纳雷·瓦尔达尼安，Ntropy联合创始人兼CEO – 采访系列

纳雷·瓦尔达尼安，Ntropy联合创始人兼CEO，Ntropy是一个平台，能够让开发者在100毫秒内解析金融交易，具有超人类的准确性，解锁了通往新一代自主金融的道路，赋予了从未有过的产品和服务的力量。它通过结合多个来源的数据，包括自然语言模型、搜索引擎、内部数据库、外部API和整个网络的现有交易数据，将原始交易流转换为上下文化的结构化信息。

您在阿尔梅尼亚长大，没有电力，经历了战争。您能否分享一些关于您早期生活的细节，以及这如何使您加入联合国？

那段经历是阿尔梅尼亚整个一代人的共同经历。它在我心中培养了想象力和即使在资源匮乏的情况下也能找到解决方案的能力。像其他在冲突区长大的人一样，这段经历对我看待世界的方式产生了深远的影响。这些艰难的环境在社区中培养了共享的责任感和坚定的改变的驱动力。意识到我们的挑战超出了个人挣扎，我感到了一种更广泛的思考和努力的召唤。这反过来又引导我向联合国。

联合国成为我贡献的理想平台。考虑到阿尔梅尼亚的不稳定地缘政治位置和我渴望影响全球事务，我相信与联合国合作将提供一个真正有意义的机会。通过参与重要的讨论和决策，我旨在对世界问题产生有意义的影响。

您很快就对联合国感到失望，之后您如何转向想要在科技领域工作？

对联合国的失望根源于其缓慢和官僚的性质，这最终促使我转变了职业志向。虽然联合国有其优势，但我逐渐意识到它往往缺乏有效的行动和推动真正改变的能力。这种认识引导我将注意力转向科技领域——一个动态和无限制的空间。

在科技世界中，创新工具随时可用并不断进步，赋予个人在不需要不必要的障碍的情况下激发变革的能力。这种环境促进了想法变为现实的转变，不受不必要的许可——这对我来说是一个很有吸引力的方面。通过科技产生重大、广泛影响的潜力成为了一种不可抗拒的召唤，迫使我沉浸在这个充满活力的领域中。

您最初的一些数据项目是什么？

我早期的一个项目是创建一个专注于青少年心理健康的应用程序。该应用程序使用被动触觉数据和对话式智能来识别早期的双相情感障碍迹象。当时，自然语言处理领域并不像今天这样先进，这是相当令人惊讶的，考虑到这个项目大约六年前就开始了。我们的工作是这一领域的首批研发计划，我们后来将我们的知识产权出售给保险公司用于内部分析和承保。

您之前通过伦敦的AI Seed投资了AI和ML公司，您观察到成功的AI初创公司有哪些共同的特征？

一个共同的线索是拥有对数据的独家访问权，以及利用这些数据解决现实世界问题的能力。另外，必须承认，在应用AI公司的领域中，重点不仅仅在于构建模型；它转向了创建有影响力、有价值的产品。掌握并接受这一观点的团队是那些真正在AI/ML领域蓬勃发展的团队。例如，Predina使用AI预测特定位置和时间的车辆事故风险，而Observe Technologies使用专有算法支持鱼场可持续地种植食物。

您能否分享Ntropy的起源故事？

Ntropy诞生于这样的想法：世界上一些最重要的信息隐藏在金融交易中。直到现在，这些数据生活在数据仓库中，这很混乱，难以处理。我们创建了Ntropy，以成为第一个真正的全球、跨行业、跨地理和多语言的金融数据引擎，能够提供与人类相当的准确性。通过创建一个共同的语言和系统来理解金融数据，我们正在为企业和个人在任何地方实现对金钱的信任和平等。通过能够理解和解释这些交易，金钱的动态和对其的可访问性可以被重新定义。

我们有一个非常典型的创业故事。在开始时，我的联合创始人Ilia和我在一个废弃的尘土飞扬的学校建筑地下室运营。我们从20k笔交易和一个在它们上训练的精简BERT模型开始。数据是从一个具有Plaid连接的Typeform上的消费者应用程序中引导出来的，并得到了朋友和家人的支持。我们工作时间很长，开始时资金紧张，但我们有决心和对这项业务的奉献精神。

快进到今天，我们的旅程使我们能够分析和标记数十亿笔交易。因此，我们现在拥有世界上最全面的商家数据库，拥有近100M+商家，包含名称、地址、行业标签等。我们不断扩大我们的交易存储库——在这些金融数据上利用LLM的力量带来了无与伦比的成本效益和速度。这种能力有可能彻底改变金融格局。

为什么金融数据是伟大的平等者之一？

金融数据作为一个强大的平等者，源于其能够平衡竞争环境、减少不确定性和促进信任。当数据丰富和精炼时，它转化为降低了与金融决策相关的风险。随着风险变得更易于管理，会发生转变。不确定性的成本降低，使个人能够做出更明智和公平的决定，这反过来又平衡了竞争环境。例如，如果我们有更好的数据访问权限，不再仅仅根据狭窄的参数做出决定，新移民与来自著名家族的人一样，有机会获得有利的汽车贷款或抵押贷款条款。基本上，金融不平衡带来的障碍开始消失，引入了一个更加广泛的人群能够获得有利的金融机会的时代。

构建能够像人类一样读取和理解金融交易的AI面临的挑战是什么？

开发能够像人类一样理解金融交易的AI具有挑战性，因为其具有概率性质，这可能导致错误。与人类不同，AI系统仍然缺乏问责结构。主要的挑战是改进AI系统以减少错误及其影响，同时确保可扩展性。有趣的是，更大的模型可以通过随着时间的推移逐渐提高准确性来缓解这个挑战。增强的能力和大量的数据可以提高AI的解释准确性，最终培养出一个更加宽容的错误环境，并加速这些系统的广泛采用。

您能否讨论Ntropy如何提供标准化的金融数据？

Ntropy作为一个全面的平台，汇集了从最广泛到最紧凑的语言模型，结合了启发式方法。这些模型使用原始金融数据、专家见解和机器标记样本进行训练。我们的目标是从各种交易字符串中提取有意义的见解，并以易于理解的方式呈现出来。我们的套件包括API和一个直观的仪表板，能够在毫秒内快速转换金融数据。这种功能可以无缝地集成到用户的产品和服务中。

这些数据的用例是什么？

这些数据的应用范围很广，涵盖了整个金融运营。它赋予了多种功能，包括支付、承保、会计、投资等。数据的适应性在其影响金融活动的各个方面时变得明显，无论是资金转移、精确的记录保存还是优化资本利用。

考虑银行交易或预算应用程序。快速浏览一下就会发现，由于商家名称和描述不标准，理解购买记录很困难。虽然许多公司尝试通过内部解决方案解决这个问题，但它们往往在可扩展性、维护和普遍性方面存在不足。通常，自定义模型的准确性只有60-70%，需要数月时间来构建。

Ntropy的技术结合了来自全球商家数据库、搜索引擎和在浓缩的网络版本上训练的语言模型的数十亿个数据点，以处理四个不同大陆和六个以上语言的银行数据。我们正在金融领域大规模使用大型语言模型，以支持所有后台功能。

您对Ntropy的未来有什么设想？

我们对Ntropy的愿景很明确：我们旨在成为金融服务领域的首选垂直AI公司。我们的数据和直觉的坚实基础，加上一个专注的团队，已经使我们独特地能够推动真正的改变。那么，这在实践中到底意味着什么？这意味着利用最新的进步来改变金融，解锁以前无法实现的生产力水平。

我们都知道，银行业务可能很昂贵。但是，想象一下，如果我们能改变这一点。通过降低成本，我们不仅仅是在削减开支，我们还在促进健康的竞争，改善系统的经济效益，最终使金融服务对所有人来说更加便捷和高效。这就是我们正在努力的未来——一个更加公平和用户友好的金融格局。

感谢这次精彩的采访，希望了解更多的读者可以访问Ntropy。