Büyük Şirketler Güvenebilecekleri Yapay Zeka Verilerini Belirlemenin Bir Yolunu Buldu
Ana akım şirketlerin yapay zeka uygulamalarına güç veren verilerin kaynağı konusunda endişeleri var. Bir endüstri grubu bu sorunu ele alıyor.
Veri, yapay zekanın yakıtıdır. Aynı zamanda büyük işletmeler için de bir darboğazdır, çünkü yapay zeka programları oluşturmak için kullanılan veriler hakkında daha fazla bilgi sahibi olmadan teknolojiyi tam olarak benimsemekte isteksizdirler.
Şimdi, bir şirketler konsorsiyumu verilerin kaynağını, geçmişini ve yasal haklarını tanımlamak için standartlar geliştirdi. Standartlar esasen verilerin nerede, ne zaman ve nasıl toplandığı ve üretildiğinin yanı sıra kullanım amacı ve kısıtlamaları için bir etiketleme sistemidir.
Perşembe günü açıklanan veri kaynağı standartları, American Express, Humana, IBM, Pfizer, UPS ve Walmart'ın yanı sıra birkaç start-up'ın da aralarında bulunduğu iki düzine büyük şirket ve kuruluştan oluşan ve kar amacı gütmeyen bir grup olan Data & Trust Alliance tarafından geliştirildi.
İttifak üyeleri, veri etiketleme sisteminin, gıdanın nereden geldiği, kimin ürettiği ve yetiştirdiği ve market rafına giden yolda gıdayı kimin işlediği gibi temel bilgileri gerektiren gıda güvenliği için temel standartlara benzer olacağına inanıyor.
Yöneticiler, yapay zeka modellerinde kullanılan veriler hakkında daha fazla açıklık ve daha fazla bilginin, teknolojiye olan kurumsal güveni artıracağını söylüyor. Önerilen standartların ne kadar yaygın kullanılacağı belirsizdir ve büyük ölçüde standartların uygulanmasının ve otomatikleştirilmesinin ne kadar kolay olduğuna bağlı olacaktır. Ancak standartlar, elektrikten internete kadar her önemli teknolojinin kullanımını hızlandırdı.
UPS'in bilgi teknolojileri ve veri analitiği başkanı Ken Finnerty, "Bu, verileri bir varlık olarak yönetmeye yönelik bir adım, ki bugün sektördeki herkes bunu yapmaya çalışıyor" dedi. "Bunu yapmak için verilerin nerede, hangi koşullar altında oluşturulduğunu, kullanım amacını ve yasal olup olmadığını bilmeniz gerekir."
Anketler, verilere daha fazla güven duyulması ve veri kullanımında verimliliğin artırılması ihtiyacına işaret ediyor. Kurumsal üst düzey yöneticilerle yapılan bir ankette, çoğunluk yapay zekanın benimsenmesinin önündeki en önemli engel olarak "veri soyağacı veya kaynağı hakkındaki endişeleri" göstermiştir. Veri bilimcileri ile yapılan bir ankette ise zamanlarının yaklaşık yüzde 40'ını veri hazırlama görevlerine harcadıkları ortaya çıkmıştır.
Veri girişimi esas olarak şirketlerin kendi yapay zeka programlarını oluşturmak için kullandıkları iş verilerine ya da Google, OpenAI, Microsoft ve Anthropic gibi şirketlerin yapay zeka sistemlerine seçici olarak besleyebilecekleri verilere yöneliktir. Veriler ne kadar doğru ve güvenilir olursa yapay zeka tarafından üretilen cevaplar da o kadar güvenilir olur.
Şirketler yıllardır yapay zekayı, ürün tavsiyelerini uyarlamaktan jet motorlarının ne zaman bakıma ihtiyaç duyacağını tahmin etmeye kadar çeşitli uygulamalarda kullanıyor.
Ancak geçtiğimiz yıl OpenAI'nin ChatGPT'si gibi sohbet robotlarına güç veren sözde üretken yapay zekanın yükselişi, verilerin kullanımı ve kötüye kullanımı konusundaki endişeleri artırdı. Bu sistemler insana benzer bir akıcılıkla metin ve bilgisayar kodu üretebiliyor, ancak eriştikleri ve bir araya getirdikleri verilere bağlı olarak sıklıkla bir şeyler uyduruyorlar - araştırmacıların deyimiyle "halüsinasyon görüyorlar".
Şirketler genellikle çalışanlarının sohbet robotlarının tüketici versiyonlarını serbestçe kullanmalarına izin vermiyor. Ancak, iş raporları, sunumlar ve bilgisayar kodu yazmaya yardımcı olmak için yapay zeka sistemlerinin üretken yeteneklerini kullanan pilot projelerde kendi verilerini kullanıyorlar. Ve bu kurumsal veriler müşteriler, tedarikçiler, hava durumu ve konum verileri dahil olmak üzere birçok kaynaktan gelebilir.
IBM'in yazılımdan sorumlu kıdemli başkan yardımcısı Rob Thomas, "Gizli sos model değil," diyor. "Verilerdir."
Yeni sistemde, soy, kaynak, yasal haklar, veri türü ve üretim yöntemi dahil olmak üzere sekiz temel standart var. Daha sonra standartların çoğu için daha ayrıntılı açıklamalar var - örneğin verilerin sosyal medyadan veya endüstriyel sensörlerden geldiğini belirtmek gibi.
Veri dokümantasyonu yaygın olarak kullanılan çeşitli teknik formatlarda yapılabilir. Veri konsorsiyumundaki şirketler, standartları iyileştirmek ve geliştirmek için test ediyorlar ve plan, önümüzdeki yılın başlarında bunları halka açık hale getirmek.
Verilerin tür, tarih ve kaynağa göre etiketlenmesi bireysel şirketler ve sektörler tarafından yapılmıştır. Ancak konsorsiyum, bunların tüm sektörlerde kullanılması amaçlanan ilk ayrıntılı standartlar olduğunu söylüyor.
Transcarent'ta raporlama ve analizden sorumlu başkan yardımcısı ve veri bilimcisi olan Thi Montalvo, "Hayatım boyunca veri içinde boğuldum ve neyi kullanabileceğimi ve neyin doğru olduğunu anlamaya çalıştım" dedi.
Veri konsorsiyumunun bir üyesi olan Transcarent, sağlık hizmetlerini kişiselleştirmek ve sağlayıcılara yapılan ödemeleri hızlandırmak için veri analizi ve makine öğrenimi modellerine dayanan bir start-up.
Hiç yorum yok:
Yorum Gönder