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, gestionare a riscului, modelare cantitativă și proiectare de sisteme de tranzacționare complexe. Înainte de a fonda Imandra, el a condus biroul central de risc de tranzacționare de la Deutsche Bank (DB ) 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. El deține un master în finanțe de la Școala de Economie din Londra și diplome în știința calculatoarelor 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 de 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 fundalurile 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 automatizat pentru analiza siguranței sistemelor de pilotaj automat (algoritmi complexi care implică computație neliniară). În munca mea, am tratat și eu algoritmi complexi cu multă computație neliniară și am realizat că există o legătură profundă între aceste două domenii. Modul în care finanța crea astfel de algoritmi era cu adevărat problematic (așa cum au subliniat multe știri care tratează “algoritmi defectuoși”), așa că am decis să schimbăm asta, dându-le inginerilor din finanțe unelte logice automate pentru a aduce tehnici științifice riguroase la proiectarea și dezvoltarea software-ului. Cu toate acestea, ceea ce am creat în cele din urmă este indiferent de 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 – vă obligă să fiți foarte precis (matematic) cu ceea ce încercați să faceți, dar poate utiliza 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 acolo (majoritatea în mediul academic) care vizează nișe specifice (de exemplu, împăturirea proteinelor), dar Imandra dă puterea dezvoltatorilor de a analiza algoritmi cu o automatizare fără precedent, care are aplicații mult mai mari și un public mult mai larg decât aceste unelte.

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

Prin 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. Scopul nostru final este de a aduce transparență acționabilă, în care sistemele de inteligență artificială pot explica raționamentul lor într-un mod care este independent verificabil din punct de vedere logic.

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

Un exemplu excelent al impactului real al Imandra este evidențiat în victoria noastră la concursul UBS Future of Finance (detalii cu codul Imandra 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”. Banca ne-a acordat locul I (din peste 620 de companii la nivel global).

Cum a influențat experiența dumneavoastră 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 tratat mult cod complex care lua decizii de tranzacționare automatizate pe baza diverselor 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 autopilotului.

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

Am văzut AlphaFold câștigând premiul Nobel, deci să numărăm și aceasta… În cele din urmă, majoritatea aplicațiilor inteligenței artificiale 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 critice pentru siguranță) și automatizarea proceselor de afaceri.

Decompoziția regională a Imandra este o caracteristică inovatoare. 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 QA și trebuie să scrie cazuri de test sau când scriu cod și se gândesc dacă au implementat corect cerințele. Imandra aduce 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 caracteristică se bazează pe o tehnică matematică numită “Decompoziție algebrică cilindrică”, pe care am “ridicat-o” la algoritmi în general. A salvat ore nesfârșite pentru clienții noștri din finanțe și a descoperit erori critice. Acum aducem această caracteristică inginerilor de peste tot.

Cum se integrează Imandra cu 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 agențice (de exemplu, Langgraph) pentru a orchestra această muncă și pentru a livra experiența ca un agent pe care clienții noștri îl pot utiliza direct sau îl pot integra în aplicațiile 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.

Care este viziunea dumneavoastră 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 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 următor capitol al inteligenței artificiale.

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