デニス・イグナトビッチ、イマンドラの共同創設者兼共同CEO – インタビュー・シリーズ

デニス・イグナトビッチ、イマンドラの共同創設者兼共同CEOは、取引、リスク管理、量的モデリング、複雑な取引システム設計で10年以上の経験を持っています。イマンドラを設立する前に、ロンドンのドイツ銀行で中央リスク取引デスクを率いており、金融部門でAIが果たすことができる重要な役割を認識しました。当時の彼の洞察は、イマンドラの金融製品のスイートを形作るのに役立ちました。デニスの金融取引プラットフォームの計算論理への貢献には、複数の特許があります。彼は、ロンドン・スクール・オブ・エコノミクスで金融の修士号を取得し、テキサス大学オースティンでコンピューター・サイエンスと金融の学位を取得しています。

イマンドラは、ニューロ・シンボリックAIを使用して、特に金融取引およびソフトウェア・システムで複雑なアルゴリズムの検証と最適化を自動化するAI駆動の推論エンジンです。シンボリック推論と機械学習を組み合わせて、安全性、コンプライアンス、効率性を高め、機関がAI駆動の意思決定におけるリスクを軽減し、透明性を高めるのに役立ちます。

あなたとグラント・パスモア博士がイマンドラを共同設立するきっかけとなったものは何ですか？また、あなたたちの背景は会社のビジョンにどのように影響しましたか？

大学を卒業した後、私は量的取引に入り、ロンドンにやってきました。グラントはエジンバラで博士号を取得し、次に自動化された論理的推論の安全性分析のための自動パイロット・システム（非線形計算を伴う複雑なアルゴリズム）への応用についてカムブリッジで研究を行いました。私の仕事でも、私は非線形計算を伴う複雑なアルゴリズムに取り組んでいました。私たちは、これら2つの分野間に深いつながりがあることを認識しました。金融でこれらのアルゴリズムを作成する方法は、実際に問題がありました（「アルゴリズムの故障」に関する多くのニュース記事で強調されています）。そこで、私たちは、金融エンジニアに自動論理ツールを提供することで、これを変えることを目指しました。金融におけるソフトウェア設計と開発に厳密な科学的技術を導入することで、しかし、私たちが作成したものは、業界に依存しないものでした。

ニューロ・シンボリックAIとは何ですか？それが従来のAIアプローチとどう違うのですか？

AIの分野は（非常にざっくり！）2つの領域に分けられます。統計的（LLMを含む）とシンボリック（自動推論と呼ばれる）。統計的AIは、パターンを識別し、学習したデータから情報を使用して翻訳を行うことが非常に優れています。しかし、論理的推論は苦手です。シンボリックAIは、ほぼその逆です。正確性（数学的）を強制しますが、データを使用せずに論理的に推論することができます。シンボリックAIと統計的AIの両方の分野を組み合わせる技術は「ニューロ・シンボリック」と呼ばれます。有名な応用例の1つは、最近ノーベル賞を受賞したDeepMindのAlphaFoldプロジェクトです。

イマンドラがニューロ・シンボリックAI革命を牽引する上で、他と異なる点は何ですか？

多くの素晴らしいシンボリック推論エンジン（大部分は学術分野）が特定のニッチ（たとえばタンパク質の折り畳み）を対象としていますが、イマンドラは開発者がアルゴリズムを前例のない自動化で分析できるようにします。これは、より広範な応用とより広いターゲット・オーディエンスを持つツールです。

イマンドラの自動推論は、幻覚などの一般的なAIの課題をどのように排除し、AIシステムの信頼性を高めるのでしょうか？

私たちのアプローチでは、LLMは人間のリクエストを形式論理に翻訳し、それを推論エンジンが完全な論理的監査トレイルで分析します。LLMを使用して翻訳エラーが発生する可能性がありますが、ユーザーは、入力がどのように翻訳されたかと論理的監査がどのように行われたかについての論理的説明が提供されます。論理的監査は、オープンソースのソフトウェアを使用して3次元で検証できます。私たちの最終的な目標は、実行可能な透明性をもたらすことです。AIシステムが、独立して論理的に検証可能な方法で推論を説明できるようにすることです。

イマンドラはゴールドマン・サックスやDARPAを含むいくつかの企業で使用されています。技術が複雑な問題を解決した実際の例を共有できますか？

イマンドラの実世界での影響の素晴らしい例は、UBSの未来の金融チャレンジで1位を獲得したことです（詳細とイマンドラのコードはウェブサイトにあります）。UBSがSECに提出する規制文書を符号化するためのケース・スタディを作成する際に、イマンドラはアルゴリズムの説明に根本的な欠陥を発見しました。欠陥は、オーダー・ブック内でオーダーをランク付けするために満たさなければならない微妙な論理条件から生じたもので、これは人間が手動で検出することは不可能でした。銀行は私たちに1位（世界中の620以上の企業の中から）を授与しました。

ドイツ銀行でのあなたの経験は、金融システムにおけるイマンドラの応用にどのように影響しましたか？今までで最も影響力のあるユースケースは何ですか？

ドイツ銀行では、私たちは多くの非常に複雑なコードを扱い、機械学習の入力、リスク・インジケーターなどに基づいて自動取引の決定を下していました。どの銀行と同様に、私たちは多数の規制に従っていました。グラントと私が認識したのは、これは数学的には、グラントが自動パイロットの安全性の分析のために行っていた研究と非常に似ているということです。

金融以外の分野で、ニューロ・シンボリックAIが最も大きな潜在的利益をもたらす分野は何ですか？

AlphaFoldがノーベル賞を受賞したので、それを数えることができます…最終的には、ほとんどのAIの応用は、シンボリック方法の使用によって大幅に利益を得るでしょう。しかし、具体的には、次のエージェントをすぐにリリースする予定です。ソースコードを数学モデルに翻訳するコード分析、英語の文章の仕様から厳密なモデルを作成する、安全性が重要な業界でシステムを記述するために使用されるSysMLモデルについて推論する、ビジネス・プロセスの自動化。

イマンドラのリージョン分割は新しい機能です。どのように機能し、複雑な問題を解決する上でどのような重要性がありますか？

ソフトウェアを書くエンジニアが考える質問の1つは、「エッジケースは何ですか？」です。彼らの仕事がQAでユニット・テスト・ケースを書くことであるか、コードを書き、要件を正しく実装したかどうかについて考える場合です。イマンドラは、コードを数学モデルとして扱い、すべてのエッジ・ケースをシンボリックに分析し（完全性の証明を生成しながら）、この質問に科学的厳密さを持って答えることを可能にします。この機能は、サイリンドリック・アルジェブラ的分解と呼ばれる数学的技術に基づいています。これを大規模なアルゴリズムに「持ち上げ」ました。これにより、金融分野の顧客の数多くの時間が節約され、重要なエラーが発見されました。現在、この機能をエンジニアの皆さんに提供しています。

イマンドラは大規模言語モデルとどのように統合され、生成的なAIにどのような新しい機能をもたらしますか？

LLMとイマンドラは、人間の入力（ソースコード、英語の文章など）を形式論理に翻訳し、推論し、出力をわかりやすい方法で返すために共同で作業します。私たちは、Agenticフレームワーク（例：Langgraph）を使用してこの作業をオーケストレーションし、直接使用できるエージェントまたはアプリケーション/エージェントに統合できるエージェントとして、体験を提供します。この共生的なワークフローは、LLMのみのAIツールを使用する際の多くの課題に対処し、以前見られたトレーニング・データの範囲を超えてその応用を拡大します。

イマンドラの長期的なビジョンは何ですか？AIの応用を業界全体でどのように変化させることができますか？

私たちは、ニューロ・シンボリック技術が、AIの約束を実現するための基盤となることを考えています。シンボリック技術は、ほとんどの産業用AIアプリケーションの欠けている要素です。私たちは、このAIの次の章の最前線に立っています。

素晴らしいインタビュー、詳しく知りたい読者はイマンドラを訪問してください。