Денис Игнатович, сооснователь и со-CEO Imanda – Интервью

Денис Игнатович, сооснователь и со-CEO Imandra, имеет более десяти лет опыта в торговле, управлении рисками, количественном моделировании и проектировании сложных торговых систем. До основания Imandra он возглавлял центральный риск-трейдинговый стол в Deutsche Bank London, где он осознал критическую роль, которую ИИ может сыграть в финансовом секторе. Его идеи в это время помогли сформировать набор финансовых продуктов Imandra. Вклад Дениса в вычислительную логику для финансовых торговых платформ включает несколько патентов. Он имеет степень магистра финансов London School of Economics и степени в области компьютерных наук и финансов UT Austin.

Imandra – это движок рассуждений, работающий на основе ИИ, который использует нейросимволический ИИ для автоматизации верификации и оптимизации сложных алгоритмов, особенно в финансовой торговле и программных системах. Объединяя символические рассуждения с машинным обучением, он повышает безопасность, соблюдение требований и эффективность, помогая учреждениям снижать риски и улучшать прозрачность в процессах принятия решений на основе ИИ.

Что вдохновило вас и доктора Гранта Пассмора на сооснование Imandra, и как ваши背景 повлияли на видение компании?

После колледжа я пошел в количественную торговлю и оказался в Лондоне. Грант сделал свой PhD в Эдинбурге, а затем переехал в Кембридж, чтобы работать над применением автоматических логических рассуждений для анализа безопасности автопилотных систем (сложных алгоритмов, включающих нелинейные вычисления). В своей работе я также занимался сложными алгоритмами с множеством нелинейных вычислений, и мы осознали, что существует глубокая связь между этими двумя областями. То, как финансы создавали такие алгоритмы, было действительно проблематичным (как подчеркивалось во многих новостных историях, связанных с “algo-глюками”), поэтому мы решили изменить это, наделив инженеров в финансах автоматическими логическими инструментами для введения строгих научных методов в проектирование и разработку программного обеспечения. Однако то, что мы в итоге создали, оказалось индустриально-независимым.

Можете ли вы объяснить, что такое нейросимволический ИИ и как он отличается от традиционных подходов ИИ?

Область ИИ имеет (очень примерно!) две области: статистическую (которая включает LLMs) и символическую (также известную как автоматические рассуждения). Статистический ИИ невероятно хорош в выявлении закономерностей и переводе с использованием информации, которую он выучил из обучающих данных. Но он плох в логических рассуждениях. Символический ИИ почти является полной противоположностью – он заставляет вас быть очень точным (математически) с тем, что вы пытаетесь сделать, но он может использовать логику для рассуждений таким образом, который является (1) логически последовательным и (2) не требует данных для обучения. Техники, объединяющие эти две области ИИ, называются “нейросимволическими”. Одним из знаменитых применений этого подхода является проект AlphaFold от DeepMind, который недавно получил Нобелевскую премию.

Что, по вашему мнению, отличает Imandra в лидерстве нейросимволической революции ИИ?

Существует много невероятных символических рассуждающих инструментов (большинство из них в академии), которые нацелены на конкретные ниши (например, сворачивание белков), но Imandra наделяет разработчиков возможностью анализировать алгоритмы с беспрецедентной автоматизацией, что имеет гораздо более широкие применения и более широкую целевую аудиторию, чем эти инструменты.

Как автоматические рассуждения Imandra устраняют общие проблемы ИИ, такие как галлюцинации, и улучшают доверие к системам ИИ?

С нашим подходом LLMs используются для перевода запросов человека в формальную логику, которая затем анализируется движком рассуждений с полной логической аудиторской трассировкой. Хотя могут возникать ошибки перевода при использовании LLM, пользователю предоставляется логическое объяснение того, как были переведены входные данные, и логические аудиты могут быть проверены с помощью открытого программного обеспечения третьих сторон. Наша конечная цель – обеспечить действенную прозрачность, при которой системы ИИ могут объяснить свои рассуждения таким образом, который является независимо логически проверяемым.

Imandra используется Goldman Sachs и DARPA, среди других. Можете ли вы поделиться реальным примером того, как ваша технология решила сложную проблему?

Отличным публичным примером реального воздействия Imandra является наш победа в конкурсе UBS Future of Finance (подробности с кодом Imandra находятся на нашем сайте). При создании кейс-стади для UBS, который закодировал нормативный документ, представленный в SEC, Imandra выявил фундаментальную и тонкую ошибку в описании алгоритма. Ошибка возникла из-за тонких логических условий, которые должны быть выполнены для ранжирования заказов внутри ордербука – что было бы невозможно для человека обнаружить “вручную”. Банк наградил нас первым местом (из более чем 620 компаний во всем мире).

Как ваш опыт в Deutsche Bank сформировал применения Imandra в финансовых системах, и какой самый значимый случай использования вы видели на данный момент?

В Deutsche Bank мы занимались множеством очень сложного кода, который принимал автоматические торговые решения на основе различных входных данных ML, индикаторов риска и т. д. Как и любой банк, мы также должны были соблюдать многочисленные регулирования. То, что Грант и я осознали, было то, что это, на математическом уровне, было очень похоже на исследование, которое он проводил для безопасности автопилотов.

За пределами финансов, какие отрасли, по вашему мнению, имеют наибольший потенциал для выгоды от нейросимволического ИИ?

Мы видели, как AlphaFold получил Нобелевскую премию, поэтому давайте обязательно посчитаем это… В конечном итоге, большинство применений ИИ будут сильно выигрывать от использования символических методов, но конкретно мы работаем над следующими агентами, которые мы скоро выпустим: анализ кода (перевод исходного кода в математические модели), создание строгих моделей из английских спецификаций, рассуждение о моделях SysML (языке, используемом для описания систем в отраслях, критичных к безопасности) и автоматизация бизнес-процессов.

Региональная декомпозиция Imandra – это новая функция. Можете ли вы объяснить, как она работает и ее значение в решении сложных проблем?

Вопрос, о котором каждый инженер думает, когда пишет программное обеспечение, – “какие краевые случаи?”. Когда его работа – QA, и он должен писать тестовые случаи, или он пишет код и думает о том, правильно ли он реализовал требования. Imandra приносит научную строгость, чтобы ответить на этот вопрос – она рассматривает код как математическую модель и символически анализирует все его краевые случаи (при этом производя доказательство полноты покрытия). Эта функция основана на математической технике, называемой “Цилиндрическим Алгебраическим Разложением”, которую мы “подняли” до алгоритмов в целом. Она спасла бесчисленные часы для наших клиентов в финансах и обнаружила критические ошибки. Теперь мы приносим эту функцию инженерам повсюду.

Как Imandra интегрируется с большими языковыми моделями, и какие новые возможности это открывает для генеративного ИИ?

LLMs и Imandra работают вместе, чтобы формализовать входные данные человека (будь то исходный код, английский текст и т. д.), рассуждать о нем и затем возвращать вывод в форме, легко понимаемой человеком. Мы используем агентские фреймворки (например, Langgraph), чтобы оркестрировать эту работу и доставить опыт как агент, который наши клиенты могут использовать напрямую или интегрировать в свои приложения или агенты. Этот симбиотический рабочий процесс решает многие проблемы использования инструментов ИИ только на основе LLM и расширяет их применение за пределы ранее виденных обучающих данных.

Каково ваше долгосрочное видение для Imandra, и как вы видите ее трансформацию приложений ИИ по отраслям?

Мы считаем, что нейросимволические методы будут основой, которая проложит путь для нас, чтобы реализовать обещание ИИ. Символические методы – это пропущенный ингредиент для большинства промышленных применений ИИ, и мы рады быть на переднем крае этой следующей главы ИИ.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Imandra.