Röportajlar
Sujatha Sagiraju, Appen’in Ürün Başkanı – Röportaj Serisi

Öne çıkan noktalarÇeşitli ekipler, önyargılı sonuçları önlemek için yapay zeka geliştirmede kritik öneme…
Daha fazla göster
- Çeşitli ekipler, önyargılı sonuçları önlemek için yapay zeka geliştirmede kritik öneme sahiptir.
- Appen'in Yapay Zeka için Veri Yaşam Döngüsü, yüksek kaliteli veri sağlamak için dört aşamayı içerir.
- Model kayması, yapay zeka modellerini doğru ve adil tutmak için sürekli insan değerlendirmesi gerektirir.
Sujatha Sagiraju, Appen‘in Ürün Başkanı’dır, Eylül 2021’de Üründen Sorumlu Kıdemli Başkan Yardımcısı olarak Appen’e katıldı ve ürün stratejisinden sorumludur. 20 yılı aşkın süredir geniş bir deneyimle yıkıcı büyük ölçekli çevrimiçi hizmetler ve AI/ML ve veri platformları oluşturmak için teknoloji öncüsüdür. Microsoft’tan Appen’e katıldı, burada Bing ve Azure AI Platform dahil olmak üzere çeşitli gruplarda liderlik rolleri üstlendi.
Appen, AI Yaşam Döngüsü için veri alanında küresel liderdir. 25 yılı aşkın bir süredir insan tarafından veri kaynağı, veri anotasyonu ve model değerlendirme deneyimine sahip olarak, organizasyonların dünyanın en yenilikçi yapay zeka sistemlerini başlatmasını sağlar.
AI’ye ilk olarak neler sizi çekti?
Microsoft’ta (MSFT ) çalışırken, Azure AI organizasyonunda çalıştım. Endüstri manzarası, müşteriler ve farklı endüstriler boyunca gerçekleşen AI dönüşümü hakkında aşinaydım. Müşterinin bakış açısından, eğitim verilerinin makine öğrenimi modelleri oluşturmak için bir engel olduğunu görebiliyordum ve Appen’i bu sorunu çözmek için bir fırsat olarak görüyordum – AI yaşam döngüsünün tüm aşamalarını bağlayabilecek eksik halka.
Şu anda Appen’in Ürün Başkanı’sınız, bu pozisyonun neyi içerdiğini açıklar mısınız?
En üst düzeyde, ekibim ürün vizyonu, strateji oluşturur ve organizasyon genelinde çeşitli paydaşlarla etkili bir şekilde bunu uygulamak için hizalanır. Daha kişisel bir düzeyde, endüstri ve müşterileri anlamak için önemli zaman harcarım. Amazon (AMZN ), Google (GOOGL ), Microsoft, Salesforce (CRM ), Boeing gibi en büyük şirketlerin müşterimiz olduğu için, ekibimin müşteri senaryolarını ve ağrı noktalarını anlaması ve büyüme planı sunan bir ürün stratejisi oluşturması önemlidir. Güvenli, kapsayıcı bir kültür oluşturmak da rolümün çok önemli bir parçasıdır, çünkü çalışanlarımızın fikirlerini paylaşmaları, işbirliği yapmaları ve kariyerlerini geliştirmeleri için bir alan yaratmaya odaklanıyorum.
AI geliştirme için çeşitli ekipler oluşturmanın ne kadar önemli?
AI geliştirme için çeşitli ekipler oluşturmak son derece önemlidir. Çeşitliliği düşünmenin birkaç farklı yolu vardır – cinsiyet, yaş, ırk, perspektifler. Perspektif çeşitliliği, farklı geçmişlere ve deneyimlere sahip bir ekibe sahip olmanın en önemli kısmı olabilir. Bu deneyimler, tüm müşterileriniz için en iyi ürünü oluşturmak için yeni ve farklı fikirleri getirir.
Bu çeşitliliği birleştirerek bir çalışma kültürü nasıl oluşturursunuz?
Çeşitliliği teşvik eden bir kültür, çalışanların fikirlerini ve perspektiflerini paylaşmalarına davet eder. Ekibimle toplantı yaparken, farklı iletişim yöntemlerini düşünmeyi severim. Örneğin, bir toplantı sırasında geri bildirim istendiğinde, çalışanların doğrudan toplantıda konuşmalarını veya konuyu düşündükten sonra bana mesaj göndermelerini isterim. Herkesin hemen konuşmak ya da geri bildirim paylaşmak istemeyeceğini kabul ediyor ve bunun kabul edilebilir olduğu bir kültür yaratmak istiyorum. İnsanların görüşlerini dile getirebileceği ve fikirlerini tercih ettikleri şekilde paylaşabileceği güvenli bir ortam istiyorum. Harika fikirleri, organizasyonun tüm ekiplerinden gelebilir. Satış, pazarlama ve diğer müşteri odaklı ekiplerle ürünle ilgili ihtiyaçlarını ve müşteri ile yakın çalıştıkları perspektiflerini anlamak için görüşüyorum. En iyi ürün fikirleri, müşterilerin ağrı noktalarını dinleyerek gelebilir – ya doğrudan onlardan ya da her gün müşterilerle etkileşime giren ekiplerden.
Çeşitli ekipler oluşturmanın dışında, makine öğrenimi algoritmalarında önyargı ile mücadele etmek için diğer yollar nelerdir?
Önyargı ile mücadele için kapsayıcı veri kaynağı, veri hazırlama ve model değerlendirme çok önemlidir. Algoritmaları eğitmek için kullanılan veriler, tüm olası son kullanıcıları veya sonuçları içermelidir. AI yaşam döngüsünün her aşamasında, her aşamanın önyargı için kontrol edilmesi gerekir. Sorumlu AI, ayrıca adil bir şekilde sağlanan veri setleri ile oluşturulur, yani katkıda bulunanlar adil bir şekilde muamele görür. Appen, katkıda bulunan topluluğumuzun (Crowd) esenliğine bağlılığımızı göstermek için Crowd Etik Kuralları oluşturdu.
AI Yaşam Döngüsü için Veri disiplinini yakın zamanda tartıştığınız bir makalede tanıttınız. Bunu kısaca açıklar mısınız?
AI Yaşam Döngüsü için Veri, dört aşamayı içeren sürekli bir döngüyü içerir: veri kaynağı, veri hazırlama, model oluşturma ve dağıtma, ve insan tarafından model değerlendirme. Bu aşamalar, AI projeleri için yüksek kaliteli veri sunmak için gereklidir. Veri kaynağı, veri hazırlama ve model değerlendirme en çok emek yoğun ve veri yoğun aşamalardır ve iyi yapılmazlarsa, proje kalitesi sorunlarına ve lançman gecikmelerine neden olabilir. Appen, bu üç aşamada uzmanlaşmıştır ve model eğitimi ve dağıtımı uzmanlaşan sağlayıcılarla stratejik ortaklıklar kurar.
AI Yaşam Döngüsü için Veri’de sentetik verinin rolü nedir?
Veri kaynağı çözümleri, insan tarafından anotlanmış veri, önceden etiketlenmiş veri setleri ve sentetik veri içerir. Sentetik veri, zor bulunan veri setleri ve kullanım durumları için kullanılır. Kapsayıcı veri setleri, tüm kullanım durumlarını ve AI modelinin olası son kullanıcılarını kapsar ve bazıları sentetik veri kullanmayı gerektirir. İnsan tarafından anotlanmış veri ve sentetik verinin kombinasyonu, model başarısı için kritik olacaktır.
AI Yaşam Döngüsü için Veri’de model kayması veya aşırı uyarlama ne kadar büyük bir sorun?
Model kayması büyük bir sorun olabilir ve AI yaşam döngüsünün dördüncü aşamasında, İnsan Tarafından Model Değerlendirilmesi’nde ele alınmalıdır. Modelin gerçek dünyada çalışmaya devam etmesi ve bunun için insan testinden geçmesi çok önemlidir. Ortamlar değişip büyüdükçe, modeller de değişmelidir. Uygulayıcıların modellerini sürekli olarak değerlendirerek eski veya önyargılı hale gelmesini önlemek önemlidir. Microsoft’un Bing’i, arama sonuçlarının standartlarına uygun olarak çalıştığından emin olmak için model değerlendirmesi kullanan bir müşteridir ve model sürekli olarak değerlendirilir.
Appen’deki çalışmanız hakkında paylaşmak istediğiniz başka bir şey var mı?
Appen’deki en değerli işi insanlarımız ve onların uzmanlığı ortaya koyar. Appen, 25 yıllık deneyimiyle çalışanlarıyla birlikte güçlü bir temel oluşturmuştur. Müşterilerimiz, yüksek kaliteli sonuçları hızlı ve büyük ölçekte sunmak için uzmanlığımıza güvenir. Appen, AI Yaşam Döngüsü için Veri’yi sorunsuz biçimde yönetme çözümleri sağlayarak AI sektörünün dönüşümünü mümkün kılar.
Harika bir röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Appen‘i ziyaret edebilir.












