Sıla Ermut
Sıla è un'analista di settore presso AIMultiple e si occupa di modelli di IA, infrastrutture di IA, governance dell'IA e applicazioni aziendali dell'IA.
Interessi di ricerca
La ricerca di Sıla si concentra sull'uso dell'IA nel marketing, nella sanità, nelle catene di approvvigionamento e nella sostenibilità. Si occupa inoltre di valutazione, governance, etica e adozione dell'IA.Il suo lavoro comprende la ricerca e il confronto delle tecnologie di IA, l'analisi delle loro applicazioni aziendali e il contributo ai benchmark tecnologici di AIMultiple.
Esperienza professionale
Sıla ha lavorato in precedenza come recruiter e ha lavorato in società di project management e consulenza.Formazione
Possiede:- Bachelor of Arts in Relazioni Internazionali presso la Bilkent University.
- Master of Science in Psicologia Sociale presso la Başkent University.
La sua tesi di Master si è concentrata sulle preoccupazioni etiche e psicologiche sull'IA. La sua tesi ha esaminato la relazione tra l'esposizione all'IA, gli atteggiamenti verso l'IA e le ansie esistenziali a diversi livelli di utilizzo dell'IA.
Ultimi articoli di Sıla
Fallimenti dell'IA: 10 cause profonde ed esempi reali
Che si tratti di un incidente di un'auto a guida autonoma, di un algoritmo distorto o di un malfunzionamento di un chatbot del servizio clienti, i fallimenti nei sistemi di IA distribuiti possono avere conseguenze gravi e sollevare importanti questioni etiche e sociali. Identificando e affrontando i problemi sottostanti, le aziende possono mitigare i rischi…
World Foundation Models: 10 Casi d'Uso
Addestrare robot e veicoli autonomi (AV) nel mondo fisico può essere costoso, dispendioso in termini di tempo e rischioso. I World Foundation Models offrono un'alternativa scalabile consentendo simulazioni realistiche di ambienti reali. Questi modelli accelerano lo sviluppo e la distribuzione nella robotica, nei veicoli autonomi e in altri settori riducendo la dipendenza dai test fisici.…
Strumenti di rilevamento delle allucinazioni IA: W&B Weave e Comet
Abbiamo confrontato tre strumenti di rilevamento delle allucinazioni: Weights & Biases (W&B) Weave HallucinationFree Scorer, Arize Phoenix HallucinationEvaluator e Comet Opik Hallucination Metric, su 100 casi di test. Ogni strumento è stato valutato in base a accuratezza, precisione, recall e latenza. Abbiamo testato 100 risposte (50 corrette, 50 allucinate) provenienti da scenari di domande e…
Statistiche sul consumo energetico dell'IA
Una recente previsione indica che l'IA utilizzerà oltre la metà dell'elettricità dei data center entro il 2028.1Con l'espansione di carichi di lavoro ad alta intensità di calcolo come l'IA generativa, si prevede anche un aumento della domanda totale di elettricità. Abbiamo raccolto dati da IEA, MIT e dai principali fornitori di cloud per identificare le…
Confronta i ricavi dell'IA nell'intero stack
Il mercato dell'IA si è espanso rapidamente in tutti e quattro i livelli (dati, calcolo, modelli e applicazioni). Ad esempio, i ricavi dei data center di NVIDIA sono passati da $47.5B a $115.2B in un solo anno fiscale (dall'anno fiscale 2024 all'anno fiscale 2025, terminati a gennaio 2024 e gennaio 2025). Abbiamo raccolto dati sui…
Confronto dei modelli fondazionali relazionali
Abbiamo confrontato SAP-RPT-1-OSS con il gradient boosting (LightGBM, CatBoost) su 17 dataset tabulari che coprono lo spettro semantico-numerico, tabelle piccole/ad alta semantica, dataset aziendali misti e grandi dataset numerici a bassa semantica. Il nostro obiettivo è misurare dove i priori semantici pre-addestrati di un LLM relazionale possano offrire vantaggi rispetto ai modelli ad albero tradizionali…
Confronto tra modelli di IA multimodali sul ragionamento visivo
Abbiamo sottoposto a benchmark 15 modelli di IA multimodali leader sul ragionamento visivo utilizzando 200 domande basate su elementi visivi. La valutazione era composta da due tracce: 100 domande di comprensione dei grafici per testare l'interpretazione delle visualizzazioni di dati, e 100 domande di logica visiva per valutare il riconoscimento di pattern e il ragionamento…
Simulazione del pubblico: gli LLM possono prevedere il comportamento umano?
Nel marketing, valutare con quanta precisione gli LLM prevedono il comportamento umano è fondamentale per valutare la loro efficacia nell'anticipare le esigenze del pubblico e riconoscere i rischi di disallineamento, comunicazione inefficace o influenza non intenzionale. La simulazione del pubblico con gli LLM consente la modellazione di pubblici virtuali, aiutando le organizzazioni ad anticipare le…
AutoSys: Caratteristiche principali e approfondimenti dagli utenti
L'interesse per AutoSys di Broadcom è in calo (Fonte: Google Trends) e ha una valutazione media inferiore sulle piattaforme di recensioni rispetto alla maggior parte degli altri strumenti di automazione del carico di lavoro. Questo può essere in parte spiegato da: Approfondisci le capacità di AutoSys, le valutazioni degli utenti e le prospettive per saperne…
15 Agenti IA per il marketing: strumenti ed esempi
La ricerca mostra che il 50% delle organizzazioni che utilizzano l'IA generativa prevede di lanciare programmi pilota di IA agentic.1Gli agenti IA per il marketing introducono sistemi in grado di ragionare, prendere decisioni e agire con una supervisione umana minima. Questi agenti intelligenti analizzano i dati dei clienti, generano insight attuabili e coordinano campagne su…
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.