Denis Ignatovich, Co-fundador e Co-CEO da Imandra – Série de Entrevistas

Denis Ignatovich, Co-fundador e Co-CEO da Imandra, tem mais de uma década de experiência em negociação, gestão de riscos, modelagem quantitativa e design de sistemas de negociação complexos. Antes de fundar a Imandra, ele liderou a mesa de riscos centrais do Deutsche Bank em Londres, onde reconheceu o papel crítico que a IA pode desempenhar no setor financeiro. Seus insights durante esse período ajudaram a moldar a linha de produtos financeiros da Imandra. As contribuições de Denis para a lógica computacional para plataformas de negociação financeira incluem várias patentes. Ele possui um MSc em Finanças pela London School of Economics e diplomas em Ciência da Computação e Finanças pela UT Austin.

Imandra é um motor de raciocínio alimentado por IA que usa técnicas neurosimbólicas para automatizar a verificação e otimização de algoritmos complexos, particularmente em negociação financeira e sistemas de software. Ao combinar raciocínio simbólico com aprendizado de máquina, ele melhora a segurança, conformidade e eficiência, ajudando as instituições a reduzir riscos e melhorar a transparência na tomada de decisões impulsionada por IA.

O que o inspirou e ao Dr. Grant Passmore a co-fundar a Imandra, e como seus antecedentes influenciaram a visão da empresa?

Depois da faculdade, fui para a negociação quantitativa e acabei em Londres. Grant fez seu PhD em Edimburgo e então se mudou para Cambridge para trabalhar em aplicações de raciocínio lógico automatizado para análise de segurança de sistemas de piloto automático (algoritmos complexos que envolvem computação não linear). No meu trabalho, também lidei com algoritmos complexos com muita computação não linear e percebemos que há uma conexão profunda entre esses dois campos. A forma como a finanças estava criando esses algoritmos era realmente problemática (como destacado por muitas notícias que lidam com “glitches de algoritmo”), então decidimos mudar isso, capacitando os engenheiros da finanças com ferramentas lógicas automatizadas para trazer técnicas científicas rigorosas para o design e desenvolvimento de software. No entanto, o que acabamos criando é indiferente à indústria.

Pode explicar o que é IA neurosimbólica e como ela difere das abordagens tradicionais de IA?

O campo da IA tem (muito aproximadamente!) duas áreas: estatística (que inclui LLMs) e simbólica (também conhecida como raciocínio automatizado). A IA estatística é incrível para identificar padrões e fazer traduções usando as informações que aprendeu com os dados em que foi treinada. Mas é ruim em raciocínio lógico. A IA simbólica é quase o oposto – obriga você a ser muito preciso (matematicamente) com o que está tentando fazer, mas pode usar lógica para raciocinar de uma maneira que é (1) logicamente consistente e (2) não requer dados para treinamento. As técnicas que combinam essas duas áreas de IA são chamadas de “neurosimbólicas”. Uma aplicação famosa dessa abordagem é o projeto AlphaFold da DeepMind, que recentemente ganhou o Prêmio Nobel.

O que você acredita que diferencia a Imandra na liderança da revolução da IA neurosimbólica?

Há muitos raciocinadores simbólicos incríveis por aí (a maioria na academia) que visam nichos específicos (por exemplo, dobramento de proteínas), mas a Imandra capacita os desenvolvedores a analisar algoritmos com uma automação sem precedentes, que tem aplicações muito maiores e um público-alvo muito maior do que essas ferramentas.

Como a Imandra elimina os desafios comuns de IA, como alucinações, e melhora a confiança nos sistemas de IA?

Com nossa abordagem, os LLMs são usados para traduzir solicitações humanas em lógica formal, que é então analisada pelo motor de raciocínio com um rastreamento lógico completo. Embora erros de tradução possam ocorrer ao usar o LLM, o usuário é fornecido com uma explicação lógica de como as entradas foram traduzidas e os auditores lógicos podem ser verificados por software de código aberto de terceiros. Nosso objetivo final é trazer transparência ação, onde os sistemas de IA podem explicar seu raciocínio de uma maneira que é logicamente verificável de forma independente.

A Imandra é usada pelo Goldman Sachs e pela DARPA, entre outros. Pode compartilhar um exemplo do mundo real de como sua tecnologia resolveu um problema complexo?

Um ótimo exemplo público do impacto real da Imandra é destacado em nossa vitória no concurso UBS Future of Finance (os detalhes com o código Imandra estão em nosso site). Ao criar um estudo de caso para o UBS que codificou um documento regulatório que eles enviaram à SEC, a Imandra identificou uma falha fundamental e sutil na descrição do algoritmo. A falha decorreu de condições lógicas sutis que devem ser atendidas para classificar ordens dentro de um livro de ordens – algo que seria impossível para os humanos detectarem “à mão”. O banco nos concedeu o primeiro lugar (entre mais de 620 empresas em todo o mundo).

Como sua experiência no Deutsche Bank moldou as aplicações da Imandra em sistemas financeiros, e qual é o caso de uso mais impactante que você viu até agora?

No Deutsche Bank, lidamos com muito código complexo que tomava decisões de negociação automatizadas com base em várias entradas de ML, indicadores de risco, etc. Como qualquer banco, também tínhamos que cumprir inúmeras regulamentações. O que Grant e eu percebemos foi que isso, em um nível matemático, era muito semelhante à pesquisa que ele estava fazendo para a segurança do piloto automático.

Além da finanças, quais setores você vê como tendo o maior potencial para se beneficiar da IA neurosimbólica?

Vimos o AlphaFold ganhar o Prêmio Nobel, então vamos contar com isso… Em última análise, a maioria das aplicações de IA se beneficiará muito do uso de métodos simbólicos, mas especificamente, estamos trabalhando nos seguintes agentes que lançaremos em breve: análise de código (traduzindo código-fonte em modelos matemáticos), criando modelos rigorosos a partir de especificações em prosa em inglês, raciocínio sobre modelos SysML (linguagem usada para descrever sistemas em indústrias críticas de segurança) e automação de processos de negócios.

A decomposição de região da Imandra é uma característica inovadora. Pode explicar como ela funciona e sua importância na resolução de problemas complexos?

Uma pergunta que todo engenheiro pensa quando escreve software é “quais são os casos de bordo?”. Quando seu trabalho é QA e você precisa escrever casos de teste unitários ou está escrevendo código e pensando se implementou corretamente os requisitos. A Imandra traz rigor científico para responder a essa pergunta – trata o código como um modelo matemático e analisa simbolicamente todos os seus casos de bordo (enquanto produz uma prova sobre a completude da cobertura). Essa característica é baseada em uma técnica matemática chamada “Decomposição Algébrica Cilíndrica”, que “levantamos” para algoritmos em geral. Isso economizou inúmeras horas para nossos clientes na finanças e descobriu erros críticos. Agora estamos trazendo essa característica para os engenheiros em todos os lugares.

Como a Imandra se integra a grandes modelos de linguagem, e quais novas capacidades isso desbloqueia para a IA geradora?

Os LLMs e a Imandra trabalham juntos para formalizar a entrada humana (seja código-fonte, prosa em inglês, etc.), raciocinar sobre ela e, em seguida, retornar a saída de uma maneira fácil de entender. Usamos estruturas de agente (por exemplo, Langgraph) para orquestrar esse trabalho e entregar a experiência como um agente que nossos clientes podem usar diretamente ou integrar em seus aplicativos ou agentes. Esse fluxo de trabalho simbiótico aborda muitos dos desafios de usar apenas ferramentas de IA com LLM e estende suas aplicações além dos dados de treinamento vistos anteriormente.

Qual é sua visão de longo prazo para a Imandra, e como você vê a empresa transformando as aplicações de IA em várias indústrias?

Acreditamos que as técnicas neurosimbólicas serão a base que pavimenta o caminho para realizarmos a promessa da IA. As técnicas simbólicas são o ingrediente ausente para a maioria das aplicações industriais da IA e estamos animados por estar à frente desse próximo capítulo da IA.

Obrigado pela ótima entrevista, leitores que desejam aprender mais devem visitar Imandra.