Naré Vardanyan, az Ntropy – Interjúsorozat társalapítója és vezérigazgatója

Naré Vardanyan, a társaság társalapítója és vezérigazgatója Ntropy, egy platform, amely lehetővé teszi a fejlesztők számára a pénzügyi tranzakciók 100 ms alatti, emberfeletti pontossággal történő elemzését, megnyitva az utat az autonóm pénzügyek új generációja felé, olyan termékeket és szolgáltatásokat biztosítva, amelyek korábban soha nem voltak lehetségesek. A tranzakciók nyers adatfolyamait kontextusba épített, strukturált információkká alakítja át több forrásból származó adatok kombinálásával, beleértve a természetes nyelvi modelleket, keresőmotorokat, belső adatbázisokat, külső API-kat és meglévő tranzakciós adatokat a hálózatunkról.

Ön Örményországban nőtt fel, áram nélkül a háború alatt. Megosztana néhány részletet ezekről a korai időkről, és arról, hogy ez hogyan vezetett az Egyesült Nemzetek Szervezetének dolgozni?

Ezt a tapasztalatot egy egész generáció osztozta meg Örményországban. Ez megerősítette bennem a képzelőerőt és azt a képességet, hogy kis eszközökkel is megoldást találjak. Másokhoz hasonlóan, akik konfliktuszónában nőttek fel, életemnek ez az időszaka is nagy hatással volt arra, hogyan látom a világot. Ezek a nehéz körülmények a közösségen belüli megosztott felelősségérzetet és a pozitív változás előidézésére irányuló határozott törekvést táplálták. Felismertem, hogy kihívásaink túlmutatnak az egyéni küzdelmeken, elhívást éreztem arra, hogy szélesebb skálán gondolkodjak, és tereljem törekvéseimet. Ez pedig az Egyesült Nemzetek Szervezete felé terelt.

Az ENSZ ideális platformként jelent meg az érdemi hozzájáruláshoz. Tekintettel Örményország bizonytalan geopolitikai helyzetére és arra a törekvésemre, hogy befolyásoljam a globális ügyeket, úgy véltem, hogy az ENSZ-szel való együttműködés lehetőséget kínál a valódi változásra. Azzal, hogy részese voltam az ebből következő megbeszéléseknek és döntéseknek, arra törekedtem, hogy érdemi hatást gyakoroljak a világ problémáira.

Hamar kiábrándult az Egyesült Nemzetek Szervezetéből, hogyan vált át azután arra, hogy műszaki területen szeretne dolgozni?

Az ENSZ-ből való kiábrándultság annak lassú és bürokratikus természetében gyökerezik, ami végül változást késztetett a karrieremben. Míg az ENSZ-nek megvoltak az előnyei, rájöttem, hogy gyakran hiányzik belőle a hatékony fellépés és a hiteles változás előmozdításának képessége. Ez a felismerés arra késztetett, hogy figyelmemet a technológia birodalma felé irányítsam – egy dinamikus és korlátlan tér felé.

A technológia világában az innovatív eszközök könnyen elérhetőek és folyamatosan fejlődnek, lehetővé téve az egyének számára, hogy szükségtelen akadályok nélkül hajtsák végre az átalakulást. Ez a környezet elősegíti az ötletek valóra váltását, amit nem akadályoznak a szükségtelen engedélyek – ez az oldal, ami igazán lenyűgözött. Az a lehetőség, hogy jelentős, széles körű hatást érjek el a technológián keresztül, ellenállhatatlan hivatássá vált, és arra késztetett, hogy elmerüljek ebben az élénk területen.

Melyek voltak az első adatprojektek, amelyeken dolgozott?

Az egyik korábbi projektem egy olyan alkalmazás létrehozása volt, amely a tizenévesek mentális egészségére összpontosít. Az alkalmazás passzív haptikus adatokat és társalgási intelligenciát használt a bipoláris zavar korai jeleinek azonosítására. Abban az időben a természetes nyelvi feldolgozás területe még nem volt olyan fejlett, mint manapság, ami igen figyelemre méltó, tekintve, hogy csak körülbelül hat éve indult ez a projekt. Munkánk az egyik első kutatási és fejlesztési kezdeményezés volt ezen a területen, majd később eladtuk az IP-nket biztosítóknak belső elemzés és biztosítási tevékenység céljából.

Korábban a londoni székhelyű AI Seed-en keresztül mesterséges intelligencia- és ML-cégekbe fektetett be. Melyek azok a közös jellemzők, amelyeket a sikeres mesterségesintelligencia-induló vállalkozásoknál figyeltek meg?

Egy állandó szál az adatokhoz való kizárólagos hozzáférés, valamint az adatok valós problémák megoldására való hasznosításának lehetősége volt. Sőt, döntő fontosságú annak elismerése, hogy az alkalmazott AI-cégek területén a hangsúly túlmutat a modellek megalkotásán; hatásos, értékes termékek létrehozása felé tolódik el. Azok a csapatok, amelyek megragadják és elfogadják ezt a nézőpontot, azok, amelyek valóban boldogulnak az AI/ML környezetben. Például a Predina mesterséges intelligencia segítségével előrejelzi a járműbaleset kockázatát egy adott helyen és időpontban, míg az Observe Technologies szabadalmaztatott algoritmusokat használ a halgazdaságok támogatására a fenntartható élelmiszertermesztésben.

Megosztanád az Ntropy mögött meghúzódó keletkezéstörténetet?

Az Ntropy abból az ötletből született, hogy a világ legfontosabb információinak egy része a pénzügyi tranzakciókban rejtőzik. Eddig ezek az adatok silókban éltek, ami rendetlen és nehezen kezelhető. Az Ntropy-t azért hoztuk létre, hogy az legyen az első valóban globális, ágazatközi, földrajzi és többnyelvű pénzügyi adatmotor, amely emberi szintű pontosságot tud biztosítani. Azáltal, hogy közös nyelvet és rendszert hozunk létre a pénzügyi adatok megértéséhez, kiegyenlítjük a bizalmat és a pénzhez való hozzáférést a vállalkozások és magánszemélyek számára bárhol. Azáltal, hogy képesek vagyunk megérteni és értelmezni ezeket a tranzakciókat, a pénz dinamikája újradefiniálható, a hozzáférhetõség mellett.

Eléggé archetipikus startup történetünk volt. Kezdetben társalapítómmal, Iliával egy elhagyatott, poros iskolaépület pincéjében működtünk. 20 XNUMX tranzakcióval kezdtük, és egy desztillált BERT modellt képeztünk ki rájuk. Az adatokat egy Plaid kapcsolattal rendelkező Typeform fogyasztói alkalmazásból indították el, és a barátok és a család támogatták. Hosszú órákon át dolgoztunk, és kezdetben készpénzre volt szükségünk, de az elszántság és az üzlet iránti elhivatottság fűtött.

Gyorsan előre haladva a mai napig, utunk vezetett tranzakciók milliárdjainak elemzéséhez és címkézéséhez. Ennek eredményeként ma már a világ egyik legátfogóbb kereskedői adatbázisával rendelkezünk, amely közel 100 milliónál több kereskedőt tartalmaz nevekkel, címekkel, iparági címkékkel és egyebekkel. Következetesen bővítettük tranzakcióink tárházát – az LLM-ek erejének kihasználása ezeken a pénzügyi adatokon páratlan költséghatékonyságot és gyorsaságot eredményezett. Ez a képesség magában rejti a pénzügyi környezet forradalmasításának lehetőségét.

Miért a pénzügyi adatok az egyik nagy kiegyenlítő?

A pénzügyi adatok erőteljes kiegyenlítőként jelennek meg, mivel képesek kiegyenlíteni a versenyfeltételeket, csökkenteni a bizonytalanságot és növelni a bizalmat. Ha bőséges és finomított adat, az a pénzügyi döntéshozatalhoz kapcsolódó kockázatok csökkenését jelenti. Ahogy a kockázat kezelhetőbbé válik, elmozdulás történik. A bizonytalanság költségei csökkennek, lehetővé téve az egyének számára, hogy megalapozottabb és méltányosabb döntéseket hozzanak, ami viszont kiegyenlíti a versenyfeltételeket. Például, ha jobban hozzáférünk az adatokhoz, és már nem nagyon szűk paraméterkészlet alapján hozunk döntéseket, akkor egy új bevándorló ugyanolyan potenciállal rendelkezik, mint egy jól bevált származású személy, hogy kedvező feltételeket biztosítson autóhitelhez vagy jelzáloghitelhez. Lényegében a pénzügyi egyensúlytalanságok okozta akadály feloldódni kezd, bevezetve egy olyan korszakot, ahol az emberek szélesebb köre juthat elõnyös anyagi lehetõségekhez.

Melyek a kihívások egy olyan mesterséges intelligencia felépítése mögött, amely képes olvasni és megérteni a pénzügyi tranzakciókat, mint egy ember?

A pénzügyi tranzakciókat az emberekhez hasonlóan felfogni képes mesterséges intelligencia fejlesztése kihívást jelent valószínűségi természete miatt, ami hibákhoz vezethet. Az emberrel ellentétben az AI-rendszerekből még mindig hiányoznak az elszámoltathatósági struktúrák. A fő kihívás az AI-rendszerek finomítása a hibák és azok hatásának csökkentése érdekében, miközben biztosítják a méretezhetőséget. Érdekes módon a nagyobb modellek enyhíthetik ezt a kihívást azáltal, hogy idővel fokozatosan javítják a pontosságot. A megerősített képességek és a rengeteg adat javíthatja az AI értelmezési pontosságát, végső soron enyhébb hibatűrő környezetet alakít ki, és felgyorsítja e rendszerek széles körű elterjedését.

Meg tudná beszélni, hogy az Ntropy hogyan kínál szabványosított pénzügyi adatokat?

Az Ntropy mindenre kiterjedő platformként működik, amely a nyelvi modellek spektrumát egyesíti, a legkiterjedtebbtől a legkompaktabbig, a heurisztikával együtt. Ezeket a modelleket nyers pénzügyi adatok, szakértői betekintések és gépi címkézésű minták alapján képezik. Célunk, hogy a legkülönfélébb tranzakciós láncokból értelmes betekintést nyerjünk, és azokat összefüggően, könnyen érthető módon mutassuk be. Programcsomagunk API-kat és egy intuitív irányítópultot tartalmaz, amely lehetővé teszi a pénzügyi adatok gyors, ezredmásodperceken belüli konvertálását. Ez a funkció zökkenőmentesen integrálódik a felhasználók termékeibe és szolgáltatásaiba.

Milyen használati esetek állnak ezen adatok mögött?

Ezeknek az adatoknak az alkalmazása kiterjedt, a pénzügyi műveletek egészére kiterjed. Különféle funkciókat tesz lehetővé, beleértve a kifizetéseket, a jegyzést, a könyvelést, a befektetést és még sok mást. Az adatok adaptálhatósága abban nyilvánul meg, hogy képesek-e befolyásolni a pénzügyi tevékenységek különböző aspektusait, legyen szó pénzátutalásokról, aprólékos nyilvántartásról vagy a tőkefelhasználás optimalizálásáról.

Fontolja meg a banki tranzakciókat vagy egy költségvetési alkalmazást. Egy gyors pillantás rávilágít a vásárlások megértésének nehézségeire a nem szabványos kereskedőnevek és leírások miatt. Bár sok vállalat megpróbálta megoldani ezt a problémát belső megoldásokkal, ezek gyakran elmaradnak a skálázhatóság, a karbantartás és az általánosítás terén. Egy egyedi modell általában csak 60-70%-ban pontos, és hónapokig is eltarthat.

Az Ntropy technológiája több milliárd adatpontot egyesít globális kereskedői adatbázisokból, keresőmotorokból és a web sűrített változatán kiképzett nyelvi modellekből, hogy négy különböző kontinensen és hat különböző nyelven dolgozza fel a banki adatokat. Lehetővé tesszük a nagy nyelvi modellek nagy léptékű használatát a pénzügyekben, hogy támogassák az összes back-office funkciót.

Mi az elképzelése az Ntropy jövőjéről?

Az Ntropy-val kapcsolatos jövőképünk világos: Célunk, hogy a pénzügyi szolgáltatásokkal foglalkozó Vertical AI vállalattá váljunk. Erős adatbázisunk és intuíciónk, amelyet egy elkötelezett csapat támogat, egyedülálló pozícióba helyezett bennünket a valódi változás előmozdítása érdekében. Tehát mit is jelent ez valójában a gyakorlatban? Arról van szó, hogy a legújabb fejlesztéseket kiaknázzuk a pénzügyek átalakítására és a termelékenység olyan új szintjei felszabadítására, amelyek korábban elérhetetlenek voltak.

Mindannyian tudjuk, hogy a banki szolgáltatások költségesek lehetnek. De képzeld el, ha ezen változtatni tudnánk. A költségek csökkentésével nemcsak a kiadásokat csökkentjük, hanem ösztönözzük az egészséges versenyt, javítjuk a rendszer gazdaságosságát, és végső soron mindenki számára elérhetőbbé és hatékonyabbá tesszük a pénzügyi szolgáltatásokat. Ez a jövő, amiért dolgozunk – egy igazságosabb és felhasználóbarátabb pénzügyi környezet.

Köszönjük a remek interjút, azoknak az olvasóknak, akik többet szeretnének megtudni, látogassanak el Ntropy.