World Summit AI 2019 İzlenimlerim
9–10 Ekim tarihlerinde Hollanda’nın Zaandam kentinde düzenlenen World Summit AI 2019 etkinliği, 200 konuşmacı ve 165 ülkeden 6.000’in üzerinde katılımcı ile gerçekleşti. Konferans sırasında açıklanan bilgilere göre, katılımcıların %70’i farklı zaman dilimlerindeki ülkelerden geliyordu.
Konferansın öne çıkan temaları arasında sürdürülebilirlik ve cinsiyet eşitliği yer alıyordu. Eşzamanlı başka bir paneli dinlediğimden katılamadım ama Women in AI ekibi adına Ecem Yılmazhaliloğlu’nun gerçekleştirdiği sunum çok beğenildi. Diğer panellerde de kadın katılımcılar her seferinde gururla takdim edildi.
Sürdürülebilirlik ile ilgili olarak, öğrenen makineler için haracanan enerjinin azaltılmasına dikkat edilmesi konuşuldu. Bu amaçla, daha modellemeye başlarken verimliliği ön planda tutmak gerektiğinden bahsedildi.
Yapay Zeka balonu mu?
Rebooting AI isimli konuşmasında Gary Marcus, yapay zekanın adeta bir “sihirli değnek” olduğuna dair izlenimleri yıkacak şu örnekleri verdi:
- Geçmişte bu yönde öngörüler olmasına rağmen, henüz radyologlar yerine herhangi bir yapay öğrenme algoritması geçmiş değil
- Otonom arabaların yaptığı kazalar
- Görüntü işleme alanındaki yanlılıklar (“bebek” resmi aratınca sadece beyaz bebeklerin gelmesi gibi)
- Görüntü tanımlama alanında, arka planı temiz ve kendi belirgin olan nesnelerde başarılı sonuçlar alınırken, resmin arka planına veya nesnesinin üzerine çıkartmalar yapıştırıldığında, görüntü tanımlayıcı saçma sonuçlar verebiliyor. Bu konuda yapılmış bir çalışmaya şuradan erişilebilir:
Bu noktada, 2000’li yılların başında internet kitapçıları ile ilgili bir makalede rastladığım “Uzun Kuyruk Olgusu” (Long Tail Phenomenon) tekrar karşıma çıktı. Kavram şu şekilde özetlenebilir: Klasik kitapçılar, yer azlığından dolayı sadece satış miktarı çok olan ürünlere raflarında yer ayırabiliyorlar. Internet kitapçılarının ise yer problemi olmadığı için, satış miktarı az olan ürünler de ürün gamlarında yer buluyor. Bu çeşitlilik sayesinde de internet kitapçıları avantaj sağlıyor. Uzun kuyruk ismi ise aşağıdaki görselde de görülebileceği gibi, satış miktarı az olan ürünlerin grafiğinin sağa doğru kuyruk şeklinde uzamasından ileri geliyor.
Haklı olarak bunun yapay zeka ile ilgisini soracaksınız. Şöyle ki, derin öğrenme algoritmaları, çok sayıda genelgeçer girdi ile eğitildiklerinde ve test edildiklerinde başarılı sonuçlar üretiyorlar. Ancak az sayıda olağandışı girdi, bu algoritmaların çuvallamasına sebep oluyor.
Kurumsal bir Yapay Zeka Projesini Üretime Almak
Facebook’ta mühendislik direktörü olarak görev yapmış olan Fernanda Weiden, yapay zeka projelerinde birbiri ile yarışan hedeflerden söz etti:
- Yapay zeka mühendisleri (ya da veri bilimcileri) çalışmalarının hızlı bir şekilde başlayıp sonlanmasını talep ediyor
- Altyapı mühendisleri sunucuların verimli işler tarafından verimli bir şekilde kullanılmasını istiyor
- Ürün yöneticileri, daha iyi modellerle ürünlerini geliştirmek istiyor
- Hiç kimse kesinti ya da eski versiyona dönüş istemiyor :)
Tüm bu hedefleri adresleyebilmek için, elimizdeki problem parçalara ayırabiliriz
- Geliştirici ortamı
- Zamanlayıcı ve öbek kontrolü (Altyapı planlama)
- Veri yönetimi
- Test ve üretime geçiş
Fernanda Weiden veri yönetimi konusunda, verinin sahibinin belli olması, veri büyümesinin takip edilmesi ve kullanılmayan veri setlerinin otomatik olarak silinmesi şeklinde önerilerde bulundu.
“Önce işinizi, sonra veriniz işiniz ile nasıl ilintili bunu iyi bilin”
Konferans sırasındaki en etkili cümle yukarıdakiydi. Firefly.ai kurucusu Hila Lamm katıldığı panelde, iyi bir yapay zeka projesi yapmak için başlıktaki iki ön koşulu dile getirdi. Ayrıca, geliştirme ve sistem ekiplerinin kendilerini ayrı gruplar olarak değil, bir platformun parçaları olarak görmesi gerektiğini söyledi.
Birkaç sunumda, hem alan bilgisi hem teknik bilginin gerekli olduğundan bahsedildi. Bir sunumda ise bunlara ek olarak insan psikolojisi bilgisi (people knowledge) de olmalı dendi. Yapılan çalışmaların destek görebilmesi ve ekip uyumu için önemli bir bilgi birikimi gerçekten.
Konferansın yinelenen temaları arasında organize olabilme ve süreç yönetimi de vardı. Anne Mary Neetham verdiği örnekte, yolda arabasının bozulması durumunda, zincirleme olarak çocuklarının okuluna geç kalacağının haber verilebileceği ve doktor randevusunun uygun saate yeniden ayarlanabileceği bir kişisel asistan hayalinden bahsetti. Aslında bir yandan otonom araçlar tasarlayıp, görüntü oluşturma, duygu analizi gibi çalışmalar yaparken, bir yandan hepimiz hayatımızdaki olayların düzen içerisinde akmasını istiyoruz.
“Hungerithm”
Katıldığım sunumlardan birinde, gülümseten bir örnek olarak Hungerithm çalışmasından bahsedildi. Mars firması, Twitter üzerinde gerçekleştirdiği duygu analizi çalışması ile kişilerin duygu durumuna göre ürettiği gofretlerin fiyatını düzenliyormuş. Örneğin yağmur yağdı ve insanlar sinirli tweetler atmaya başladı, gofret fiyatı, talebi artırmak ve insanların duygu durumunu düzeltmek için bir miktar düşürülüyormuş.
(Yağmur söz konusu olunca, Amsterdam’da bir mağazanın vitrininde rastladığım aşağıdaki görseli de paylaşmak isterim.)
İnsan Kaynakları Alanında AI Kullanımı
İK alanında akla ilk olarak özgeçmişlerin yapay zeka algoritmaları tarafından ön filtreden geçirilmesi geliyor. Baidu’nun baş veri bilimcisi tarafından yapılan sunumda, buna ek olarak iş — özgeçmiş eşleştirilmesi, mülakatçı — aday eşleştirilmesi, çalışanın liderlik potansiyelinin belirlenmesi, çalışanın ayrılma olasılığının belirlenmesi ve ekip oluşturma konularında yapay zeka kullanımından bahsetti. Alan bilgisi burada da çok önemli. Aşağıdaki iki örnekte, kişinin potansiyelini belirleme ve liderlik özelliklerini belirlemede kullandıkları özelliklerin (feature) listesi yer alıyor.
İstatistiki Bilgiler
CBInsights tarafından hazırlanan sunum, faydalı istatistiki bilgiler içeriyordu. Alttaki ekran görüntüsünde, 2013 yılından 2019 yılına kadar farklı sektörlerin yapay zekaya olan taleplerini görebilirsiniz. Genel artış trendinde en başta yer alan sektörler sağlık, finans ve sigorta olarak sıralanıyor.
Yapay zeka alanında dünya çapında bir eğilim var. Bunun göstergesi olarak aşağıdaki grafik incelenebilir.
Taleple beraber rekabet de artıyor. Aşağıdaki grafiklerde sağlık ve mikroçip üretiminde eskiden olan rekabet ortamı solda ve ortada, yapay zeka kavramının ivmelenmesi ile artan rekabet de sağda görülebilir.
Aşağıda bankacılık alanında yapay zeka kullanım senaryolarının bir derlemesi görülebilir. Bir sonraki görsel ise, bu kullanım senaryolarının teknik olgunluk ve gerçekten ihtiyaç olup olmadığına dair kategorize edilmiş hali.
Yapay Zeka Algoritmalarının Açıklanabilirliği
Yapay zeka algoritmalarının güvenirliğinin, 4 bileşenin birden bulunmasına bağlı olduğundan bahsedildi:
- Açıklanabilirlik
- Bütünlük (Yapay zeka modelinin ve verinin bütünlüğü)
- Yansızlık
- Dayanıklılık (Model verideki değişikliklere rağmen tutarlı sonuçlar üretiyor mu?)
Açıklanabilirlik konusunda yerel ve küresel açıklanabilirlik kavramlarından söz edildi. Örneğin yerel açıklanabilirlikte: “Zeynep neden kredi alamadı?” gibi soruların açıklaması yer almalıyken, küresel açıklanabilirlikte: “Model hangi özelliklere daha çok ağırlık veriyor?” sorusunun açıklaması bulunmalı. Finansal uygulamalarda, modellerin açıklanabilir şekilde tasarlanıyor olması gerektiğinin üzerinde duruldu. Bu aynı zamanda düzeltilebilirliği de beraberinde getiriyor.
Otonom Araçlar
Konferanstaki en etkili sunumlardan biri Uber ATG (Advanced Technologies Group) firmasına aitti. Sunumda 2 boyutlu ve 3 boyutlu görsel ve IoT girdilerinden yola çıkarak, çevredeki araçların yerlerinin ve tahmini rotalarının tespiti, şeritlerin belirlenip ekran görüntüsüne yerleştirilmesi yönünde yapılan çalışmalardan bahsedildi. Uber ATG tarafından yapılan çalışmalarla ilgili detaylı bilgiye https://eng.uber.com/avs-autonomous-vehicle-visualization/ ve https://eng.uber.com/research/?_sft_category=research-self-driving-vehicles adreslerinden ulaşılabilir.
İncelemek üzere not aldığım kavramlar arasında MLOps, Continuous Delivery for Machine Learning (CD4ML) ve AI Upskilling yer alıyor.
Kapanışı, bir markette rastladığım, sadece kredi kartının geçerli olduğunu belirten aşağıdaki tabela ile yapıyorum.
