Enterra Solutions 的创始人兼首席执行官 Stephen DeAngelis – 采访系列

Stephen DeAngelis 是 Enterra Solutions 的创始人和首席执行官，Enterra Solutions 是第一家将 Autonomous Decision Science^TM (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 是一位国际公认的人工智能和高级分析专家，他的研究领域包括商业实体和政府机构的竞争力、恢复力和安全性。DeAngelis 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。他为自己的公司带来了独特的视角和深厚的经验。

您能否分享 Enterra Solutions 的创立故事？

Enterra Solutions 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（系统性数据驱动的竞争力、风险和绩效）模型。在执行这项工作的过程中，Enterra 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，这些模型是在与联邦资金支持的美国研究和开发机构合作研究和开发协议下开发的。

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研究。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，它让我们的公司和员工接触到一些最先进和最复杂的人工智能和数学技术和实践，同时也建立了一个深厚的网络和一些领先的个人和开创性的思想家在认知科学和恢复力应用领域。

Enterra 利用其在政府和学术领域的工作成果，重新构想了大数据分析在商业领域的应用 – 这一结果就是 Enterra 的 Autonomous Decision Science^® (ADS^®) 和生成式人工智能平台以及一系列价值链扩展的商业应用，这些应用共同构成了一个首创的智能系统。Enterra 的智能系统可以在组织的多个交易系统上执行自主的端到端优化、规划和执行，并通过营销、销售、供应链和公司战略等方面协调决策和行动，帮助公司建立竞争力和恢复力，实现业务目标。

通过将 Enterra 的专有技术与组织知识和实践相结合，Enterra 可以系统地预测市场变化，并以市场速度做出反应 – 将业务转变为自主智能企业。

Enterra Solutions 提供自主决策科学，具体是什么以及如何优化业务决策？

Enterra 的 Autonomous Decision Science^® (ADS^®) 是 Enterra 智能系统的技术平台。Enterra 的 ADS 技术平台将三个以前分离的技术整合在一起：

1. 基于语义推理和向量符号逻辑的人工智能，使得人工智能可以像人类一样进行推理、决策和学习。这种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进行决策并从结果中学习的系统。
2. 透明、可解释的机器学习，以 Enterra 的专有表示学习机（RLM）为基础。RLM 的基础是高维数学和函数分析。RLM 独特地识别出一个函数，该函数描述了数据集中的变量的组合和贡献，这些变量通过多层次的交互作用产生可观察的效果，具有很高的精度。这种算法被归类为“透明盒”算法，它生成一个函数，其输出是可见的，而不是“黑盒”算法，它仅生成模式，但不提供任何关于系统或数据集动态的解释性描述，也不具有实质性的“理解”能力。
3. 基于约束的非线性优化能力，它结合了 RLM 推导的公式、语义推理约束和逻辑，执行快速优化，以反映复杂的多维现实世界考虑因素，得出高度可行的建议。这种能力打破了线性模型相关的维度障碍。

这些技术的独特组合使得 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深刻的鸿沟 – 无论是大型人工智能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，您讨论了老式人工智能仍然是一个强大的工具。您的观点是否已经改变，您在 Enterra Solutions 中使用哪些传统的机器学习算法？

科学是代代相传的，意味着一代人的能力建立在前一代的创新之上。Enterra 不断创新和演化其技术。如上所述，Enterra 创建了 Enterra 自主决策科学^® (ADS^®) 和生成式人工智能平台，这是一个将人工智能和生成式人工智能能力结合起来的集合。我们将这些以前分离的技术整合到一个平台上，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 如何将生成式人工智能集成到其解决方案中？

虽然许多组织仍然处于生成式人工智能的发现和试验阶段，但 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 平台的人工智能组件将独特地学习环境原因，这些原因使得建议成功或不成功，并将这些学习结果保存在其本体和生成式人工智能知识库中。Enterra，如果客户要求，会为客户开发一个特定的生成式人工智能知识库，代表客户的策略、战术、业务逻辑和工作方式，同时为 Enterra 的智能系统中的功能组件提供更新的逻辑和约束设置。

生成式人工智能的一个主要问题是“幻觉”，Enterra Solutions 如何克服这些局限性？

生成式人工智能可以自动化大多数工作流程，但由于其不可验证，人们对其可信度持怀疑态度。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），并使用数学推理和验证其有效性。通过利用 ADS 提供可信的解释和可行性洞察和建议，可以建立信任。

从 2015 年到 2019 年，您是麻省理工学院达赖喇嘛伦理和转型价值中心的顾问委员会成员，这段经历如何塑造了您对商业和人工智能的价值观？

嗯，如果你参与达赖喇嘛中心，你就无法不思考领导和伦理。作为一名商业领导者，你很快就会意识到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将伦理考虑因素内在地嵌入我的决策逻辑中 -真正的北极星和启蒙决策的参数。这一概念也体现在我们构建算法和软件的方式中，最终体现在我们管理组织的方式中。

像杰弗里·辛顿这样的商业和人工智能领袖经常担心人工智能的潜在问题，尤其是通用人工智能，您对此有何看法？

杰弗里·辛顿的一些担忧是关于潜在的滥用和人工智能部署的速度。这些担忧是合理的，因为许多公司试图在没有理解要解决的问题的情况下将人工智能融入其商业实践中。人工智能并不能解决所有问题，也不应该被视为解决所有商业挑战的万能解决方案。公司必须首先提出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。一旦您理解了要解决的问题，您就可以理解使用先进技术（如人工智能）的战略适宜性和技术可行性。

您是一位连续创业者，并在各个领域成功推出了多家企业，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求知欲者，而不是一位管理者。终身学习和求知欲的结合，加上企业家的创新热情，驱动了创新和创造新产品和服务来填补市场空白的动力。与伟大的团队合作，创造股东价值的愿望，是驱动我创新和创业的动力。

您对人工智能的未来有何展望？

通过人工智能在近期的 B2B 应用领域的视角来看，我相信人工智能将在不久的将来使实用的自主决策成为可能，这将应用于大规模的商业应用。这些能力将由类似人类的智能代理驱动，这些代理将增强人类的决策能力，并专注于大型和颠覆性的用例。例如，全球企业跨行业和药物发现、制剂和临床试验的端到端价值链优化和决策，这些应用将会改变人们的生活，影响全球大多数人的生活。

感谢您接受这次精彩的采访，希望读者能够通过访问 Enterra Solutions 了解更多信息。