Ople.ai’nin CEO ve Kurucusu Pedro Alves – Röportaj Serisi

Pedro Alves, güçlü öngörülü analitiklerle analistleri ve konu uzmanlarını güçlendiren Ople.ai platformunun CEO’su ve kurucusudur. Platform, dünyanın önde gelen veri bilimcilerinin bilgisi ve uzmanlığıyla donatılmıştır, böylece kullanıcılar gerçekten iyi oldukları şeyi yapabilirler: iş etkisini yaratmak.

Sizleri veri bilimine ilk olarak neler çekti?

2001 yılında, makine öğrenimi ve yapay zeka alanında büyük bir potansiyel gördüm. Bilgisayar bilimi okuyarak ve hangi alt alana yöneleceğime karar verirken, dedim ki: Tamam, AI/ML, interessan bir bilgisayar bilimi alanı – herhangi bir alanda olayları tahmin etmeye yardımcı olabilirsiniz. Biyoloji, tıp veya finans alanında olursanız, makine öğrenimi ve AI varsa, bu alanları önemli ölçüde geliştirebilirsiniz. Her zaman matematiksel tarafının fascinasyonlu olduğunu düşündüm.

Liseden sonra, makine öğrenimini nasıl uygulayacağımı öğrenmek için en iyi yolun, bunu uygulamaya çalışmak olduğunu düşündüm. Her zaman pratiktim; sadece teorik olarak öğrenmek istemedim. Makine öğrenimini, genetik ve proteomik alanlarına uygulamaya karar verdim. Tüm yüksek lisans çalışmalarım hesaplamalı biyoloji alanında oldu, ancak odaklandığım makine öğrenimi oldu.

Sonra, sağlık sektörüne girdim, burada AI/ML uygulamaları için büyük bir potansiyel gördüm. İşte AI’nin uygulamada, akademiden dışında karşılaşabileceği sorunları görmeye başladım. AI’nin gerçek dünyada, teknik sorunlardan değil, diğer nedenlerle nasıl etkisiz bir şekilde uygulandığını öğrendim. Sonra, bu sorunu çözmeye çalışmaya başladım.

Daha önce Banjo’da baş veri bilimcisi olarak sosyal ağ alanında karşılaştığınız zorlukları tartışabilir misiniz?

Şirket olarak, sosyal medyada kaydedilen olayları tespit ederdik, özellikle dikkat çekilmesi gereken olaylar, Örneğin, yakın bir araba kazası veya bir binanın yangını. Bu olayları işaretleyerek, ilk müdahale ekiplerini harekete geçirmeye yardımcı olurduk. Sosyal medyayı iyi bir amaç için kullanıyorduk.

Bu tür olaylar, sosyal medya verilerine göre nadirdir. Örneğin, bir şehirde her gün birçok kaza olur, ancak sosyal medya verilerinin hacmine baktığınızda, bir araba kazası resmi oldukça küçük kalır. Milyonlarca köpek resmi, yemek resmi, milyonlarca selfie ve bir araba kazası resmi, birkaç dakika içinde. Temelde, Banjo’da iğneyi samandan ayırıyorduk.

Ortaya çıkan bir zorluk, bilgisayar görmeyle ilgiliydi. O zamanlar bilgisayar görme assez iyiydi, ancak milyonlarca veri içinde birini bulmaya çalıştığınızda, даже küçük bir hata olasılığı bile bu olayların tespitini tamamen engelleyebilirdi.

Örneğin, bir kamu verisi vardı ve bu veri, sinir ağlarını eğittiğinde, renkleri tanımlayamıyordu. Resim renkli olsa bile ve sinir ağı tüm RGB’ye baksa bile, rengi bir belirleyici olarak kullanmıyordu. Bir polis arabası ve bir taksinin geleneksel bir modeli düşünün – ikisi de aynı temel araba modeli, ancak birinde sirenler, diğerinde boş/ocupado işareti var. Ancak renge bakarsanız, aralarındaki fark belirgin olur. Bu örnek, uygun bir veri seti oluşturmanın ne kadar önemli olduğunu anlamamızı sağladı.

2017’de Ople’ı kurmaya nasıl karar verdiniz?

Şirketlerin AI’yi uygulayarak sağlam bir getiri elde etmelerini istedim. Gartner’a göre, AI projelerinin %80 ila %90’ı asla hayata geçmez. Bu, modelin doğruluğuna ilişkin teknik yönlerle ilgili değildir. Genellikle şirket kültürü veya şirket içinde prosedürel yönler ile ilgilidir.

Bu, veri bilim ekibi ile iş kullanıcıları arasındaki yeterli iletişim eksikliğinden kaynaklanabilir. Veri bilim ekibi, iş ekibinin ihtiyacını anlamadan modeller oluşturur. Ya da doğru modeli oluşturduktan sonra, iş ekibi öngörülerden yararlanmaz. Şirketlerin satış, pazarlama ve lojistik gibi bölümlerinde AI’yi kullanmaları gerekir, ancak veri bilim ekibinin anladığı modelleri kullanmazlar. Bu ekipler modelleri anlamazlarsa, öngörülerine güvenmezler ve kullanmazlar.

Eğer AI şirketin iş yapış şeklini değiştirmiyorsa, anlamı nedir?

Bu sorunu çözmek için bir platform oluşturmak istedik – veri bilimcilerine veya iş analistlerine, doğru projeleri oluşturmalarına ve şirket çalışanlarının modelleri anlamalarına ve güvenmelerine yardımcı olmak istedik. Bunu çözersek, veri biliminin şirketlere gerçekten değerli olabileceğine inanıyorum.

Veri bilimcilerin otomasyonla yapılabilen görevleri harcamak için değerli zaman kaybettiklerini söylediniz. Otomasyonla yapılması gereken bazı görev örnekleri nelerdir?

Veri bilimcisi genellikle bir modeli tamamlamak için birkaç ay harcar ve şirket modeli uygular, ancak model muhtemelen mümkün olan en yüksek doğrulukta olmayacaktır. Modeli uyguladıktan sonra, veri bilimcisi modelin doğruluğunu artırmaya çalışmak için aylarca çalışmaya devam eder. Bu, çoğu veri bilimcisinin zamanını harcadığı yerdir, ancak bu süre içinde çalışanların AI modellerini anlamalarına, güvenmelerine ve kullanmalarına yardımcı olmaya harcayabilirler. Özellik mühendisliği, model eğitimi, parametre ayarlaması ve algoritma seçimi gibi görevler kolayca otomasyonla yapılabilir.

Meta-öğrenme nedir ve Ople bunu nasıl uygular?

Önce, makine öğreniminin ilk katmanını anlamak önemlidir. Diyelim ki, fabrika zemininde makinelerin arızalanacağını tahmin eden bir veri setiniz var. Makine, çalışanlara arızalanacağını bildirir, böylece önleyici bakım yapabilirler. Bu, öğrenmenin ilk katmanıdır.

Meta-öğrenme, yani “öğrenmeyi öğrenme”, bu öğrenme sürecini daha iyi anlamaktır. Örneğin, bir modeli makinelerin arızalanacağını tahmin etmek için eğitiyorsunuz ve bir başka model bu süreci izliyor. İkinci model, ilk modelin hangi parametreleri iyi öğrendiğini ve hangilerini öğrenmediğini anlamaya yardımcı olabilir. Meta-öğrenme yaptığınızda, daha verimli modeller oluşturmayı öğrenirsiniz.

Sentetik veri hakkında neler düşünüyorsunuz?

Sentetik veri, doğru yapılmazsa çalışması çok zor olabilir.

Diyelim ki, tıbbi kayıt verileriniz var – 20 hastanız var ve bu hastalar için yaş, cinsiyet, kilo, boy, kan basıncı, ilaç listesi gibi bilgileriniz var. Bu tıbbi kayıtlardan makine öğrenimi kullanarak sentetik veri oluşturabilirsiniz. Ancak, sadece makine öğrenimi veya istatistiğe dayanarak sentetik veri oluşturursanız, anlamsız sentetik veri ile sonuçlanabilirsiniz. Örneğin, 3 yaşındaki bir çocuğun 1.8 metre boyunda olması veya 1.2 metre boyundaki bir kişinin 450 kilo olması gibi. AI ve makine öğrenimi çoğu durumda güvenilir olsa da, tıbbi kayıtlar için sentetik veri oluştururken bir doktorun katılımı gerekebilir.

Görseller alanında sentetik veri oluşturmak daha kolay olabilir. Diyelim ki, bir araba resmi var ve araba resmin sol üst köşesinde. Bir uzman olmaya gerek yok, aynı arabanın resminin sağ alt köşede, sağ üst köşede veya ortada olabileceğini anlamak için. Resmi yeniden düzenleyerek sentetik veri oluşturabilirsiniz – başka bir basit yöntem de döndürme yapmaktır.

Ople, şirketlerin veri ihtiyaçlarını karşılamalarına nasıl yardımcı oldu?

Ople.AI, şirketlere tüm seviyelerde derin veri analitiği kullanma yeteneği sağlar ve çalışanların AI’nin değerini kilidini açmasına olanak tanır. Şirketler, AI’yi anlatabilmek ve uygulayabilmek için küçük bir veri bilimcisi ekibine güvenmek yerine, Ople.AI Platformu, çeşitli bölümlerdeki çalışanlara veri içgörülerine erişme araçları sağlar ve günlük verimliliklerini artırır.

Bununla birlikte, şirketlerin AI’yi uygularken karşılaştığı büyük bir engel, model açıklanabilirliğidir. Şirketlerin, çalışanlarının anlayabileceği ve güvenebileceği AI sunmaları önemlidir. Model açıklanabilirliği bu konuda yardımcı olur. Ople.AI Platformu’nun amacı, AI veya teknoloji konusunda uzman olmayan çalışanların, modellerin nasıl öngörülerde bulunduğunu ve nedenini kolayca anlayabilmesini sağlamaktır. Model açıklanabilirliğini oluşturmak, şirketler için uzun vadeli güçlü sonuçlar doğuracaktır.

Ek olarak, bir modelin şirketlere sağlayabileceği değer, sadece öngörülerde bulunmaktan ibaret değildir. AI, potansiyel sorunları veya şirketlerin yararlanabileceği alanları ortaya çıkarabilir. Buna veri açıklanabilirliği diyoruz – bir modelin, şirketlere değerli olan veri hakkında akıllı içgörüler sağlayabileceği çeşitli yollar. Bu, AI’nin şirketlere yardımcı olabileceği büyük bir alan ve rekabetimize göre ilerlediğimiz bir alandır.

Çok teşekkür ederiz. Daha fazla bilgi almak isteyen okuyucular, Ople.ai’yi ziyaret edebilir.