Mohammad Omar, LXT’nin Kurucu Ortağı ve CEO’su – Röportaj Serisi

Mohammad Omar, dünyanın dört bir yanındaki büyük teknoloji şirketleri de dahil olmak üzere küresel organizasyonlar için akıllı teknolojiyi güçlendirmek amacıyla AI eğitim verilerini sunan LXT’nin Kurucu Ortağı ve CEO’sudur. Uluslararası katkıda bulunanlar ağı ile ortaklık içinde LXT, girişimlerin gerektirdiği hız, ölçek ve esneklikte çoklu modlarda veri toplar ve açıklar. 2010 yılında kurulan LXT, Toronto, Kanada’da merkezini bulundurmakta ve Amerika Birleşik Devletleri, Avustralya, Hindistan, Türkiye, İngiltere ve Mısır’da varlığa sahiptir.

LXT’nin arkasındaki hikayeyi paylaşabilir misiniz?

LXT, on iki yıl önce çalıştığım şirketin ihtiyaç duyduğu ancak bulamadığı bir veri ihtiyacına yanıt olarak kuruldu. O zamanlar şirket, Arapça veri benötiyordu ancak bunu tedarik edebilecek doğru tedarikçilere sahip değildi. Risk almaya ve girişimci olmaya eğilimli biri olarak, işimden ayrıldım, yeni bir şirket kurdum ve eski işverenime hizmetlerimizi sundum. Hemen bize en zorlu projelerinden bazıları verildi ve bunları başarılı bir şekilde teslim ettik, ve her şey bundan sonra büyüdü. Şimdi 12 yıl sonra, bu şirketle güçlü bir ilişki kurduk ve yüksek kaliteli dil verisi için tercih edilen tedarikçi haline geldik.

AI’yi büyük ölçekte dağıtmadaki en büyük zorluklar nelerdir?

Bu, harika bir soru ve aslında bunu son araştırmamızda, AI Olgunluğuna Yol raporunda ele aldık. Anketimize katılanların en çok bahsettiği zorluk, mevcut veya eski sistemlerini AI çözümlerine entegre etmeleriydi. Bu, büyük şirketlerin muhtemelen tüm organizasyonlarında teknoloji sistemleri dizisi olacağı ve dijital dönüşüm stratejilerine entegre edilmeleri gerektiği için mantıklı geliyor. Anketimize katılanların yüksek puan verdiği diğer zorluklar, yetenekli人才 eksikliği, eğitim veya kaynak eksikliği ve kaliteli veri bulma zorluğu idi. Bu yanıtlara şaşırmadım, çünkü bunlar genellikle bahsedilen zorluklar ve tabii ki veri zorluğu, bizim organizasyonumuzun varlık nedenimiz.

Veri zorluklarına gelince, LXT hem veri tedarik edebilir hem de makine öğrenimi algoritmalarının anlamlandırabilmesi için bunları etiketleyebilir. Bunları ölçek ve esneklikte gerçekleştirebiliyoruz, yani yüksek kaliteli verileri çok hızlı bir şekilde sunabiliyoruz. Müşteriler genellikle ürünlerini piyasaya sürmeye hazırlandıklarında ve müşteriler tarafından iyi karşılanmasını istediklerinde bize başvuruyorlar,

Veri tedarik etme ve etiketleme konusunda bizimle çalışarak şirketler, kaynak ve yetenek eksikliklerini, ekiplerinin yenilikçi çözümler geliştirmelerine odaklanmalarını sağlayarak karşılayabilir.

LXT, 750’den fazla dile kapsamlı hizmet sunuyor, ancak dilin yapısından öteye geçen çeviri ve yerelleştirme zorlukları da var. Bu zorluklarla nasıl başa çıktığınızı açıklar mısınız?

Resmi statüye sahip ve standardizasyona sahip dillerin ötesinde, özellikle dilin resmi bir yazım sistemi yoksa, bir ekibin tutarlılığını sağlamak zor olabilir. Bu ve diğer zorlukları, örneğin sahtecilik davranışının tespitini, sıkı kalite güvence süreçleri ile ele alıyoruz. AI olgunluğu araştırmamızda da görüldüğü gibi, çoğu organizasyon için AI verisi ile çalışırken kalite, öncelikli liste başında yer alıyor ve çoğu organizasyon, bunu elde etmek için daha fazla ödemeye hazır olduğunu belirtti.

Veri tedarik etme ve veri etiketleme hizmeti gerektiren şirketler, bu verileri ne zaman tedarik etmeye başlamalıdır?

Şirketlerin AI kullanım durumlarını belirledikleri anda bir veri stratejisi oluşturmalarını öneriyoruz. Uygulama geliştirme aşamasına kadar beklemek, gereksiz yeniden çalışmaya neden olabilir, çünkü AI yanlış şeyleri öğrenebilir ve kaliteli veri ile yeniden eğitilmesi gerekebilir, bu da zaman alabilir.

Verilerin ne sıklıkla güncellenmesi gerektiğini bilmeye ilişkin kural nedir?

Aslında, bu, geliştirdiğiniz uygulamanın türü ve desteklediği verilerin ne kadar sık değiştiğine bağlıdır. Bu, verilerin gerçek hayatı temsil etmesi ve zaman içinde world’daki değişikliklere uygun bir şekilde güncellenmesi anlamına gelir. Buna model kayması diyoruz ve algoritmaların yeniden eğitilmesi gereken iki türü vardır.

• Kavram kayması, eğitim verisi ve AI çıktısı arasındaki önemli bir fark olduğunda ortaya çıkar, bu da ani veya daha渐 dần olabilir. Örneğin, bir perakendeci, AI uygulamasını eğitmek için histórik müşteri verilerini kullanabilir. Ancak tüketici gerçekliğinde büyük bir değişiklik olduğunda, algoritmanın bunu yansıtmak için yeniden eğitilmesi gerekir.

• Veri kayması, bir uygulamayı eğitmek için kullanılan verilerin, uygulamanın üretim aşamasına geçildiğinde karşılaştığı gerçek verilere artık uymadığı zaman ortaya çıkar. Bu, demografik değişiklikler, mevsimsellik veya bir uygulamanın yeni bir coğrafi bölgede bulunması gibi çeşitli faktörler tarafından gâyılabilir.

LXT yakın zamanda “AI Olgunluğuna Yol 2023” adlı bir rapor yayınladı. Bu raporda size sürpriz olan bazı sonuçlar nelerdi?

Aslında sürpriz olmadı, ancak en çok dikkat çeken şey, uygulamaların çeşitliliği idi. İki veya üç alanın hakim olacağını düşünebilirdiniz, ancak AI çabalarına odaklanmayı planladıkları ve AI’yi dağıtmayı planladıkları yerleri sorduğumuzda, ilk bakışta kargaşa gibi göründü – hiçbir eğilim yoktu. Ancak verilere yakından bakıp nitel yanıtları incelediğimizde, eğilimin absenceının aslında bir eğilim olduğu ortaya çıktı. En azından katılımcılarımızın gözünden, bir problem varsa, muhtemelen jemand bunun için bir AI çözümü üzerinde çalışıyordur.

Yaratıcı AI, dünyayı kasıp kavuruyor, dil oluşturma modellerinin endüstriye ne kadar ilerletebileceği konusunda neler düşünüyorsunuz?

Kişisel görüşüm, Yaratıcı Yapay Zeka’nın gerçek gücünün, Doğal Dil Anlama’ya dayandığı yönünde. AI’nin “zeka”sı, dil yoluyla öğrenilir; karmaşık problemleri çözebilme yetisi, yineleyici ve birikimli doğal dil etkileşimleri yoluyla sağlanır. Buna göre, dil oluşturma modellerinin, AI’nin diğer unsurlarıyla birlikte ilerleyeceğini düşünüyorum.

AI’nin geleceği ve LXT’nin geleceği için neler düşünüyorsunuz?

Doğal olarak iyimser bir insanım ve bu, yanıtıma renk verecektir, ancak AI’nin geleceği için vizyonum, herkes için yaşam kalitesini iyileştirmektir; dünyayı daha güvenli, daha iyi bir yer haline getirmektir. LXT için mikro düzeyde vizyonum, organizasyonun gücüne dayanarak büyümeye devam etmesi, tercih edilen bir işveren olması ve işimizi mümkün kılan küresel topluluk için force for good, for the global community that makes our business possible. Makro düzeyde LXT için vizyonum, AI’nin geleceği için optimistçe eğilmiş vizyonuma önemli ve anlamlı bir şekilde katkıda bulunmaktır.

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