DeepL'in Baş Bilim İnsanı Stefan Mesken ile Röportaj Serisi

Stefan MeskenDeepL'de Baş Bilimci olarak görev yapan kişi, Ekim 2020'de Araştırma Bilimcisi olarak başladığı, Kasım 2023'te Araştırma Başkan Yardımcılığına yükseldiği ve Nisan 2025'te Münih'teki mevcut görevine geçtiği DeepL'de beş yıldan fazla bir süredir temel araştırma ve bilimsel liderliği geliştiriyor. DeepL'den önce, Köln-Bonn bölgesindeki real.digital'de Veri Bilimcisi olarak çalıştı ve Münster Üniversitesi'nde matematiksel mantık alanında araştırmalar yaptı. Kariyeri, temel matematiksel araştırmalar ve uygulamalı yapay zeka arasında köprü kurarak, DeepL'in büyük ölçekli dil modelleri ve çok dilli yapay zeka sistemlerinin arkasındaki bilimsel yönü yönetme pozisyonuna getiriyor.

deepl Almanya merkezli bir yapay zeka şirketi olan bu firma, 100'den fazla dilde doğru, bağlam duyarlı çeviri ve iletişim sağlayan gelişmiş dil yapay zeka sistemleri geliştirmeye odaklanmıştır. 2017 yılında kurulan ve merkezi Köln'de bulunan şirket, dünya çapında milyonlarca kullanıcıya hizmet vermekte ve abonelik ve API teklifleri aracılığıyla kurumsal düzeyde çözümler sunmaktadır. Platformu, çevirinin ötesine geçerek, küresel işletmeler ve kuruluşlar için güvenli ve ölçeklenebilir iletişimi desteklemek üzere tasarlanmış, yazma yardımı ve ses yeteneklerini de içeren daha geniş bir Dil Yapay Zeka paketine dönüşmüştür.

Kariyerinize matematiksel mantık alanında başladınız, ardından uygulamalı veri bilimine geçtiniz ve sonunda DeepL'in araştırma organizasyonunun başına geçtiniz. Geriye baktığınızda, biçimsel akıl yürütme alanındaki bu erken çalışmalarınız, otonom, kurumsal düzeyde yapay zeka sistemleri oluşturma konusunda şu anki düşünce tarzınızı nasıl etkiledi?

Beni öncelikle küme teorisi ve matematiksel mantık alanına çeken şey, bu karmaşık sistemlerin nasıl çalıştığını – temel prensiplerden başlayarak giderek artan derinliklere kadar – öğrenmeye yönelik doymak bilmez bir meraktı. Bu merak çocukluğumdan beri hayatımda sürekli var olan bir şey. Aynı zamanda işimin en çok sevdiğim yönü de bu. Şu anda, yapay zeka geliştirmenin durumunu gerçek hayattaki kullanılabilirliğe yoğunlaşarak ilerletmek en büyük zorluk. Güvenlik ve güvenin ötesinde, zamanımı her türden işletmenin ve kullanıcının bu inanılmaz teknolojiden faydalanmasını sağlamaya adıyorum. Şimdiye kadar eğilim farklıydı: Gerçek hayattaki yapay zeka kullanımının çoğu ya tamamen pasif (örneğin, tükettiğiniz ancak kontrol edemediğiniz öneri sistemleri) ya da öncelikle yüksek eğitimli, teknik kişiler tarafından kullanılıyor (örneğin, kodlama asistanları). Bu açığı kapatmak istiyorum: Her birey ve şirket başarıya ulaşmalı ve işe yaklaşım biçimlerinde devrim yaratabilmelidir.

DeepL, yüksek hassasiyetli çeviri konusunda ün kazanmıştır. Dil modellemesi alanındaki bu temel, şirketin çevirinin ötesine geçerek daha genel yapay zeka sistemlerine yönelme konusundaki ilk düşüncelerini nasıl şekillendirdi?

Yapay zekayı bu kadar büyülü kılan şey, çok benzer kavram ve fikirlerin birbirinden çok farklı alanlarda yeni çözümlere yol açabilmesidir: satranç motorları, tavsiye sistemleri, protein katlanması, otonom araçlar, çeviri motorları ve daha birçokları. Hepsi aynı prensip ve teknikler kümesiyle çalışır. Bu tekniklerde neredeyse on yıldır uzmanlaştığımız için, doğal olarak odaklanabileceğimiz yeni sorunlar düşünmeye başlıyoruz. Bu durum içsel olarak her zaman böyle olmuştur ve Sözlük, Yazma, Ses, Özelleştirme Merkezi ve daha fazlasının icadına yol açmıştır.

Baş Bilimci olarak, akıcı çıktı üreten dil modelleri oluşturmak ile gerçek kurumsal iş akışlarında güvenilir bir şekilde çalışabilen sistemler oluşturmak arasında nasıl bir ayrım yapıyorsunuz?

Temel fikirler oldukça benzer: Kullanıcılarımızın ne istediğini derinlemesine anlamalı ve ardından yapay zeka sistemlerimizi bu hedefler ve tercihlerle uyumlu hale getirmeliyiz. Bazen bunlar açık ve nettir; bazen ise incelikli ve dile getirilmemiş olabilir. Her iki durumda da, ürettiğimiz işin kullanıcılarımız için yüksek değer taşımasını sağlamak bizim görevimizdir.
DeepL, müşteri odaklı yaklaşımı sayesinde bu alanda her zaman öne çıkmıştır. Yapay ölçütlerin veya akademik yayınların peşinde değiliz; müşteri memnuniyetinin peşindeyiz. Ufkumuzu genişlettiğimiz ve insanların günlük işlerinde onlara yardımcı olduğumuz şu dönemde bu durum her zamankinden daha önemli.

DeepL Agent, yardımcı yapay zekadan otonom yürütmeye doğru bir geçişi temsil ediyor. Bu geçişi pratikte işler hale getirmenin en büyük teknik zorlukları nelerdi?

DeepL Agent'ı geliştirmenin en büyük zorluğu, tartışmasız bir şekilde, kullanılabilirliktir. Yıllardır yapay zeka ekosistemi öncelikle yazılım geliştiricilere ve yüksek teknik bilgiye sahip uzmanlara hizmet vermektedir. DeepL Agent ile bunu değiştirmeyi ve her bilgi çalışanını karmaşık sorunları çözmek ve otomatikleştirmek için gelişmiş araçlarla donatmayı hedefliyoruz. Bunu başarmak için, tanıma, akıl yürütme, planlama ve eylemde aynı düzeyde gelişmişliğe ihtiyacımız var. Kullanıcılara zengin ama karmaşık bir araç seti sunmak yerine, uçtan uca yardım ve iş akışı otomasyonu için tutarlı, sorunsuz ve zarif bir çözüm oluşturmak için çok çalıştık.

Mimari açıdan bakıldığında, bir yapay zeka sisteminin kurumsal ortamlarda otonom olarak çalışabilmesi için hangi yeteneklerin mevcut olması gerekir?

Çok çeşitli idari görevler için teknoloji zaten mevcut. DeepL Agent, ortamınızda güvenilir bir şekilde çalışabilir, gerektiğinde tavsiye alabilir ve istendiğinde insan müdahalesiyle doğrulama sunabilir. Bu düzeydeki yapay zekâ, birkaç ay öncesine kadar tamamen hayal ürünüydü. Ancak, gidilecek daha çok yol var. Önümüzdeki birkaç yıl içinde, yapay zekâ ajanları işletmelerde yatay bir katman haline gelecek; arka planda yorulmadan çalışacak, insanlarla ve birbirleriyle iş birliği yaparak gereksiz işleri ortadan kaldıracak ve daha önce ulaşılamayan sorunları çözmemizi sağlayacak.

Sorumlu yapay zekâ ajanları için derin dil anlama yeteneğinin bir ön koşul olduğundan bahsettiniz. Bu bağlamda "derin" kelimesi, yüzeysel akıcılığın ötesinde ne anlama geliyor?

Dil, özellikle profesyonel alanlarda, son derece belirsiz ve bağlama bağımlıdır. Bunu muhtemelen kendiniz de deneyimlemişsinizdir: Bir grup arkadaşınızın, sizin paylaşmadığınız bir hobi veya deneyiminiz olmayan bir uzmanlık alanı hakkında konuşmalarını kulak misafiri olmuşsunuzdur… Dışarıdan bakanlar için mantıklı gelmeyebilir, ancak bir şekilde birbirlerini mükemmel bir şekilde anlarlar. Yapay zeka desteğinin, yıllarca birlikte çalıştığınız deneyimli ve güvenilir bir iş arkadaşınızla konuşmak kadar sorunsuz hissettirmesini istiyoruz. Örtük tercihler örtük kalmalıdır. İşin nasıl yapılmasını istediğinizi tekrar tekrar açıklamak zorunda kalmamalısınız. Bu açık gibi görünebilir, ancak doğru bir şekilde uygulamak için muazzam bir araştırma gerektirir. "Derin" dil anlayışından kastım budur.

Sadece tavsiye vermekle kalmayıp gerçek eylemler gerçekleştirebilen otonom sistemleri devreye alırken, güvenlik önlemleri ve denetim konularına nasıl yaklaşıyorsunuz?

Yapay zekâ destekli sistemlerin iş ortamlarında başarılı olabilmesi için, yetenek ile kontrol arasında dikkatli bir denge kurmalıyız. Daha yüksek yetenek, verimlilik için muazzam fırsatlar yaratır, ancak kontrolsüz bırakılırsa bir yükümlülük haline gelir. Bu olmamalı. DeepL Agent, ilk günden itibaren, birden fazla biçimde uygulanan kurumsal düzeyde güvenlik önlemleriyle donatılmıştır. Paylaşılan çalışma alanları, kullanıcılara veri ve erişim üzerinde hassas kontrol sağlarken, denetim kayıtlarını, insan gözetimini ve insan müdahalesiyle doğrulamayı da destekler. Ek olarak, sistem yöneticileri, DeepL Agent'ın gezinebileceği sistemler üzerinde ayrıntılı kontrole ve ajanın çalıştırıldığı durumlarda altta yatan araçları bilgilendirme mekanizmalarına sahiptir.

Araştırmadan üretim aşamasına geçerken güvenilirliği veya bilimsel disiplini feda etmemek konusunda ne gibi dersler çıkardınız?

Araştırma ve ürün geliştirme arasındaki uçurum, yaygın olarak inanıldığından daha geniştir. Her ikisi de daha önce çözülemeyen sorunları çözmeye yönelik titiz bir yaklaşımla ve neyin işe yaradığının ve neyin yaramadığının ayrıntılı bir kaydıyla başlar. Araştırma kapsamı basitleştirebilir ve daha basit bir dünya modeli varsayabilirken, ürün geliştirme gerçek kullanıcıların bağlamlarının karmaşıklığını hesaba katmalıdır. Yapay zeka desteğinde, araç kullanımı bunun en önemli örneğidir. Ortamların her zaman otomasyona hazır olacağını, sistem erişiminin düzenlendiğini ve API'lerin hazır olduğunu varsaymak cazip gelebilir. Gerçeklik farklıdır. Tıpkı sürücüsüz araçların günümüz altyapısının tüm karmaşıklığını ele alması gerektiği gibi, yapay zeka ajanları da işletmelerin güvendiği erişim kalıpları, veriler ve sistemler içinde etkili bir şekilde çalışmalıdır. Bu erken farkındalık, DeepL Agent'ın tasarımının kalbinde yer almaktadır.

DeepL, odaklanmış bir dil platformundan daha geniş bir kurumsal yapay zeka sistemine doğru genişlerken, hangi yeteneklerin sıkı kontrol altında tutulması ve hangilerinin daha özerk davranışlar için açığa çıkarılması gerektiğine nasıl karar veriyorsunuz?

Bir görev için gereken kontrol düzeyi iki faktöre bağlıdır: görevi gerçekleştiren insan veya sistemin güvenilirliği ve hataların potansiyel etkisi. Bu, hem insan hem de makine yürütmesi için geçerlidir. Yapay zekanın güvenilirliği son birkaç yılda büyük ölçüde arttı ve artmaya devam edecek. Bu nedenle, sıkı kontrol giderek daha az görev için gerekli olacaktır. Sonuç olarak, yapay zeka güvenilirliği birçok görev için insan uzman seviyelerini bile aşacaktır. Bu, giderek yapay zeka gözetimine kayacak olan kontrol mekanizmaları için de geçerlidir. DeepL Agent, dahili olarak bunu zaten yapıyor ve kendi kendini düzeltmenin mümkün olmadığı durumlarda kullanıcılardan yardım istiyor.

İleriye dönük olarak, dil anlama veya ajan tasarımı alanındaki hangi atılımların önümüzdeki iki yıl içinde kurumsal yapay zekayı en güçlü şekilde şekillendireceğine inanıyorsunuz?

Yapay zekâ ajanları yalnızca bireysel görevlerde yardımcı olmakla kalmayacak. İşletmelerde iş birliğine dayalı bir verimlilik katmanı oluşturarak dikkat dağıtıcı unsurları azaltacak, ihtiyaç duyulduğu anda bilgi hazırlayıp ortaya çıkaracak ve sorunları ve giderek daha karmaşık hale gelen görevleri tamamen arka planda çözecek.

Harika röportaj için teşekkürler, daha fazla bilgi edinmek isteyen okuyucular ziyaret etmelidir. deepl.