Stephen DeAngelis, Założyciel i Dyrektor Generalny Enterra Solutions – Seria Wywiadów

Stephen DeAngelis jest założycielem i dyrektorem generalnym Enterra Solutions, pierwszej firmy, która zastosowała technologię Autonomous Decision Science^TM (ADS^®) w celu optymalizacji łańcucha wartości, podejmowania decyzji i złożonych badań i rozwoju dla przedsiębiorstw.

Stephen F. DeAngelis jest międzynarodowo uznanym ekspertem w dziedzinie sztucznej inteligencji i zaawansowanej analityki oraz ich zastosowań w konkurencyjności, odporności i bezpieczeństwie podmiotów komercyjnych i agencji rządowych. Pan DeAngelis jest posiadaczem patentu, pionierem technologii i przedsiębiorcą. Jego kariera znajduje się na przecięciu stosunków międzynarodowych, biznesu, rządu i akademii. Przynosi on unikalną perspektywę i głębokie doświadczenie do swoich firm.

Czy mógłbyś podzielić się historią powstania Enterra Solutions?

Enterra ma swoje korzenie jako kontrahent rządu USA. Enterra opracowała i wykonała modele odporności przedsiębiorstwa (systematyczne, oparte na danych konkurencyjność, ryzyko i wyniki) dla agencji rządowych USA. Przy wykonywaniu tej pracy Enterra opracowała swoją najlepszą praktykę Metodologii Zarządzania Odpornością Przedsiębiorstwa i Model Dojrzałości w ramach umów o współpracy w badaniach i rozwoju z agencjami badawczo-rozwojowymi finansowanymi przez rząd federalny USA.

Aby rozwinąć technologie konkurencyjności i odporności, Enterra rozpoczęła pracę w dziedzinie sztucznej inteligencji i matematyki stosowanej na początku lat 2000. W połowie lat 2000. firma zaczęła łączyć swoją pracę w sektorze rządowym z najnowszymi teoretycznymi i eksperymentalnymi badaniami akademickimi – ta praca trwa do dziś. Badania akademickie Enterra są dwukierunkową współpracą, która naraża naszą firmę i pracowników na niektóre z najbardziej zaawansowanych i wyrafinowanych technik i praktyk AI i matematyki, oraz ustanawia głęboką sieć i zestaw połączeń z niektórymi z wiodących osób i myślicieli w dziedzinie nauki o poznaniu i zastosowań odporności.

Enterra wykorzystała naukowe i techniczne wyniki swojej pracy w sektorze rządowym i akademii, aby ponownie wyobrazić sobie analitykę dużych zbiorów danych w sektorze komercyjnym – wynikiem było stworzenie platformy Enterra Autonomous Decision Science^® (ADS^®) i Generative AI oraz zestawu aplikacji biznesowych, które tworzą pierwszy w swoim rodzaju System Inteligencji. System Inteligencji Enterra wykonuje autonomiczną optymalizację, planowanie i wykonanie, siedząc na szczycie wielu systemów transakcyjnych przedsiębiorstwa i ukierunkowując decyzje i działania, które pomagają firmie budować konkurencyjność i odporność oraz osiągać cele biznesowe.

Poprzez połączenie własnej technologii Enterra z wiedzą i praktykami organizacyjnymi, Enterra systematycznie przewiduje zmiany rynkowe z prędkością rynku – przekształcając firmy w Autonomiczne Inteligentne Przedsiębiorstwa.

Enterra Solutions oferuje autonomiczną naukę decyzji, co to konkretnie i jak optymalizuje decyzje biznesowe?

Autonomous Decision Science^® (ADS^®) Enterra to platforma technologiczna, która napędza System Inteligencji Enterra. Platforma technologiczna ADS Enterra łączy trzy wcześniej rozdzielone technologie:

1. Semantyczne rozumowanie i wektorowa logika symboliczna sztucznej inteligencji, które umożliwiają podejmowanie decyzji i uczenie się w sposób podobny do ludzkiego. Ta unikalna możliwość łączy wiedzę ogólną i branżową z rozumowaniem inferencyjnym, tworząc system, który może podejmować decyzje z subtelnością i rozumowaniem ludzkim, a następnie uczyć się z wyników.
2. Przezroczyste, wyjaśnialne i transparentne uczenie maszynowe w postaci własnej maszyny Representation Learning^TM (RLM). Podstawą RLM jest matematyka wysokowymiarowa i analiza funkcjonalna. RLM unikalnie identyfikuje funkcję, która opisuje połączenie i wkład zmiennych w zbiorze danych, które opisują obserwowalne efekty poprzez wiele warstw interakcji z wysokim stopniem precyzji. Jest to klasyfikowane jako algorytm “przezroczysty”, wyjaśnialny, który generuje funkcję, której wynik jest widoczny, w przeciwieństwie do algorytmów “czarnej skrzynki”, które generują tylko wzorce, ale nie oferują żadnego wyjaśnienia dynamiki systemu/zestawu danych, ani nie mają żadnej istotnej “wiedzy” na temat tego, co oznacza ten wzorzec.
3. Ograniczone, nieliniowe optymalizowanie możliwości, które łączą pochodną RLM, wraz z semantycznymi ograniczeniami i logiką, w celu wykonania szybkiej optymalizacji, która odzwierciedla złożone, wielowymiarowe rozważania świata rzeczywistego, aby wygenerować wysoce działające rekomendacje. Ta możliwość łamie barierę wymiarowości związaną z modelami liniowymi.

Unikalne połączenie tych technik umożliwiło Enterra zapewnienie klientom znacznie zróżnicowanych możliwości i stworzenie głębokiej przepaści w krajobrazie konkurencyjnym – zarówno dla dużych platform technologicznych AI, jak i graczy o rozwiązaniach punktowych.

Okło rok temu, w podcaście “Eye on AI“, omawiałeś, jak starej szkoły AI nadal jest potężnym narzędziem. Czy Twoje poglądy na ten temat uległy zmianie i jakie tradycyjne algorytmy uczenia maszynowego nadal są stosowane w Enterra Solutions?

Nauka jest addytywna z pokolenia na pokolenie, co oznacza, że jedno pokolenie możliwości warstwuje na poprzednim pokoleniu innowacji, tworząc nowe możliwości. Enterra nieustannie innowuje i ewoluuje swoją technologię w kreatywny sposób. Jak wspomniano powyżej, Enterra stworzyła platformę Enterra Autonomous Decision Science^® (ADS^®) i Generative AI, która jest zespołem rozumowania ludzkiego i możliwości GenAI. Przyniesione zostały pod jedną platformę wcześniej rozdzielone technologie i dzięki temu udało się odblokować wcześniej niewyobrażalne możliwości analityczne i złagodzić braki poszczególnych technologii.

Jak Enterra Solutions zintegrowała Generative AI ze swoimi rozwiązaniami?

Podczas gdy wiele organizacji wciąż jest w fazie odkrywania i testowania generatywnej AI, Enterra Solutions i nasi klienci skorzystali z jej potężnych możliwości przez ponad dekadę. Składnik AI platformy Enterra będzie wyjątkowo uczył się przyczyn środowiskowych, dla których rekomendacje są udane lub nie, i utrwalał tę wiedzę w ich ontologiach i bazach wiedzy Generative AI. Enterra, na życzenie klienta, opracuje specyficzną bazę wiedzy Generative AI reprezentującą strategie, taktykę, logikę biznesową i sposoby pracy i wygrywania klienta, oraz zapewni zaktualizowaną logikę i ustawienia ograniczeń do funkcjonalnych komponentów Systemu Inteligencji Enterra.

Hallucynacje są jednym z głównych problemów z Generative AI, jak Enterra Solutions pokonuje te ograniczenia?

Generative AI może zautomatyzować większość przepływów pracy, ale nie jest zwalidowana, a jej wiarygodność jest wątpliwa. Można to rozwiązać, wykorzystując technologię ADS, która może podłączyć się do dużych modeli językowych (LLM), rozumu i triangulacji wiedzy matematycznie, aby zwalidować jej skuteczność. Wykorzystując ADS do dostarczania zaufanych wyjaśnień i działania spostrzeżeń i rekomendacji, można zbudować zaufanie.

Od 2015 do 2019 roku byłeś członkiem Rady Doradczej w Dalai Lama Center for Ethics and Transformative Values at MIT, jak to ukształtowało Twoje wartości w biznesie i AI?

Cóż, jeśli ktoś jest zaangażowany w Dalai Lama Center, nie można nie myśleć o przywództwie i etyce jako o tym samym. Kiedy prowadzi się firmę, szybko się uczymy, że podejmuje się tysiące decyzji rocznie. Niektóre są małe, niektóre są zwyczajne lub proceduralne, a niektóre są znaczące lub doniosłe decyzje. Mam nadzieję, że nauczyłem się podejmować decyzje z wbudowanymi etycznymi rozważaniami – prawdziwą gwiazdą polarną i parametrami dla oświeconego podejmowania decyzji. Ta koncepcja jest również odzwierciedlona w sposobie, w jaki konstruujemy algorytmy i oprogramowanie, a ostatecznie w sposobie, w jaki prowadzimy naszą organizację.

Często liderzy biznesu i AI, tacy jak Geoffrey Hinton, są zaniepokojeni przyszłymi potencjalnymi problemami AI, a konkretnie AGI, jakie są Twoje poglądy na ten temat?

Niektóre z obaw Geoffreya Hintona dotyczą potencjalnego nadużycia i szybkości, z jaką AI jest wdrażana. Są to słuszne punkty, ponieważ wiele firm stara się dopasować AI do swoich praktyk biznesowych, nie rozumiejąc wcześniej, jakie problemy próbują rozwiązać. AI nie rozwiązuje każdego problemu i nie powinno być uważane za rozwiązanie wszystkich wyzwań biznesowych. Jest niezwykle ważne, aby firmy rozpoczynały od biznesowego oświadczenia problemu, zanim będą szukać wiarygodnych rozwiązań. Gdy już zrozumiemy problem, który próbujemy rozwiązać, możemy zrozumieć strategiczne dopasowanie i techniczną wykonalność zastosowania zaawansowanych technologii, takich jak AI.

Jesteś przedsiębiorcą wielokrotnym i z powodzeniem uruchomiłeś wiele firm w różnych dziedzinach, co Cię motywuje do innowacji?

Na końcu dnia jestem bardziej kreatywnym, całożyciowym uczniem i intelektualnie ciekawym biznesmenem niż administratorem. Połączenie całożyciowego uczenia się i intelektualnej ciekawości, w połączeniu z entuzjazmem przedsiębiorcy do tworzenia nowych firm, napędza innowacje i tworzenie produktów i usług w celu wypełnienia zidentyfikowanych luk rynkowych. Pragnienie pracy z wielkimi zespołami ludzi i “konkurowania i wygrywania” poprzez tworzenie wartości dla akcjonariuszy jest tym, co mnie motywuje do innowacji.

Jaka jest Twoja wizja przyszłości AI?

Przez pryzmat zastosowań AI w aplikacjach B2B w najbliższej przyszłości – wierzę, że AI umożliwi praktyczne, autonomiczne podejmowanie decyzji w aplikacjach biznesowych na dużą skalę. Możliwości te będą napędzane przez ludzkie, inteligentne agenty, które uzupełniają podejmowanie decyzji przez ludzi sztuczną inteligencją lub sztuczną superinteligencją, skupioną na dużych i przełomowych przypadkach użycia. Aplikacje takie jak optymalizacja łańcucha wartości i podejmowanie decyzji dla globalnych korporacji w różnych sektorach oraz przełomy w odkrywaniu leków i formułowaniu, a także w badaniach klinicznych, są transformujące i dotykają życia większości ludzi na planecie.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Enterra Solutions.