi? İlk olarak, açıklanamayan bir sisteme nasıl güvenebiliriz? İkincisi, finans sektörü gibi düzenlenmiş endüstrilerde öngörülerin açıklanması nasıl mümkün olacaktır? Örneğin, ABD’de finansal şirketler, kredi başvurusu reddedilen müşterilerine nedenlerini açıklamakla yükümlüdür.

Makine öğrenimi öngörülerinin insan tarafından okunabilir metin olarak açıklanamaması, endüstriler genelinde makine öğreniminin geniş çapta benimsenmesini engelleyen bir engel olabilir. Modelin önyargılı kararlar almadığını, kararlarına yol açan şeyin ne olduğunu anlamak istiyoruz. İşte burada açıklanabilirlik ve şeffaflık çok önemlidir.

Aporia’nın şeffaf ve açıklanabilir AI araç seti çözümü nasıl çalışır?

Aporia’nın açıklanabilir AI araç seti, birleşik bir makine öğrenimi gözlemlenebilirlik sistemi olarak çalışır. Üretim modelleri ve güvenilir bir izleme ve uyarı sistemi hakkında derin bir görünürlük olmadan, açıklanabilir AI içgörülerine güvenmek zordur – öngörüler güvenilir değilse açıklamak için bir ihtiyaç yoktur. İşte burada Aporia devreye girer, tüm çalışan modeller için tek bir camdan görünürlük, özelleştirilebilir izleme, uyarı yetenekleri, hata ayıklama araçları, kök neden araştırması ve açıklanabilir AI sağlar. Üretim sırasında ortaya çıkan her türlü sorun için đầy-stack bir gözlemlenebilirlik çözümüdür.

Aporia platformu tarafsızdır ve AI odaklı şirketlere, veri bilimcisi ve makine öğrenimi ekiplerine, modellerinin sağlığı, öngörülerinin ve kararlarının tam görünürlüğü için merkezi bir panoya sahiptir. Aporia’nın açıklanabilir AI’sini kullanarak, organizasyonlar, makine öğrenimi kararlarını bir düğme tıklatarak insan tarafından okunabilir içgörülerle açıklamak için tüm ilgili paydaşları dahil edebilir – belirli model öngörülerine veya “Ne olur?” senaryolarına simüle edebilir. Ayrıca, Aporia, modele verilen verileri ve öngörülerini sürekli olarak izler ve performans azalması, kasıtsız önyargı, veri kayması ve modelinizi geliştirme fırsatları dahil olmak üzere önemli olaylar hakkında proaktif olarak uyarı gönderir. Son olarak, Aporia’nın araştırma aracı kutusu ile herhangi bir olayın kök nedenine ulaşabilir ve üretimdeki herhangi bir modeli iyileştirebilirsiniz.

Veri Noktaları ve Zaman Serisi Araştırma Araçları gibi bazı işlevler, AI önyargısı ve kaymasını önlemede nasıl yardımcı olur?

Veri Noktaları, modelin aldığı verileri ve iş yaptığı öngörülerini canlı olarak gösterir ve işinizde neler olduğu hakkında tam olarak anlayabilirsiniz. Bu görünürlük yeteneği şeffaflık için çok önemlidir. Bazen zaman içinde değişiklikler olur ve birden fazla değişiklikte zaman içinde bir korelasyon vardır – bu, zaman serisi araştırmasının rolüdür.

Son zamanlarda büyük perakendecilerin tüm AI tahmini araçları, tedarik zinciri sorunlarını öngörmede başarısız oldu, Aporia platformu bunu nasıl çözer?

Bu tür sorunları tespit etmenin temel zorluğu, gelecekteki öngörülerden kaynaklanmaktadır. Örneğin, belirli bir ürünün kaç kişinin satın alacağını veya yeni bir PlayStation’ın kaç kişinin satın alacağını öngörüyorsunuz.

Sonuçların toplanması ve işin gerçekten doğru olup olmadığını anlamak birkaç hafta sürer. Bu, öngörülerin yapıldığı andan, işin gerçekten doğru olup olmadığını anlamaya kadar geçen süredir. Bu süre genellikle çok geçtir, iş ya potansiyel gelirleri kaybeder ya da stoğu büyük indirimlerle satmak zorunda kalır.

Bu bir zorluktur ve tam da burada Aporia devreye girer ve organizasyonlara çok yardımcı olur. İlk olarak, kararların neler olduğunu ve anormal bir durum olup olmadığını kolayca görebilmelerini sağlar. İkinci olarak, büyük perakendeciler hakkında konuşuyoruz, devasa stokları takip etmek neredeyse imkansız. İşte burada Aporia, 7/24 otomatik ve özelleştirilebilir bir izleme sistemi olarak değerlenir. Aporia, verileri ve öngörülerini sürekli olarak izler, öngörülerin istatistiksel davranışını analiz eder ve tüketici davranışındaki ve verideki değişiklikleri hemen tespit edebilir. Altı ay beklemek yerine, birkaç gün içinde talep öngörülerinin yanlış olduğunu belirleyebilirsiniz. Bu, herhangi bir ML uygulayıcısı için büyük bir oyun değiştiricidir.

Aporia hakkında paylaşmak istediğiniz başka bir şey var mı?

Sürekli büyüyoruz ve Aporia yolculuğuna katılmak için harika insanları arıyoruz. Açık pozisyonlarımızı inceleyin.

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