Kamal Ahluwalia, İkigai Labs: Üretken yapay zeka ile işletmenizi bir sonraki seviyeye nasıl taşıyabilirsiniz?

Date:

Yapay Zeka Haberleri Teknolojinin nasıl benimseneceği ve kullanılacağına dair en iyi ipuçları ve yapay zeka tasarımına etiği dahil etmenin önemi de dahil olmak üzere yapay zeka ile ilgili her şeyi tartışmak için İkigai Laboratuvarları başkanı Kamal Ahluwalia ile bir araya geldi.

Bize biraz İkigai Laboratuvarlarından ve şirketlere nasıl yardımcı olabileceğinden bahseder misiniz?

İkigai, yapılandırılmış, tablo halindeki veriler için özel olarak tasarlanmış üretken bir yapay zeka platformuyla kuruluşların seyrek, silolara ayrılmış kurumsal verileri tahmine dayalı ve eyleme geçirilebilir içgörülere dönüştürmesine yardımcı oluyor.

Kurumsal verilerin önemli bir kısmı, SAP ve Salesforce gibi sistemlerde bulunan yapılandırılmış, tablo halindeki verilerdir. Bu veriler, bir işletmenin tamamı için planlamayı ve tahminleri yönlendirir. Metin gibi yapılandırılmamış veriler için harika olan Büyük Dil Modelleri (LLM’ler) konusunda çok fazla heyecan olsa da, İkigai’nin MIT’den geliştirilen patentli Büyük Grafik Modelleri (LGM’ler) yapılandırılmış verileri kullanarak sorunları çözmeye odaklanıyor.

İşletmeler dört temel zaman serisi üzerinde çalıştığından, İkigai’nin çözümü özellikle zaman serisi veri kümelerine odaklanıyor: satışlar, ürünler, çalışanlar ve sermaye/nakit. Bu zaman serilerinin yeni bir ürünün lansmanı veya yeni bir coğrafyaya giriş gibi kritik anlarda nasıl bir araya geldiğini anlamak, en iyi sonuçları sağlayan daha iyi kararlar almak için çok önemlidir.

Mevcut üretken yapay zeka ortamını nasıl tanımlarsınız ve bunun gelecekte nasıl gelişmesini öngörüyorsunuz?

OpenAI, Anthropic ve diğerlerinden yüksek lisans eğitimleri gibi hayal gücünü yakalayan teknolojiler tüketici geçmişinden geliyor. İnternet ölçeğindeki veriler üzerinde eğitildiler ve eğitim veri kümeleri giderek büyüyor, bu da önemli düzeyde bilgi işlem gücü ve depolama gerektiriyor. GPT4’ün eğitimi 100 milyon dolar aldı ve GP5’in 2,5 milyar dolara mal olması bekleniyor.

Bu gerçeklik, maliyetlerin çok geniş bir kullanıcı grubu arasında paylaşılabildiği ve bazı hataların eğitim sürecinin sadece bir parçası olduğu tüketici ortamında işe yarar. Ancak kuruluşta hatalara tolerans gösterilemez, halüsinasyonlar bir seçenek değildir ve doğruluk her şeyden önemlidir. Ek olarak, internet ölçeğindeki veriler üzerinde bir model eğitmenin maliyeti hiç de karşılanabilir değildir ve temel bir modelden yararlanan şirketler, IP’lerinin ve diğer hassas verilerinin riske maruz kalma riskiyle karşı karşıyadır.

Bazı şirketler LLM’lerin güvenli bir ortamda kullanılabilmesi için kendi teknoloji yığınını oluşturma yolunu izlemiş olsa da çoğu kuruluş bunu kendi başına oluşturacak yetenek ve kaynaklara sahip değil.

Zorluklara rağmen işletmeler Yüksek Lisans’ın sağladığı türden bir deneyim istiyor. Ancak, veriler seyrek olsa bile sonuçların doğru olması ve gizli verileri temel modelin dışında tutmanın bir yolu olması gerekir. Modelleri eğitme ve yükseltme maliyeti, GPU’lara bağımlılık ve yönetişim ve veri saklamayla ilgili diğer sorunlar da dahil olmak üzere toplam sahip olma maliyetini düşürmenin yollarını bulmak da kritik öneme sahiptir. Bütün bunlar şu anda sahip olduğumuzdan çok farklı çözümlere yol açıyor.

Şirketler üretken yapay zekanın faydalarını en üst düzeye çıkarmak için nasıl bir strateji oluşturabilir?

Büyük Dil Modelleri (LLM’ler) ve bunların potansiyel uygulamaları hakkında çok şey yazılmış olsa da, birçok müşteri “farklılığı nasıl oluşturabilirim?” diye soruyor.

LLM’ler sayesinde neredeyse herkes, sohbet robotu deneyimleri veya pazarlama e-postaları ve içeriği oluşturma gibi aynı yeteneklere erişebilecek; eğer herkes aynı kullanım senaryolarına sahipse, bu bir farklılık yaratmaz.

Önemli olan, odağı genel kullanım örneklerinden, işinize ve koşullarınıza özel optimizasyon ve anlayış alanları bulmaya kaydırmaktır. Örneğin, üretim yapıyorsanız ve operasyonlarınızı Çin dışına taşımanız gerekiyorsa lojistik, işçilik ve diğer faktörlerdeki belirsizliği nasıl planlayacaksınız? Veya daha çevre dostu ürünler oluşturmak istiyorsanız malzemeler, satıcılar ve maliyet yapıları değişecektir. Bunu nasıl modellersiniz?

Bu kullanım örnekleri, şirketlerin belirsiz bir dünyada işlerini yürütmek ve planlama yapmak için yapay zekayı kullanmaya çalıştıkları yollardan bazılarıdır. Belirlilik bulmak ve teknolojiyi benzersiz ihtiyaçlarınıza göre uyarlamak, muhtemelen gerçek rekabet avantajı elde etmek için yapay zekayı kullanmanın en iyi yoludur.

Şirketlerin üretken yapay zekayı devreye alırken karşılaştığı temel zorluklar nelerdir ve bunların üstesinden nasıl gelinebilir?

Müşterileri dinlediğimizde, pek çok kişinin üretken yapay zekayı denediğini ancak yalnızca çok az bir kısmının fahiş maliyetler ve güvenlik endişeleri nedeniyle işleri üretime aktardığını öğrendik. Peki ya modelleriniz GPU’lar yerine CPU’lar üzerinde çalışarak, doğru sonuçlarla ve bu sonuçları nasıl elde edeceğinize dair şeffaflıkla yalnızca kendi verileriniz üzerinde eğitilebilseydi? Verilerin nereden geldiği veya ne kadar verinin yeniden eğitildiğine dair hiçbir soru bırakılmadan tüm düzenleme ve uyumluluk sorunları ele alınsaydı ne olurdu? İkigai’nin Büyük Grafik Modeller ile masaya getirdiği şey budur.

İşletmelerin çözmesine yardımcı olduğumuz zorluklardan biri veri sorunudur. Kuruluşların neredeyse %100’ü sınırlı veya kusurlu verilerle çalışıyor ve çoğu durumda bu, yapay zeka ile herhangi bir şey yapmanın önünde bir engel oluşturuyor. Şirketler sıklıkla veri temizliğinden bahseder ancak gerçekte mükemmel veriyi beklemek ilerlemeyi engelleyebilir. Sınırlı, seyrek verilerle çalışabilen yapay zeka çözümleri, şirketlerin sahip olduklarından öğrenmelerine ve değişiklik yönetimini hesaba katmalarına olanak tanıdığı için çok önemlidir.

Diğer zorluk ise şirket içi ekiplerin daha iyi sonuçlar elde etmek için teknolojiyle nasıl ortaklık kurabileceğidir. Özellikle düzenlemeye tabi endüstrilerde insan gözetimi, doğrulama ve pekiştirmeli öğrenme gereklidir. Döngüye bir uzmanın eklenmesi, yapay zekanın boşlukta karar vermemesini sağlar; dolayısıyla insan uzmanlığını içeren çözümler bulmak çok önemlidir.

Üretken yapay zekanın başarıyla benimsenmesinin şirket kültürü ve zihniyetinde ne ölçüde bir değişim gerektirdiğini düşünüyorsunuz?

Üretken yapay zekanın başarılı bir şekilde benimsenmesi, yönetici ve sürekli eğitimin güçlü taahhüdüyle birlikte şirket kültüründe ve zihniyetinde önemli bir değişim gerektirir. Yapay zeka platformumuzu 140’tan fazla ülkedeki şirketlere sunarken bunu Eightfold’da ilk elden gördüm. Her zaman ekiplerin öncelikle yöneticilerine neyin mümkün olduğu, bunun nasıl yapılacağı ve oraya nasıl gidileceği konusunda eğitim vermesini öneriyorum. Bazı deneyler ve bazı kararlı eylem planlarını içeren, bunu gerçekleştirme taahhüdüne sahip olmaları gerekir. Yapay zekanın günlük yaşamın bir parçası haline gelmesine hazırlıklı olabilmeleri için meslektaşlarından beklentileri de anlamaları gerekiyor.

Yukarıdan aşağıya bağlılık ve yöneticilerin iletişimi uzun bir yol kat ediyor, çünkü yapay zekanın işleri elinden alacağına dair pek çok korku tacirliği var ve yöneticilerin, yapay zeka işleri tamamen ortadan kaldırmayacak olsa da herkesin işinin önemli olduğu yönünde bir ton belirlemesi gerekiyor. Önümüzdeki birkaç yıl içinde sadece alt ve orta seviyedeki insanlar için değil, herkes için değişecek. Dağıtım boyunca sürekli eğitim, ekiplerin araçlardan nasıl değer elde edeceklerini öğrenmeleri ve çalışma şekillerini yeni becerilere uyum sağlayacak şekilde uyarlamaları açısından çok önemlidir.

İşletmenin gerçekliğine etki eden teknolojilerin benimsenmesi de önemlidir. Örneğin harekete geçmek için tüm verilerinizi almanız gerektiği fikrinden vazgeçmelisiniz. Zaman serisi tahmininde, verileri temizlemek için dört çeyrek harcadığınızda, daha fazla veri elde edilir ve bu muhtemelen bir karmaşadır. Mükemmel verileri beklemeye devam ederseniz verilerinizi hiçbir şekilde kullanamazsınız. Dolayısıyla sınırlı, seyrek verilerle çalışabilen yapay zeka çözümleri çok önemlidir, çünkü sahip olduklarınızdan bir şeyler öğrenebilmeniz gerekir.

Bir diğer önemli husus da döngüye bir uzmanın eklenmesidir. Yapay zekanın sihirli olduğunu varsaymak hata olur. Özellikle düzenlemeye tabi endüstrilerde, yapay zekanın sadece karar vermesine izin veremeyeceğiniz pek çok karar vardır. Gözetime, doğrulamaya ve takviyeli öğrenmeye ihtiyacınız var; tüketici çözümleri tam da bu şekilde bu kadar iyi hale geldi.

Üretken yapay zekayı başarıyla kullanan şirketlerle ilgili bizimle paylaşabileceğiniz örnek olaylar var mı?

İlginç bir örnek, ürün kataloglarını rasyonelleştirmek için bizi kullanan bir Marketplace müşterisidir. Taşınacak optimum SKU sayısını anlamaya çalışıyorlar, böylece müşteri ihtiyaçlarını karşılamaya devam ederken envanter taşıma maliyetlerini azaltabiliyorlar. Başka bir ortak, hastanelerde, perakende satışlarda ve konaklama şirketlerinde iş gücü dengeleme için bizi kullanarak iş gücü planlama, tahmin ve programlama yapıyor. Onların durumunda, tüm veriler farklı sistemlerde bulunuyor ve çalışanların sağlığını operasyonel mükemmellik ile dengeleyebilmeleri için verileri tek bir görünüme getirmeleri gerekiyor. Ancak çok çeşitli kullanım durumlarını destekleyebildiğimiz için, tüketime dayalı bir modele geçişin parçası olarak ürün kullanımını tahmin etmekten dolandırıcılık tespitine kadar her şeyi müşterilerle yapıyoruz.

Sen yakın zamanda bir Yapay Zeka Etik Konseyi başlattı. Bu konseyde ne tür insanlar var ve amacı nedir?

Yapay Zeka Etik Konseyimiz, geliştirmekte olduğumuz yapay zeka teknolojisinin etik ve sorumlu tasarıma dayanmasını sağlamakla ilgilidir. Bu, şirket olarak kim olduğumuzun temel bir parçası ve bu kadar etkileyici bireylerden oluşan bir grubun yanında bunun bir parçası olmaktan onur duyuyorum ve onur duyuyorum. Konseyimizde Veri Sistemleri ve Toplum Enstitüsü’nün (IDSS) Kurucu Direktörü ve MIT Profesörü Dr. Munther Dahleh; George Washington Üniversitesi Dekan Yardımcısı ve idare hukuku ve ulusal güvenlik alanında tanınmış bir akademisyen olan Aram A. Gavoor; Pennsylvania Üniversitesi Ulusal Bilgisayar ve Enformasyon Bilimi Merkezi Başkanı Dr. Michael Kearns; ve UC Berkeley’de Elektrik Mühendisliği, Bilgisayar Bilimleri ve İstatistik Bölümlerinde Seçkin Profesör Dr. Michael I. Jordan bulunmaktadır. Ben de bu kurulda bu değerli isimlerle birlikte görev yapmaktan onur duyuyorum.

Yapay Zeka Etik Konseyimizin amacı, yapay zeka gelişimini ve kullanımını etkileyen acil etik ve güvenlik sorunlarının üstesinden gelmektir. Yapay zeka neredeyse her sektördeki tüketiciler ve işletmeler için hızla merkezi hale geldiğinden, sorumlu gelişime öncelik vermenin hayati önem taşıdığına ve etik hususların göz ardı edilemeyeceğine inanıyoruz. Konsey, yapay zeka yönetişimi, veri minimizasyonu, gizlilik, yasallık, doğruluk ve daha fazlası gibi önemli konuları tartışmak için üç ayda bir toplanacak. Her toplantının ardından konsey, kuruluşların ilerlemek için dikkate alması gereken eylemlere ve sonraki adımlara ilişkin öneriler yayınlayacak. İkigai Labs’ın etik yapay zeka dağıtımı ve yenilikçiliğine olan bağlılığının bir parçası olarak konsey tarafından önerilen eylem maddelerini uygulayacağız.

İkigai Labs geçen yılın ağustos ayında 25 milyon dolar fon topladı. Bu, şirketinizi, tekliflerini ve nihayetinde müşterilerinizi geliştirmeye nasıl yardımcı olacak?

MIT’deki çekirdek ekibimizden gelen güçlü bir araştırma ve inovasyon temelimiz var, bu nedenle bu seferki finansman, çözümü daha sağlam hale getirmenin yanı sıra müşteriler ve ortaklarla çalışan ekibin katılımına odaklanıyor.

Pek çok sorunu çözebiliriz ancak zaman serisi süper uygulamaları aracılığıyla yalnızca birkaç anlamlı sorunu çözmeye odaklanmayı sürdürüyoruz. Her şirketin dört zaman serisi üzerinde çalıştığını biliyoruz, dolayısıyla amaç bunları derinlemesine ve hızlı bir şekilde ele almaktır: satış tahmini, tüketim tahmini, indirim tahmini, ürünlerin nasıl sonlandırılacağı, katalog optimizasyonu vb. gibi şeyler. Heyecanlıyız ve araştırıyoruz. Tablosal veriler için GenAI’yi mümkün olduğunca çok müşterinin kullanımına sunmayı hedefliyoruz.

Sektör liderlerinden yapay zeka ve büyük veri hakkında daha fazla bilgi edinmek ister misiniz? Çıkış yapmak Yapay Zeka ve Büyük Veri Fuarı Amsterdam, Kaliforniya ve Londra’da gerçekleşiyor. Kapsamlı etkinlik, aşağıdakiler de dahil olmak üzere diğer önde gelen etkinliklerle aynı yerde bulunuyor: BlockX, Dijital Dönüşüm HaftasıVe Siber Güvenlik ve Bulut Fuarı.

TechForge tarafından desteklenen diğer yaklaşan kurumsal teknoloji etkinliklerini ve web seminerlerini keşfedin Burada.

Etiketler: veri, etik, üretken yapay zeka, Ikigai Labs, llm

CEVAP VER

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz

Share post:

Subscribe

spot_imgspot_img

Popular

More like this
Related