Stephen DeAngelis, grundare och VD för Enterra Solutions – Intervjuserie

Stephen DeAngelis är grundare och VD för Enterra Solutions, det första företaget att tillämpa Autonomous Decision Science^TM (ADS^®) teknik för att utföra end-to-end värdekedjeoptimering, beslutsfattande och komplex forskning och utveckling för företag.

Stephen F. DeAngelis är en internationellt erkänd expert på artificiell intelligens och avancerad analys och deras tillämpningar för konkurrenskraft, motståndskraft och säkerhet hos kommersiella enheter och statliga myndigheter. Mr. DeAngelis är patentinnehavare, teknikpionjär och entreprenör. Hans karriär är i skärningspunkten mellan internationella relationer, näringsliv, regering och akademi. Han tillför sina företag ett unikt perspektiv och djup erfarenhet.

Skulle du kunna dela med dig av historien bakom Enterra Solutions?

Enterra har sitt ursprung som en amerikansk statlig entreprenör. Enterra utvecklade och utförde företagsresiliens (systemisk datadriven konkurrenskraft, risk och prestanda) modeller för amerikanska statliga myndigheter. Under detta arbete utvecklade Enterra sin bästa praxis Enterprise Resilience Management Methodology och Mognadsmodell under samarbetsavtal för forskning och utveckling med federalt finansierade amerikanska forsknings- och utvecklingsorgan.

För att främja konkurrenskraft och resiliensteknologi började Enterra arbeta med artificiell intelligens och tillämpad matematik i början av 2000-talet. I mitten av 2000-talet började företaget kombinera sitt arbete inom den statliga sektorn med spjutspets teoretisk och experimentell akademisk forskning – detta arbete fortsätter idag. Enterra akademisk forskning är ett dubbelriktat samarbete som exponerar vårt företag och våra anställda för några av de mest avancerade och sofistikerade AI och matematiska teknikerna och metoderna, samtidigt som vi etablerar ett djupt nätverk och en uppsättning kopplingar till några av de ledande individerna och nytänkande tänkarna inom kognitiva vetenskap och resiliensapplikationer.

Enterra utnyttjade de vetenskapliga och tekniska lärdomarna från sitt arbete i regeringen och den akademiska världen för att ombilda big data-analyser i den kommersiella sektorn – resultatet var skapandet av Enterras Autonomous Decision Science® (ADS®) & Generative AI-plattform och en uppsättning expansiva värdekedjor. affärsapplikationer som går samman för att skapa ett första i sitt slag System of Intelligence. Enterras Intelligence System utför autonom end-to-end optimering, planering och exekvering genom att sitta ovanpå en organisations flera transaktionssystem för registrering/engagemang över marknadsföring, försäljning, leveranskedja och företagsstrategi, och orkestrera beslut och åtgärder som hjälper företaget bygga konkurrenskraft och motståndskraft och nå sina affärsmål.

Genom att kombinera Enterras egenutvecklade teknologi med organisatorisk kunskap och praxis, förutser Enterra marknadsförändringar systematiskt och i marknadshastighet – och förvandlar företag till autonoma intelligenta företag.

Enterra Solutions erbjuder autonom beslutsvetenskap, vad är detta specifikt och hur optimerar det affärsbeslut?

Enterras Autonomous Decision Science® (ADS®) är teknikplattformen som driver Enterra System of Intelligence™. Enterras ADS-teknikplattform sammanför tre tidigare silade teknologier:

1. Ett semantiskt resonemang och vektorsymbolisk logikbaserad artificiell intelligens som möjliggör människoliknande resonemang, beslutsfattande och lärande. Denna unika förmåga kombinerar sunt förnuft och branschkunskap med slutledningsresonemang för att skapa ett system som kan fatta beslut med subtila, mänskliga resonemang och sedan lära av resultaten.
2. Glas-Box, förklarande, transparent maskininlärning i form av den egenutvecklade Representation Learning Machine™ (RLM). Grunden för RLM är högdimensionell matematik och funktionsanalys. RLM identifierar unikt en funktion som beskriver kombinationen och bidraget av variabler i datamängden som beskriver de observerbara effekterna genom flera lager av interaktion med en hög grad av precision. Detta klassificeras som en "glaslåda", förklarande algoritm som genererar en fungera, vars utdata är synlig i motsats till "black box"-algoritmer som bara genererar mönster, men som inte erbjuder någon förklarande beskrivning av dynamiken i systemet/datauppsättningen, och inte heller har någon substantiell "förståelse" av vad mönstret betyder.
3. Begränsningsbaserad, icke-linjär optimering förmåga som inkluderar den RLM-härledda formeln, tillsammans med semantiska resonemangsbegränsningar och logik, för att utföra snabb optimering som återspeglar de komplexa flerdimensionella övervägandena i den verkliga världen för att härleda rekommendationer som är mycket användbara. Denna förmåga bryter dimensionsbarriären som är associerad med linjära modeller.

Den unika kombinationen av dessa tekniker har gjort det möjligt för Enterra att förse kunder med avsevärt differentierade möjligheter och skapat en mycket försvarbar avgrund i det konkurrensutsatta landskapet – med både stora AI-teknikplattformar och spelare med punktlösningar.

För ungefär ett år sedan, på "Eye on AI podcast”, diskuterade du hur gammaldags AI fortsätter att vara ett kraftfullt verktyg. Har dina åsikter ändrats på detta, och vilka är några av de traditionella maskininlärningsalgoritmerna som fortfarande används på Enterra Solutions?

Vetenskap är generationsmässigt additiv, vilket innebär att en generation av kapacitetsskikt ovanpå föregående generations innovationer för att skapa nya möjligheter. Enterra förnyar ständigt och utvecklar sin teknik kreativt. Som nämnts ovan har Enterra skapat en Enterra Autonomous Decision Science® (ADS®) & Generative AI-plattform som är en ensemble av människoliknande resonemang och GenAI-förmåga, superavancerad högdimensionell, glaslåda, förklarande maskininlärning med icke- linjära, begränsningsbaserade optimeringsmotorer. Vi har sammanfört dessa tidigare silade teknologier under en plattform och genom att göra det har vi kunnat låsa upp tidigare orealiserbara analytiska möjligheter och mildrat bristerna hos en enskild teknik.

Hur har Enterra Solutions integrerat Generative AI i sina lösningar?

Medan många organisationer fortfarande befinner sig i en upptäckts- och testperiod med generativ AI, har Enterra Solutions och våra kunder dragit nytta av dess kraftfulla kapacitet i över ett decennium. AI-komponenten på Enterras plattform kommer unikt att lära sig miljöskälen till att rekommendationer är framgångsrika eller inte och fortsätta att lära sig i deras ontologier och generativa AI-kunskapsbaser. Enterra kommer, på begäran av en kund, att utveckla en specifik GenAI-kunskapsbas som representerar deras kunders strategier, taktik, affärslogik och sätt att arbeta och vinna; samtidigt som den tillhandahåller uppdaterad logik och begränsningsinställningar för optimeringsfunktionerna inom de funktionella komponenterna i Enterras Intelligencesystem.

Hallucinationer är ett av de primära problemen med Generativ AI, hur övervinner Enterra Solutions dessa begränsningar?

Generativ AI kan automatisera de flesta arbetsflöden, men eftersom den är ovaliderad är dess trovärdighet tveksam. Detta kan åtgärdas genom att utnyttja ADS-teknik som kan kopplas in i stora språkmodeller (LLM), resonera och triangulera kunskap matematiskt för att validera dess effektivitet. Genom att utnyttja ADS för att ge pålitlig förklarabarhet och handlingsbarhet för insikter och rekommendationer, kan förtroende byggas upp.

Från 2015 till 2019 var du en rådgivande styrelsemedlem vid Dalai Lama Center for Ethics and Transformative Values ​​vid MIT, hur har detta format dina värderingar om affärer och AI?

Tja, om man är involverad i Dalai Lama Center kan man inte låta bli att tänka på ledarskap och etik som en i samma sak. När du driver ett företag lär du dig väldigt snabbt att du fattar tusentals beslut om året. Vissa är små, vissa är vanliga eller procedurmässiga, och vissa är viktiga eller följdbeslut. Jag hoppas att jag har lärt mig att fatta beslut med etiska överväganden som är naturligt inbäddade i min logik – verkligen en nordstjärna och parametrarna för upplyst beslutsfattande. Detta koncept återspeglas också i hur vi konstruerar algoritmer och mjukvara, och det återspeglas i slutändan i hur vi driver vår organisation.

Ofta är företags- och AI-ledare som Geoffrey Hinton bekymrade över de framtida potentiella problemen med AI, och specifikt AGI, vad är dina åsikter om detta?

Några av Geoffrey Hintons farhågor handlar om potentiellt missbruk och den hastighet med vilken AI distribueras. Det är rättvisa poäng eftersom många företag försöker passa in AI i sina affärsmetoder utan att först förstå vilka problem de försöker lösa. AI löser inte alla problem och bör inte ses som en generell lösning på alla affärsutmaningar. Det är ytterst viktigt att företag börjar med en affärsledd problemformulering innan de söker efter hållbara lösningar. När du väl förstår problemet du försöker lösa kan du förstå den strategiska passformen och den tekniska genomförbarheten av att använda avancerad teknik, som AI.

Du är en serieentreprenör och har framgångsrikt startat flera företag inom olika domäner, vad driver dig att förnya dig?

När allt kommer omkring är jag mer en kreativ livslångt lärande och intellektuellt nyfiken affärsman än en administratör. Kombinationen av livslångt lärande och intellektuell nyfikenhet, i kombination med en entreprenörs iver att skapa nya affärer, driver innovation och skapandet av produkter och tjänster för att fylla identifierade marknadsluckor. Viljan att arbeta med fantastiska team av människor och att "tävla och vinna" genom att skapa aktieägarvärde är det som driver mig att förnya mig.

Vad är din vision för framtiden för AI?

Även om linsen för AI:s användning i nära framtida B2B-tillämpningar – jag tror att AI kommer att möjliggöra praktiskt autonomt beslutsfattande inom en snar framtid i storskaliga affärsapplikationer. Dessa förmågor kommer att drivas av mänskliga intelligenta agenter som förstärker mänskligt beslutsfattande med en artificiell intelligens eller artificiell superintelligens som fokuserar på stora och störande användningsfall. Tillämpningar som optimering av värdekedjan från slut till ände och beslutsfattande för globala företag över industrisektorer och störningar i läkemedelsupptäckt och formuleringar och kliniska prövningar, är transformerande och berör livet för de flesta människor över hela planeten.

Tack för den fina intervjun, läsare som vill veta mer bör besöka Enterra Solutions.