Denis Ignatovich, Đồng sáng lập và Đồng CEO của Imandra – Loạt phỏng vấn

Denis Ignatovich, Đồng sáng lập và Đồng CEO của Imandra, có hơn một thập kỷ kinh nghiệm trong lĩnh vực giao dịch, quản lý rủi ro, mô hình hóa định lượng và thiết kế hệ thống giao dịch phức tạp. Trước khi thành lập Imandra, ông đã lãnh đạo bộ phận giao dịch rủi ro trung tâm tại Deutsche Bank (DB ) London, nơi ông nhận ra vai trò quan trọng của AI trong lĩnh vực tài chính. Những hiểu biết của ông trong thời gian này đã giúp định hình bộ sản phẩm tài chính của Imandra. Denis đã có nhiều đóng góp cho logic tính toán trong các nền tảng giao dịch tài chính, bao gồm nhiều bằng sáng chế. Ông holds một bằng Thạc sĩ Tài chính từ Trường Kinh tế London và bằng cấp về Khoa học Máy tính và Tài chính từ UT Austin.

Imandra là một động cơ lý lẽ AI được hỗ trợ bởi AI thần kinh – biểu tượng để tự động hóa việc xác minh và tối ưu hóa các thuật toán phức tạp, đặc biệt là trong giao dịch tài chính và hệ thống phần mềm. Bằng cách kết hợp lý lẽ biểu tượng với học máy, nó tăng cường an toàn, tuân thủ và hiệu quả, giúp các tổ chức giảm rủi ro và cải thiện tính minh bạch trong việc ra quyết định AI.

Điều gì đã truyền cảm hứng cho bạn và Tiến sĩ Grant Passmore để đồng sáng lập Imandra, và làm thế nào kinh nghiệm của bạn đã ảnh hưởng đến tầm nhìn của công ty?

Sau khi tốt nghiệp đại học, tôi đã tham gia vào giao dịch định lượng và cuối cùng đến London. Grant đã hoàn thành luận án tiến sĩ tại Edinburgh và sau đó chuyển đến Cambridge để làm việc về ứng dụng của lý lẽ tự động hóa trong phân tích an toàn của hệ thống tự động (các thuật toán phức tạp liên quan đến tính toán phi tuyến). Trong công việc của tôi, tôi cũng phải đối mặt với các thuật toán phức tạp với nhiều tính toán phi tuyến và chúng tôi nhận ra rằng có một mối liên hệ sâu sắc giữa hai lĩnh vực này. Cách thức mà tài chính tạo ra các thuật toán này thực sự có vấn đề (như được nhấn mạnh bởi nhiều câu chuyện tin tức liên quan đến “lỗi thuật toán”), vì vậy chúng tôi quyết định thay đổi điều này bằng cách trao quyền cho các kỹ sư trong lĩnh vực tài chính với các công cụ logic tự động hóa để đưa các kỹ thuật khoa học nghiêm ngặt vào thiết kế và phát triển phần mềm. Tuy nhiên, những gì chúng tôi cuối cùng tạo ra là không phụ thuộc vào ngành.

Bạn có thể giải thích neurosymbolic AI là gì và nó khác với các phương pháp AI truyền thống như thế nào?

Lĩnh vực AI có (rất粗略!) hai khu vực: thống kê (bao gồm cả LLMs) và biểu tượng (còn được gọi là lý lẽ tự động hóa). AI thống kê vô cùng giỏi trong việc xác định mẫu và thực hiện dịch bằng cách sử dụng thông tin nó đã học được từ dữ liệu được đào tạo. Nhưng nó không tốt trong việc lý lẽ logic. AI biểu tượng gần như ngược lại – nó buộc bạn phải rất chính xác (toán học) với những gì bạn đang cố gắng làm, nhưng nó có thể sử dụng logic để lý lẽ theo cách logic nhất quán và không yêu cầu dữ liệu để đào tạo. Các kỹ thuật kết hợp hai lĩnh vực AI này được gọi là “neurosymbolic”. Một ứng dụng nổi tiếng của phương pháp này là dự án AlphaFold của DeepMind, gần đây đã giành giải Nobel.

Theo bạn, điều gì giúp Imandra nổi bật trong việc dẫn đầu cuộc cách mạng AI thần kinh – biểu tượng?

Có nhiều lý lẽ biểu tượng tuyệt vời ở đó (hầu hết trong học thuật) nhắm vào các lĩnh vực cụ thể (ví dụ: gấp protein), nhưng Imandra trao quyền cho các nhà phát triển phân tích các thuật toán với sự tự động hóa chưa từng có, điều này có nhiều ứng dụng và đối tượng mục tiêu rộng lớn hơn so với các công cụ đó.

Làm thế nào Imandra’s lý lẽ tự động hóa loại bỏ các thách thức AI phổ biến, chẳng hạn như ảo giác, và cải thiện niềm tin vào các hệ thống AI?

Với cách tiếp cận của chúng tôi, LLMs được sử dụng để dịch yêu cầu của con người thành logic hình thức, sau đó được phân tích bởi động cơ lý lẽ với đầy đủ hồ sơ logic. Mặc dù có thể xảy ra lỗi dịch khi sử dụng LLM, người dùng được cung cấp một lời giải thích logic về cách các yêu cầu được dịch và các kiểm toán logic có thể được xác minh bởi phần mềm mã nguồn mở của bên thứ ba. Mục tiêu cuối cùng của chúng tôi là mang lại tính minh bạch có thể hành động, nơi các hệ thống AI có thể giải thích lý lẽ của chúng theo cách logic có thể xác minh độc lập.

Imandra được sử dụng bởi Goldman Sachs (GS ) và DARPA, trong số những người khác. Bạn có thể chia sẻ một ví dụ thực tế về cách công nghệ của bạn đã giải quyết một vấn đề phức tạp?

Một ví dụ tuyệt vời về tác động thực tế của Imandra được nêu trong giải thưởng UBS Future of Finance – chúng tôi đã giành được vị trí thứ nhất (trong số hơn 620 công ty trên toàn cầu). Trong khi tạo một trường hợp nghiên cứu cho UBS, Imandra đã xác định một khiếm khuyết cơ bản và tinh vi trong mô tả thuật toán. Khiếm khuyết này xuất phát từ các điều kiện logic tinh vi phải được đáp ứng để xếp hạng lệnh trong một cuốn sách lệnh – điều này sẽ không thể phát hiện được bởi con người “bằng tay”. Ngân hàng đã trao cho chúng tôi vị trí thứ nhất.

Làm thế nào kinh nghiệm của bạn tại Deutsche Bank đã định hình các ứng dụng của Imandra trong các hệ thống tài chính, và trường hợp sử dụng nào có tác động nhất mà bạn đã thấy cho đến nay?

Tại Deutsche Bank, chúng tôi đã phải đối mặt với rất nhiều mã phức tạp tạo ra quyết định giao dịch tự động dựa trên các đầu vào ML, chỉ số rủi ro, v.v. Giống như bất kỳ ngân hàng nào, chúng tôi cũng phải tuân thủ nhiều quy định. Grant và tôi nhận ra rằng điều này, về mặt toán học, rất giống với nghiên cứu mà anh ấy đã thực hiện về an toàn của hệ thống tự động.

Beyond tài chính, những ngành nào bạn thấy có tiềm năng lớn nhất để được hưởng lợi từ AI thần kinh – biểu tượng?

Chúng tôi đã thấy AlphaFold giành giải Nobel, vì vậy hãy chắc chắn rằng chúng tôi sẽ tính đến điều đó… Cuối cùng, hầu hết các ứng dụng của AI sẽ được hưởng lợi rất nhiều từ việc sử dụng các phương pháp biểu tượng, nhưng cụ thể, chúng tôi đang làm việc trên các tác nhân mà chúng tôi sẽ phát hành sớm: phân tích mã (dịch mã nguồn thành mô hình toán học), tạo mô hình nghiêm ngặt từ thông số kỹ thuật tiếng Anh, lý lẽ về mô hình SysML (ngôn ngữ được sử dụng để mô tả hệ thống trong các ngành công nghiệp quan trọng về an toàn) và tự động hóa quy trình kinh doanh.

Phân vùng khu vực của Imandra là một tính năng mới. Bạn có thể giải thích cách nó hoạt động và tầm quan trọng của nó trong việc giải quyết các vấn đề phức tạp?

Một câu hỏi mà mọi kỹ sư đều nghĩ về khi viết phần mềm là “các trường hợp biên là gì?”. Khi công việc của họ là kiểm tra chất lượng và họ cần viết các trường hợp kiểm tra đơn vị hoặc họ đang viết mã và suy nghĩ về việc họ đã thực hiện đúng yêu cầu hay chưa. Imandra mang lại sự nghiêm ngặt của khoa học để trả lời câu hỏi này – nó xử lý mã như một mô hình toán học và phân tích biểu tượng tất cả các trường hợp biên (trong khi tạo ra một bằng chứng về tính đầy đủ của phạm vi). Tính năng này dựa trên một kỹ thuật toán học gọi là ‘Phân chia Đại số Cylindrical’, mà chúng tôi đã “nâng” lên các thuật toán lớn. Nó đã tiết kiệm được vô số giờ cho khách hàng của chúng tôi trong lĩnh vực tài chính và phát hiện ra các lỗi quan trọng. Giờ đây, chúng tôi đang mang tính năng này đến với các kỹ sư trên mọi nơi.

Làm thế nào Imandra tích hợp với các mô hình ngôn ngữ lớn, và những khả năng mới nào nó mở khóa cho AI tạo sinh?

LLMs và Imandra cùng nhau chính thức hóa đầu vào của con người (dù đó là mã nguồn, tiếng Anh, v.v.), lý lẽ về nó và sau đó trả về đầu ra theo cách dễ hiểu. Chúng tôi sử dụng các khuôn khổ tác nhân (ví dụ: Langgraph) để điều phối công việc này và cung cấp trải nghiệm như một tác nhân mà khách hàng của chúng tôi có thể sử dụng trực tiếp hoặc tích hợp vào ứng dụng hoặc tác nhân của họ. Luồng công việc cộng sinh này giải quyết nhiều thách thức khi sử dụng các công cụ AI chỉ dựa trên LLM và mở rộng ứng dụng của chúng vượt ra ngoài dữ liệu đào tạo trước đây.

Điều gì là tầm nhìn lâu dài của bạn cho Imandra, và bạn thấy nó sẽ biến đổi các ứng dụng AI trên các ngành công nghiệp như thế nào?

Chúng tôi nghĩ rằng các kỹ thuật thần kinh – biểu tượng sẽ là nền tảng mở ra con đường để chúng ta thực hiện lời hứa của AI. Các kỹ thuật biểu tượng là thành phần còn thiếu trong hầu hết các ứng dụng công nghiệp của AI và chúng tôi rất hào hứng khi đứng ở tiền phong của chương này tiếp theo của AI.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Imandra.