Ntropy联合创始人兼CEO纳雷·瓦尔达尼扬 – 采访系列

纳雷·瓦尔达尼扬（Naré Vardanyan）是Ntropy的联合创始人兼CEO，Ntropy是一家能够让开发者在100毫秒内解析金融交易的平台，具有超人类的准确性，开启了自主金融的新时代，赋予了以前不可能的产品和服务。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，将原始交易流转化为上下文化和结构化的信息。

您在亚美尼亚长大，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，以及这段经历如何让您加入联合国工作？

这段经历是亚美尼亚整个世代共有的。它在我心中培养了想象力和即使在资源有限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同的责任感和带来积极变化的坚定决心。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视野和努力的召唤。这反过来又让我转向了联合国。

联合国成为我贡献的理想平台。考虑到亚美尼亚的复杂地缘政治局势和我对全球事务的抱负，我相信与联合国合作将提供真正有意义的机会。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。

您很快对联合国感到失望，之后您如何转向科技行业？

对联合国的失望根源于其缓慢的官僚主义，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变化的能力。这种认识让我将注意力转向了科技领域——一个充满活力和无限可能的领域。

在科技的世界里，创新工具随时可用并不断进步，赋予个人在不需要面对不必要障碍的情况下推动变革的能力。这种环境使得想法能够在不受不必要许可的限制下变为现实，这一方面深深吸引了我。通过科技带来实质性和广泛影响的潜力成为了一种不可抗拒的召唤，驱使我深入这一充满活力的领域。

您最初参与的一些数据项目是什么？

我早期的一个项目是开发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。在那时，自然语言处理的领域还没有像今天这么先进，这是大约六年前开始的项目之一。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，您观察到这些成功的AI初创公司有什么共同的特征？

一个共同的线索是拥有独特的数据访问权限，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的公司中，重点不仅仅在于构建模型，而是创造出有影响力和价值的产品。那些理解和接受这一观点的团队才是真正在AI/ML领域中茁壮成长的团队。例如，Predina使用AI预测特定位置和时间的车祸风险，而Observe Technologies使用专有算法支持鱼场可持续地培养食物。

您能否分享Ntropy的创立故事？

Ntropy诞生于这样的理念：世界上一些最重要的信息隐藏在金融交易中。直到现在，这些数据生活在信息孤岛中，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，我们正在为各地的企业和个人平等地提供对金钱的信任和访问。通过能够理解和解释这些交易，金钱的动态可以被重新定义，及其可及性也可以被重新定义。

我们经历了一个非常典型的初创公司故事。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地下室里工作。我们从20,000笔交易和一个在上面训练的BERT模型开始。数据来自Typeform上的一个消费者应用程序，通过Plaid连接，并得到了朋友和家人的支持。我们在开始时工作时间很长，资金也很紧张，但我们被对这家公司的决心和奉献精神所驱动。

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1亿多个商家，包含名称、地址、行业标签等信息。我们不断扩大我们的交易仓库，利用大型语言模型在金融数据上的力量带来了无与伦比的成本效率和速度。这种能力有可能革新金融格局。

为什么金融数据是伟大的平等者？

金融数据作为一个强大的平等者，能够平衡竞争环境，减少不确定性，并培养信任。当数据丰富且精炼时，它转化为降低了与金融决策相关的风险。随着风险变得更加可控，发生了转变。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，这反过来平衡了竞争环境。例如，如果我们对数据有更好的访问权限，不再仅凭借有限的参数做出决定，那么新移民和来自久负盛名的家族的人将有同等的机会获得有利的汽车贷款或抵押贷款条件。基本上，金融不平衡带来的障碍开始消失，引入了一个更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阅读和理解金融交易的AI面临哪些挑战？

开发能够像人类一样理解金融交易的AI具有挑战性，因为它具有概率性，可能导致错误。与人类不同，AI系统仍然缺乏问责制。主要的挑战是改进AI系统以减少错误和影响，同时确保可扩展性。有趣的是，更大的模型可以通过逐渐提高准确性来缓解这一挑战。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，结合了从最广泛到最紧凑的语言模型，以及启发式方法。这些模型使用原始金融数据、专家见解和机器标记的样本进行训练。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。我们的套件包括API和直观的仪表板，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。

这些数据背后的应用场景是什么？

这些数据的应用非常广泛，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，很难理解购买情况。虽然许多公司尝试通过内部解决方案解决这个问题，但它们通常在可扩展性、维护和普遍性方面存在不足。一个定制的模型通常只有60-70%的准确率，并且可能需要数月的时间来构建。

Ntropy的技术结合了来自全球商家数据库、搜索引擎和在网络浓缩版上训练的语言模型的数十亿个数据点，能够跨四个大陆和六个以上的语言处理银行数据。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的未来有什么展望？

我们对Ntropy的愿景是明确的：我们旨在成为金融服务领域的垂直AI公司。我们的数据和直觉基础，得益于我们专注的团队，已经独特地使我们能够推动真正的变化。那么，这在实践中意味着什么？这意味着利用最新的进展来改变金融，解锁以前无法达到的生产力水平。

我们都知道，银行业务可能很昂贵。但是，如果我们能改变这一点呢？通过降低成本，我们不仅仅是在削减开支，我们正在促进健康的竞争，改善系统的经济效益，并最终使金融服务对所有人来说更加便捷和高效。这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。