Stefan Mesken, DeepL’nin Baş Bilim İnsanı – Röportaj Serisi

Stefan Mesken, DeepL’nin Baş Bilim İnsanı, DeepL’de beş yılı aşkın bir süredir core araştırma ve bilimsel liderlik alanında çalışarak, Ekim 2020’de Araştırma Bilim İnsanı olarak başladığı görevine, Kasım 2023’te Araştırma Başkanlığı’na ve nihayet Nisan 2025’te current görevine Munich’te ulaştı. DeepL’den önce, Köln-Bonn bölgesindeki real.digital’de Veri Bilim İnsanı olarak çalıştı ve Münster Üniversitesi’nde matematiksel mantık alanında araştırma yaptı. Kariyeri, temel matematiksel araştırma ve uygulamalı AI’yi birleştirdiği için, DeepL’nin büyük ölçekli dil modelleri ve çok dilli AI sistemlerinin bilimsel yönünü liderlik etmesi için uygun bir konumda bulunuyor.

DeepL bir Alman AI şirketi olup, advanced dil AI sistemleri oluşturarak, 100’den fazla dilde doğru, bağlam odaklı çeviri ve iletişim sağlamayı hedefliyor. 2017 yılında kurulmuş ve Köln’de merkezini bulunduran şirket, dünya çapında milyonlarca kullanıcıya hizmet veriyor ve abonelik ve API teklifleri aracılığıyla kurumsal düzeyde çözümler sunuyor. Platformu, çeviri ötesinde daha geniş bir Dil AI paketine genişledi, yazma yardımı ve ses yetenekleri dahil, küresel işletmeler ve organizasyonlar için güvenli, ölçeklenebilir iletişim desteği sağlamak üzere tasarlandı.

Kariyerinize matematiksel mantık alanında başladığınızı ve daha sonra uygulamalı veri bilimine ve nihayet DeepL’nin araştırma organizasyonunun liderliğine geçtiğinizi biliyoruz. Bu erken dönemde formal akıl yürütme alanında yaptığınız çalışma, şimdi otomatik, kurumsal düzeyde AI sistemleri oluşturma şeklinizi nasıl etkiledi?

Bana set teorisi ve matematiksel mantık alanına çekilen şey, bu kompleks sistemlerin nasıl çalıştığını öğrenme konusundaki doymak bilmeyen merakımdı – ilk prensiplerden ve her geçen gün artan derinlikte. Bu merak, çocukluğumdan bu yana hayatımın bir parçası. Aynı zamanda işimin en sevdiğim yönü. Şu anda, AI geliştirme alanındaki durumu ilerletmek, gerçek yaşamda kullanılabilirlik üzerine yoğunlaşarak. Güvenlik ve güven dışında, zamanımı, her türden işletme ve kullanıcıların bu muhteşem teknolojinin faydalarından yararlanabilmesi için harcıyoruz. Şimdiye kadar, eğilim farklıydı: Gerçek yaşamda AI kullanımı ya tamamen pasif (örneğin, tüketilen ancak kontrol edilmeyen öneri sistemleri) ya da主要 olarak yüksek derecede eğitimli, teknik kişiler tarafından kullanılıyordu (örneğin, kod asistanları). Bu açığı kapatmak istiyorum: Her birey ve şirket, başarı için donatılmalı ve iş yaklaşımını devrimleştirme yeteneğine sahip olmalıdır.

DeepL, yüksek hassasiyetli çeviri üzerine inşa edilen bir üne sahiptir. Bu dil modelleme alanındaki temel, şirketin çeviri ötesinde daha genel AI sistemlerine geçişini nasıl etkiledi?

AI’nin büyülü olmasının nedeni, çok benzer kavramlar ve fikirler, çok farklı alanlarda yeni çözümlere yol açabiliyor: satranç motorları, öneri sistemleri, protein katlama, otonom araçlar, çeviri motorları ve daha birçokları. Hepsi aynı ilkeler ve teknikler setiyle çalışıyor. Bu teknikleri neredeyse on yıl boyunca ustalaştığımız için, yeni problemler üzerinde düşünüyoruz. İçerde bu luôn böyleydi, Glossary, Write, Voice, Customization Hub gibi icatların ortaya çıkmasına yol açtı.

Chief Scientist olarak, dil modellerinin akıcı çıktı üretmesi ve gerçek işletme iş akışlarında güvenilir bir şekilde çalışabilen sistemler oluşturması arasındaki farkı nasıl ayırıyorsunuz?

Temel fikirler oldukça benzer: Kullanıcılarımızın ne istediğini derinlemesine anlamamız ve AI sistemlerimizi bu hedeflere ve tercihlerine uyumlu hale getirmemiz gerekiyor. Bazen bunlar açık ve açık; bazen nüanslı ve söylenmemiş. Her iki durumda da, ürettiğimiz işin kullanıcılarımız için yüksek değer taşıması bizim görevimiz. DeepL, müşteri odaklılığıyla her zaman bu alanda öne çıktı. Yapay zekâ için akademik yayınları veya suni benchmark’leri takip etmiyoruz – müşteri memnuniyetini takip ediyoruz. Bu, şimdiye kadar olmadığı kadar önemli, çünkü ufkimizi genişletiyor ve insanların günlük işlerine yardımcı oluyoruz.

DeepL Agent, yardımcı AI’den özerk yürütme’ye bir geçişi temsil ediyor. Bu geçişi pratikte çalışır hale getirmek için karşılaştığınız en büyük teknik zorluklar nelerdi?

DeepL Agent’i inşa etmenin en büyük zorluğu, kullanılabilirlik. Yıllarca, AI ekosistemi主要 olarak yazılım geliştiricilerine ve yüksek derecede teknik uzmanlara hizmet etti. DeepL Agent ile bunu değiştirmek ve her bilgi işçisine, karmaşık problemleri çözmek ve otomatikleştirmek için sofistike araçlar sunmak istiyoruz. Bunu başarmak için, tanınma, akıl yürütme, planlama ve eylem konusunda aynı düzeyde sofistike bir çözüm oluşturmamız gerekiyor. Kullanıcılara zengin ancak karmaşık bir araç seti sunmak yerine, bir uçtan uca yardım ve iş akışı otomasyonu için uyumlu, sorunsuz ve zarif bir çözüm yaratmak için çok çalıştık.

İşletme ortamlarında özerk olarak çalışabilen bir AI sistemi için, hangi yeteneklerin önceden kurulması gerekiyor?

Çok çeşitli idari görevler için teknoloji zaten mevcut. DeepL Agent, güvenilir bir şekilde ortamınızda çalışabilir, gerektiğinde tavsiye isteyebilir ve insan müdahalesi doğrulaması sunabilir. Bu düzeyde sentetik zeka, birkaç ay öncesine kadar tamamen kurguydu. Ancak masih uzun bir yol var. AI ajanları, işletmelerde, insanların ve diğer ajanlarla işbirliği yaparak, boş işleri ortadan kaldırarak ve ulaşılamayan problemleri çözerek, arka planda çalışacak bir işbirliği katmanı haline gelecek. Bu, birkaç ay önce kurgudan gerçekliğe geçti.

Sorumlu AI ajanları için derin dil anlama konusundaki görüşünüz nedir? Bu bağlamda “derin” kelimesi, yüzey düzeyindeki akıcılıktan öte nedir?

Dil, özellikle profesyonel alanlarda, oldukça belirsiz ve bağlam bağımlı. Muhtemelen bunu kendiniz de deneyimlediniz: bir grup arkadaşın bir hobi hakkında konuştuğunu duyduğunuzda veya bir profesyonel uzmanlık hakkında konuştuğunuzda… Bu, dışarıdan bakıldığında anlaşılmaz gibi görünebilir, ancak onlar birbirlerini mükemmel bir şekilde anlarlar. AI yardımının, yıllarca birlikte çalıştığınız, güvenebileceğiniz bir iş arkadaşınızla konuşmak kadar sorunsuz hissetmesini istiyoruz. İmplicitle tercihler, implicit olarak kalmalıdır. İşlerin nasıl yapılmasını istediğinizi tekrar tekrar açıklamak zorunda kalmamalısınız. Bu, açık gibi görünse de, doğruyu yapmak için büyük bir araştırma gerektirir. İşte bu, “derin” dil anlama konusundaki görüşüm.

Otomatik sistemleri dağıtırken, gerçek eylemler gerçekleştirebilen özerk sistemler için güvence ve denetim nasıl sağlarsınız?

İşletme bağlamlarında AI yardımının çalışması için, yetenek ile kontrolü dikkatli bir şekilde dengelememiz gerekiyor. Daha büyük yetenek, üretkenlik için muazzam fırsatlar yaratıyor, ancak kontrolsüz bırakılırsa bir yük haline geliyor. Bu, olamaz. DeepL Agent, kuruluşundan bu yana, işletme düzeyinde güvencelerle donatıldı, çeşitli biçimlerde uygulandı. Paylaşılan çalışma alanları, kullanıcıların verilere ve erişime kesin kontrolü sağlarken, denetim izlerini, insan müdahalesini ve insan-müdahale doğrulamasını da sağlıyor. Ayrıca, sistem yöneticileri, DeepL Agent’in gezinebileceği sistemleri ve bu sistemlerin ajan tarafından işletildiğinde altta yatan araçlara bildirim mekanizmalarını ince ayarlayabiliyor.

Araştırmadan üretime geçerken, güvenilirlik veya bilimsel disiplini feda etmeden fikirleri nasıl uyguluyorsunuz?

Araştırma ile ürün geliştirme arasındaki uçurum, genel olarak düşünülenden daha geniştir. Her ikisi de, daha önce çözülmemiş problemleri çözmek için titiz bir yaklaşım ile başlar ve neyin çalıştığını ve neyin çalışmadığını titiz bir şekilde kaydeder. Araştırma, kapsamını basitleştirebilir ve daha basit bir dünya modelini varsayabilir, ancak ürün geliştirme, gerçek kullanıcıların bağlamlarının karmaşıklığını hesaba katmak zorundadır. AI yardımında, araç kullanımı birincil örnektir. Ortamların her zaman otomasyona hazır olduğu, sistem erişimlerinin düzenlendiği ve API’lerin hazır olduğu varsaymak cazip gelebilir. Gerçekler farklı. Kendi kendini süren arabaların bugünün altyapısının tüm karmaşıklığını ele alması gibi, AI ajanlarının da işletmelerin güvendiği erişim kalıpları, veri ve sistemler içinde etkili bir şekilde çalışması gerekiyor. Bu erken realizasyon, DeepL Agent’in tasarımının kalbinde yer alıyor.

DeepL, dil platformundan daha geniş bir işletme AI sistemine genişlerken, hangi yeteneklerin sıkı bir şekilde kontrol edilmesi gerektiğini ve hangilerinin daha özerk davranış için açığa çıkarılması gerektiğini nasıl quyếtiyorsunuz?

Görev için gerekli kontrol düzeyi, iki faktör tarafından belirlenir: görevi gerçekleştiren insan veya sistemin güvenilirliği ve hataların potansiyel etkisi. Bu, hem insan hem de makine yürütmesi için geçerlidir. AI güvenilirliği, son yıllarda büyük ölçüde arttı ve devam edecek. Bu nedenle, sıkı kontrol, giderek daha az görev için gerekli olacak. Sonunda, AI güvenilirliği, birçok görev için insan uzmanlık seviyelerini aşacak. Bu, kontrol mekanizmaları için de geçerli olacak, bunlar giderek daha fazla AI denetimine kayacak. İçerde, DeepL Agent zaten bunu yapıyor, self-correction mümkün olmadığında kullanıcıların yardımını istiyor.

İleriye bakıldığında, dil anlama veya ajan tasarımı alanındaki hangi atılımların, işletme AI’sini önümüzdeki iki yıl içinde en güçlü şekilde şekillendireceğine inanıyorsunuz?

AI ajanları, yalnızca bireysel görevlerde yardım etmeyecek. İşletmelerde, bizim adımıza çalışarak, dikkati dağıtıcıları azaltarak, bilgileri tam ihtiyaç duyulduğunda sunarak ve arka planda tamamen karmaşık görevleri çözebilecek bir işbirliği verimliliği katmanı oluşturacak.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular DeepL ziyaret edebilir.