Denis Ignatovich, Đồng sáng lập và Đồng CEO của Imanda – 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 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 một số bằng sáng chế. Ông nắm giữ 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 công cụ lý lẽ AI được hỗ trợ bởi neurosymbolic AI 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 dựa trên AI.

Điều gì đã truyền cảm hứng cho bạn và Dr. Grant Passmore để đồng sáng lập Imandra, và cách nền tảng của bạn 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 các ứng dụng của lý lẽ tự động cho 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 xử lý 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 tài chính tạo ra các thuật toán như vậy 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 đã thiết lập để thay đổi điều đó bằng cách trao quyền cho các kỹ sư trong lĩnh vực tài chính với các công cụ lý lẽ tự động 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 đã 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 (khá粗略!) hai khu vực: thống kê (bao gồm LLMs) và biểu tượng (còn gọi là lý lẽ tự động). AI thống kê rất 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 đó là (1) nhất quán logic và (2) không yêu cầu dữ liệu để đào tạo. Các kỹ thuật kết hợp hai khu vực AI này được gọi là “neurosymbolic”. Một ứng dụng nổi tiếng của phương pháp này là dự án AlphaFold từ DeepMind đã giành giải Nobel gần đây.

Điều gì bạn nghĩ đã giúp Imandra dẫn đầu trong cuộc cách mạng AI neurosymbolic?

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

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

Với phương pháp của chúng tôi, LLMs được sử dụng để dịch yêu cầu của con người thành logic hình thức, sau đó được phân tích bởi công cụ lý lẽ với đầy đủ audit logic. Mặc dù lỗi dịch có thể xảy ra khi sử dụng LLM, người dùng được cung cấp một lời giải thích logic về cách yêu cầu được dịch và audit 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 có thể được xác minh logic độc lập.

Imandra được sử dụng bởi Goldman Sachs 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 thực tế tuyệt vời về tác động thực tế của Imandra được nêu bật trong UBS Future of Finance competition thắng giải đầu tiên (chi tiết với mã Imandra trên trang web của chúng tôi). Trong khi tạo một nghiên cứu trường hợp cho UBS đã mã hóa một tài liệu quy định mà họ đã gửi đến SEC, 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 đơn đặt hàng trong một cuốn sách đặt hàng – điều gì đó sẽ không thể cho con người phát hiện “bằng tay”. Ngân hàng đã trao cho chúng tôi giải thưởng đầu tiên (trong số hơn 620 công ty trên toàn cầu).

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

Tại Deutsche Bank, chúng tôi đã xử lý 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. Như bất kỳ ngân hàng nào, chúng tôi cũng phải tuân thủ nhiều quy định. Điều mà Grant và tôi nhận ra là điều này, trên mức độ toán học, rất giống với nghiên cứu mà anh ấy đã làm 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 neurosymbolic?

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 QA và họ cần viết các trường hợp kiểm tra đơn vị hoặc họ đang viết mã và 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 ‘Cylindrical Algebraic Decomposition’, mà chúng tôi đã “nâng” lên các thuật toán lớn. Nó đã tiết kiệm 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 cho các kỹ sư trên mọi nơi.

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

LLMs và Imandra làm việc cùng nhau để chính thức hóa đầu vào của con người (cho dù đó là mã nguồn, văn bản 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 đại lý (ví dụ: Langgraph) để điều phối công việc này và cung cấp trải nghiệm như một đại lý mà khách hàng của chúng tôi có thể sử dụng trực tiếp hoặc tích hợp vào ứng dụng hoặc đại lý của họ. Quy trình làm 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.

Visions dài hạn của bạn cho Imandra là gì, 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 neurosymbolic sẽ là nền tảng giúp chúng ta thực hiện được lời hứa của AI. Các kỹ thuật biểu tượng là thành phần thiếu sót cho hầu hết các ứng dụng công nghiệp của AI và chúng tôi rất hào hứng khi được ở tiền phong của chương này của AI.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Imandra.