纳雷·万达尼安，Ntropy联合创始人兼首席执行官 – 访谈系列
Nare Vandanian, Co-founder and CEO of Ntropy - Interview Series
Naré Vandanyan，Ntropy的联合创始人兼首席执行官，是一个平台，可以以超人类的准确性在100毫秒内解析金融交易，为新一代自主金融开启道路，推动前所未有的产品和服务。它通过结合来自多个来源的数据，包括自然语言模型、搜索引擎、内部数据库、外部API和我们网络中的现有交易数据，将原始交易流转化为上下文化、结构化的信息。
您在亚美尼亚长大，曾在战争期间没有电力。您可以分享一些关于那些早期的细节，以及这如何使您为联合国工作？
整整一代人在亚美尼亚共同经历了那段经历。这在我心中培养了想象力和能够在有限条件下找到解决方案的能力。像其他在冲突地区长大的人一样，我生活中的这段经历对我看待世界的方式产生了深远的影响。这些苛刻的环境培养了社区内的共同责任感和推动积极变革的坚定动力。意识到我们的挑战超越了个人奋斗，我感到有一种呼唤，要以更广阔的视野思考并引导我的努力。这反过来引导我走向了联合国。
联合国成为我有意义地贡献的理想平台。鉴于亚美尼亚的不稳定地缘政治位置和我对全球事务的渴望，我相信与联合国合作将提供一个真正改变的机会。通过参与重要的讨论和决策，我希望对世界问题产生有意义的影响。
您很快对联合国感到失望，那么您是如何转向希望在科技领域工作的？
对联合国的失望根源于其缓慢而官僚的性质，这最终促使我改变了职业志向。虽然联合国有其优势，但我意识到它常常缺乏有效的行动和推动真正改变的能力。这一认识引导我将重心转向技术领域——一个充满活力且没有限制的空间。
在技术世界中，创新工具随时可得并不断进步，赋予个人在没有不必要的障碍的情况下引发变革的能力。这种环境促进了将思想转化为现实的转变，不受不必要的许可限制，这一方面真正吸引了我。通过技术产生实质性、广泛的影响的潜力成为一种无法抗拒的呼唤，迫使我沉浸于这个充满活力的领域。
您最早参与的一些数据项目是什么？
我最早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智能来识别早期双相情感障碍的迹象。当时，自然语言处理领域还不如今天发达，考虑到这个项目开始只有大约六年时间，这是相当了不起的。我们的工作是这个领域最早的研发项目之一，后来我们将知识产权卖给保险公司进行内部分析和核保。
您之前通过总部位于伦敦的AI Seed公司投资了一些人工智能和机器学习公司，您观察到成功的人工智能初创公司有哪些共同特点？
一个不变的主题是拥有独家数据访问权限，以及利用这些数据来解决现实世界问题的能力。此外，在应用人工智能公司领域，重点不仅仅是构建模型，而是转向创造有影响力、有价值的产品。能够理解并拥抱这种观点的团队才是真正在人工智能/机器学习领域蓬勃发展的团队。例如，Predina利用人工智能预测给定位置和时间的车辆事故风险，而Observe Technologies使用专有算法支持可持续发展的渔场增产。
您能分享一下Ntropy背后的创世故事吗？
Ntropy诞生于这样一个观点：世界上一些最重要的信息隐藏在金融交易中。直到现在，这些数据一直存在于信息孤岛中，这种情况很混乱且难以处理。我们创造了Ntropy，成为第一个真正全球化、跨行业、跨地理和多语种的金融数据引擎，可以提供人类水平的准确性。通过创建一个共同的语言和系统来理解金融数据，我们正在为任何企业和个人提供平等的信任和资金获取机会。通过理解和解释这些交易，金钱的动态可以重新定义，以及对金钱的可接近性。
我们有着典型的初创公司故事。最开始，我和合作伙伴Ilia在一个废弃的尘土飞扬的学校地下室里工作。我们从一个在Typeform上的消费者应用程序中获取了20,000个交易，并使用了一个经过精简的BERT模型进行了训练。数据是通过与Plaid连接的消费者应用程序引导的，并得到了朋友和家人的支持。起初，我们工作时间很长，资金紧张，但我们被对这个业务的决心和奉献精神所推动。
快进到今天，我们的旅程已经使我们分析和标记了数十亿笔交易。因此，我们现在拥有全球最全面的商户数据库之一，近1亿多家商户的姓名、地址、行业标签等信息。我们不断扩大我们的交易存储库-利用LLM在这些财务数据上的能力带来了无与伦比的成本效益和速度。这种能力有潜力彻底改变金融行业的格局。
为什么金融数据是伟大的平等器之一？
金融数据之所以成为强大的平等器，是因为它具有平衡局势、减少不确定性和促进信任的能力。当数据丰富且精细时，它会转化为降低与金融决策相关的风险。随着风险变得更加可控，一个转变发生了。不确定性的成本降低了，使个人能够做出更加明智和公平的决策，从而进一步平衡竞争环境。例如，如果我们能够更广泛地获取数据，并不再基于非常狭窄的参数做出决策，一个新移民就有与一个来自有着良好背景的家族相同的潜力来获得有利的汽车贷款或抵押贷款条件。基本上，金融不平衡所带来的障碍开始消失，引入了一个更广泛范围的人可以获得有利的金融机会的时代。
构建一个能像人类一样读懂和理解金融交易的AI背后的挑战有哪些？
开发能够像人类一样理解金融交易的AI具有挑战性，因为它具有概率性质，可能导致错误。与人类不同，AI系统仍然缺乏问责结构。主要的挑战是通过改进AI系统来减少错误及其影响，同时确保可扩展性。有趣的是，更大的模型可以通过逐渐提高准确性来缓解这一挑战。增强的能力和丰富的数据可以提高AI的解释准确性，最终培养出一个更宽容的错误容忍环境，并加速这些系统的广泛应用。
能否讨论一下Ntropy如何提供标准化的金融数据？
Ntropy作为一个全面的平台，汇集了一系列的语言模型，涵盖了从最广泛到最紧凑的模型，同时结合了启发式方法。这些模型是使用原始的金融数据、专家洞察和机器标记的样本进行训练的。我们的目标是从各种交易字符串中提取有意义的见解，并以一种易于理解的方式进行统一呈现。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。这个功能无缝集成到用户的产品和服务中。
这些数据背后有哪些用例？
这些数据的应用范围广泛，涵盖了金融业务的整个领域。它赋予了包括支付、核保、会计、投资等各种功能。数据的适应性在于它能够影响金融活动的各个方面，无论是涉及资金转移、细致的记录保持还是优化资本利用。
以银行交易或预算应用为例。简单一瞥就能看出，由于非标准的商户名称和描述，理解购买行为的困难。虽然许多公司尝试通过内部解决方案解决这个问题，但往往在可扩展性、维护性和概括性方面表现不佳。一个定制模型通常只有60-70%的准确率，并且可能需要几个月的时间来构建。
Ntropy的技术结合了来自全球商户数据库、搜索引擎和在网络上进行压缩训练的语言模型的数十亿个数据点，以处理来自四个不同大陆和六个以上不同语言的银行数据。我们正在实现在金融领域大规模使用大型语言模型来支持所有后台功能。
Ntropy的未来愿景是什么？
我们对Ntropy的愿景很清晰：我们的目标是成为金融服务领域的首选垂直AI公司。我们拥有强大的数据和直觉的坚实基础，由专业团队支持，使我们独特地处于推动真正变革的位置。那么，这在实践中意味着什么呢？这意味着利用最新的进展来改变金融，解锁以前难以企及的生产力水平。
我们都知道银行业可能非常昂贵。但想象一下，如果我们能改变这一点。通过降低成本，我们不仅仅是削减开支，我们还在鼓励健康的竞争，改善系统的经济性，最终使金融服务更加可访问和高效。这就是我们努力实现的未来-一个更加公平和用户友好的金融格局。
感谢您进行了精彩的采访，希望想了解更多的读者可以访问Ntropy。
