Naré Vardanyan, współzałożyciel i dyrektor generalny Ntropy – seria wywiadów

Naré Vardanyan, współzałożyciel i dyrektor generalny Ntropia, platformę umożliwiającą programistom analizowanie transakcji finansowych w czasie krótszym niż 100 ms z nadludzką dokładnością, otwierając drogę do nowej generacji autonomicznych finansów, obsługującej produkty i usługi, które nigdy wcześniej nie były możliwe. Konwertuje surowe strumienie transakcji na kontekstowe, ustrukturyzowane informacje, łącząc dane z wielu źródeł, w tym modeli języka naturalnego, wyszukiwarek, wewnętrznych baz danych, zewnętrznych interfejsów API i istniejących danych transakcyjnych z całej naszej sieci.

Dorastałeś w Armenii, podczas wojny bez prądu. Czy mógłbyś podzielić się szczegółami dotyczącymi tych początków i tego, jak doprowadziło Cię to do pracy w Organizacji Narodów Zjednoczonych?

Doświadczenie to podzielało całe pokolenie w Armenii. Rozbudziło we mnie wyobraźnię i umiejętność znajdowania rozwiązań nawet przy niewielkich środkach. Podobnie jak w przypadku innych osób, które dorastały w strefie konfliktu, ten okres w moim życiu miał ogromny wpływ na to, jak postrzegam świat. Te wymagające okoliczności wzmocniły poczucie wspólnej odpowiedzialności w społeczności i zdecydowane dążenie do wprowadzenia pozytywnych zmian. Zdając sobie sprawę, że nasze wyzwania wykraczają poza indywidualne zmagania, poczułem powołanie do myślenia w szerszej skali i ukierunkowywania moich wysiłków. To z kolei skierowało mnie w stronę Organizacji Narodów Zjednoczonych.

ONZ okazała się idealną platformą do wniesienia znaczącego wkładu. Biorąc pod uwagę niepewną pozycję geopolityczną Armenii i moje dążenie do wpływania na sprawy globalne, wierzyłem, że współpraca z ONZ stworzy szansę na rzeczywiste dokonanie zmian. Uczestnicząc w znaczących dyskusjach i decyzjach, chciałem mieć znaczący wpływ na problemy świata.

Wkrótce rozczarowałeś się Organizacją Narodów Zjednoczonych. Jak to się stało, że zacząłeś chcieć pracować w branży technologicznej?

Rozczarowanie ONZ wynikało z jej powolności i biurokratycznej natury, co ostatecznie spowodowało zmianę moich aspiracji zawodowych. Chociaż ONZ miała swoje zalety, zdałem sobie sprawę, że często brakowało jej skutecznych działań i zdolności do kierowania autentycznymi zmianami. Ta świadomość skłoniła mnie do przekierowania mojej uwagi na dziedzinę technologii – dynamiczną i nieograniczoną przestrzeń.

W świecie technologii innowacyjne narzędzia są łatwo dostępne i stale udoskonalane, dając jednostkom możliwość zainicjowania transformacji bez niepotrzebnych przeszkód. To środowisko sprzyja przekształcaniu pomysłów w rzeczywistość bez niepotrzebnych pozwoleń – aspekt, który naprawdę mnie zafascynował. Potencjał wywarcia znaczącego, szerokiego wpływu dzięki technologii stał się powołaniem, któremu nie można się oprzeć, i który zmusza mnie do zanurzenia się w tej tętniącej życiem dziedzinie.

Jakie były pierwsze projekty związane z danymi, nad którymi pracowałeś?

Jednym z moich wcześniejszych projektów było stworzenie aplikacji poświęconej zdrowiu psychicznemu nastolatków. Aplikacja wykorzystywała pasywne dane dotykowe i inteligencję konwersacyjną do identyfikowania wczesnych objawów choroby afektywnej dwubiegunowej. W tamtym czasie dziedzina przetwarzania języka naturalnego nie była tak zaawansowana jak obecnie, co jest dość niezwykłe, biorąc pod uwagę, że zainicjowanie tego projektu miało miejsce zaledwie około sześć lat temu. Nasza praca była jedną z pierwszych inicjatyw badawczo-rozwojowych w tej przestrzeni, a później sprzedaliśmy naszą własność intelektualną ubezpieczycielom w celu wewnętrznej analizy i underwritingu.

Wcześniej inwestowałeś w firmy AI i ML za pośrednictwem AI Seed z siedzibą w Londynie. Jakie typowe cechy zaobserwowałeś w przypadku odnoszących sukcesy start-upów AI?

Stałym wątkiem był wyłączny dostęp do danych wraz z możliwością wykorzystania tych danych do rozwiązywania rzeczywistych problemów. Co więcej, należy przyznać, że w branży firm zajmujących się sztuczną inteligencją nacisk wykracza poza samo konstruowanie modeli; zmierza w kierunku tworzenia wpływowych, wartościowych produktów. Zespoły, które rozumieją i przyjmują ten punkt widzenia, naprawdę prosperują w środowisku AI/ML. Na przykład Predina wykorzystuje sztuczną inteligencję do przewidywania ryzyka wypadku samochodowego w danym miejscu i czasie, podczas gdy Observe Technologies wykorzystuje autorskie algorytmy, aby wspierać hodowle ryb w zrównoważonej uprawie żywności.

Czy mógłbyś podzielić się historią powstania Ntropy?

Ntropy narodziło się z pomysłu, że niektóre z najważniejszych informacji na świecie są ukryte w transakcjach finansowych. Do tej pory dane te żyły w silosach, co powodowało bałagan i utrudniało pracę z nimi. Stworzyliśmy Ntropy, aby być pierwszym prawdziwie globalnym, międzybranżowym, międzygeograficznym i wielojęzycznym silnikiem danych finansowych, który może zapewnić dokładność na poziomie ludzkim. Tworząc wspólny język i system do zrozumienia danych finansowych, wyrównujemy zaufanie i dostęp do pieniędzy dla firm i osób fizycznych w dowolnym miejscu. Posiadając umiejętność zrozumienia i interpretacji tych transakcji, można na nowo zdefiniować dynamikę pieniądza i jego dostępność.

Mieliśmy dość archetypową historię startupu. Na początku moja współzałożycielka Ilia i ja działaliśmy w opuszczonej, zakurzonej piwnicy budynku szkolnego. Zaczęliśmy od 20 tys. transakcji i wytrenowanego na nich destylowanego modelu BERT. Dane zostały załadowane z aplikacji konsumenckiej na platformie Typeform z połączeniem Plaid i przy wsparciu przyjaciół i rodziny. Na początku pracowaliśmy długo i brakowało nam środków pieniężnych, ale napędzała nas determinacja i poświęcenie temu biznesowi.

Przejdźmy szybko do dnia dzisiejszego – nasza podróż doprowadziła nas do przeanalizowania i oznaczenia miliardów transakcji. W rezultacie mamy obecnie jedną z najbardziej kompleksowych baz danych sprzedawców na świecie, obejmującą ponad 100 milionów sprzedawców, wzbogaconą o nazwy, adresy, tagi branżowe i nie tylko. Konsekwentnie poszerzamy nasze repozytorium transakcji – wykorzystanie mocy LLM na tych danych finansowych zapewniło niezrównaną efektywność kosztową i szybkość. Zdolność ta może zrewolucjonizować krajobraz finansowy.

Dlaczego dane finansowe są jednym z najlepszych korektorów?

Dane finansowe okazują się potężnym czynnikiem wyrównującym szanse ze względu na ich zdolność do wyrównywania szans, zmniejszania niepewności i zwiększania zaufania. Gdy danych jest dużo i są one dopracowane, oznacza to zmniejszenie ryzyka związanego z podejmowaniem decyzji finansowych. Gdy ryzyko staje się łatwiejsze do zarządzania, następuje zmiana. Koszt niepewności maleje, umożliwiając jednostkom podejmowanie bardziej świadomych i sprawiedliwych decyzji, co z kolei wyrównuje szanse. Przykładowo, jeśli mamy większy dostęp do danych i nie podejmujemy już decyzji w oparciu o bardzo wąski zestaw parametrów, nowy imigrant ma taki sam potencjał jak ktoś z ugruntowanego rodu, aby zapewnić sobie korzystne warunki kredytu samochodowego czy hipotecznego. Zasadniczo przeszkoda, jaką stanowi brak równowagi finansowej, zaczyna znikać, rozpoczynając erę, w której szersze grono ludzi może uzyskać dostęp do korzystnych możliwości finansowych.

Jakie wyzwania stoją przed stworzeniem sztucznej inteligencji, która potrafi czytać i rozumieć transakcje finansowe tak jak człowiek?

Opracowanie sztucznej inteligencji zdolnej do rozumienia transakcji finansowych tak, jak potrafi to człowiek, stanowi wyzwanie ze względu na jej probabilistyczny charakter, który może prowadzić do błędów. W przeciwieństwie do ludzi, systemom sztucznej inteligencji nadal brakuje struktur odpowiedzialności. Głównym wyzwaniem jest udoskonalanie systemów AI w celu ograniczenia błędów i ich wpływu przy jednoczesnym zapewnieniu skalowalności. Co ciekawe, większe modele mogą złagodzić to wyzwanie, stopniowo poprawiając dokładność w miarę upływu czasu. Większe możliwości i bogactwo danych mogą zwiększyć dokładność interpretacji sztucznej inteligencji, ostatecznie tworząc bardziej łagodne środowisko odporne na błędy i przyspieszając powszechne przyjęcie tych systemów.

Czy możesz omówić, w jaki sposób Ntropy oferuje standardowe dane finansowe?

Ntropy funkcjonuje jako wszechstronna platforma, łącząca spektrum modeli językowych, od najbardziej rozbudowanych do najbardziej kompaktowych, w połączeniu z heurystyką. Modele te są szkolone przy użyciu surowych danych finansowych, spostrzeżeń ekspertów i próbek oznaczonych maszynowo. Naszym celem jest wydobycie znaczących wniosków z różnych ciągów transakcji i przedstawienie ich w spójny sposób w łatwo zrozumiały sposób. Nasz pakiet zawiera interfejsy API i intuicyjny dashboard, umożliwiający szybką konwersję danych finansowych w ciągu milisekund. Funkcjonalność ta płynnie integruje się z produktami i usługami użytkowników.

Jakie są przypadki użycia tych danych?

Zastosowania tych danych są rozległe i obejmują całość operacji finansowych. Umożliwia realizację różnorodnych funkcji, w tym płatności, gwarantowania emisji, księgowości, inwestowania i nie tylko. Możliwość dostosowania danych staje się oczywista w kontekście ich wpływu na różne aspekty działalności finansowej, niezależnie od tego, czy chodzi o transfery funduszy, skrupulatne prowadzenie rejestrów, czy optymalizację wykorzystania kapitału.

Weź pod uwagę transakcje bankowe lub aplikację do budżetowania. Szybki rzut oka pozwala dostrzec trudności w zrozumieniu zakupów ze względu na niestandardowe nazwy i opisy sklepów. Chociaż wiele firm próbowało rozwiązać ten problem za pomocą rozwiązań wewnętrznych, często zawodziły one pod względem skalowalności, konserwacji i uogólniania. Model niestandardowy jest zazwyczaj dokładny w 60–70%, a jego zbudowanie może zająć miesiące.

Technologia Ntropy łączy miliardy punktów danych z globalnych baz danych handlowych, wyszukiwarek i modeli językowych przeszkolonych w skondensowanej wersji sieci w celu przetwarzania danych bankowych na czterech różnych kontynentach i w ponad sześciu różnych językach. Umożliwiamy wykorzystanie dużych modeli językowych na dużą skalę w finansach w celu obsługi wszystkich funkcji back-office.

Jaka jest Twoja wizja przyszłości Ntropy?

Nasza wizja dla Ntropy jest jasna: naszym celem jest stać się popularną firmą zajmującą się pionową sztuczną inteligencją w zakresie usług finansowych. Nasze mocne podstawy w postaci danych i intuicji, wspierane przez oddany zespół, zapewniły nam wyjątkową pozycję umożliwiającą wprowadzanie prawdziwych zmian. Co to więc właściwie oznacza w praktyce? Chodzi o wykorzystanie najnowszych osiągnięć w celu transformacji finansów i odblokowania nowych poziomów produktywności, które wcześniej były poza zasięgiem.

Wszyscy wiemy, że bankowość może być droga. Ale wyobraźmy sobie, że moglibyśmy to zmienić. Redukując koszty, nie tylko ograniczamy wydatki, ale także zachęcamy do zdrowej konkurencji, poprawiając ekonomikę systemu, a ostatecznie czyniąc usługi finansowe bardziej dostępnymi i wydajnymi dla wszystkich. To jest przyszłość, nad którą pracujemy – krajobraz finansowy, który będzie bardziej sprawiedliwy i przyjazny dla użytkownika.

Dziękuję za wspaniały wywiad. Czytelnicy chcący dowiedzieć się więcej powinni odwiedzić nas Ntropia.