साक्षात्कार
डेनिस इग्नाटोविच, इमांड्रा के सह-संस्थापक और सह-सीईओ – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
डेनिस इग्नाटोविच, इमांड्रा के सह-संस्थापक और सह-सीईओ, के पास व्यापार, जोखिम प्रबंधन, मात्रात्मक मॉडलिंग और जटिल व्यापार प्रणाली डिजाइन में एक दशक से अधिक का अनुभव है। इमांड्रा की स्थापना से पहले, उन्होंने ड्यूचे बैंक लंदन में केंद्रीय जोखिम व्यापार डेस्क का नेतृत्व किया, जहां उन्होंने वित्तीय क्षेत्र में एआई की महत्वपूर्ण भूमिका को पहचाना। इस दौरान उनके अंतर्दृष्टि ने इमांड्रा के वित्तीय उत्पादों के सूट को आकार देने में मदद की। डेनिस के योगदान वित्तीय व्यापार मंचों के लिए गणनात्मक तर्क में कई पेटेंट शामिल हैं। उन्होंने लंदन स्कूल ऑफ इकोनॉमिक्स से वित्त में एमएससी और यूटी ऑस्टिन से कंप्यूटर विज्ञान और वित्त में डिग्री प्राप्त की है।
(DB )इमांड्रा एक एआई-संचालित तर्क इंजन है जो न्यूरोसिम्बोलिक एआई का उपयोग जटिल एल्गोरिदम के सत्यापन और अनुकूलन को स्वचालित करने के लिए करता है, विशेष रूप से वित्तीय व्यापार और सॉफ्टवेयर प्रणालियों में। प्रतीकात्मक तर्क को मशीन लर्निंग के साथ मिलाकर, यह सुरक्षा, अनुपालन और दक्षता में सुधार करता है, संस्थानों को एआई-संचालित निर्णय लेने में जोखिम को कम करने और पारदर्शिता में सुधार करने में मदद करता है।
आपको और डॉ ग्रांट पासमोर को इमांड्रा की सह-स्थापना के लिए क्या प्रेरित किया, और आपकी पृष्ठभूमि ने कंपनी के दृष्टिकोण को कैसे प्रभावित किया?
कॉलेज के बाद मैं क्वांटिटेटिव ट्रेडिंग में गया और लंदन में समाप्त हुआ। ग्रांट ने एडिनबर्ग में अपनी पीएचडी की और फिर ऑटोपायलट सिस्टम के सुरक्षा विश्लेषण के लिए स्वचालित तर्क के अनुप्रयोगों पर काम करने के लिए कैम्ब्रिज चले गए (जटिल एल्गोरिदम जो गैर-रेखीय गणना शामिल करते हैं)। मेरे काम में, मैंने भी जटिल एल्गोरिदम के साथ काम किया जिसमें बहुत सारी गैर-रेखीय गणना शामिल थी और हमने महसूस किया कि दोनों क्षेत्रों के बीच एक गहरा संबंध है। वित्त में ऐसे एल्गोरिदम बनाने का तरीका वास्तव में समस्याग्रस्त था (जैसा कि कई समाचार कहानियों में “अल्गो ग्लिच” के साथ सौदा किया गया था), इसलिए हमने इसे बदलने का फैसला किया ताकि वित्त में इंजीनियरों को स्वचालित तर्क से सुसज्जित किया जा सके और सॉफ्टवेयर डिजाइन और विकास में वैज्ञानिक तकनीकों को लाया जा सके। हालांकि, हमने जो बनाया वह उद्योग-एजेनोस्टिक है।
न्यूरोसिम्बोलिक एआई क्या है और यह पारंपरिक एआई दृष्टिकोण से कैसे अलग है?
एआई का क्षेत्र (बहुत अस्पष्ट रूप से!) दो क्षेत्रों में विभाजित है: सांख्यिकीय (जिसमें एलएलएम शामिल हैं) और प्रतीकात्मक (जिसे स्वचालित तर्क कहा जाता है)। सांख्यिकीय एआई डेटा से सीखे गए पैटर्न की पहचान करने और अनुवाद करने में अद्भुत है, लेकिन यह तर्कसंगत तर्क में खराब है। प्रतीकात्मक एआई आपको जो करने की कोशिश कर रहे हैं उसमें बहुत सटीक (गणितीय रूप से) होने के लिए मजबूर करता है, लेकिन यह तर्क का उपयोग करके तर्कसंगत रूप से सोचता है जो (1) तर्कसंगत रूप से सुसंगत है और (2) प्रशिक्षण के लिए डेटा की आवश्यकता नहीं है। इन दोनों एआई क्षेत्रों को मिलाने वाली तकनीकों को “न्यूरोसिम्बोलिक” कहा जाता है। इस दृष्टिकोण का एक प्रसिद्ध अनुप्रयोग डीपमाइंड का अल्फाफोल्ड परियोजना है, जिसने हाल ही में नोबेल पुरस्कार जीता है।
इमांड्रा को न्यूरोसिम्बोलिक एआई क्रांति में अग्रणी के रूप में क्या अलग करता है?
बहुत सारे अविश्वसनीय प्रतीकात्मक तर्कसंगत हैं जो (अधिकांश अकादमिक में) विशिष्ट निचे पर लक्षित होते हैं (जैसे प्रोटीन फोल्डिंग), लेकिन इमांड्रा विकासकर्ताओं को एल्गोरिदम का विश्लेषण करने के लिए असाधारण स्वचालन प्रदान करता है जो उन उपकरणों की तुलना में बहुत बड़े अनुप्रयोग और बड़े लक्ष्य दर्शकों के साथ है।
इमांड्रा का स्वचालित तर्क एआई की सामान्य चुनौतियों को कैसे समाप्त करता है, जैसे कि हॉलुसिनेशन, और एआई प्रणालियों में विश्वास को बेहतर बनाता है?
हमारे दृष्टिकोण से, एलएलएम मानव अनुरोधों को औपचारिक तर्क में अनुवादित करते हैं जो फिर तर्कसंगत इंजन द्वारा विश्लेषण किया जाता है जिसमें पूर्ण तर्कसंगत ऑडिट ट्रेल होता है। एलएलएम का उपयोग करते समय अनुवाद त्रुटियां हो सकती हैं, लेकिन उपयोगकर्ता को यह बताया जाता है कि इनपुट कैसे अनुवादित किए गए और तर्कसंगत ऑडिट तीसरे पक्ष के ओपन सोर्स सॉफ्टवेयर द्वारा सत्यापित किए जा सकते हैं। हमारा अंतिम लक्ष्य कार्रवाई योग्य पारदर्शिता लाना है, जहां एआई प्रणालियां अपने तर्क को स्वतंत्र रूप से तर्कसंगत रूप से सत्यापित करने योग्य तरीके से समझा सकती हैं।
इमांड्रा गोल्डमैन सैक्स और डीएआरपीए सहित अन्य के द्वारा उपयोग किया जाता है। क्या आप एक वास्तविक दुनिया का उदाहरण साझा कर सकते हैं कि आपकी प्रौद्योगिकी ने एक जटिल समस्या का समाधान कैसे किया?
(GS )इमांड्रा के वास्तविक दुनिया के प्रभाव का एक महान उदाहरण हमारी यूबीएस फ्यूचर ऑफ फाइनेंस प्रतियोगिता में 1ली स्थान की जीत है (विवरण इमांड्रा कोड के साथ हमारी वेबसाइट पर है)। जबकि यूबीएस के लिए एक मामले का अध्ययन बनाने के लिए जिसने एक नियामक दस्तावेज को एसईसी में जमा किया था, इमांड्रा ने एल्गोरिदम विवरण में एक मूलभूत और सूक्ष्म दोष की पहचान की। दोष ऑर्डर बुक के भीतर ऑर्डर को रैंक करने के लिए पूरा करने के लिए तर्कसंगत स्थितियों से उत्पन्न हुआ – कुछ जो मानव द्वारा “हाथ से” पता लगाना असंभव होगा। बैंक ने हमें 620 से अधिक कंपनियों (वैश्विक स्तर पर) में 1ली स्थान दिया।
आपके ड्यूचे बैंक में अनुभव ने वित्तीय प्रणालियों में इमांड्रा के अनुप्रयोगों को कैसे आकार दिया, और आपने अब तक का सबसे प्रभावशाली उपयोग केस क्या देखा है?
ड्यूचे बैंक में, हमने बहुत जटिल कोड के साथ काम किया जो विभिन्न एमएल इनपुट, जोखिम संकेतक आदि पर आधारित स्वचालित व्यापार निर्णय लेता था। जैसा कि किसी भी बैंक के पास होता है, हमें कई नियमों का पालन करना पड़ा। ग्रांट और मैंने महसूस किया कि यह गणितीय स्तर पर ऑटोपायलट सुरक्षा के लिए उनके द्वारा किए जा रहे शोध के समान था।
वित्त के अलावा, कौन से उद्योग न्यूरोसिम्बोलिक एआई से लाभान्वित होने की सबसे बड़ी संभावना रखते हैं?
हमने अल्फाफोल्ड को नोबेल पुरस्कार मिला, तो चलिए उस एक को गिनते हैं… अंततः, एआई के अधिकांश अनुप्रयोग प्रतीकात्मक तरीकों का उपयोग करके बहुत लाभान्वित होंगे, लेकिन विशेष रूप से, हम जल्द ही निम्नलिखित एजेंटों पर काम कर रहे हैं: स्रोत कोड को गणितीय मॉडल में अनुवादित करना, अंग्रेजी प्रोस से सख्त मॉडल बनाना, सिसएमएल मॉडल (सुरक्षा-संवेदनशील उद्योगों में प्रणालियों का वर्णन करने के लिए उपयोग की जाने वाली भाषा) के बारे में तर्क, और व्यवसाय प्रक्रिया स्वचालन।
इमांड्रा का क्षेत्र विभाजन एक नया फीचर है। क्या आप बता सकते हैं कि यह कैसे काम करता है और जटिल समस्याओं को हल करने में इसका क्या महत्व है?
एक प्रश्न जो हर इंजीनियर अपने सॉफ्टवेयर लिखते समय सोचता है कि “क्या एज केस हैं?”। जब उनका काम क्यूए है और उन्हें यूनिट टेस्ट केस लिखने की आवश्यकता है या वे कोड लिख रहे हैं और सोच रहे हैं कि क्या उन्होंने आवश्यकताओं को सही ढंग से लागू किया है। इमांड्रा इस प्रश्न का वैज्ञानिक उत्तर देने के लिए आता है – यह कोड को एक गणितीय मॉडल के रूप में मानता है और इसके सभी एज केस का प्रतीकात्मक रूप से विश्लेषण करता है (पूर्ण कवरेज के पूर्णता के बारे में एक प्रमाण उत्पन्न करता है)। यह सुविधा एक गणितीय तकनीक पर आधारित है जिसे ‘सिलिंड्रिकल बीजगणितिक विभाजन’ कहा जाता है, जिसे हमने बड़े एल्गोरिदम में “उठाया” है। इसने हमारे ग्राहकों के लिए वित्त में अनगिनत घंटों की बचत की है और महत्वपूर्ण त्रुटियों का खुलासा किया है। अब हम इस सुविधा को सभी इंजीनियरों के लिए ला रहे हैं।
इमांड्रा बड़े भाषा मॉडल के साथ कैसे एकीकृत करता है, और यह जनरेटिव एआई के लिए क्या नई क्षमताएं अनलॉक करता है?
एलएलएम और इमांड्रा मानव इनपुट (चाहे वह स्रोत कोड हो या अंग्रेजी प्रोस) को औपचारिक तर्क में अनुवादित करने के लिए एक साथ काम करते हैं, इसे तर्कसंगत रूप से विश्लेषण करते हैं और फिर आउटपुट को एक आसानी से समझने योग्य तरीके से लौटाते हैं। हम एजेंटिक फ्रेमवर्क (जैसे लैंगग्राफ) का उपयोग इस काम को निर्देशित करने और इसे एक एजेंट के रूप में वितरित करने के लिए करते हैं जिसे हमारे ग्राहक सीधे उपयोग कर सकते हैं या अपने अनुप्रयोगों या एजेंटों में एकीकृत कर सकते हैं। यह संबंधित कार्यवाही एलएलएम-ओनली एआई टूल्स के साथ जुड़े कई चुनौतियों का समाधान करती है और उनके अनुप्रयोग को पहले देखे गए प्रशिक्षण डेटा से परे बढ़ाती है।
इमांड्रा के लिए आपकी दीर्घकालिक दृष्टि क्या है, और आप इसे विभिन्न उद्योगों में एआई अनुप्रयोगों को कैसे बदलते हुए देखते हैं?
हम सोचते हैं कि न्यूरोसिम्बोलिक तकनीक एआई का वादा पूरा करने के लिए आधार होगी जो हमें आगे बढ़ने देगी। प्रतीकात्मक तकनीक अधिकांश एआई के औद्योगिक अनुप्रयोगों के लिए लापता सामग्री है और हम इस एआई के अगले अध्याय के अग्रणी होने के लिए उत्साहित हैं।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें इमांड्रा पर जाना चाहिए।
