Denis Ignatovich, Συνιδρυτής και Συν-Διευθύνων της Imandra – Σειρά Συνεντεύξεων

Denis Ignatovich, Συνιδρυτής και Συν-Διευθύνων της Imandra, έχει πάνω από μια δεκαετία εμπειρίας στις συναλλαγές, τη διαχείριση κινδύνων, την ποσοτική μοντελοποίηση και τον σχεδιασμό σύνθετων συστημάτων συναλλαγών. Πριν ιδρύσει την Imandra, ηγήθηκε του κεντρικού γραφείου διαχείρισης κινδύνων της Deutsche Bank (DB ) στο Λονδίνο, όπου αναγνώρισε τον κρίσιμο ρόλο που μπορεί να παίξει η τεχνητή νοημοσύνη στον χρηματοοικονομικό τομέα. Οι εντυπώσεις του κατά τη διάρκεια αυτής της περιόδου βοήθησαν να διαμορφωθεί η σειρά χρηματοοικονομικών προϊόντων της Imandra. Οι συνεισφορές του Denis στην υπολογιστική λογική για πλατφόρμες συναλλαγών περιλαμβάνουν πολλά патенты. Κάνει einen MSc στη Χρηματοοικονομική από τη Σχολή Οικονομικών του Λονδίνου και πτυχία στις Επιστήμες Υπολογιστών και τη Χρηματοοικονομική από το UT Austin.

Imandra είναι ένας κινητήρας τεχνητής νοημοσύνης που χρησιμοποιεί νευροσυμβολική τεχνητή νοημοσύνη για να αυτοματοποιήσει την επαλήθευση και τη βελτιστοποίηση σύνθετων αλγορίθμων, ιδιαίτερα στις χρηματοοικονομικές συναλλαγές και τα λογισμικά συστήματα. Συνδυάζοντας τη συμβολική λογική με τη μηχανική μάθηση, ενισχύει την ασφάλεια, τη συμμόρφωση και την αποτελεσματικότητα, βοηθώντας τις ιδρύματα να μειώσουν τον κίνδυνο και να βελτιώσουν τη διαφάνεια στις αποφάσεις που λαμβάνονται με τη βοήθεια της τεχνητής νοημοσύνης.

Τι σας έμπνευσε εσάς και τον Δρ. Grant Passmore να συνιδρύσετε την Imandra, και πώς οι προηγούμενες εμπειρίες σας επηρέασαν την όραση της εταιρείας;

Μετά το κολέγιο, μπήκα στις ποσοτικές συναλλαγές και τελικά στο Λονδίνο. Ο Grant έκανε το διδακτορικό του στο Εδιμβούργο και στη συνέχεια μετακόμισε στο Κέιμπριτζ για να εργαστεί στις εφαρμογές της αυτόματης λογικής για την ανάλυση της ασφάλειας των συστημάτων αυτόματου πιλότου (σύνθετοι αλγόριθμοι που περιλαμβάνουν μη γραμμική υπολογιστική). Στο έργο μου, αντιμετώπιζα επίσης σύνθετους αλγόριθμους με πολλή μη γραμμική υπολογιστική και συνειδητοποιήσαμε ότι υπάρχει một βαθιά σύνδεση μεταξύ των δύο πεδίων. Ο τρόπος με τον οποίο οι χρηματοοικονομικές συναλλαγές δημιουργούσαν τέτοιους αλγόριθμους ήταν πραγματικά προβληματικός (όπως υπογραμμίστηκε από πολλές ειδήσεις σχετικά με “αλγόριθμους σφαλμάτων”), οπότε αποφασίσαμε να το αλλάξουμε ενδυναμώνοντας τους μηχανικούς στις χρηματοοικονομικές συναλλαγές με αυτόματα λογικά εργαλεία για να φέρουμε αυστηρές επιστημονικές τεχνικές στο σχεδιασμό και την ανάπτυξη λογισμικού. Ωστόσο, αυτό που τελικά δημιουργήσαμε είναι βιομηχανικά αδιάφορο.

Μπορείτε να εξηγήσετε τι είναι η νευροσυμβολική τεχνητή νοημοσύνη και πώς διαφέρει από τις παραδοσιακές προσεγγίσεις της τεχνητής νοημοσύνης;

Το πεδίο της τεχνητής νοημοσύνης έχει (πολύ περίπου!) δύο περιοχές: στατιστική (η οποία περιλαμβάνει τα LLMs) και συμβολική (γνωστή ως αυτόματη λογική). Η στατιστική τεχνητή νοημοσύνη είναι απίστευτη στο να αναγνωρίζει μοτίβα και να κάνει μετάφραση χρησιμοποιώντας τις πληροφορίες που έμαθε από τα δεδομένα στα οποία εκπαιδεύτηκε. Αλλά, είναι κακή στη λογική συλλογιστική. Η συμβολική τεχνητή νοημοσύνη είναι σχεδόν το αντίθετο – σας αναγκάζει να είστε πολύ ακριβείς (μαθηματικά) με αυτό που προσπαθείτε να κάνετε, αλλά μπορεί να χρησιμοποιήσει λογική για να συλλογιστεί με τρόπο που είναι (1) λογικά συνεπής και (2) δεν απαιτεί δεδομένα για εκπαίδευση. Οι τεχνικές που συνδυάζουν αυτές τις δύο περιοχές της τεχνητής νοημοσύνης ονομάζονται “νευροσυμβολικές”. Μια διάσημη εφαρμογή αυτής της προσέγγισης είναι το έργο AlphaFold της DeepMind, το οποίο πρόσφατα κέρδισε το βραβείο Νόμπελ.

Τι πιστεύετε ότι διαφοροποιεί την Imandra στην ηγεσία της επανάστασης της νευροσυμβολικής τεχνητής νοημοσύνης;

Υπάρχουν πολλοί απίστευτοι συμβολικοί συλλογιστές εκεί έξω (περισσότεροι στην ακαδημία) που στοχεύουν σε συγκεκριμένα νіш (π.χ. πτύξη πρωτεϊνών), αλλά η Imandra ενδυναμώνει τους développers να αναλύουν αλγόριθμους με απρόηγηση αυτοματοποίηση, η οποία έχει πολύ μεγαλύτερες εφαρμογές και μεγαλύτερο στόχο από αυτά τα εργαλεία.

Πώς η Imandra εξαλείφει κοινά προβλήματα της τεχνητής νοημοσύνης, όπως οι ψευδείς εντυπώσεις, και βελτιώνει την εμπιστοσύνη στα συστήματα τεχνητής νοημοσύνης;

Με την προσέγγισή μας, τα LLMs χρησιμοποιούνται για να μεταφράσουν τις αιτήσεις των ανθρώπων σε формική λογική, η οποία στη συνέχεια αναλύεται από τον κινητήρα συλλογισμού με πλήρη λογική ιχνηλασία. Ενώ μπορεί να υπάρξουν σφάλματα μετάφρασης όταν χρησιμοποιούνται τα LLM, ο χρήστης παρέχεται με μια λογική εξήγηση για το πώς μεταφράστηκαν οι εισαγωγές και οι λογικές ιχνηλασίες μπορούν να επαληθευτούν από τρίτο μέρος ανοιχτού κώδικα. Ο τελικός μας στόχος είναι να φέρουμε δράσιμη διαφάνεια, όπου τα συστήματα τεχνητής νοημοσύνης μπορούν να εξηγήσουν τη συλλογιστική τους με τρόπο που είναι ανεξάρτητα λογικά επαληθεύσιμος.

Η Imandra χρησιμοποιείται από την Goldman Sachs (GS ) και το DARPA, μεταξύ άλλων. Μπορείτε να μοιραστείτε ένα πραγματικό παράδειγμα για το πώς η τεχνολογία σας λύσε ένα σύνθετο πρόβλημα;

Ένα εξαιρετικό δημόσιο παράδειγμα του πραγματικού αντίκτυπου της Imandra είναι το Highlighted στην UBS Future of Finance competition 1η θέση (τα λεπτομέρειες με τον κώδικα Imandra είναι στην ιστοσελίδα μας). Κατά τη δημιουργία μιας μελέτης περίπτωσης για την UBS που κωδικοποιούσε ένα ρυθμιστικό έγγραφο που υπέβαλαν στη SEC, η Imandra αναγνώρισε μια θεμελιώδη και λεπτή ελάττωμα στον αλγόριθμο περιγραφής. Το ελάττωμα προερχόταν από λεπτές λογικές προϋποθέσεις που πρέπει να ικανοποιηθούν για να κατατάξουν τις εντολές μέσα σε ένα βιβλίο εντολών – κάτι που θα ήταν αδύνατο για τους ανθρώπους να ανιχνεύσουν “με το χέρι”. Η τράπεζα μας έδωσε την 1η θέση (από πάνω από 620 εταιρείες παγκοσμίως).

Πώς η εμπειρία σας στη Deutsche Bank έχει διαμορφώσει τις εφαρμογές της Imandra στα χρηματοοικονομικά συστήματα, και ποιο είναι το πιο επηρεαστικό παράδειγμα που έχετε δει μέχρι τώρα;

Στη Deutsche Bank, αντιμετωπίσαμε πολλό πολύ σύνθετο κώδικα που έκανε αυτόματες συναλλαγές με βάση διάφορες εισαγωγές ML, δεικτές κινδύνου, κ.λπ. Όπως και κάθε τράπεζα, έπρεπε επίσης να συμμορφωθούμε με πολλές ρυθμίσεις. Αυτό που ο Grant και εγώ συνειδητοποιήσαμε ήταν ότι αυτό, σε μαθηματικό επίπεδο, ήταν πολύ παρόμοιο με την έρευνα που έκανε για την ασφάλεια των συστημάτων αυτόματου πιλότου.

Πέρα από τις χρηματοοικονομικές συναλλαγές, ποιοι τομείς βλέπετε ως έχοντες τη μεγαλύτερη δυνατότητα να ωφεληθούν από τη νευροσυμβολική τεχνητή νοημοσύνη;

Έχουμε δει το AlphaFold να κερδίζει το βραβείο Νόμπελ, οπότε ας μετρήσουμε αυτό… Τελικά, οι περισσότερες εφαρμογές της τεχνητής νοημοσύνης θα ωφεληθούν enormemente από τη χρήση συμβολικών μεθόδων, αλλά συγκεκριμένα, εργαζόμαστε σε τους ακόλουθους πράκτορες που θα κυκλοφορήσουμε σύντομα: ανάλυση κώδικα (μετάφραση πηγαίου κώδικα σε μαθηματικά μοντέλα), δημιουργία αυστηρών μοντέλων από προδιαγραφές σε πρόζα, συλλογιστική για μοντέλα SysML (γλώσσα που χρησιμοποιείται για να περιγράψει συστήματα σε κρίσιμους τομείς) και αυτοματοποίηση επιχειρηματικών διαδικασιών.

Η ανασύνθεση περιοχών της Imandra είναι μια καινοτόμος λειτουργία. Μπορείτε να εξηγήσετε πώς λειτουργεί και τη σημασία της στην επίλυση σύνθετων προβλημάτων;

Μια ερώτηση που κάθε μηχανικός σκέφτεται όταν γράφει λογισμικό είναι “ποιοί είναι οι περιπτωσιακοί περιορισμοί;” Όταν η δουλειά τους είναι QA και πρέπει να γράψουν περιπτώσεις ελέγχου ή όταν γράφουν κώδικα και σκέφτονται αν έχουν υλοποιήσει σωστά τις απαιτήσεις. Η Imandra φέρνει επιστημονική αυστηρότητα για να απαντήσει σε αυτή την ερώτηση – αντιμετωπίζει τον κώδικα ως μαθηματικό μοντέλο και αναλύει συμβολικά όλους τους περιπτωσιακούς περιορισμούς (ενώ παράγει απόδειξη για την πληρότητα της κάλυψης). Αυτή η λειτουργία βασίζεται σε μια μαθηματική τεχνική που ονομάζεται “Αποσύνθεση Κυλινδρικής Αλγεβρικής”, την οποία “υψώσαμε” σε αλγόριθμους σε μεγάλη κλίμακα. Έχει σώσει αμέτρητες ώρες για τους πελάτες μας στις χρηματοοικονομικές συναλλαγές και αποκάλυψε κρίσιμα λάθη. Τώρα φέρνουμε αυτή τη λειτουργία στους μηχανικούς παντού.

Πώς η Imandra ενσωματώνει τα μεγάλα μοντέλα γλωσσών και ποια νέα ικανότητες ανοίγει αυτό για τη γεννητική τεχνητή νοημοσύνη;

Τα LLMs και η Imandra συνεργάζονται για να μεταφράσουν τις εισαγωγές των ανθρώπων σε формική λογική, να συλλογιστεί και στη συνέχεια να επιστρέψουν την έξοδο με τρόπο που είναι εύκολο να κατανοηθεί. Χρησιμοποιούμε πλαισιακά agents (π.χ. Langgraph) για να ορχηστρώσουμε αυτό το έργο και να παραδώσουμε την εμπειρία ως έναν πράκτορα που οι πελάτες μας μπορούν να χρησιμοποιήσουν άμεσα ή να ενσωματώσουν στις εφαρμογές ή τους πράκτορες τους. Αυτή η συμβιωτική ροή εργασίας αντιμετωπίζει πολλές από τις προκλήσεις της χρήσης μόνο εργαλείων LLM και επεκτείνει την εφαρμογή τους πέρα από τα προηγουμένως είδη δεδομένων εκπαίδευσης.

Τι είναι η μακροπρόθεσμη όρασή σας για την Imandra, και πώς βλέπετε να μετασχηματίζει τις εφαρμογές της τεχνητής νοημοσύνης σε διάφορους τομείς;

Πιστεύουμε ότι οι νευροσυμβολικές τεχνικές θα είναι η βάση που ανοίγει το δρόμο για να πραγματοποιήσουμε την υπόσχεση της τεχνητής νοημοσύνης. Οι συμβολικές τεχνικές είναι το λείπων συστατικό για τις περισσότερες βιομηχανικές εφαρμογές της τεχνητής νοημοσύνης και είμαστε ενθουσιασμένοι να βρισκόμαστε στο επίκεντρο αυτού του επόμενου κεφαλαίου της τεχνητής νοημοσύνης.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Imandra.