DecisionNext’in Kurucu Ortağı ve Baş Bilim Adamı Robert Pierce ile Röportaj Serisi

Bob Pierce, PhD DecisionNext’in kurucu ortağı ve Baş Bilim Adamıdır. Çalışmaları, gelişmiş matematiksel analizi tamamen yeni pazarlara ve endüstrilere getirmiş, şirketlerin stratejik karar alma süreçlerini iyileştirmiştir. DecisionNext’e başlamadan önce, Bob SignalDemand’de Baş Bilim Adamı olarak görev yaptı ve şirketin çözümlerinin arkasındaki bilimi yönlendirdi. Bob, Khimetrics (şimdi SAP) ve ConceptLabs’de üst düzey araştırma ve geliştirme rollerinde bulunmuş, Ulusal Bilim Akademisi, Penn State Üniversitesi ve UC Berkeley’de akademik görevlerde bulunmuştur. Çalışmaları, emtia ve imalat dahil olmak üzere çeşitli endüstrileri kapsar ve ekonometri, okyanus bilimi, matematik ve doğrusal olmayan dinamik alanlarına katkıda bulunmuştur. Birçok patente sahiptir ve birçok hakemli makalenin yazarıdır. Bob, UC Berkeley’den teorik fizik doktorası sahiptir.

DecisionNext 2015 yılında kurulan bir veri analitiği ve tahmini şirketidir. Şirket, AI destekli fiyat ve arz tahmini konusunda uzmanlaşmıştır. Şirket, geleneksel “kara kutu” tahmini modellerinin sınırlamalarını gidermek amacıyla kurulmuştur. Bu modeller genellikle şeffaflık ve eyleme geçirilebilir içgörülerden yoksundur. AI ve makine öğrenimi entegre ederek, DecisionNext şirketlere tahminlerin etkileyen faktörler hakkında daha fazla görünürlük sağlar ve böylece şirketler hem piyasa hem de iş riskine dayalı bilinçli kararlar alabilirler. Platform, arz zinciri boyunca tahmini doğruluğunu iyileştirmek üzere tasarlanmıştır ve müşterilerin sezgisel kararlardan uzaklaşarak hareket etmelerine olanak tanır.

DecisionNext’i kurma fikri veya ilhamı nedir ve geçmişinizdeki teorik fizik ve çeşitli endüstrilerdeki rolleriniz bu vizyona nasıl şekil verdi?

İş ortağım Mike Neal ve ben, önceki şirketlerimizde perakendecilere ve emtia işleyicilere optimizasyon ve tahmini çözümleri sunarken çok fazla deneyim kazandık. Bu deneyimden elde ettiğimiz iki temel öğrenme:

1. Kullanıcıların, tahminlerin ve çözümlerin nereden geldiğine inanmaları gerekir;
2. Kullanıcılar, düşündükleri şeyin gerçekleşme olasılığından ayrılmaya çok zorluk çeker.

Bu iki kavram, insan bilişinin derin kökenlerine sahiptir ve yazılım geliştirirken sorunları çözmede nasıl yaklaşacağımızı etkiler. İnsanların olasılıkları hesaplamada不好 olduğu bilinmektedir. Fizikçi olarak, belirsizliklerle etkileşime girmek için kavramsal çerçeveler oluşturmayı ve bunları keşfetmek için dağıtılmış hesaplama platformları oluşturmayı öğrendim. Bu, müşterilerimizin belirsizlik karşısında daha iyi kararlar almasına yardımcı olmak için çözümlerimizin teknik altyapısını oluşturur.

Çief Bilim Adamı olarak görevinize geçiş, günlük odak noktanızı ve DecisionNext için uzun vadeli vizyonunuzu nasıl etkiledi?

Çief Bilim Adamı olarak görevime geçiş, ürünün müşterilere değer sunma şekli üzerinde odaklanmamı gerektirdi. Bu süreçte, başkaları tarafından daha iyi ele alınabilecek bazı günlük mühendislik sorumluluklarını devrettim. Her zaman ürünün daha iyi hale getirilmesi için bir dizi özellik ve fikirlerimiz vardır ve bu rol, yeni ve yenilikçi yaklaşımlar araştırmam için daha fazla zaman sağlar.

Emtia piyasaları, AI ve makine öğrenimi çözümlerinin benimsenmesi açısından neden özellikle uygun veya direnci yüksek olabilir?

Emtia piyasalarını modellemek, yapısal ve stokastik özelliklerin ilginç bir karışımını sunar. Bu, fiziksel ve kâğıt ticareti için sözleşmelerin yazıldığı ve malzemelerin üretimde kullanıldığı sayısız şekilde birleştiğinde, son derece zengin ve karmaşık bir alan ortaya çıkar. Matematiksel olarak, hisse senetleri dünyasından daha az gelişmiştir. AI ve makine öğrenimi, bu karmaşıklığı daha verimli bir şekilde modellememize ve kullanıcılarımızın karmaşık kararları daha iyi bir şekilde yönlendirmemize yardımcı olur.

DecisionNext, makine öğrenimi modellerinin kullanımını, emtia karar alma süreçlerinde kritik olan insan uzmanlığı ile nasıl dengeler?

Makine öğrenimi, bağlam ve nedensellik konusunda hala mücadele etmektedir. Deneyimlerimiz, insan uzmanlığı ve denetiminin, özellikle de modellerin kullanıcıların temel supply ve talep ilkelerine dayanmasını sağlaması açısından kritik olduğu yönündedir. Müşterilerimiz, modellerin bu inanca uymadığını düşünürse, genellikle modellere güvenmez ve bunları günlük karar alma süreçlerine entegre etmez. Ayrıca, gözlemlenen verilerin asla tam olmadığı için, modeller gerçekliği yansıtmamalıdır. Pazarlarda yer alan kullanıcılar, modellere girdi olarak sağlanmayan önemli bilgiler ve içgörülere sahiptir. DecisionNext AI, kullanıcıların model girdilerini zenginleştirmesine ve pazar senaryoları oluşturmasına olanak tanır. Bu, esnekliği tahminlere ve karar önerilerine ekler ve kullanıcı güvenini ve sistemle etkileşimi artırır.

Emtia tahmini alanında AI veya veri bilimi alanındaki belirli atılımlar, önümüzdeki yıllarda devrim niteliğinde bir değişiklik yaratabilecek midir? DecisionNext bu değişikliklere nasıl hazırlanıyor?

İşlevsel LLM’lerin ortaya çıkışı, iş kararlarına tamamen entegre olması uzun zaman alacak bir atılımdır. Modeldeki gelişmelerin hızı hala nefes kesici ve takip etmesi zor. Ancak, AI’yi iş süreçlerine entegre etmenin en iyi yollarını anlamaya henüz başlıyoruz. Karşılaştığımız çoğu sorun, karmaşık kısıtlamalarla optimizasyon sorunları olarak formüle edilebilir. İş süreçlerindeki kısıtlamalar genellikle belgelenmemiştir ve daha çok bağlamsal olarak uygulanır. Bu alanın, AI’nin belirsizlikleri keşfetmesine ve uygun bağlamsal optimizasyon sorunlarını çözmesine olanak tanıdığına inanıyorum. DecisionNext, bu sorunları çözmek ve kritik bilgiye ve tahminlere kolay erişim sağlamak için güvenilir bir platformdur. DecisionNext, sistemi daha kolay kullanmak ve karmaşık görevleri gerçekleştirmek için LLM tabanlı ajanlar geliştiriyor. Bu, daha fazla iş sürecine ve endüstriye değer katmamızı ve ölçeklendirmemizi sağlayacak.

Farklı alanlardaki çalışmalarınız, okyanus bilimi, ekonomi ve doğrusal olmayan dinamik dahil, emtia tahmini sorunlarına nasıl katkıda bulunur?

Çeşitli disiplinlerdeki geçmişim, çalışmalarıma üç şekilde katkıda bulunur. İlk olarak, bir alanda çok derine inmemi engellemiştir. Bunun yerine, birçok farklı disiplini deneyimledim ve hepsinden yararlanabilirim. İkincisi, yüksek performanslı dağıtılmış hesaplama, yaptığım tüm çalışmaların ortak bir temasıdır. Fizikte lisansüstü öğrencisiyken, ad hoc hesaplama kümelerini bir araya getirmek için kullandığım birçok teknik, şimdi ana akım çerçevelerde kullanılmaktadır, bu nedenle hızlı inovasyon temposuna rağmen bana tanıdık gelir. Son olarak, farklı sorunlarla çalışma, felsefi bir merak duygusu uyandırır. Bir lisansüstü öğrencisi olarak, ekonomi alanında çalışmayı hiç düşünmedim, ama şimdi buradayım. 5 yıl içinde neyle uğraşacağım bilmiyorum, ancak ilginç olacağından eminim.

DecisionNext, ‘kara kutu’ tahmini modelinden çıkmanın neden bu kadar önemli olduğunu ve nasıl kullanıcı güvenini ve benimsemesini etkilediğini açıklar mısınız?

Tipik bir emtia tüccarı (borsada veya dışında), endüstrinin üretim tarafında temel kavramları öğrenmiş, ancak volatil piyasalarda bahis oynamada yetenekli bir kişidir. Eğer üretim tarafında gerçek dünya deneyimi yoksa, yöneticilerin güvenini kazanamaz ve bir tüccar olarak terfi edemez. Ayrıca, eğer bahis yapma konusunda bir yeteneği yoksa, işlemleri gerçekleştirirken çok fazla stres yaşar. Wall Street’indeki kuantlar gibi, emtia tüccarları genellikle olasılık ve istatistik alanında resmi bir geçmişe sahip değildir. Güven kazanmak için, sezgisel, hızlı ve kullanıcıların büyük piyasa hareketlerinin temel sürücülerinin arz ve talep olduğunu düşündükleri bilişsel önyargıya dokunan bir sistem sunmamız gerekir. Bu nedenle, her şeyin şeffaf olduğu “beyaz kutu” yaklaşımını benimseriz. Genellikle, kullanıcılarımızın sistemin mantığını rehberlik ederek derinlemesine incelettikleri bir “tanışma” aşaması vardır. Güven kurulduktan sonra, kullanıcılar genellikle derinlemesine bakmak için zaman harcamaz, ancak önemli veya şaşırtıcı tahminleri sorgulamak için periyodik olarak geri döner.

DecisionNext’in risk farkında tahmini yaklaşımı, şirketlerin sadece piyasa koşullarına tepki vermesini değil, stratejilerini proaktif olarak şekillendirmesine nasıl yardımcı olur?

Emtia ticareti, borsalarla sınırlı değildir. Çoğu şirket, risklerini hedge etmek için vadeli işlemlere sınırlı erişim sahiptir. Bir işlemci, perhaps, bir emtia (sığır) satın alabilir, ancak çıktısı da (et) souvent little fiyat bağımlılığı olan bir emtiadır. Pahalı tesislerin yakın kapasiteye işletilmesi gerektiğinden, işleyiciler geleceğe bakan stratejik bir plana sahip olmalıdır. Yani, tamamen spot piyasada çalışamazlar ve hammaddeleri satın almak ve çıktıları satmak için ileriye dönük sözleşme yapmaları gerekir. DecisionNext, işleyicilerin tüm arz, talep ve fiyat değişkenlerini tahmin etmesine ve iş kararlarının piyasa sonuçlarının tamamı tarafından nasıl etkilendiğini simüle etmesine olanak tanır. Kağıt ticareti, stratejisinin bir bileşeni olabilir, ancak en önemli şey, malzeme ve satış taahhütleri ile işleme kararlarını anlamak ve kapasite kullanımını garantilemektir. DecisionNext, bunun için özel olarak tasarlanmıştır.

Bilimsel geçmişinizle, geleneksel endüstriler gibi emtia endüstrisinin AI ve bilimle dönüşümünün kesişiminden en çok ne heyecanlandırıyor?

Davranışsal ekonomi, bilişin iş kararlarını nasıl etkilediği konusunda anlayışımızı değiştirdi. AI, insan bilişini desteklemek ve daha iyi kararlar almak için nasıl yazılımlar kullanabileceğimizi değiştiriyor. AI destekli otomasyonun sağlayacağı verimlilik kazanımları çok tartışıldı ve ekonomik olarak önemli olacaktır. Emtia şirketleri, ince marjlarla ve yüksek işgücü maliyetleriyle çalıştıkları için, otomasyondan büyük ölçüde yararlanacaktır. Bunun ötesinde, iş kararlarının genellikle sınırlı ve şeffaf olmayan bilgilerle ve basit elektronik tablo araçlarıyla alındığına inanıyorum. DecisionNext gibi platformların, iş süreçlerini AI ve simülasyon kullanarak şeffaf veri ve açık akıl yürütme ile risk farkında kararlar almaya dönüştürmeye yardımcı olacağı en heyecan verici sonuçtur.

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