Denis Ignatovich, Co-fondator și Co-CEO al Imandra – Seria de interviuri

Denis Ignatovich, Co-fondator și Co-CEO al Imandra, are peste un deceniu de experiență în tranzacționare, gestionarea riscului, modelarea cantitativă și proiectarea sistemelor complexe de tranzacționare. Înainte de a fonda Imandra, el a condus biroul central de tranzacționare a riscului de la Deutsche Bank Londra, unde a recunoscut rolul critic pe care îl poate juca inteligența artificială în sectorul financiar. Înțelegerile sale din această perioadă au ajutat la modelarea gamei de produse financiare ale Imandra. Contribuțiile lui Denis la logica computațională pentru platformele de tranzacționare financiară includ mai multe brevete de invenție. El deține un master în finanțe de la Școala de Economie din Londra și diplome în știința computerelor și finanțe de la UT Austin.

Imandra este un motor de raționament bazat pe inteligență artificială care utilizează inteligența artificială neurosimbolică pentru a automatiza verificarea și optimizarea algoritmilor complexi, în special în tranzacționarea financiară și sistemele software. Prin combinarea raționamentului simbolic cu învățarea automată, îmbunătățește siguranța, conformitatea și eficiența, ajutând instituțiile să reducă riscul și să îmbunătățească transparența în procesele de luare a deciziilor bazate pe inteligență artificială.

Ce v-a inspirat pe dumneavoastră și pe Dr. Grant Passmore să fondați Imandra, și cum au influențat background-urile dumneavoastră viziunea pentru companie?

După facultate, am intrat în tranzacționarea cantitativă și am ajuns la Londra. Grant și-a făcut doctoratul la Edinburgh și apoi s-a mutat la Cambridge pentru a lucra la aplicațiile raționamentului logic automatizat pentru analiza siguranței sistemelor de pilotaj automat (algoritmi complexi care implică computație neliniară). În munca mea, am lucrat și eu cu algoritmi complexi cu multă computație neliniară și am realizat că există o legătură profundă între aceste două domenii. Modul în care finanțele crea acești algoritmi era foarte problematic (așa cum au arătat multe știri care tratau despre “algoritmi defectuoși”), așa că am decis să schimbăm acest lucru, împuternicind inginerii din finanțe cu unelte logice automate pentru a aduce tehnici științifice riguroase la proiectarea și dezvoltarea software-ului. Cu toate acestea, ceea ce am creat în final este agnostic la industrie.

Puteți explica ce este inteligența artificială neurosimbolică și cum se diferențiază de abordările tradiționale de inteligență artificială?

Domeniul inteligenței artificiale are (foarte aproximativ!) două zone: statistică (care include LLM-urile) și simbolică (cunoscută și sub numele de raționament automatizat). Inteligența artificială statistică este incredibil de bună la identificarea modelelor și la traducere folosind informațiile pe care le-a învățat din datele cu care a fost antrenată. Dar este slabă la raționamentul logic. Inteligența artificială simbolică este aproape exact opusul – te obligă să fii foarte precis (matematic) cu ceea ce încerci să faci, dar poate folosi logica pentru a raționa într-un mod care este (1) logic consistent și (2) nu necesită date pentru antrenare. Tehnicile care combină aceste două domenii ale inteligenței artificiale se numesc “neurosimbolice”. O aplicație faimoasă a acestei abordări este proiectul AlphaFold de la DeepMind, care a câștigat recent Premiul Nobel.

Ce credeți că diferențiază Imandra în conducerea revoluției inteligenței artificiale neurosimbolice?

Există mulți raționatori simbolici incredibili (majoritatea în mediul academic) care vizează nișe specifice (de exemplu, împăturirea proteinelor), dar Imandra împuternicește dezvoltatorii să analizeze algoritmi cu o automatizare fără precedent, care are aplicații mult mai mari și un public țintă mai larg decât aceste unelte.

Cum elimină Imandra raționamentul automatizat provocările comune ale inteligenței artificiale, cum ar fi halucinațiile, și îmbunătățește încrederea în sistemele de inteligență artificială?

Cu abordarea noastră, LLM-urile sunt utilizate pentru a traduce solicitările umane în logică formală, care este apoi analizată de motorul de raționament cu o urmă logică completă. În timp ce pot apărea erori de traducere atunci când se utilizează LLM, utilizatorul primește o explicație logică a modului în care au fost traduse intrările și verificările logice pot fi verificate de software-ul open source de a treia parte. Obiectivul nostru final este de a aduce transparență acționabilă, unde sistemele de inteligență artificială pot explica raționamentul lor într-un mod care poate fi verificat independent din punct de vedere logic.

Imandra este utilizată de Goldman Sachs și DARPA, printre alții. Puteți împărtăși un exemplu din lumea reală despre cum tehnologia dvs. a rezolvat o problemă complexă?

Un exemplu public excelent al impactului real al Imandra este evidențiat în câștigarea concursului UBS Future of Finance (detaliile, inclusiv codul Imandra, se află pe site-ul nostru). În timp ce cream un studiu de caz pentru UBS care a codificat un document de reglementare pe care l-au depus la SEC, Imandra a identificat o eroare fundamentală și subtilă în descrierea algoritmului. Eroarea a provenit din condiții logice subtile care trebuie îndeplinite pentru a clasifica comenzile într-o carte de ordine – ceva care ar fi fost imposibil pentru oameni să detecteze “manual”. Bancherii ne-au acordat locul I (din peste 620 de companii la nivel global).

Cum a influențat experiența dvs. de la Deutsche Bank aplicațiile Imandra în sistemele financiare, și care este cel mai impactant caz de utilizare pe care l-ați văzut până acum?

La Deutsche Bank am avut de-a face cu mult cod complex care lua decizii automate de tranzacționare pe baza unor intrări de învățare automată, indicatori de risc, etc. Ca orice bancă, am trebuit și noi să respectăm numeroase reglementări. Ceea ce Grant și eu am realizat a fost că, la nivel matematic, acest lucru era foarte asemănător cu cercetarea pe care o făcea el pentru siguranța sistemelor de pilotaj automat.

Dincolo de finanțe, care industrii credeți că au cel mai mare potențial de a beneficia de inteligența artificială neurosimbolică?

Am văzut AlphaFold câștigând Premiul Nobel, deci să numărăm și asta… În cele din urmă, majoritatea aplicațiilor de inteligență artificială vor beneficia foarte mult de utilizarea metodelor simbolice, dar, în special, lucrăm la următorii agenți pe care îi vom lansa curând: analiza codului (traducerea codului sursă în modele matematice), crearea de modele riguroase din specificații în proză engleză, raționament despre modele SysML (limbaj utilizat pentru a descrie sisteme în industrii cu cerințe de siguranță critice) și automatizarea proceselor de afaceri.

Decompoziția regională a Imandra este o funcție nouă. Puteți explica cum funcționează și care este importanța sa în rezolvarea problemelor complexe?

O întrebare la care fiecare inginer se gândește atunci când scrie software este “care sunt cazurile limită?”. Când sarcina lor este testarea calității și trebuie să scrie cazuri de testare sau când scriu cod și se gândesc dacă au implementat corect cerințele. Imandra aduce o rigurozitate științifică pentru a răspunde la această întrebare – tratează codul ca pe un model matematic și analizează simbolic toate cazurile limită (producând o dovadă despre completețea acoperirii). Această funcție se bazează pe o tehnică matematică numită “Decompoziție algebrică cilindrică”, pe care am “ridicat-o” la algoritmi în general. Acest lucru a salvat nenumărate ore pentru clienții noștri din finanțe și a descoperit erori critice. Acum aducem această funcție inginerilor de pretutindeni.

Cum integrează Imandra modelele de limbaj mare, și care sunt noile capacități pe care le deblochează pentru inteligența artificială generativă?

LLM-urile și Imandra lucrează împreună pentru a formaliza intrările umane (indiferent dacă este vorba de cod sursă, proză engleză, etc.), pentru a raționa despre ele și apoi pentru a returna ieșirea într-un mod ușor de înțeles. Utilizăm cadre agențiale (de exemplu, Langgraph) pentru a orchestra această muncă și pentru a livra experiența sub formă de agent pe care clienții noștri îl pot utiliza direct sau îl pot integra în aplicațiile lor sau agenții lor. Acest flux de lucru simbiotic abordează multe dintre provocările utilizării unor unelte de inteligență artificială bazate doar pe LLM și extinde aplicațiile lor dincolo de datele de antrenare văzute anterior.

Ce este viziunea dvs. pe termen lung pentru Imandra, și cum o vedeți transformând aplicațiile de inteligență artificială în diverse industrii?

Credem că tehnicile neurosimbolice vor fi fundația care va deschide calea pentru a ne îndeplini promisiunea inteligenței artificiale. Tehnicile simbolice sunt ingredientul lipsă pentru majoritatea aplicațiilor industriale ale inteligenței artificiale, și suntem încântați să fim în fruntea acestui nou capitol al inteligenței artificiale.

Mulțumim pentru acest interviu excelent; cititorii care doresc să afle mai multe despre Imandra ar trebui să viziteze Imandra.