Interviste
Stephen DeAngelis, Fondatore & 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 Autonomous Decision ScienceTM (ADS®) per eseguire l’ottimizzazione della catena di valore end-to-end, la presa di decisioni e la ricerca e sviluppo complesse per le aziende.
Stephen F. DeAngelis è un esperto internazionalmente riconosciuto di intelligenza artificiale e analisi avanzate e delle loro applicazioni alla competitività, alla resilienza e alla sicurezza delle entità commerciali e delle agenzie governative. Il signor DeAngelis è un titolare di brevetti, pioniere della tecnologia e imprenditore. La sua carriera si trova all’intersezione delle relazioni internazionali, degli affari, del governo e dell’istruzione. Egli porta una prospettiva unica e un’esperienza approfondita alle sue aziende.
Potresti condividere la storia di genesi dietro Enterra Solutions?
Enterra ha le sue origini come appaltatore del governo degli Stati Uniti. Enterra ha sviluppato e eseguito modelli di resilienza aziendale (competitività, rischio e prestazioni dati-driven sistematici) per le agenzie governative degli Stati Uniti. Nello 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 federale degli Stati Uniti.
Per avanzare la tecnologia della competitività e della resilienza, Enterra ha iniziato a lavorare sull’intelligenza artificiale e sulla 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 ad alcune delle tecniche e delle pratiche di intelligenza artificiale e matematica più avanzate e sofisticate, mentre stabilisce una rete profonda e un insieme di connessioni con alcuni dei principali individui e pensatori seminali nella scienza cognitiva e nelle 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 Enterra Autonomous Decision Science® (ADS®) e del set di applicazioni aziendali di valore-catena che si combinano per creare un Sistema di Intelligenza del primo tipo. Il Sistema di Intelligenza di Enterra esegue l’ottimizzazione autonoma end-to-end, la pianificazione e l’esecuzione sedendosi sopra i sistemi transazionali multipli di registrazione/impegno di un’organizzazione attraverso 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 propri obiettivi aziendali.
Combinando la tecnologia proprietaria di Enterra con le conoscenze e le pratiche organizzative, Enterra anticipa sistematicamente i cambiamenti del mercato e alla velocità del mercato – trasformando le aziende in Aziende Intelligenti Autonome.
Enterra Solutions offre scienza decisionale autonoma, cosa è esattamente e come ottimizza le decisioni aziendali?
La piattaforma tecnologica Autonomous Decision Science® (ADS®) di Enterra è la tecnologia che alimenta il Sistema di Intelligenza di EnterraTM. La piattaforma tecnologica ADS di Enterra combina tre tecnologie precedentemente isolate:
- 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 le conoscenze di 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.
- Apprendimento automatico trasparente e spiegabile “glass-box” sotto forma della macchina di apprendimento della rappresentazione proprietariaTM (RLM). La base del RLM è la matematica ad alta dimensionalità e l’analisi funzionale. Il 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 “glass-box”, spiegabile che genera una funzione, il cui output è visibile in opposizione agli algoritmi “black-box” che generano solo modelli, ma non offrono alcuna descrizione spiegativa della dinamica del sistema/set di dati, né hanno alcuna sostanziale “comprensione” di cosa significhi il modello.
- Capacità di ottimizzazione non lineare basata su vincoli che incorpora la formula derivata dal RLM, insieme a vincoli di ragionamento semantico e logica, per eseguire un’ottimizzazione rapida che rifletta le considerazioni complesse e multidimensionali 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 – con entrambe le grandi piattaforme tecnologiche di intelligenza artificiale e i giocatori di soluzione punti.
Circa un anno fa, nel podcast “Eye on AI“, hai discusso come l’intelligenza artificiale vecchio stile continua ad 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 precedente generazione 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 Enterra Autonomous Decision Science® (ADS®) e intelligenza artificiale generativa che è un ensemble di ragionamento umano-simile e capacità di intelligenza artificiale generativa, apprendimento automatico avanzato ad alta dimensionalità, spiegabile e trasparente “glass-box” con motori di ottimizzazione non lineare 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 qualsiasi tecnologia individuale.
Come Enterra Solutions ha integrato l’intelligenza artificiale generativa nelle sue soluzioni?
Mentre molte organizzazioni sono ancora in un periodo di scoperta e prova con l’intelligenza artificiale generativa, Enterra Solutions e i nostri clienti hanno tratto vantaggio dalle sue potenti capacità per oltre un decennio. Il componente di intelligenza artificiale della piattaforma di Enterra apprenderà in modo unico le ragioni ambientali per cui le raccomandazioni hanno successo o meno e persiste quell’apprendimento nelle loro ontologie e nelle basi di conoscenza di intelligenza artificiale generativa. Enterra, quando richiesto da un cliente, svilupperà una base di conoscenza di intelligenza artificiale generativa specifica che rappresenta le strategie, le tattiche, la logica aziendale e i modi di lavorare e vincere del cliente; fornendo logica e impostazione di vincoli aggiornate 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 matematicamente per convalidare la sua efficacia. Sfruttando 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 sui affari e sull’intelligenza artificiale?
Ebbene, se si è coinvolti con il Dalai Lama Center, non si può fare a meno di pensare al leadership e all’etica come la stessa cosa. Quando si gestisce un’azienda, si impara molto velocemente che si prendono migliaia di decisioni all’anno. Alcune sono piccole, alcune sono ordinarie o procedurali, e alcune sono significative o decisioni conseguenziali. Spero di aver imparato a prendere decisioni con considerazioni etiche nativamente incorporate nella mia logica – veramente una stella polare e i parametri per la presa di decisioni illuminata. Questo concetto è riflesso anche nel modo in cui costruiamo algoritmi e software, ed è infine 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 all’uso potenziale improprio e alla velocità con cui l’intelligenza artificiale sta essere distribuita. Questi sono punti giusti poiché molte aziende stanno cercando di adattare l’intelligenza artificiale alle loro pratiche aziendali senza capire prima quali problemi stanno cercando di risolvere. L’intelligenza artificiale non risolve tutti i problemi 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 aziendale guidata, 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 domini, cosa ti spinge a innovare?
Alla fine della giornata, sono più un apprendista creativo e curioso intellettualmente che un amministratore. La combinazione di apprendimento permanente e 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 team 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?
Sebbene attraverso la lente dell’uso dell’intelligenza artificiale nelle applicazioni B2B del prossimo futuro – credo che l’intelligenza artificiale consentirà la presa di decisioni autonome pratiche nel prossimo futuro in applicazioni aziendali su larga scala. Queste capacità saranno guidate da Agenti Intelligenti umano-simili che aumentano la presa di decisioni umana con un’intelligenza artificiale o un’intelligenza artificiale superiore che si concentrano su casi d’uso grandi e disruptivi. Applicazioni come l’ottimizzazione e la pianificazione della catena di valore end-to-end e la presa di decisioni per le corporation globali attraverso settori e interruzioni nella scoperta e formulazione di farmaci, e nei trial clinici, sono trasformative e toccano la vita della maggior parte delle persone in tutto il pianeta.
Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Enterra Solutions.
