访谈
Stephen DeAngelis，Enterra Solutions 的创始人和 CEO – 采访系列
Stephen DeAngelis 是 Enterra Solutions 的创始人和 CEO，该公司是第一个将 Autonomous Decision ScienceTM (ADS®) 技术应用于企业端到端价值链优化、决策和复杂研究与开发的公司。
Stephen F. DeAngelis 是一位在人工智能和高级分析以及其在商业实体和政府机构的竞争力、恢复力和安全性方面的应用方面具有国际认可的专家。德安吉利斯先生是一位专利持有者、技术先驱和企业家。他的职业生涯处于国际关系、商业、政府和学术的交叉点。他为他的公司带来了独特的视角和深厚的经验。
您能否分享 Enterra Solutions 的起源故事？
Enterra 起源于一家美国政府承包商。Enterra 为美国政府机构开发和执行了企业恢复力（系统数据驱动的竞争力、风险和绩效）模型。在执行这项工作时，Enterra 在与联邦资助的美国研究和开发机构合作研究和开发协议下开发了其最佳实践的企业恢复力管理方法论和成熟度模型。
为了推进竞争力和恢复力技术，Enterra 在 2000 年初开始从事人工智能和应用数学的工作。到 2000 年中期，公司开始将其在政府部门的工作与最先进的理论和实验性学术研究相结合 – 这项工作至今仍在继续。Enterra 的学术研究是一种双向合作，它使我们的公司和员工接触到一些最先进和最复杂的 AI 和数学技术和实践，同时建立了一个深入的网络和一些认知科学和恢复力应用领域的领先个人和开创性思想家的联系。
Enterra 利用其在政府和学术界的工作中获得的科学和技术知识，重新想象了商业领域的大数据分析 – 其结果是创建了 Enterra 的 Autonomous Decision Science® (ADS®) 和生成式 AI 平台，以及一系列可以共同创建系统智能的价值链扩展业务应用。Enterra 的系统智能通过坐在组织的多个交易系统记录/参与上，横跨营销、销售、供应链和企业战略，并协调决策和行动以帮助公司建立竞争力和恢复力并实现其业务目标。
通过将 Enterra 的专有技术与组织知识和实践相结合，Enterra 系统地预测市场变化，并以市场速度做出反应 – 将业务转变为自治智能企业。
Enterra Solutions 提供自治决策科学，具体来说，这是什么以及如何优化业务决策？
Enterra 的 Autonomous Decision Science® (ADS®) 是 Enterra 系统智能的技术平台。Enterra 的 ADS 技术平台将三个以前分离的技术结合在一起：
- 基于语义推理和向量符号逻辑的人工智能，使得类似人类的推理、决策和学习成为可能。这一独特的能力将常识和行业知识与推理结合起来，创建一个可以像人类一样做出决策并从结果中学习的系统。
- 透明的机器学习，以专有的表示学习机器（RLM）形式存在。RLM 的基础是高维数学和函数分析。RLM 唯一地识别出一个函数，该函数描述了数据集中变量的组合和贡献，这些变量描述了通过与系统/数据集的多层交互作用而产生的可观察到的影响，具有很高的精度。这被归类为“透明的”算法，它生成一个 函数，其输出可见，而不是“黑盒”算法，它仅生成模式，但不提供任何解释性的描述动态系统/数据集的含义，也没有任何实质性的“理解”模式的含义。
- 基于约束的非线性优化 能力，它结合了 RLM 推导的公式，以及语义推理约束和逻辑，执行快速优化，反映复杂的多维现实世界考虑，得出高度可行的建议。这一能力打破了与线性模型相关的维度障碍。
这些技术的独特组合使 Enterra 能够为客户提供明显不同的能力，并在竞争格局中创造了一个高度防御性的鸿沟 – 无论是大型 AI 技术平台还是点解决方案玩家。
大约一年前，在“Eye on AI 播客”上，您讨论了老式 AI 仍然是一种强大的工具。您的观点是否已经转变，您认为 Enterra Solutions 仍然使用哪些传统的机器学习算法？
科学是世代加性的，这意味着一个世代的能力层叠在前一世代的创新之上，创造出新的能力。Enterra 持续创新和创造性地演变其技术。如上所述，Enterra 创建了 Enterra 自治决策科学® (ADS®) 和生成式 AI 平台，这是一个人类类似推理和 GenAI 能力的合集，具有超高级的高维、透明的机器学习和非线性、基于约束的优化引擎。我们将这些以前分离的技术结合在一个平台下，并通过这样做，解锁了以前无法实现的分析能力，并减轻了任何单一技术的缺陷。
Enterra Solutions 如何将生成式 AI 集成到其解决方案中？
虽然许多组织仍处于发现和试验生成式 AI 的阶段，Enterra Solutions 和我们的客户已经从其强大的功能中受益超过十年。Enterra 平台的 AI 组件将独特地学习环境中使建议成功或不成功的原因，并在其本体和生成式 AI 知识库中保留这种学习。Enterra，当客户请求时，将为客户开发一个特定的 GenAI 知识库，代表客户的策略、战术、业务逻辑和工作方式；同时为 Enterra 系统智能内的功能组件的优化函数提供更新的逻辑和约束设置。
幻觉是生成式 AI 的主要问题之一，Enterra Solutions 如何克服这些限制？
生成式 AI 可以自动化大多数工作流程，但由于其未经验证，其可信度值得怀疑。这可以通过利用 ADS 技术来解决，该技术可以插入大型语言模型 (LLM)，以数学方式推理和三角化知识，以验证其有效性。通过利用 ADS 提供可信的解释性和可行性见解和建议，可以建立信任。
从 2015 年到 2019 年，您是 MIT Dalai Lama 中心的道德和转型价值顾问委员会成员，您在商业和 AI 领域的价值观如何受到这一经历的影响？
嗯，如果你参与达赖喇嘛中心，你就会认为领导力和道德是一样的。当你经营一家企业时，你会很快学会，你每年做出成千上万个决定。有些决定很小，有些决定很普通或程序化，有些决定很重要或具有后果。我希望我已经学会了在我的逻辑中内在地嵌入道德考虑 -真正的北极星和启蒙决策的参数。这一概念也反映在我们构建算法和软件的方式中，最后反映在我们经营组织的方式中。
商业和 AI 领导者，如 Geoffrey Hinton，经常担心 AI 的潜在问题，特别是 AGI，您对此有何看法？
Geoffrey Hinton 的一些担忧是关于潜在的滥用和 AI 部署的速度。这些都是合理的观点，因为许多公司都试图将 AI 纳入其商业实践中，而没有首先了解他们试图解决的问题。AI 并不能解决每个问题，也不应该被认为是解决所有商业挑战的万能解决方案。对于公司来说，首先要有一个以业务为导向的问题陈述，然后再寻找可行的解决方案至关重要。一旦您了解要解决的问题，您就可以了解使用高级技术（如 AI）的战略适应性和技术可行性。
您是一位连续创业者，并成功地在各个领域推出了多家企业，您的创新动力是什么？
归根结底，我更像是一位终身学习者和具有智力好奇心的商人，而不是一位管理者。终身学习和智力好奇心的结合，加上企业家的创业热情，推动了创新和创造新产品和服务以填补市场空白的动力。与伟大团队一起工作的愿望和“竞争和赢”的愿望，即创造股东价值，这些驱动了我创新。
您对 AI 的未来有什么展望？
通过近期 B2B 应用中的 AI 使用的视角来看，我相信 AI 将在近期内实现实际的自治决策，在大规模的商业应用中。这将由类似人类的智能代理驱动，这些代理将增强人类决策，并以专注于大型和颠覆性用例的人工智能或超级智能来实现。例如，全球公司跨行业和部门的端到端价值链优化和决策，以及药物发现和配方、临床试验等方面的颠覆，这些应用是变革性的，并且影响着地球上大多数人的生活。
感谢这次精彩的采访，希望了解更多的读者可以访问 Enterra Solutions。
