Денис Ігнатович, співзасновник і співгенеральний директор Imandra – Серія інтерв’ю

Денис Ігнатович, співзасновник і співгенеральний директор Imandra, має понад десятирічний досвід у сфері торгівлі, управління ризиками, кількісного моделювання та розробки складних торгових систем. Перед заснуванням Imandra він очолював центральний ризиковий торговий відділ у Deutsche Bank (DB ) London, де впізнав критичну роль штучного інтелекту у фінансовому секторі. Його ідеї під час цього періоду допомогли сформувати лінійку фінансових продуктів Imandra. Вклад Деніса у розвиток обчислювальної логіки для фінансових торгових платформ включає кілька патентів. Він має ступінь магістра фінансів Лондонської школи економіки та ступені у галузі комп’ютерних наук та фінансів Університету Техасу в Остіні.

Imandra – це штучний інтелект, який використовує нейросимволічний інтелект для автоматизації верифікації та оптимізації складних алгоритмів, особливо у сфері фінансової торгівлі та програмних систем. Об’єднуючи символічне висновування з машинним навчанням, він підвищує безпеку, відповідність вимогам та ефективність, допомагаючи установам зменшити ризик та покращити прозорість у процесах прийняття рішень з використанням штучного інтелекту.

Що надихнуло вас і доктора Гранта Пассмора на заснування Imandra, і як ваш досвід вплинув на бачення компанії?

Після закінчення університету я зайнявся кількісною торгівлею і опинився у Лондоні. Грант захистив дисертацію в Единбурзі, а потім переїхав до Кембриджа, щоб працювати над застосуванням автоматизованого логічного висновування для аналізу безпеки автопілотних систем (складних алгоритмів, які включають нелінійні обчислення). У моїй роботі я також займався складними алгоритмами з багатьма нелінійними обчисленнями, і ми зрозуміли, що між цими двома сферами існує глибока зв’язок. Той спосіб, яким фінанси створювали такі алгоритми, був досить проблематичним (як підкреслили численні новинні статті про “algo-глюки”), тому ми вирішили змінити це, надавши інженерам у сфері фінансів автоматизовані логічні інструменти для впровадження суворих наукових методів у розробку програмного забезпечення. Однак те, що ми створили, виявилося галузево-незалежним.

Можете пояснити, що таке нейросимволічний інтелект і як він відрізняється від традиційних підходів до штучного інтелекту?

Сфера штучного інтелекту (дуже приблизно!) складається з двох областей: статистичної (до якої належать великі мовні моделі) та символічної (також відомої як автоматизоване висновування). Статистичний інтелект чудово ідентифікує закономірності та виконує переклад за допомогою інформації, яку він вивчив з навчальних даних. Однак він погано справляється з логічним висновуванням. Символічний інтелект майже точно протилежний – він змушує вас бути дуже точним (математично) щодо того, що ви намагаєтесь зробити, але він може використовувати логіку для висновування таким чином, що є (1) логічно послідовним і (2) не потребує даних для навчання. Техніки, що поєднують ці дві області штучного інтелекту, називаються “нейросимволічними”. Одним із відомих застосувань цього підходу є проєкт AlphaFold від DeepMind, який недавно отримав Нобелівську премію.

Що, на вашу думку, відрізняє Imandra у лідерстві нейросимволічної революції штучного інтелекту?

Є багато чудових символічних висновувачів (більшість з яких знаходяться в академічних колах), які орієнтовані на конкретні ніші (наприклад, складання білків), але Imandra надає розробникам можливість аналізувати алгоритми з безпрецедентною автоматизацією, яка має набагато ширші застосування та більшу цільову аудиторію, ніж ці інструменти.

Як автоматизоване висновування Imandra усуває загальні проблеми штучного інтелекту, такі як галюцинації, і покращує довіру до систем штучного інтелекту?

За нашим підходом великі мовні моделі використовуються для перекладу запитів людини на формальну логіку, яку потім аналізує висновувач з повним логічним аудитом. Хоча під час використання великої мовної моделі можуть виникнути помилки перекладу, користувачеві надається логічне пояснення того, як були перекладені вхідні дані, а логічні аудити можуть бути перевірені відкритим програмним забезпеченням третіх сторін. Наша кінцева мета – забезпечити дієву прозорість, при якій системи штучного інтелекту можуть пояснювати своє висновування таким чином, що незалежно логічно верифікується.

Imandra використовується Goldman Sachs (GS ) і DARPA, серед інших. Чи можете поділитися реальним прикладом того, як ваша технологія вирішила складну проблему?

Відмінним прикладом реального впливу Imandra є наш перемога у змаганні UBS Future of Finance, про який ми розповідаємо на нашому сайті. Під час створення кейс-стаді для UBS, який закодував нормативний документ, поданий до SEC, Imandra виявила фундаментальну та тонку помилку в описі алгоритму. Ця помилка виникла через тонкі логічні умови, які повинні бути виконані для ранжування замовлень всередині книги замовлень – щось, що було б неможливо для людини виявити “вручну”. Банк нагородив нас першим місцем (з понад 620 компаній у світі).

Як ваш досвід у Deutsche Bank вплинув на застосування Imandra у фінансових системах, і яка найвпливовіша справа, яку ви бачили?

У Deutsche Bank ми займалися дуже складним кодом, який приймав автоматичні торгові рішення на основі різних входів машинного навчання, індикаторів ризику тощо. Як і будь-який банк, ми також мали дотримуватися численних регуляцій. Грант і я зрозуміли, що це, на математичному рівні, було дуже схоже на дослідження, яке він проводив для безпеки автопілотних систем.

Поза сферою фінансів, які галузі, на вашу думку, мають найбільший потенціал для вигоди від нейросимволічного інтелекту?

Ми бачили, як AlphaFold отримав Нобелівську премію, тому давайте chắc chắn включимо це… У кінцевому підсумі більшість застосувань штучного інтелекту значно виграють від використання символічних методів, але конкретно ми працюємо над наступними агентами, які скоро випустимо: аналіз коду (переклад джерельного коду на математичні моделі), створення суворих моделей з англійських специфікацій, висновування щодо моделей SysML (мова, використовувана для опису систем у галузях, критичних до безпеки) та автоматизація бізнес-процесів.

Розподіл регіону Imandra – це нова функція. Чи можете пояснити, як вона працює, і яке її значення у вирішенні складних проблем?

Питання, про яке кожен інженер думає, коли пише програмне забезпечення, – “які крайні випадки?”. Коли їх робота полягає у створенні тестових випадків або вони пишуть код і думають про те, чи правильно вони реалізували вимоги. Imandra надає наукову суворість для відповіді на це питання – вона розглядає код як математичну модель і символічно аналізує всі його крайні випадки (при цьому створюючи доведення щодо повноти покриття). Ця функція заснована на математичній техніці, відомій як “Циліндричний Алгебраїчний Розподіл”, яку ми “підняли” до алгоритмів у цілому. Вона зберегла безліч годин для наших клієнтів у сфері фінансів і виявила критичні помилки. Тепер ми впроваджуємо цю функцію інженерам у всіх галузях.

Як Imandra інтегрується з великими мовними моделями, і які нові можливості це відкриває для генерації штучного інтелекту?

Великі мовні моделі та Imandra працюють разом, щоб формалізувати вхідні дані людини (чи то джерельний код, англійський текст тощо), висновувати про них і повертати результат у вигляді, легко зрозумілому людині. Ми використовуємо агентські фреймворки (наприклад, Langgraph), щоб оркеструвати цю роботу та надавати досвід як агента, який наші клієнти можуть використовувати безпосередньо або інтегрувати до своїх застосунків чи агентів. Цей симбіотичний робочий процес вирішує багато проблем, пов’язаних з використанням інструментів штучного інтелекту тільки на основі великих мовних моделей, і розширює їх застосування за межі раніше бачених навчальних даних.

Яка ваша довгострокова візія для Imandra, і як ви бачите її трансформацію застосувань штучного інтелекту у різних галузях?

Ми вважаємо, що нейросимволічні техніки будуть основою, яка відкриє нам шлях до реалізації обіцянок штучного інтелекту. Символічні техніки – це відсутня складова більшості промислових застосувань штучного інтелекту, і ми раді бути на передовій цієї наступної глави штучного інтелекту.

Дякуємо за чудове інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Imandra.