Sam Gao, DINQ’nin CEO’su ve Kurucu Ortağı – Röportaj Serisi

Sam Gao, önde gelen bir AI araştırmacısı, mühendis ve girişimcidir ve AI döneminde bir sonraki nesil yetenek bağlantısı platformu olan DINQ‘in CEO’su ve kurucu ortağı olarak görev yapmaktadır. İlk olarak inşaat mühendisliği alanında eğitim görmüş, daha sonra AI alanına geçiş yapmış ve NeurIPS, ICML ve CVPR gibi üst düzey konferanslarda 10’dan fazla makale yayınlamış ve PyTorch ve TensorFlow gibi büyük açık kaynak çerçevelerine katkıda bulunmuştur.

Gao, dünyanın önde gelen açık kaynak yüz değiştirme sistemi olan DeepFaceLab’ın ikinci yazarıdır ve GitHub’da 46.000’den fazla yıldızla ödüllendirilmiştir ve 2020’de GitHub’un en iyi 10 AI projesi arasında yer almıştır. Ayrıca, 2024’te HuggingFace Spaces’ta en iyi 20 proje arasında yer alan ve Taobao’da ticari olarak dağıtılan evrensel sanal deneme sistemi OutfitAnyone’ı oluşturmuştur ve bu sistem yıllık 100 milyon RMB’den fazla gelir elde etmiştir. Ayrıca, Merkezileşmiş Ticaret Aracısı için geniş olarak alıntı yapılan Eliza OS AI Aracısı Beyaz Kitabını yazmıştır.

Küresel bir AI yenilikçi perspektifine sahip olan Gao, önde gelen araştırmacılar, kurucular ve endüstri öncüleri ile geniş çapta etkileşime girmiş ve Silikon Vadisi, New York, Denver, Davos, Singapur ve Kyoto gibi merkezleri ziyaret etmiştir. Gao, 30.000’den fazla kamu takipçisi ve 5.000 uzmana sahip olan Qingke AI Topluluğunu kurmuştur ve bu topluluk şimdi xAI, OpenAI, DeepMind, Qwen, Deepseek ve daha fazlası için çalışan araştırmacılar için en profesyonel ve etkili ağlardan biri olarak tanınmaktadır.

Alibaba Cloud’da AR ve VR için bilgisayar görüşü ve grafik alanında birkaç yıl çalıştıktan ve daha sonra blockchain’de AI ile çalışan insan kanıtı sistemlerine danışmanlık yaptıktan sonra, bu rollerden uzaklaşarak DINQ’yi kurma kararı almanızın arkasındaki kişisel hayal kırıklığı veya dönemeç noktası nedir?

Alibaba Damo Academy’de geçirdiğim yıllarda, çok gelişmiş teknolojinin milyonlarca kullanıcıya ulaştığını gördüm. Ancak, en büyük hayal kırıklığım teknik bir engel değildi; yetenek uyumsuzluğuydu. İlgili PhD’lerin gerçek dünya dağıtımıyla mücadele ettiğini, kendiliğinden “kod büyücüleri”nin ise saygın bir etiket eksikliği nedeniyle görmezden gelindiğini gördüm. Daha sonra, blockchain kimlik sistemlerine danışmanlık yapmam, “İnsan Kanıtı”nın gücünü öğretti. DINQ, bu deneyimlerin kesişmesidir: AI döneminde herkes için kesin, objektif bir Değer Kanıtı sağlamak için bir misyon.

AI modelleri ve hesaplama kapasitesi, bunları oluşturmak ve dağıtmak için gereken yeteneğin çok daha hızlı bir şekilde ölçeklenmesiyle birlikte DINQ’yi başlatıyorsunuz. AI yeteneğinin keşfedilmesi ve değerlendirilmesinde bugün neler temel olarak yanlış gidiyor?

Temel hata “Değerlendirme Gecikmesidir”. AI yetenekleri ayda bir ölçeklenirken, işe alma on yıl önceki paradigmadan hâlâ sıkışıp kalmıştır:

Anahtar Kelime Eskiği: Geleneksel filtreler, ChatGPT’yi kullanan jemand ile çoklu ajans iş akışını mimari olarak tasarlayabilen jemand arasında ayrım yapamaz.

“Soy” Tuzağı: Seçkin derecelere veya “Büyük Teknoloji” unvanlarına güvenmek, yetkinin temsili için tembel bir proxy’dir. Açık kaynak veya niş dikeylerde yeniliği sürdüren “gizli mücevherler” okyanusunu göz ardı eder.

Statik karşıtı Akışkan: Bir özgeçmiş geçmişin bir anlık görüntüsüdür; AI katkısı, GitHub, Hugging Face ve işbirliği platformları boyunca yaşayan, nefes alan bir veri akışıdır.

Tradisyonel işe alma sistemlerinin AI araştırmacıları ve geliştiricileri hakkında kaçırdığı kritik sinyaller nelerdir?

Standart işe alma, bir oluşturucunun “davranışsal DNA”sını kaçırır:

İteratif Dayanıklılık: Bir kullanıcı, bir.prompt’u veya modeli nasıl işler ve çalışır hale getirir?

Bağlamsal Ustalık: Ham bir AI aracını belirli bir iş çözümüyle köprülemek yeteneği.

“Öğrenme Oranı”: Bilginin her altı ayda değer kaybettiği bir alanda, bir kişinin yeni bir çerçeve (RAG’den Agentic iş akışlarına geçiş gibi) öğrenme hızı, toplam deneyim yılından daha önemlidir.

DINQ Kartı, kodu, yayımları, projeleri ve işbirliklerini tek bir doğrulanmış profilde birleştirir. Bu, büyük unvanlar veya tanınmış bağlantıları olmayan erken kariyerli AI araştırmacıları için “etkinin” tanımını nasıl değiştirir?

DINQ Kartı, başarının tanımını “Kimin için çalışıyorsun”dan “Ne inşa ettiğin”e değiştirir. Erken kariyerli oluşturucular veya geleneksel olmayan yaratıcılar için bu, bir oyun değiştiricidir. Doğrulanmış katkıları, yüksek performanslı bir LoRA, bir AI oluşturulan viral proje veya bir AI altyapısı hata düzeltmesinden oluşan bir İtibar oluşturur. Bu, bir öğrencinin, sadece inşa ettiği şeyin liyakatine dayanarak, bir Silikon Vadisi mühendisi ile aynı saygıyı hak etmesini sağlar.

İstihdam tarafında, DINQ, statik filtreler yerine AI yerli arama ve akıl yürütme getiriyor. Bu, şirketlerin çok özel alanlarda uzmanlara nasıl aday bulduğunu değiştirir?

Geleneksel arama ikili (Evet/Hayır)’dir. DINQ’nin araması Akıl Yürütme tabanlıdır. Bir şirket “AI ajanları” için jemand arıyorsa, DINQ sadece anahtar kelimesini aramaz. Adayın gerçek çıktısını analiz eder: Langchain veya Dify’de karmaşık akıl yürütme döngülerini çözdü mü ve API gecikmesini projelerinde nasıl ele aldı? Bu, şirketlerin “Özel Genelciler”i tanımlamasına olanak tanır: belirli AI zorluklarına karşı derin bir sezgiye sahip insanlar.

Alibaba Cloud gibi büyük platformların içinde çalışırken, büyük organizasyonların gerçek AI yeteneği ile yüzey düzeyindeki kimlik bilgilerini değerlendirme konusunda en çok neyi yanlış anladığını düşünüyorsunuz?

Büyük organizasyonlar genellikle “Geçmiş Soy”u “Gelecek Uyumlu” ile karıştırır. Yapılandırılmış, miras bir ortamda başarı, AI’nin “Vahşi Batı”sında başarıya tercüme edildiğini varsayar. Gerçek şu ki, AI yeteneği bugün Ajans hakkında: bir problemi alıp AI ile sonuna kadar çözme yeteneği. Büyük platformlar genellikle “çabalayan yenilikçiler”i göz ardı eder, onlar aslında iğneleyici.

DINQ, platformlar boyunca uzun vadeli araştırma yolunu ve işbirliği kalıplarını ortaya koyuyor. AI araştırması daha çok disiplinler arası ve takım odaklı hale geldikçe bu longitudinal bakış neden daha önemli hale geliyor?

İnovasyon artık bir solo spor değil; bir İşbirliği Evrimi. Bir kişinin platformlar boyunca zaman içindeki yolunu görerek, Stratejik Tutarlılıklarını görüyoruz. Her hype döngüsüne mi atlıyor, yoksa derin, disiplinler arası bir yığın mı inşa ediyor? AI takım odaklı hale geldikçe, bir kişinin başkalarının koduna ve araştırmasına nasıl etkileşime girdiğini görmek, “Kültür Ekleme”si ve teknik liderliğinin en önemli öngörücüsü haline geliyor.

AI işe almanın görünürlük yerine liyakate göre önyargılı olduğuna dair artan bir endişe var. DINQ, nasıl gizli kalmış veya göz ardı edilmiş yüksek etkili yeteneği ortaya çıkarmayı hedefliyor?

Bugünkü işe alma, sosyal medyadaki en yüksek seslere değil, en yetenekli kişilere öncelik veriyor. DINQ, bir “Yetenek için nicel fon” gibi davranıyor. Gürültüyü çıkarıyor ve Değer Yoğunluğuna bakıyoruz. GitHub, Huggingface veya uzman forumlarda “sessiz oluşturucular” olan yüksek etkili katkıda bulunanları ortaya çıkarmak suretiyle, liyakat, pazarlama değil, en iyi fırsatları kimin aldığını belirler.

AI altyapısı, uygulamalı araştırma ve şimdi yetenek sistemleri arasındaki kesişimde faaliyet gösteren biri olarak, AI hesaplama genişlemesi ve insan uzmanlığı arasındaki ilişkinin gelecek birkaç yıl içinde nasıl evrileceğini görüyorsunuz?

Hesaplama ölçeği arttıkça, “İnsan döngüsü”nden mimar olarak evrilir. Anlamli sonuçlara yönelik büyük hesaplama kaynaklarını yönlendirebilme yeteneği tarafından tanımlanan bir “Uzmanlık” dünyasına doğru ilerliyoruz. İlişki rekabetçi değil; simbiyotik. “AI ile güçlendirilmiş İnsan”, küresel ekonomide en değerli varlık olacaktır; modelleri yönlendirebilen, gerçeği doğrulayabilen ve algoritmaların duvarına çarptığında yaratıcı sezgiyi enjekte edebilen bireyler.

Ocak lansmanının ötesinde, DINQ’nin AI ekosisteminin insan yeteneğini tanımak, geliştirmek ve ölçekle dağıtmak şeklini yeniden şekillendirmesinde başarı nasıl görünür?

DINQ için başarı, AI Ekonomisinin “Güven Katmanı”nı inşa etmek demektir. Bir DINQ Kartı’nın neededeğiniz tek “Özgeçmiş” olmasını istiyoruz. 2026’ya kadar, küresel işgücü piyasasını gerçekten Liyakat Ölçeğinde yeniden şekillendirmek istiyoruz; yetenek anında keşfedilir, otomatik olarak doğrulanır ve coğrafi konum veya geçmişe bakılmaksızın dünyanın en acil sorunlarına dağıtılır.

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