HP ve işletmeler için yapay zeka ve veri sanatı
Özet
AI & Big Data Expo öncesinde Jerome Gabryszewski ile yapılan bu görüşme, yapay zekanın kurumsal ölçekte uygulanmasındaki temel zorluklara odaklanmaktadır. Şirketlerin otomasyona geçiş sürecinde yaşadığı en büyük engelin, yetersiz altyapı ve parçalanmış veri yönetiminden kaynaklanan örgütsel borçlar olduğu vurgulanmaktadır. Ayrıca, yapay zeka projelerinin sürdürülebilirliği için kavram kayması ve veri zehirlenmesi gibi risklerin yönetilmesi gerektiği, aksi takdirde bu projelerin birer yükümlülüğe dönüşebileceği belirtilmektedir.
18-19 Mayıs tarihlerinde San Jose McEnery Kongre Merkezi'nde gerçekleşecek AI & Big Data Expo öncesinde, şirketin Yapay Zeka ve Veri Bilimi İş Geliştirme Müdürü Jerome Gabryszewski ile yapay zeka, yapay zeka kullanımı için verilerin işlenmesi ve yerel ile bulut bilişim arasındaki farklar üzerine konuştuk.
Teknoloji medyası verinin ‘yeni petrol’ olduğu söylemini kullanmayı seviyor, ancak gerçek şu ki, elinizin altında bol miktarda birinci taraf bilgi olsa bile, bunu gerçekten işletmenin yararına kullanmak, özellikle kurumsal ölçekte sorunlu olabiliyor.
Bulut tabanlı bir yapay zeka modelini mi yoksa yerel bilişimi mi tercih etmelisiniz? Akıllı modellerin anlamlı sonuçlar üretebilmesi için ‘veri düzeninizi’ nasıl sağlarsınız? Ve her zaman olduğu gibi, görüşmecilerimizden, bu yapay zeka odaklı iş dünyasında kurumsal BT'nin hızla gelişen hikayesinin bir sonraki bölümünü tahmin etmemize yardımcı olmalarını istiyoruz.
Artificial Intelligence News: Manuel veri alımından otomatize edilmiş veri alımına geçmek teoride kulağa harika geliyor, ancak bunun çok zor olduğu biliniyor. HP, şirketlerin şu anda en çok nerede tıkandığını görüyor?
Gördüğümüz en tutarlı sürtünme noktalarından biri, kuruluşların verilerinin arkasındaki örgütsel ve mimari borçları hafife almalarıdır. Otomasyonun yerleşebilmesi için, departmanlar arasındaki parçalanmış veri sahipliğini, sistemlerdeki tutarsız şemaları ve birlikte çalışabilirlik için asla tasarlanmamış eski altyapıyı uzlaştırmaları gerekir. Otomasyonun teknik yükü, genellikle ondan önce yapılması gereken yönetişim ve entegrasyon çalışmasından daha azdır.
Artificial Intelligence News: Yapay zeka modelleri kendilerini sürekli olarak güncellemeye başladığında, işler kolayca ters gidebilir. Müşterilerinize kavram kayması (concept drift) ve veri zehirlenmesi gibi riskleri yönetmeleri konusunda nasıl tavsiyelerde bulunuyorsunuz?
Sürekli öğrenme, dikkatli bir şekilde yönetilmediği takdirde yapay zekanın bir projeden yükümlülüğe dönüştüğü yerdir. Müşterilerimize, model güncellemelerine kod dağıtımlarına davrandıkları gibi davranmalarını tavsiye ediyoruz. Bir doğrulama aşaması olmadan hiçbir şey üretime alınmamalıdır. Kavram kayması için bu, otomatik sapma algılama özellikli MLOps süreçleri ve yeniden eğitim başlamadan önce insan denetimli tetikleyiciler anlamına gelir. Veri zehirlenmesi için ise bu, bir güvenlik sorunu olduğu kadar bir veri kökeni sorunudur. Eğitim verilerinizin tam olarak nereden geldiğini ve kimlerin erişebildiğini bilmek kritik öneme sahiptir. Bunu doğru yapan müşteriler, mutlaka teknik olarak en gelişmiş olanlar değildir; yapay zeka yönetişimini ölçeklenmeden önce risk çerçevelerine dahil etmiş olanlardır.
Artificial Intelligence News: HP'nin donanım köklerine değinmek istiyorum. Otonom bir yapay zeka yaşam döngüsünün ağırlığını kaldırabilmek için modern bir iş istasyonunun veya bilişim kurulumunun bugün aslında neye benzemesi gerekiyor?
HP'nin buradaki kökleri aslında önem taşıyor. Z serisi, 15 yılı aşkın süredir en zorlu profesyonel bilişim ihtiyaçları için özel olarak üretilmiştir, bu nedenle otonom bir yapay zeka yaşam döngüsünün donanımdan aslında ne gerektirdiğini konuştuğumuzda tahminde bulunmuyoruz; bu sorun üzerinde çoğu kişiden daha uzun süredir çalışıyoruz!
Cevap tek bir makine değil, bir yelpazedir.