Yapay zeka (YZ) alanında geliştirilen modellerin performansını artırmak ve doğru sonuçlar elde etmek için veri kalitesinin yanı sıra etkin değerlendirme süreçlerinin de büyük önem taşıdığı vurgulanıyor. Snorkel AI bünyesinde YZ yetenekleri için veri kümeleri oluşturan projelerde yer alan Kozlova, yapay zeka eğitim verileri ve değerlendirme programlarında model gereksinimlerinin uygulanabilir veri üretim süreçlerine dönüştürülmesi üzerine çalışmalarını sürdürüyor. Bu kapsamda görev tanımlarının oluşturulması, değerlendirme kriterlerinin belirlenmesi, kalite güvence iş akışlarının düzenlenmesi ve performans ile risk göstergelerinin takibi gibi adımlar büyük önem taşıyor.
Veri üretim süreçlerinin yanı sıra, olası sorunların erken aşamada tespit edilebilmesi de büyük ölçekli teknoloji projelerinde kalite yönetiminin kritik unsurlarından biri olarak öne çıkıyor. Kozlova, daha önce Apple'daki görevinde farklı ürün ve süreçlerden elde edilen kalite göstergelerinin daha sistematik bir şekilde izlenmesi için çalışmalar yürütmüştü. Günümüzde yapay zeka değerlendirme programlarında gerçekleştirdiği kalite güvence, performans takibi ve veri akışlarındaki gerilemelerin tespiti üzerine odaklanan çalışmaları da benzer şekilde sorunların erken görünür hale getirilmesine katkı sağlıyor.
Son gelişmeler, model değerlendirmesinin teknoloji şirketleri için giderek daha kurumsal bir fonksiyon haline geldiğini gösteriyor. Yapay zeka sistemlerinin gerçek kullanım koşullarındaki performansını ölçme ihtiyacı, günümüz üretken yapay zeka modellerinden daha eski bir geçmişe sahip. Mercedes-Benz Araştırma ve Geliştirme Kuzey Amerika'da yazılım mühendisi olarak görev yapan Kozlova, daha önce 'Hey Mercedes' araç içi asistanı için 20'den fazla sesli yapay zeka özelliğinin tasarlanması ve kullanıma sunulmasında rol almıştı.
Bu süreçlerde doğal dil işleme, sistem performansı ve kullanıcı deneyiminin iyileştirilmesine yönelik teknik süreçlerde yer alan Kozlova'nın deneyimi, yapay zeka sistemlerinin sadece geliştirilmesinin değil, aynı zamanda gerçek kullanım koşullarındaki performanslarının sürekli izlenmesi ve değerlendirilmesinin de ne kadar önemli olduğunu ortaya koyuyor. Günümüzde model değerlendirme sistemlerinde de performans, güvenilirlik ve kalite göstergelerinin sistematik takibi temel başlıklar arasında yer alıyor.
