Stephen DeAngelis, Fondatore e Amministratore Delegato di Enterra Solutions – Serie di Interviste

Stephen DeAngelis è il fondatore e amministratore delegato di Enterra Solutions, la prima azienda a utilizzare la tecnologia di Scienza Decisionale Autonoma (ADS^TM) per eseguire l’ottimizzazione della catena di valore, la pianificazione e l’esecuzione di decisioni complesse per le imprese.

Stephen F. DeAngelis è un esperto internazionalmente riconosciuto nel campo dell’intelligenza artificiale e dell’analisi avanzata e delle loro applicazioni alla competitività, alla resilienza e alla sicurezza delle entità commerciali e governative. Il signor DeAngelis è un titolare di brevetti, pioniere tecnologico e imprenditore. La sua carriera si trova all’intersezione delle relazioni internazionali, del business, del governo e dell’istruzione. Egli porta una prospettiva unica e un’esperienza approfondita alle sue aziende.

Potresti condividere la storia di come è nata Enterra Solutions?

Enterra ha le sue radici come appaltatore del governo degli Stati Uniti. Enterra ha sviluppato e eseguito modelli di resilienza aziendale (competitività, rischio e prestazioni basati sui dati) per agenzie governative degli Stati Uniti. Nel svolgere questo lavoro, Enterra ha sviluppato la sua metodologia di gestione della resilienza aziendale e il modello di maturità sotto accordi di ricerca e sviluppo collaborativi con agenzie di ricerca e sviluppo finanziate dal governo degli Stati Uniti.

Per avanzare la tecnologia di competitività e resilienza, Enterra ha iniziato a lavorare sull’intelligenza artificiale e la matematica applicata all’inizio degli anni 2000. A metà degli anni 2000, l’azienda ha iniziato a combinare il suo lavoro nel settore governativo con la ricerca accademica teorica e sperimentale di punta – questo lavoro continua ancora oggi. La ricerca accademica di Enterra è una cooperazione bidirezionale che espone la nostra azienda e i nostri dipendenti a alcune delle tecniche e pratiche di intelligenza artificiale e matematica più avanzate e sofisticate, mentre stabilisce una rete e un insieme di connessioni con alcuni dei principali individui e pensatori seminali nel campo della scienza cognitiva e delle applicazioni di resilienza.

Enterra ha sfruttato le conoscenze scientifiche e tecniche derivanti dal suo lavoro nel governo e nell’istruzione per rimmaginare l’analisi dei big data nel settore commerciale – il risultato è stato la creazione della piattaforma di Scienza Decisionale Autonoma (ADS^®) e del set di applicazioni aziendali di Enterra che si combinano per creare un Sistema di Intelligenza del primo tipo. Il Sistema di Intelligenza di Enterra esegue l’ottimizzazione, la pianificazione e l’esecuzione autonoma sedendosi sopra i sistemi transazionali di registrazione/impegno di un’organizzazione in Marketing, Vendite, Catena di Fornitura e Strategia Aziendale, e orchestrando decisioni e azioni che aiutano l’azienda a costruire competitività e resilienza e a raggiungere i suoi obiettivi aziendali.

Combinando la tecnologia proprietaria di Enterra con le conoscenze e le pratiche organizzative, Enterra anticipa i cambiamenti del mercato in modo sistematico e alla velocità del mercato – trasformando le aziende in imprese intelligenti autonome.

Enterra Solutions offre scienza decisionale autonoma, cosa è esattamente e come ottimizza le decisioni aziendali?

La Scienza Decisionale Autonoma (ADS^®) di Enterra è la piattaforma tecnologica che alimenta il Sistema di Intelligenza di Enterra. La piattaforma tecnologica ADS di Enterra combina tre tecnologie precedentemente isolate:

1. Ragionamento semantico e logica simbolica vettoriale basata sull’intelligenza artificiale che consente un ragionamento, una presa di decisioni e un apprendimento simili a quelli umani. Questa capacità unica combina il senso comune e la conoscenza del settore con il ragionamento per inferenza per creare un sistema che possa prendere decisioni con un ragionamento sottile e simile a quello umano e poi imparare dagli esiti.
2. Apprendimento automatico trasparente e spiegabile sotto forma della macchina di apprendimento della rappresentazione proprietaria (RLM). La base della RLM è la matematica ad alta dimensionalità e l’analisi funzionale. La RLM identifica in modo unico una funzione che descrive la combinazione e il contributo delle variabili nel set di dati che descrivono gli effetti osservabili attraverso molteplici livelli di interazione con un alto grado di precisione. Ciò è classificato come un algoritmo “trasparente” che genera una funzione, il cui output è visibile, a differenza degli algoritmi “black-box” che generano solo modelli, ma non offrono alcuna descrizione esplicativa della dinamica del sistema/set di dati, né hanno alcuna “comprensione” sostanziale di cosa significhi il modello.
3. Ottimizzazione basata su vincoli e non lineare che incorpora la formula derivata dalla RLM, insieme ai vincoli di ragionamento semantico e logica, per eseguire un’ottimizzazione rapida che rifletta le considerazioni complesse e multimensionali del mondo reale per derivare raccomandazioni altamente azionabili. Questa capacità rompe la barriera della dimensionalità associata ai modelli lineari.

La combinazione unica di queste tecniche ha consentito a Enterra di fornire ai clienti capacità significativamente differenziate e ha creato un divario difendibile nel panorama competitivo – sia con le grandi piattaforme tecnologiche di intelligenza artificiale che con i giocatori di soluzioni puntuali.

Circa un anno fa, nel podcast “Eye on AI“, hai discusso come l’intelligenza artificiale vecchio stile continui a essere uno strumento potente. Le tue opinioni sono cambiate su questo, e quali sono alcuni degli algoritmi di apprendimento automatico tradizionali che sono ancora utilizzati in Enterra Solutions?

La scienza è additiva generazionale, il che significa che una generazione di capacità si sovrappone alla generazione precedente di innovazioni per creare nuove capacità. Enterra continua a innovare e a evolversi creativamente la sua tecnologia. Come menzionato sopra, Enterra ha creato una piattaforma di Scienza Decisionale Autonoma (ADS^®) e di Intelligenza Artificiale Generativa che è un ensemble di capacità di ragionamento umano e di intelligenza artificiale generativa, super avanzate e spiegabili, con motori di ottimizzazione non lineari e basati su vincoli. Abbiamo combinato queste tecnologie precedentemente isolate sotto una sola piattaforma e, facendolo, siamo stati in grado di sbloccare capacità analitiche precedentemente irrealizzabili e di mitigare le carenze di ogni singola tecnologia.

Come Enterra Solutions ha integrato l’Intelligenza Artificiale Generativa nelle sue soluzioni?

Mentre molte organizzazioni sono ancora in una fase di scoperta e di prova con l’intelligenza artificiale generativa, Enterra Solutions e i nostri clienti hanno beneficiato delle sue potenti capacità per oltre un decennio. Il componente di intelligenza artificiale della piattaforma di Enterra imparerà in modo unico le ragioni ambientali per cui le raccomandazioni sono di successo o meno e persiste nell’apprendimento nelle sue ontologie e nelle basi di conoscenza di intelligenza artificiale generativa. Enterra, se richiesto da un cliente, svilupperà una specifica base di conoscenza di intelligenza artificiale generativa che rappresenta le strategie, le tattiche, la logica aziendale e i modi di lavorare e vincere del cliente; fornendo anche logica e impostazione di vincoli aggiornati alle funzioni di ottimizzazione all’interno dei componenti funzionali del Sistema di Intelligenza di Enterra.

Le “allucinazioni” sono uno dei principali problemi dell’Intelligenza Artificiale Generativa, come Enterra Solutions supera questi limiti?

L’Intelligenza Artificiale Generativa può automatizzare la maggior parte dei flussi di lavoro, ma essendo non convalidata, la sua credibilità è discutibile. Ciò può essere affrontato sfruttando la tecnologia ADS che può collegarsi ai grandi modelli linguistici (LLM), ragionare e triangolare la conoscenza in modo matematico per convalidare la sua efficacia. Sfruttando l’ADS per fornire spiegabilità e azionabilità attendibili delle informazioni e delle raccomandazioni, si può costruire la fiducia.

Da il 2015 al 2019, sei stato un membro del consiglio consultivo del Dalai Lama Center for Ethics and Transformative Values al MIT, come questo ha plasmato i tuoi valori sull’impresa e sull’intelligenza artificiale?

Bene, se si è coinvolti con il Dalai Lama Center, non si può fare a meno di pensare alla leadership e all’etica come la stessa cosa. Quando si gestisce un’azienda, si impara molto rapidamente che si prendono migliaia di decisioni all’anno. Alcune sono piccole, alcune sono ordinarie o procedurali e alcune sono significative o consequenziali. Spero di aver imparato a prendere decisioni con considerazioni etiche native incorporate nella mia logica – veramente una stella polare e i parametri per una presa di decisioni illuminata. Questo concetto è anche riflesso nel modo in cui costruiamo algoritmi e software, e alla fine è riflesso nel modo in cui gestiamo la nostra organizzazione.

Spesso i leader aziendali e di intelligenza artificiale come Geoffrey Hinton sono preoccupati per i potenziali problemi futuri dell’intelligenza artificiale, e in particolare dell’intelligenza artificiale generale, quali sono le tue opinioni su questo?

Alcune delle preoccupazioni di Geoffrey Hinton sono relative al possibile uso improprio e alla velocità con cui l’intelligenza artificiale sta essere implementata. Questi sono punti validi, poiché molte aziende stanno cercando di adattare l’intelligenza artificiale alle loro pratiche commerciali senza prima capire quali problemi stanno cercando di risolvere. L’intelligenza artificiale non risolve ogni problema e non dovrebbe essere considerata come una soluzione universale per tutte le sfide aziendali. È fondamentale che le aziende inizino con una dichiarazione di problema guidata dal business, prima di cercare soluzioni valide. Una volta che si comprende il problema che si sta cercando di risolvere, si può comprendere l’adattamento strategico e la fattibilità tecnica dell’uso di tecnologie avanzate come l’intelligenza artificiale.

Sei un imprenditore seriale e hai lanciato con successo molte aziende in vari settori, cosa ti spinge a innovare?

Alla fine della giornata, sono più un apprendista creativo e un imprenditore intellettualmente curioso che un amministratore. La combinazione di un’apprendista per tutta la vita e di una curiosità intellettuale, quando combinata con l’entusiasmo di un imprenditore per la creazione di nuove aziende, spinge l’innovazione e la creazione di prodotti e servizi per colmare lacune di mercato identificate. Il desiderio di lavorare con grandi squadre di persone e di “competere e vincere” creando valore per gli azionisti è ciò che mi spinge a innovare.

Qual è la tua visione per il futuro dell’intelligenza artificiale?

Attraverso la lente dell’uso dell’intelligenza artificiale nelle applicazioni B2B del prossimo futuro – credo che l’intelligenza artificiale consentirà una presa di decisioni autonoma pratica nel prossimo futuro in applicazioni aziendali su larga scala. Queste capacità saranno guidate da agenti intelligenti simili a quelli umani che aumentano la presa di decisioni umana con un’intelligenza artificiale o una superintelligenza artificiale che si concentrano su casi d’uso grandi e disruptivi. Applicazioni come l’ottimizzazione e la pianificazione della catena di valore e la presa di decisioni per le corporation globali attraverso i settori e le interruzioni nella scoperta e formulazione dei farmaci, e nei trial clinici, sono trasformative e toccano la vita della maggior parte delle persone nel pianeta.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Enterra Solutions.