Öncelikle sizi tanıyabilir miyiz? Kariyer yolculuğunuz nasıl şekillendi ve Iveco Group’taki pozisyonunuza gelmenizde hangi faktörler etkili oldu?
Kariyerime otomotiv sektöründe bir ürün geliştirme mühendisi olarak başladım ve ürün geliştirmenin her aşamasında çalıştığımı söyleyebilirim. Yaklaşık 20 yılımı Ford’da Baş Mühendis olarak geçirdim ve son 5 yıldır Iveco Group’ta Otobüs İş Geliştirme Başkanı olarak görev yapıyorum. Geçen ay Iveco Group’ta Tedarikçi Kalite Mühendisliği ve Geliştirme Başkanı rolünü üstlendim. Beni buraya getirenin, çeşitli projelerde ve ülkelerde edindiğim kapsamlı deneyimimin yanı sıra ekip çalışmasının önemine dair anlayışım olduğuna inanıyorum.
Iveco Group’ta yapay zekânın şu anda en çok kullanıldığı alanlardan bahsedebilir misiniz? Yapay zekâ teknolojisi, mevcut durumuyla, üretim süreçleri de dahil olmak üzere otomotiv endüstrisine nasıl katkıda bulunuyor?
Otomotiv sektöründe yapay zekânın hem ürün geliştirme hem de operasyonlarda birçok uygulaması bulunmaktadır. Genellikle akla otonom araçlar gelse de yapay zekâ aynı zamanda operasyonlarda verimliliği ve kaliteyi artırmak ve otomotiv şirketlerinin halihazırda sahip olduğu büyük veri setlerini süreç madenciliği yoluyla yorumlamak için de kullanılıyor. Ancak, bu süreçler ve nihai ürün üzerindeki etkileri henüz tam olarak ölçeklendirilmemiştir. Yapay zekâ uygulamalarının katlanarak hızlanmasını ve pazardaki küresel rekabet için çok önemli hale gelmesini bekliyorum. Bir dönüm noktasında olduğumuzu söyleyebiliriz.
Otonom sürüş teknolojilerinin trafik kazalarını önleme potansiyelini nasıl değerlendiriyorsunuz? Bu alandaki en büyük öncelikleriniz nelerdir?
Bugün, her yıl 3 milyon insan trafik kazalarına karışmaktadır. Sorumluluğun tamamen otonom sürücüde olduğu Seviye 4 otonom sürüşten önce Seviye 3 ve Seviye 2+ çözümlerini göreceğiz. Temmuz 2024’te, Küresel Güvenlik Yönetmeliği (GSR) ticari araçlar için yasal bir gereklilik olarak yürürlüğe girecektir. Bu, ADAS’ın (Gelişmiş Sürücü Destek Sistemleri) kazaları önlemede önemli bir rol oynadığı bir Seviye 2 çözümü olarak kabul edilebilir. Otomatik frenleme, uyuşukluk uyarıları, kör noktalardaki bisikletlileri algılama ve otomatik hız sınırı okuma gibi özellikler halihazırda mevcuttur. Bunun ardından, LiDAR, kameralar ve radarlar gibi sensörler kullanılarak Seviye 3 çözümleri (sorumluluğun hala sürücüde olduğu) uygulanacaktır. Burada özellikle Fonksiyonel Güvenlik’ten bahsetmek istiyorum. ISO 26262 yönetmeliği, otonom aracın her koşulda güvenli bir şekilde durmasını sağlar.
Endüstri 5.0, insan-makine iş birliği konusunda nasıl bir dönüşüm yaratıyor? Bu bağlamda yapay zekânın rolü ne olacak?
İşbirlikçi robotik, mevcut robotik otomasyondan farklı bir şekilde sahneye çıkıyor. Bir kaynak robotu, belirlenmiş alanında izole bir şekilde çalışır. Artık insanlarla birlikte çalışan ve güvenlik önlemlerini içeren otomasyon, verimlilik için çok önemli olacak. Burada, makine öğrenimi fark yaratıyor. Robotlar artık sadece onlar için tanımladığımız şeyleri tekrarlamayacak; sahip oldukları verilerden öğrenecekler ve kalite ile verimlilik için önemli olacak kendi kararlarını verecekler. Makine öğreniminde verinin kalitesi çok önemlidir; eğer eğitim verisi yanlışsa, yapay zekâ bize yanlış sonuçlar verecektir. Otomasyon artık sadece kodlama üzerine değil, veriden öğrenme üzerine çalışıyor ve otomotiv sektörü, sahip olduğu büyük veriyi nasıl etkili bir şekilde kullanacağını belirlemek için çok çalışmalıdır.
Otomotiv sektörünün ötesinde, yapay zekânın önümüzdeki yıllarda en çok hangi alanlarda dönüşüm yaratacağını düşünüyorsunuz?
Buradaki en önemli hususun, yapay zekânın insanlığın yararına çalışması gerektiğine inanıyorum. İnsanlık tarihindeki en büyük teknolojik devrimden bahsediyor olabiliriz. Elektriğin veya otomobilin icadından daha büyük bir etkiden bahsediyor olabiliriz. Bu nedenle, bu kadar önemli bir faydayı yanlış veya gereksiz alanlarda kullanmak büyük bir kayıp olacaktır. İklim değişikliği hakkında yoğun bir şekilde konuşurken, yapay zekânın gerektirdiği önemli enerji taleplerini göz ardı edemeyiz. Yine de eğer kullanacaksak, insanlığın büyük sorunlarını ele almamız gerektiğine içtenlikle inanıyorum. Bu nedenle, yapay zekâyı sağlık, eğitim, çevre güvenliği, ekonomi, fırsat eşitliği, endüstriyel verimlilik ve rekabetçilik gibi alanlarda yoğun bir şekilde kullanmamız gerektiğini düşünüyorum.
Son görüşmemizde, yapay zekânın henüz tam potansiyeline ulaşmadığını belirtmiştiniz. Okurlarımız için bu konuyu biraz daha açabilir misiniz? Bilim insanları ve şirketler tam potansiyele ulaşmak için nelere odaklanmalı?
Bir önceki soruda da belirttiğim gibi, yapay zekâyı uzun yıllardır mücadele ettiğimiz ve hatta kolektif insan zekâsının bile yetersiz kaldığı alanlardaki sorunları çözmek için kullanmamız gerektiğine inanıyorum. Teknolojik ilerlemede bir yavaşlama yaşayacağımızı düşünmüyorum. Yapay zekâ modelleri hızla gelişmeye devam edecek; hatta bugün geçerli olan bir modelin birkaç ay içinde yenisiyle değiştirilebileceği olasılığını bile konuşuyoruz ve bazı bilim insanları bu sürenin bir haftaya kadar düşebileceğini öngörüyor. Bu nedenle, teknolojik gelişme açısından sorunlarla karşılaşmayacağız. Aynı zamanda, veri işleme donanım kapasiteleri de benzer bir hızda ilerliyor. GPU’lardaki sürekli iyileştirmeler, daha fazla veriyi daha hızlı işleyeceğimizi gösteriyor ve bu eğilim, saha uygulamalarında 5G ve uç uygulamalarla destekleniyor. Vurgulamak istediğim şey, yapay zekânın faydalı bir uygulama olarak ortaya çıkması ve sorunları çözmesi gerektiğine inanmamdır; çok daha büyük bir potansiyele sahip olmalıdır. Bu konuda sorumluluklar iş dünyasına, şirketlere, girişimcilere ve hatta kâr amacı gütmeyen kuruluşlara düşmektedir.
Okurlarımıza geleceğe ışık tutmak adına, yapay zekânın teknolojiyle birlikte fayda sağlayacağı temel alanları özetleyebilir misiniz?
Yapay zekâ teknolojileri kendi içlerinde çeşitlilik gösterir. Makine görüsü, otonom araçlarda ve endüstrilerde kalite ve verimliliği artırmak için kullanılır; Büyük Dil Modelleri (LLM’ler), satış sonrası hizmetlerde ve şirket süreçlerinin iyileştirilmesinde kullanılır; makine öğrenimi, sağlık ve inovasyon araştırmalarında kullanılır. Eminim ki yapay zekâ alanında daha derinlemesine çalışanlar bunları benden daha iyi özetleyecektir. Yine, uygulamaların önemini vurgulamak istiyorum. Bu teknolojileri faydalı uygulama alanlarına dönüştürmeyi başaranların, yapay zekâ üzerinde çalışan matematikçiler, bilim insanları ve yazılım mühendislerinin yanı sıra, teknoloji geliştiricileri kadar toplumlarına da fayda sağlayacağına inanıyorum. Ek olarak, konuyu sadece uygulamalara atıfta bulunarak basite indirgememeliyiz; bu alan yine de çok yüksek teknolojik beceri ve nitelikler gerektirecektir. Çok sayıda faydalı uygulama fırsatıyla karşı karşıyayız. Şu anda, otonom araçlar ve belki de fabrikalardaki ve depolardaki robotlar dışında henüz fiziksel yapay zekâ görmedik; önümüzdeki on yıl içinde yapay zekâ, fiziksel yapılara girme noktasına gelecektir. Şu anda insansı robot konseptlerine tanık oluyoruz. Temel faydalarını tartışırken, potansiyelini ve uygulama alanlarını tam olarak görmeden yarattığı sosyal riskler hakkında konuşmak için henüz erken görünüyor. Her büyük teknoloji, insanlıkta sosyolojik değişikliklere yol açmıştır; insanlığın yaşadığı en büyük devrimden bahsediyoruz ve getireceği değişiklikleri etraflıca analiz etmeliyiz.
Şirketler teknolojik gelişmeyi insanlığın faydasına odaklamak için nasıl bir yol izlemeli?
Otonom araçlar aracılığıyla sürücü hatalarını tamamen ortadan kaldırarak kurtarılan insan hayatı sayısı ölçülemez bir fayda olacaktır. Bu sadece bir uygulama örneği. Bu faydaları sağlık, eğitim ve fırsat eşitliği gibi alanlarda keşfedebiliriz. Ancak, hepimizin farkında olması gereken önemli nokta, yapay zekânın bir çocuğunkine benzer bir öğrenme sürecinden geçtiğidir. Yapay zekâ, kararlarını yalnızca programcısı tarafından belirlenen açıkça tanımlanmış tekrarlayan eylemlere dayanarak vermez; etiketlenmiş verilerden veya yakın çevresinden verdiği kararların doğruluğuna göre ödüller veya cezalar alarak genel puanını artırmak için tasarlanmış modeller aracılığıyla öğrenir. Bisiklete binmeyi öğrenen her çocuk başlangıçta düşer ve bu kabul edilmelidir. Elbette, şirketler ve yasa koyucular kurallar ve düzenlemeler belirlemelidir, ancak insan hayatına ve etiğe %100 bağlı kalarak öğrenmeyi kolaylaştıracak sentetik verilerden öğrenme sürecine büyük önem verilmelidir. Kanser teşhisinde %99 doğruluk seviyesine ulaşmış bir yapay zekâ, bir milyonluk bir nüfusta erken teşhis yoluyla 990.000 hayat kurtarıyor olarak algılanabilir, ancak aynı zamanda 10.000 yanlış teşhis anlamına gelebileceği de önemlidir. Şirketler ve girişimciler, etiğe dikkat ederken yapay zekâ uygulamalarını cesurca artırmalıdır.
Yapay zekâ alanında kariyer yapmak isteyen gençlere ne gibi tavsiyelerde bulunursunuz?
Burada sadece birkaç naçizane tavsiyede bulunabilirim. İlk tavsiyem, elbette Python’ı iyi bilmenin önemli olduğu ve hızlı çözümler için Keras, PyTorch, TensorFlow ve OpenCV gibi açık kaynaklı kütüphanelerden yararlanmanın şart olduğudur. Ürün geliştirmenin her aşamasında çalışmış bir mühendis olarak, onlara altta yatan matematiksel modelleri de iyi anlamalarını tavsiye ederim. Eğer bu alanda eksiklik varsa, fark yaratacak uygulamalar sınırlı kalabilir. İkinci olarak, yapay zekânın gelip geçici bir teknolojik trend olmadığını anlamalı ve pes etmeden çözümlerini üretmeye kendilerini tamamen adamalıdırlar. Son olarak, bu teknolojiyi insanlığın ihtiyaçları doğrultusunda büyük sorunları çözmek için kullanmalıdırlar.
Yapay zekâ tabanlı projeler geliştiren girişimciler için en önemli başarı faktörlerinin neler olduğunu düşünüyorsunuz?
Önemli sorunları çözmenin önemini zaten tartıştık. Bir diğer konu ise kendimizi nasıl farklılaştıracağımızdır. Bir yanda matematiksel modellerden ve öğrenme algoritmalarından bahsediyoruz; diğer yanda ise uygulama aşamasında teknolojik engeller var gibi görünüyor. Peki yaptığımız işin başkaları tarafından kolayca kopyalanamayacağını, ürün veya hizmetimizde bize rekabet avantajı sağladığını nasıl bileceğiz? Dahası, günümüz girişimcileri geçmiş girişimcilerin ihtiyaç duyduğu yüksek sermayeyi gerektirmiyor; herkes rakibiniz olabilir. Bu nedenle, benzer ürünler ortaya çıksa bile, performans açısından ayırt edici özelliklere sahip olmaları gerekir. Benim tavsiyem, çekirdek teknoloji aynı olsa bile (örneğin bir LLM temel modeli), ürünün performansını farklılaştıran ve geliştirilmesi en az 4-6 ay süren özelliklere sahip olması gerektiğidir. Elbette en önemlisi, bu ayırt edici performans özelliklerinin müşteri için önemli bir değer taşıması gerektiğidir. Bir diğer nokta ise, kavramsal olarak çalışan çözümlerin ölçeklendiğinde aynı performansı göstermeyeceğini bilerek ölçeklendirme sürecini iyi planlamaları gerektiğidir.
Girişimciler yapay zekâyı iş modellerine entegre ederken nelere dikkat etmeli?
Bu konuya çok yönlü bakılmalıdır. Odak noktası sadece fayda ve yatırım getirisi olursa ki bunlar açıkça temel ve çok önemlidir, konunun bir yönü gözden kaçırılabilir: öğrenme ve adaptasyon süreci. Şirketler, yapay zekânın iş modellerine şu anda getirebileceği bazı faydaları göremeyebilirler bile ve adaptasyon sürecinde yeni faydalar keşfedeceklerdir. Bu nedenle, mevcut bir iş modeline sahip, büyük veya küçük bir şirket, tereddüt etmeden yapay zekâ uygulamaya başlamalıdır; bu yolculuk sırasında beklemedikleri yeni faydalar göreceklerine inanıyorum. Özetle, bir yerden başlamak esastır.
Gençler ve girişimciler büyük şirketlerle iş birliği yaparken sizce nasıl bir strateji izlemeli?
Öncelikle, her büyük şirketin girişimcilerle çalışan ve onların çalışma modellerini anlayan bir yapısı olmayabilir. Benim tavsiyem, büyük şirkette bir startup ekosistemi olup olmadığını ve üst ve orta düzey yöneticilerin girişimcilerin iş modellerine aşina olup olmadığını kontrol etmeleridir. İkinci olarak, ürün veya hizmetlerinin büyük şirketin mevcut ürün portföyüne veya iş modellerine hızla adapte edilip edilemeyeceğini araştırmalıdırlar. Eğer bu iki koşul karşılanırsa, hızla kazan-kazan ortaklıkları ortaya çıkabilir ve bunların gerçek örneklerini birçok kez gördük.
Röportaj: Aysu Dericioğlu Egemen