KADINLAR GELECEĞİ ŞEKİLLENDİRİYOR - Kapak Dosyası - 3
İzmir Fen Lisesi’nin ardından dünyanın en iyi üniversitelerinden California Berkeley’de elektrik-elektronik ve bilgisayar öğrenimi gördü. Stanford Üniversitesi’nde doktora yaptı. Amazon, Microsoft ve Facebook gibi dev şirketlerde az sayıdaki kadın mühendisten biri olarak projelerde çalıştı. Geçtiğimiz yıl Google AI’da ‘research scientist’ unvanıyla başladığı ilk proje, Google tarafından hayata geçirilmek üzere duyuruldu. Henüz kariyerinin başında olmasına rağmen başarılarıyla birçok gence ilham veren Beliz Günel ile konuştuk.
Berkeley’de ilk olarak biyomedikal görüntüleme alanında araştırma yaptınız. Neden bu alanı seçtiniz?
Ailemde çok sayıda doktor var ve bu nedenle tıbba karşı bir ilgim vardı. Mühendislikle tıbbın kesişimi gibi ve daha matematiksel bir konu olduğu için bu alana doğal bir yönelme oldu bende. Bir de hem eğitim hem meslek hayatımda rol model olarak aldığım insanların çalışmalarını takip edip onlarla çalışmayı seçtim. Mesela Berkeley’de Steven Conolly diye bir hocayla bir seminerde tanıştım ve çalışma tarzını çok beğendim. Onunla araştırma yapmaya başladım.
Lisans eğitiminiz sırasında büyük şirketlerde çalışma imkânınız oldu.
Berkeley’de son iki senemde büyük oranda elektrik elektronik derslerinde asistanlık yaptım.
800 kişinin katıldığı derslere girdim ve ders vermekten çok keyif aldım. Maaş almaya da başlamıştım doktora öğrencisi gibi. Sonra Amazon Lab 126’da Alexa’nın yapıldığı bölümde staj yaptım. Bu da benim için çok belirleyici bir tecrübe oldu. Çok sıkıcıydı çünkü. Alexa’nın görüntülüsü üstünde çalışılıyordu ama 2016’da o cihaz çok basit şeyleri yapabiliyordu. Ekipteki mühendisler benden yaşça çok büyüktü ve işleri çok yavaş yapıyorlar gibi geliyordu bana. Bu staj doktoraya başvurma sebeplerinden biri oldu diyebilirim.
Endüstri beni heyecanlandırmadı
Amazon’daki çalışma döneminizin kariyerinizi şekillendirmekte nasıl bir etkisi oldu?
O dönem Çin'deki Amazon fabrikasına mühendis olarak yolladılar beni. Orada çok enteresan birkaç olay yaşadım. Amerika takımından oraya giden birkaç erkek mühendise olan yaklaşımla bana olan yaklaşım arasında dağlar kadar fark vardı. Bilgi düzeyi olarak neredeyse aynıydık ama oradaki hiyerarşi ve genel bakış açısı rahatsız ediciydi. Oradan dönünce endüstriyi çok sevmediğimi fark ettim ve Amazon’dan gelen yüksek maaşlı iş teklifini kabul etmedim. 22 yaşındaydım ama bu teklif beni hiç doyurmamıştı. Doktoraya başvurmaya karar verdim ve Stanford Üniversitesi elektrik-elektronik doktorasına kabul aldım. Signal processing optimization gibi matematiksel projeler yaparım gibi bir niyetle girdim. Fakat machine learning alanı ders aldıkça çok enteresan bir hale geldi. Stanford’da dersler çok güzel yapılandırılıyor. Yani 10 sene önceki bilgiyi öğretmiyorlar. İki gün önce çıkmış raporu bile anlatıyorlar. Matematikle yapay zekanın birleştiği konular o zaman çok yeniydi. Birkaç projede çalıştım. Microsoft Research’de, Facebook ve Google AI’da stajlar yaptım. Tabii şirkette olunca daha uygulama tarzı işler yapılıyor. Google'da yer aldığım proje ‘document AI processing’ üzerineydi. Hemen cloud’a, sonra beta sürümüne ve launch’a gitti. Bu hızlı etkiyi görünce ben birazcık daha uygulama tarafına yaklaşmaya başladım.
Doktora teziniz ne üzerineydi?
Doktoramın temel çerçevesi hep şunu anlamaktı: Elimizde AI öncesinde geliştirilen bir sürü algoritma var. Şimdi biz bunların hepsini bir kenara koyup data’dan bir şey mi öğrenmeye çalışacağız? Bunların ikisini biz birleştirelim, daha önce kurduğumuz data set’lerden, software sistemlerinden yararlanalım. ‘Data efficent machine learning’ diye geçen bu konuya odaklandım.
Google’daki ilk projesi dünyaya duyuruldu
Doktoranızı tamamladıktan sonra Google AI’da çalışmaya başladınız. Burada hangi projelerle ilgileniyorsunuz?
Çalıştığım proje ChatGPT gibi language modellerinin, bilgileri halüsine etmesinin önüne geçmekle ilgili. Bu modeller size olmayan, uydurulmuş bilgiler verebiliyor. Mesela Obama Kostarika’da doğdu gibi yanlış bir bilgi çıkarabiliyor. Biz bu language modellerini halüsine etmeden kullanmak istiyoruz. Diyelim ki iki üniversiteyi ya da iki ayakkabı modelini karşılaştırmak istiyorsunuz. Benim geliştirdiğim metot bir şeyleri karşılaştırırken Google'daki arama sonuçlarını kullanarak kontrast olacak yani fark yaratacak bir tablo ortaya çıkarıyor. Tablo bu sonuçları da nereden aldığını önümüze koyuyor. Alakasız bir şey de sorabilirsiniz. Mesela İzmir Yaşar Üniversitesi ile Harvard’ı karşılaştıran bir web sitesi yoktur. Ama bizim algoritmamız karşılaştırabilir çünkü ayrı ayrı bakıp bilgileri toplayıp ‘generative ‘olarak bir şey çıkarıyor.
Bu projeyi kendiniz mi ortaya çıkardınız yoksa bir ekibe mi dahil oldunuz?
Şu an Google’da yöneticim olan kişiyle birkaç yıldır çalışıyorum. Doktora esnasında da beraber çalıştık ve yayınımız oldu. Bu fikir aslında San Francisco'da birlikte bir yerde kahve içerken ortaya çıkmıştı. Google’da işe başladığımda ben hemen bu projeyi başlattım. Prototipi yapıldı ve küçük bir yayın çıktı. Kısa sürede bağlı olduğumuz VP’sinden ‘Bu projeyi demo edelim’ talebi geldi. Öyle olunca çok sayıda mühendis eklendi projeye. İlk projem böylece Google'ın yeni teknolojilerini bildirdiği IO’ya gitmiş oldu.
Çalıştığınız ekipte kaç kadın var?
Bizim takımımız çoğu takıma göre iyi. Üç kadınız. İki yan takımımızda hiç kadın yok. Mesela Facebook'ta çalıştığım ekip 50 kişiden oluşuyordu, biz sadece iki kadındık. Ne yazık ki şu ana kadar hiç kadın mentor’um ya da yöneticim olmadı. Bu çok üzüldüğüm bir şey açıkçası. Bunu yaşatmamak için bana email’le gelen taleplerde kadınlara mutlaka yanıt vermeye çalışıyorum. Şöyle enteresan bir pozisyon var, son birkaç senede kadınlar mesela algoritmaların güvenliği gibi konularda daha fazla varlar ama bu tarz takımlar, esas algoritmayı yapan takımlarla çok fazla konuşmuyor aslında. Yani o yüzden bana biraz fazla ayrıştırılmış geliyor. Google'da bence çoğu şirkete göre durum çok çok daha iyi. Akademide de benzer bir durum var. Mesela Stanford’da ‘robotics’ alanında çalışan çok fazla kadın var ama mesela language modelling alanında sadece algoritma güvenliğinde daha çok kadın çalışıyor.
Giriş düzeyindeki meslekler kaybolacak
Yapay zeka dünyayı nasıl değiştirecek?
Çok değiştirecek, özellikle giriş düzeyindeki işleri. Mesela ABD hukuk sistemindeki avukatların yanında çalışan ‘paralegal’ gibi okuma anlamaya yönelik işler yapan birini işe almak yerine bunu çok iyi yapan AI kullanmak gibi. Yine müşteri temsilciliği gibi işler risk altında. Hindistan’da, Filipinler’de çok fazla sayıda tıbbi kayıt okuyup düzeltme yapan insan var. Maalesef ki onlar da bence işsiz kalacak. Bir insana bir ayda öğretebilecek bir işse bu iş bence yok olacak. Böyle bir metrik koyabilirim. Doktorlar, mühendisler işsiz kalacak öngörüsüne pek inanmıyorum ama onların iş yapış şekli değişecek. Mesela kanser üzerine bir ekip oluşturuluyorsa ekipte iki doktor varsa bir de AI olacak.
‘Çocukların artık kod yazmayı öğrenmesine gerek yok’ diyenler var.
Yani katılmıyorum çünkü kod yazmak, programlama yapabilmek aslında bir düşünme şeklidir. En iyi ben kod yazarım gibi bir şey kalmayacak ya da test mühendisliği gibi alanlar yok olabilir belki ama mesela bir datayı en iyi biçimlemek gibi başka pozisyonlar olacak.
Yapay zekanın ilaç geliştirmesi bir milat olacak
Yapay zeka için yasal düzenlemelerin geciktiğini düşünüyor musunuz?
Bu konuda en iyi yorum yapacak kişi ben değilim. Çünkü teknoloji geliştiren kısmındayım. Ama kesinlikle düşünülmesi gereken bir şey ve düşünülüyor da. Şöyle enteresan bir anekdot paylaşayım, NeurIPS diye çok büyük bir konferans vardır. Geçen sene bu konferansta Women in Machine Learning workshop’ının organizatörleri arasındaydım. En önemli oturumlardan biri yapay zekâ regülasyonu konusunda White House’tandı. 2022 öncesinde bu konunun aktif olarak ele alındığını hiç görmemiştim.
Peki yapay zekada sizi en çok heyecanlandıran alan hangisi?
İlaç keşfi konusu beni çok heyecanlandırıyor. Bir ilaç sentezleyebilmek için yüz milyonlarca dolar yatırım yapmak zorundasınız. Stanford’dan beri çok beğenerek takip ettiğim hocalardan Daphne Collar bir şirket kurdu. Bu konuda araştırmalar yapıyor ama daha alınacak çok uzun bir yol var.
Yani AI’ın otomatik olarak molekülü bulup sentezlediği gün bence bambaşka bir şeyler olacak.
Not: Bu içeriğin orijinalini ve derginin tamamını aşağıdaki bağlantıdan PDF olarak görüntüleyebilir veya bilgisayarınıza indirebilirsiniz. https://www.linkingbridge.net/blog