Wilson Pang, Appen’in Baş Teknoloji Sorumlusu – Röportaj Serisi

Wilson Pang, Appen’in Baş Teknoloji Sorumlusu’dur ve burada dünya çapında bir grup veri bilimcisi, mühendis ve ürün yöneticileriyle birlikte teknoloji ve insan gücünü birleştirerek AI veri sorunlarını çözmek için çalışmaktadır.

Bu röportajda AI etiği, Appen’in 2020 AI ve Makine Öğrenimi Raporu ve güncel endüstri zorlukları hakkında konuştuğumuz konulardan bazılarıdır.

Siz persönel olarak yazılıma ve veri bilimine ilgi duymaya nasıl başladınız?

Veri ve AI ile çalışmaya 10 yıl önce opportunity sahip oldum. AI dünyasında, geliştiriciler artık kodda mantık kontrol etmemektedir, bunun yerine veri AI modelinin mantığını quyếtlemektedir ve bu çok ilginçtir. Kariyerime IBM’de büyük sistemler geliştiren bir geliştirici olarak başladım, bankalar, telekom operatörleri ve menkul kıymet şirketleri için. Yazılımın ve AI’nın gücünden heyecan duydum.

Ayrıca, veri ve makine öğreniminin işleri büyütmeye nasıl yardımcı olduğunu ilk elden görmüş olduğum için şanslıyım. eBay’deki ekibim, AI’ı kullanarak alıcı satın almalarını artırdı ve böylece on milyonlarca dolarlık gelir artışı sağladı. Trip.com için AI’ı kullanarak iç verimliliği artırdık ve operasyonel maliyetleri önemli ölçüde azalttık. Şimdi Appen’de, şirketlerin AI’ı kullanarak işlerinin başarısını sağlamak için yardımcı oluyoruz.

Appen’in bazı AI ve veri etiketleme tekliflerini tanıtabilir misiniz?

Bir eğitim veri sağlayıcısıyız ve 1 milyondan fazla sözleşmeli çalışanı 130’dan fazla ülkede ve 180 dil ve lehçede veri toplamak ve etiketlemek için çalıştırıyoruz. Ayrıca, AI veri için 20 yılı aşkın deneyime sahip profesyonel ekiplerimiz var ve eğitim verilerini doğru şekilde almanın nasıl yapılacağını biliyorlar. Son olarak, kalite ve verimliliği garantileyen özelliklere sahip endüstri lideri AI destekli bir etiketleme platformumuz var. Müşterilerimiz, bizimle ortaklık kurduğumuz yönetilen hizmet çözümü veya self-servis platformu arasında seçim yapabilirler. AI destekli veri etiketleme platformumuz, müşterilerin projelerini yönetmelerine ve makine öğrenimi destekli araçlarla kalite, doğruluk ve etiketleme hızını artırmalarına olanak tanır.

20 yılı aşkın deneyime sahip hizmetlerimiz, dünya çapında eğitim verisi, en gelişmiş AI destekli veri etiketleme platformu ve yüksek kaliteli veri garantileyen küresel bir kalabalık sunmaktadır.

Ulaşılabilir açık kaynaklı veri setlerinden bazıları nelerdir?

Appen, resim etiketleme ve el yazısı tanıma gibi çeşitli açık kaynaklı veri setlerine sahiptir. Bu veri setleri ücretsiz olarak indirilebilir ve AI modelinizi oluşturup eğitmek için kullanılabilir. Kullanılabilir en ilginç veri setlerinden biri, tıbbi görüntülerden çekirdek segmentasyonudur. Veri, tıbbi uzmanlar tarafından doğrulanmış 21.000’den fazla çekirdek içerir.

2020 AI ve Makine Öğrenimi Raporu‘ndan kişisel olarak en büyük aldığınız şey nedir?

Rapordaki en ilginç bulgu, C-Suite katılımındaki artıştı. Bunu duyuyor olmama rağmen, geçen yıldan %31’lik artış görmek büyük bir sürprizdi. AI, yalnızca teknoloji liderleriyle değil, artık işin temel bir parçası haline geliyor.

Raporda endişe verici bir durum, yalnızca %25’lik bir şirketin önyargılı AI’ın misyon kritik olduğunu söylemesidir. Bunu, önyargılı AI’ın önemini kaldırmak için eğitim eksikliğine mi bağlıyorsunuz? Bu istatistikleri iyileştirmek için neler yapılmalıdır?

Evet, eğitim ilk adımdır. Önyargılı veri üzerine kurulan bir AI modeli, önyargılı sonuçlar üretecek ve asla tam olarak başarılı olmayacaktır. İş liderleri, önyargısız verinin önemini ve başarılı bir dağıtım için nasıl yol açtığını öğrenmelidir.

Şirketlerin AI ve büyük veri kümeleriyle çalışırken dikkate alması gereken bazı AI etikleri nelerdir?

Verinin nereden geldiğine bakmak önemlidir. Bu veri etik bir şekilde elde edildi mi ve önyargısız mı? Verinin kaynağına baktığınızda, insanların adil bir ücret alıp almadığını ve verilerin çeşitli bir gruptan gelip gelmediğini öğrenmek istersiniz.最近, katkıda bulunanlarımız için dahil etme, çeşitlilik, adil ücret ve iletişim konularında Crowd Code of Ethics’i yayınladık.

Şu anda endüstrinin en büyük zorluğu nedir?

Veri ve veri yönetimindeki eksiklik, endüstrinin en büyük zorluğudur. Ekipler, veriyle ilgili birçok karar vermeleri gerekir ve birçokları neye ihtiyaç duyduklarını tanımakta zorluk yaşamaktadır. Mevcut verilerini, nereden geldiğini ve hala neye ihtiyaç duyduklarını anlamaları önemlidir. Tüm bu veri yönetimi, bir AI modelini oluşturup eğitmek için önemlidir. Veri eksikliği, önyargılı bir modele yol açabilir ve bu da başarılı olmayacaktır.

Appen, AI ve Makine Öğrenimi Raporlarını yıllardır yayınlamaktadır. İlk rapor ne zaman yayınlandı ve bu ilk rapordan bu yana neler değişti?

İlk rapor 2015 yılında yayınlandı ve gördüğümüz en büyük değişiklik, AI projelerinin sahipliğindeki değişimdir. İlk rapor, şirketleri için AI’ı yöneten veri bilimcileri tarafından cevaplandı. Bugün, %71’i C-Suite sahipliğini belirtmektedir ve bu, AI’ın işler için daha kritik hale geldiğini gösteren büyük bir perspektif değişimidir. Veri bilimcileri, kaynakların eksikliği ve veriden değerli içgörüler oluşturma gibi birçok zorlukla karşı karşıya kaldılar. Ancak, veri ve veri yönetimi etrafındaki zorluklar hala aynıdır.

Appen hakkında paylaşmak istediğiniz başka bir şey var mı?

16 Temmuz’da, Appen.com’da AI’ı gerçek dünyada başlatma konulu ilk sanal yuvarlak masa toplantısını düzenleyeceğiz. Dört bölümlük seri, endüstri lideri uygulayıcıların AI yolculuklarındaki kişisel deneyimlerini ve içgörülerini paylaşmalarını içermektedir. Şirketler, veri, etik, insanlar ve yaşam döngüsü etrafındaki ortak zorlukları aşmak zorunda kalacaklar. İlk bölümde, sorumlu AI oluşturmaya katkıda bulunmanın kendileri ve organizasyonları için ne anlama geldiğini paylaşan önde gelen uzmanları bir araya getireceğiz.

Röportaj için teşekkür ederiz. Okuyucular, Appen’in 2020 AI ve Makine Öğrenimi Raporu‘nu okumak veya Appen web sitesini ziyaret etmek isteyebilirler.