Şirketlerin maliyetlerinin düşürülüp, verimliliğinin artırılması için yapay zekaya dayalı algoritmalar kullanan, TRAI Girişimler Haritası’ndaki startuplardan Pusula.ai’nin Kurucu Ortağı ve CEO’su Yasemin Oğuz sorularımızı yanıtladı.
– Pusula.ai nasıl ortaya çıktı?
Pusula.ai, toplamda 30 yılı aşkın bilgi birikimi ve Silikon Vadisi deneyimine sahip, veri bilim konusunda tutkulu 4 mühendis tarafından yapay zeka ile verimlilik artırma fikri ile kuruldu. Artık veri bilimi çağında yaşıyoruz ve gelişen teknolojilerin etkisiyle çevremizdeki herkes ve her şey sürekli veri üretiyor. İnsanlık olarak bugüne kadar çözemediğimiz birçok sorunun çözümü aslında bu verilerin içinde bulunuyor.
Pusula.ai’ı kurmadan önce, bu deneyimle Türkiye’de nasıl bir iş yapabiliriz, bu bilgi birikimini gençlere nasıl aktarabiliriz diye hep düşünüyorduk. Veri bilimine kendini adamış bir şirket kurmaya karar verdiğimizde Silikon Vadisinin devlerinin yapay zeka takımlarında toplamda 30 yılı aşkın bir deneyimimiz vardı. Veri bilimi konusu derya deniz, son dönemde derin öğrenme algoritmaları bu alanı değiştirdi ve dönüştürdü, hatta geleneksel algoritmalar saf dışı kaldı. Bu nedenle Türkiye’de ve hatta Amerika da dahil diğer ülkelerde bu işe yıllarını adamış, bu işte uzmanlaşmış insanlar parmakla sayılıdır.
Hızla gelişen bu alanın gelişmesine katkı sağlayan bilim insanları yine Silikon Vadisi’nin devlerinde hayatlarını sürdürdükleri için, yeni nesil veri bilimi şirketlerinde bu tip bir deneyime, donanıma sahip insanlarla karşılaşmak nadirdir. Biz Türkiye’de de bu açığın olduğunun farkındaydık. Bu alanda dünyanın her yerinden akademik çalışmalar çok popüler fakat özellikle yüz milyonlarca ya da milyarlarca kullanıcıya ulaşan bir derin öğrenme algoritmasına pratikte hakim insan sayısı epey az. Biz bu açığı kapatmak ve yeni nesilleri bu alandaki bilgilerle donatıp güncel tutmak için canla başla çalışıyoruz. Çevre dostu bir şirketiz, sürdürülebilirlik, enerji tasarrufu, karbon ayak izinin azaltılması en temel hedeflerimiz arasında. Bu amaçlara hizmet eden farklı projelerde çalışıyoruz.
– Kendinizi ve ekibinizi tanıtabilir misiniz?
Ben İTÜ mezunuyum, kurucu ortaklarımızdan Kayhan Eritmen de o yıllardan en yakın arkadaşlarımdan birisi. Ardından ben Koç Üniversitesi’ne ve University of California Berkeley’e gittim. Bu yıllarda bitirme tezlerim hep yapay zeka üzerineydi. Tabii o zamanlar bu işlerin popülaritesi bu seviyede değildi. UC Berkeley’ de eşim ve diğer kurucu ortağımız Barlas Oğuz ile tanıştım. University of California Berkeley’ den mezun olduktan sonra Cisco Systems’da yaklaşık 12 yıl yapay zeka algoritmalarını kullanarak siber güvenlik alanındaki bir çok probleme çözümler sundum. CTO’ muz Barlas Oğuz da UC Berkeley’den doktorasını aldıktan sonra Microsoft ve Meta’da (nam-ı diğer Facebook) derin öğrenme, NLP üzerine uzmanlaştı. Diğer taraftan Kayhan da İTÜ sonrasında Sabancı Üniversitesi’nde yüksek lisans ve doktora için gitti. Orada diğer kurucu ortağımız Yunus Sarıkaya ile tanıştı. Kayhan’ın uzmanlık alanlarında verinin içinde gömülü olan parametrelerin değerlerinin tahminlenmesi ve farklı veri kaynaklarından gelen verilerin ortak bir karar için tümleştirilmesi bulunuyor. Yunus ise derin öğrenme, federe öğrenme, oyun teorisi ve optimizasyon teorisi alanlarında uzman. Bu ekip bir araya geldiğinde 2019 yılı yaz aylarıydı; 2020 Ocak ayında Pusula.ai resmi olarak kuruldu. O günden bu güne karşılaştığımı her alanda derin öğrenme algoritmaları ile verimliliği artırmayı hedefledik. Özellikle hemen her sektörün merkezi durumunda bulunan üretim sektöründe çözülmemiş soruların sayısı çok fazla ve bu sorunlara çözüm üretmenin tüm insanlığa katkı sağladığını düşünüyoruz.
– Yapay zeka tabanlı ürün ve servisleriniz nedir? Kullanıcı firmalar tarafında ürettiği katma değeri, faydayı paylaşabilir misiniz?
Üzerine odaklandığımız ilk problem üretim şirketlerine büyük maliyeti olan arızaya bağlı plansız duruşların, gerçekleşmeden saatler öncesinde tahmin edilmesi problemi. Yazılımımızı üretim yapan makinelerden (ya da üretim hatlarından) toplanmış olan veriler ile arıza raporları ile beslediğimizde hangi durumda hangi arızaya doğru gidildiğini öğreniyor ve gerçek zamanlı akan veriye baktığında ise model makinenin arıza durumu ile ilgili kararlar veriyor. Bir arıza gelmeden saatler öncesinde gerekli kişileri bilgilendirerek arızanın önlenmesini ya da en azından duruşun planlı hale getirilmesini sağlıyor. Böylece arıza nedenli zaman ve malzeme kayıpları azalıyor. Aynı miktarda ürünü üretmek hem zaman hem de maliyet olarak daha tasarruflu bir hale geliyor. Modelin en iyi taraflarından birisi ekipman ya da makinenin ne olduğundan bağımsız öğrenme süreci sonunda arızaları tahmin edebilmesi. İster üretim yapan bir makine olsun ister otonom sürüş özelliğine sahip bir araba hepsinin arızasını tahminleme yeteneğine sahip.
– Daha önce ne gibi projeler gerçekleştirdiniz? Hangi şirketlerle çalıştınız? Hedef sektörlerinizi ve alanlarınızı tarif edebilir misiniz? Bir başarı hikayeniz var mı?
Türkiye’den çok uluslu bir bebek bezi firması(teyit almadığım için isimlerini veremiyorum), Kordsa ve Kale Seramik ile çalışıyoruz. Şu ana kadar yaptığımız çalışmalarda arızaların yüzde 75’ini müdahale şansı yaratacak kadar erken bir süre öncesinden tahminlemeyi başardık ve bunu yaparken hatalı alarm oranımız 2000’de 1 seviyelerinde kaldı.
Ürettiğimiz model sadece veriye dayalı olduğundan ve alan bilgisi gerektirmediğinden, veri toplamada dijital dönüşümünü tamamlamış her üretim tesisine (enerji üretenler de dahil) uygulanabilir ve performans alınabilir. IOT’lerden ve PLC’ lerden dijital veri toplama yetkinliğine sahip üretim şirketleri hedeflerimiz içerisine giriyor. Bunlara ek olarak yazılımımızın elektrik şebeke arızalarını (ve arızanın süresini) önceden tahminlemede başarılı olduğunu gördük. Bu konuda da bir elektrik dağıtım şirketi ile projemizi başlatmak üzereyiz.
– Şu an üzerinde çalıştığınız, geliştirmekte olduğunuz yeni bir proje var mıdır?
Son dönemde enerjinin verimli kullanılmaması problemini dert edinmiş bulunmaktayız. Bu durumun maliyet artırma etkisinin yanında şu anda tüm insanlık olarak daha önemli bir problemimiz olan karbon salınımını da artırıyor. Şu anda bu konu ile ilgili olarak aşırı enerji kullanımını gerçekleşmeden tahmin edip ilgili parametreleri ayarlayarak gerçekleşmesini önleyen bir yapay zeka destekli proses optimizasyonu yazılımı geliştiriyoruz. Bu konudaki hedeflerimizin başında yine sanayi ve ticari binaların ısıtma soğutma ve havalandırma sistemleri yer alıyor. Bu alanlarda kaynakların verimli kullanılması ile maliyetlerinin azaltılmasını hem de firmaların karbon ayak izlerini küçülterek doğaya verilen zararın minimize edilmesini amaçlıyoruz.
– Bir yapay zeka girişimi olarak Türkiye yapay zeka ekosistemini nasıl görüyorsunuz? Fırsatlar ve engelleri nasıl yorumluyorsunuz?
Türkiye’de teknoloji geliştiriciler ve yetenek anlamında dünya ile yarışabilecek nitelikte yapay zeka yazılımı üretebilecek potansiyel olduğunu gözlemliyoruz. Büyük şirketlerde ise veri toplama ve tümleştirme alanlarında eksiklik olduğunu görüyoruz. Bu konunun değerini anlamış olanların, ki birçoğu zaten TRAI destekçisi, orta vadede rakipleri ile kapatılmayacak bir avantaj sağlayacaklarını düşünüyoruz. Bununla birlikte büyük şirketlerin yapay zeka alanında vaka sağlayıcısı olmanın ötesine geçmesi gerektiğini düşünüyoruz. Bir şirketin globalde karşılığı olan bir problemini çözen bir startup ile ortaklık ilişkisi geliştirip çözümü tüm dünyaya yayma potansiyelini değerlendirmesi gerektiğini düşünüyoruz. Bu noktada TRAI’nin yapay zeka alanına ilgisi olanların daha fazla bir araya gelmesini sağlayan çalışmalarını yerinde ve çok değerli buluyoruz.
Diğer TRAI Girişim Başarı Hikayeleri’ni okumak için tıklayınız
