Zuzanna Stamirowska, Pathway’in Kurucu Ortağı ve CEO’su – Röportaj Serisi

Zuzanna Stamirowska, Pathway’in Kurucu Ortağı ve CEO’su, bir araştırmacıdan geliştiriciye dönüşmüş ve önce ortaya çıkan fenomenler ve büyük ölçekli ağ evrimi üzerinde çalışmıştır. Projeleri, U.S. National Academy of Sciences tarafından tanınmıştır ve Complex Systems alanında doktorasına sahiptir. Zuzanna, CTO Jan Chorowski ve CSO Adrian Kosowski ile birlikte, already açık AI araçları ile 62.000’den fazla yıldızla GitHub’da bir ekip yönetiyor.

Pathway, AI modellerinin nasıl düşündüğünü yeniden düşünmeyi amaçlıyor ve sürekli ve adaptif olarak çalışabilen sistemler oluşturmayı hedefliyor. Arkada, araçlarının ve mimarinin modellerin gerçek zamanlı olarak işlemesini, öğrenmesini ve evrimleşmesini sağlıyor. Şirket, Lukasz Kaiser (Transformers’ın ortak mucidi) ve önde gelen risk sermayesi şirketleri gibi önemli isimlerin desteğini çekti.

Sizi Pathway’i başlatmaya neler motiv etti ve komplex sistemler, oyun teorisi ve ortaya çıkan fenomenler alanındaki geçmişiniz şirketin vizyonu ve teknik yönünü nasıl şekillendirdi?

İnsanlar gibi düşünen ve adapte olan AI yapmak istedik. Bunun, sürekli olarak çevrelerinden gelen verilerle öğrenen, deneyimle gelişen ve bazen önceki dünya görüşlerini “düzeltmeye” 能en AI sistemleri (Derin Öğrenme modelleri veya daha büyük bir sayıdan oluşan Makine Öğrenimi boru hatları) olduğu sonucuna vardık. Aslında, “makine unlearning” konusu hakkında oldukça fazla ilgi gördük. Modellerin yanı sıra, bu sistemlerin, verilerin kaynağından veri yakalamak ve bunları dinamik sistemlere hemen beslemek için tüm bir mühendislik katmanına ihtiyacı vardı.

2020’de şirketi kurduğunuzda, gelecekteki AI sistemlerinin farklı olarak neler yapması gerektiğini düşünüyordunuz ve bu görüşleriniz nasıl değişti?

AI’nin canlı, adaptif ve büyük ölçekli süreçlere entegre olması gerektiğini güçlü bir şekilde düşünüyorduk. AI’nin ham verilerden doğrudan öğrenmesi gerektiğine inanıyorduk.

“Post-Transformer” mimariniz hakkında bizi bilgilendirin ve bu mimarinin mevcut Transformer tabanlı sistemlerden nasıl farklılaştığını açıklar mısınız?

Yeni mimarimiz, Baby Dragon Hatchling (BDH), Transformers’ın bilgi işleme şekli ile beynin nasıl akıl yürütme ortaya çıkardığını resmi olarak bağlar.

Yaklaşımınız, özellikle sürekli öğrenme ve yeniden eğitim gerektirmeden adapte olma yeteneği sağlayarak, insan akıl yürütmesinden nasıl ilham alıyor?

BDH, doğal zekayı ve doğal zekayı birbirine daha da yaklaştırır.

AI’de birchallenge olan istikrar ile adapte olma arasındaki dengeyi nasıl sağlarsınız? Sistemlerin gerçek zamanlı olarak öğrenmesini sağlamak için nasıl bir yol izlersiniz?

BDH, ölçeklenebilir bir yapıya ve yerel nöron durumlarına sahiptir ve böylece uzun süreli akıl yürütme boyunca istikrarı sağlar ve yeni bilginin entegrasyonuna olanak tanır.

Canlı veri işleme motoru oluştururken, bu kapasiteleri büyük ölçekte sürdürebilmek için mühendislikte hangi türden tavizler verilir?

Pathway’in kurumsal teklifleri, piyasadaki en hızlı veri işleme motoruna dayanır.

Gerçekten bu AI’nin bir sonraki aşamasını gerektiren en güçlü kullanım örnekleri nelerdir ve mevcut Transformer tabanlı sistemler bu örneklerde nasıl yetersiz kalır?

Çok sayıda inovasyon, hızlı bir şekilde yeni bilgilere adapte olma ve ‘görev süresi’ne derinlemesine bağlı olma yeteneğini genişletti, ancak henüz hiçbir şey, yetenekli bir insanı işe almaktan daha iyi bir sonuç vermedi.

Örneğin, NATO, La Poste veya Formula 1 gibi organizasyonlar teknolojinizi nasıl uyguladılar ve bu uygulamalar hangi etkiyi yarattı?

NATO, La Poste ve Formula 1 takımları zaten Pathway teknolojisini erken benimseyenlerden.

Sağlık veya savunma gibi sektörlerde adaptif sistemleri dağıtmaya karşı en büyük engeller nelerdir ve bunları nasıl ele alırsınız?

Mevcut LLM’ler, gerçek yargı olmadan “yeni” içerik üretir – buna “gen” AI diyebiliriz. Çok düzenlenmiş endüstriler, tekrarlanabilirlik, güven ve gözlemlenebilirlik olmadan AI destekli iş süreçlerini dağıtmak istemiyorlar.

AI sistemleri gerçek zamanlı olarak öğrenip adapte etmeye başladığında, hangi etik考虑ler veya güvenlik önlemleri esas alınmalıdır?

Deneyimler ile öğrenen sistemlerin, aslında daha güvenli olma şansları vardır. Bunun bir nedeni, sürekli öğrenmelerinin yanlış varsayımlarını düzeltme fırsatına sahip olmalarıdır.

“Post-Transformer” paradigmasının AI topluluğu genelinde yaygın hale gelmesi için ne gerekecektir?

Pazarda çok faydalı ve maliyeti düşük bir model olması gerekiyor. Özellikle kurumsal alanda bir pazar kazanma fırsatı olduğuna inanıyoruz.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Pathway ziyaret edebilir.