Стивен ДиАнджелис, основатель и генеральный директор компании Enterra Solutions – серия интервью

Steven DiAngelis, founder and CEO of Enterra Solutions - interview series

Стивен ДиАнджелис является основателем и генеральным директором компании Enterra Solutions, первой компании, применяющей технологию Автономной научной принятия решений (ADS®) для выполнения полной оптимизации цепочки создания ценности, принятия решений и сложных исследований и разработок для предприятий.

Стивен Ф. ДиАнджелис является признанным экспертом в области искусственного интеллекта и продвинутой аналитики и их применения в конкурентоспособности, устойчивости и безопасности коммерческих организаций и государственных учреждений. Мистер ДиАнджелис является патентообладателем, технологическим пионером и предпринимателем. Его карьера связана с международными отношениями, бизнесом, правительством и академией. Он приносит уникальную перспективу и богатый опыт в свои компании.

Можете ли вы поделиться историей возникновения Enterra Solutions?

Enterra возникла как контрактор правительства США. Enterra разработала и выполнила модели устойчивости предприятия (систематическая определенность конкурентоспособности, риска и производительности) для правительственных агентств США. При выполнении этой работы Enterra разработала методологию управления устойчивостью предприятия и модель зрелости на основе совместных исследований и разработок с финансируемыми федеральными агентствами США.

Для развития технологий конкурентоспособности и устойчивости Enterra начала работу в области искусственного интеллекта и прикладной математики в начале 2000-х годов. К середине 2000-х годов компания начала сочетать свою работу в государственном секторе с передовыми теоретическими и экспериментальными академическими исследованиями – эта работа продолжается по сей день. Академические исследования Enterra являются взаимовыгодным сотрудничеством, которое позволяет нашей компании и сотрудникам получить доступ к некоторым из самых передовых и сложных методов и практик искусственного интеллекта и математики, а также создать глубокую сеть и связи с некоторыми ведущими специалистами и ведущими мыслителями в области когнитивных наук и приложений устойчивости.

Enterra использовала научно-технические знания, полученные в ходе работы в правительстве и академии, чтобы переосмыслить аналитику больших данных в коммерческом секторе – в результате было создано Автономная научная принятия решений® (ADS®) и платформа генеративного ИИ Enterra, а также набор приложений для расширения цепочки создания ценности, объединяющихся в одну систему интеллекта уникального рода. Система интеллекта Enterra выполняет автономную оптимизацию, планирование и выполнение, находясь наверху множественных транзакционных систем фиксации/взаимодействия организации в области маркетинга, продаж, поставок и корпоративной стратегии, и оркестрирует принятие решений и действий, которые помогают компании создавать конкурентоспособность и устойчивость и достигать своих бизнес-целей.

Сочетая проприетарную технологию Enterra с организационными знаниями и практиками, Enterra систематически и оперативно предвидит изменения на рынке, превращая бизнесы в автономные интеллектуальные предприятия.

Enterra Solutions предлагает автономную научную принятия решений, что это конкретно и как оно оптимизирует бизнес-решения?

Автономная научная принятия решений® (ADS®) компании Enterra – это технологическая платформа, на которой основывается Система интеллекта Enterra™. Технологическая платформа ADS компании Enterra объединяет три ранее изолированные технологии:

  1. Искусственный интеллект на основе семантического рассуждения и символьной логики векторов, который обеспечивает рассуждение, принятие решений и обучение, схожие с человеческими. Эта уникальная возможность сочетает здравый смысл и отраслевые знания с выводным рассуждением для создания системы, способной принимать решения с тонкими, схожими с человеческими рассуждениями, а затем извлекать уроки из результатов.
  2. Стеклянная коробка, объяснительное, прозрачное машинное обучение в форме проприетарной машины представления обучения (RLM). Основа RLM состоит из высокоразмерной математики и функционального анализа. RLM уникальным образом определяет функцию, описывающую комбинацию и вклад переменных в наборе данных, описывающих наблюдаемые эффекты через несколько уровней взаимодействия с высокой точностью. Это классифицируется как объяснительный алгоритм “стеклянной коробки”, который генерирует функцию, результаты которой видны, в отличие от алгоритмов “черного ящика”, которые просто генерируют образцы, но не предлагают никакого объяснительного описания динамики системы/набора данных, а также не имеют существенного “понимания” того, что означает образец.
  3. Оптимизация на основе ограничений и нелинейная оптимизация, которая включает производную формулу RLM, вместе с ограничениями и логикой семантического рассуждения, чтобы выполнять быструю оптимизацию, отражающую сложные многомерные реальные соображения для получения высокоэффективных рекомендаций. Эта возможность преодолевает ограничения, связанные с линейными моделями.

Уникальное сочетание этих техник позволило Enterra предоставить клиентам значительно отличающиеся возможности и создать высоко защищенный барьер в конкурентной среде – как среди крупных платформ искусственного интеллекта, так и среди игроков, предлагающих отдельные решения.

Примерно год назад, в подкасте “Eye on AI”, вы обсудили, что старомодный искусственный интеллект по-прежнему является мощным инструментом. Изменились ли ваше мнение на этот счет, и какие традиционные алгоритмы машинного обучения все еще используются в Enterra Solutions?

Наука поколениями накапливается, что означает, что каждое поколение новых возможностей накладывается на предыдущее поколение инноваций, создавая новые возможности. Enterra постоянно инновирует и творчески развивает свои технологии. Как уже упоминалось выше, Enterra создала платформу Enterra Autonomous Decision Science® (ADS®) & Generative AI, которая представляет собой ансамбль возможностей рассуждения, похожих на человеческие, и возможностей GenAI, суперпродвинутого высокоразмерного, объяснительного машинного обучения с нелинейными оптимизационными двигателями на основе ограничений. Мы объединили эти ранее изолированные технологии в одной платформе и, таким образом, смогли разблокировать ранее недоступные аналитические возможности и устранить недостатки отдельных технологий.

Как Enterra Solutions интегрирует генеративное ИИ в свои решения?

В то время как многие организации все еще находятся в процессе изучения и испытания генеративного ИИ, Enterra Solutions и наши клиенты уже более десяти лет получают выгоду от его мощных возможностей. ИИ-компонент платформы Enterra уникальным образом изучает причины успешных или неуспешных рекомендаций в конкретной среде и сохраняет это знание в онтологиях и базах знаний генеративного ИИ. По запросу клиента Enterra разрабатывает конкретную базу знаний GenAI, представляющую стратегии, тактику, бизнес-логику и способы работы и победы клиентов, обновляя логику и настройку ограничений для оптимизационных функций в функциональных компонентах системы интеллекта Enterra.

Галлюцинации – одна из основных проблем генеративного ИИ, как Enterra Solutions преодолевает эти ограничения?

Генеративный ИИ может автоматизировать большую часть рабочих процессов, но его непроверенность подрывает доверие к его надежности. Эту проблему можно решить, используя технологию ADS, которая может взаимодействовать с большими языковыми моделями (LLM), математически рассуждать и треугольником знаний проверять эффективность его работы. Путем использования ADS для обеспечения надежной объяснимости и действенности исследований и рекомендаций можно построить доверие.

С 2015 по 2019 год вы были членом консультативного совета Центра этики и трансформационных ценностей Далай-ламы в Массачусетском технологическом институте, как это повлияло на ваши представления о бизнесе и ИИ?

Ну, если вы связаны с Центром Далай-ламы, вы не можете не думать о лидерстве и этике как о взаимосвязанных понятиях. Когда вы ведете бизнес, вы очень быстро понимаете, что принимаете тысячи решений в год. Некоторые из них незначительны, некоторые обычные или процедурные, а некоторые являются важными или существенными. Я надеюсь, что научился принимать решения с учетом этических соображений, вкладываемых в логику – это истинная поларная звезда и параметры осознанного принятия решений. Этот концепт также отражается в том, как мы создаем алгоритмы и программное обеспечение, и это в конечном итоге отражается в способе управления нашей организацией.

Часто бизнес-лидеры и лидеры в области ИИ, такие как Джеффри Хинтон, беспокоятся о будущих проблемах ИИ, в частности ос