Ntropy的联合创始人兼首席执行官Naré Vardanyan-访谈系列
Ntropy联合创始人兼首席执行官Naré Vardanyan访谈
纳尔·瓦尔达尼扬，Ntropy的联合创始人兼首席执行官，Ntropy是一个平台，使开发人员能够以超人类的准确性在不到100毫秒的时间内解析金融交易，开启新一代自主金融的道路，为以前从未有过的产品和服务提供动力。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的结构化信息。
您在亚美尼亚长大，经历了一场战争期间的没有电的生活。您能分享一些关于那个时期的细节，以及这是如何让您为联合国工作的吗？
亚美尼亚的整个一代人都经历了这种经历。它在我心中培养了想象力和即使手头资源有限也能找到解决方案的能力。与在冲突地区长大的其他人一样，我生活中的这段时期对我看待世界的方式产生了深刻影响。这些苛刻的环境培养了社区内的共同责任感和坚定的改变力量。意识到我们的挑战超越了个人斗争，我感到有责任在更广泛的范围内思考和努力。这反过来引导我走向了联合国。
联合国成为我有意义地做出贡献的理想平台。考虑到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呢？
对联合国的失望源于其缓慢和官僚性质，这最终促使我改变了职业志向。尽管联合国有其优势，但我意识到它常常缺乏有效行动和推动真正变革的能力。这一认识引导我将注意力转向科技领域-一个充满活力且不受限制的空间。
在技术世界中，创新工具随时可得并不断进步，使个人能够在没有不必要障碍的情况下引发变革。这种环境促进了将想法转化为现实的转变，不受不必要的许可限制-这是我非常着迷的一个方面。通过技术产生重大而广泛的影响的潜力成为一种不可抗拒的呼唤，促使我全身心地投入到这个充满活力的领域。
您最初参与的一些数据项目是什么？
我早期的一个项目是创建一个专注于青少年心理健康的应用程序。该应用程序利用被动触觉数据和对话智能来识别双相情感障碍的早期迹象。当时，自然语言处理领域还不像今天这样先进，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究和开发项目之一，后来我们将知识产权出售给保险公司用于内部分析和核保。
您以前通过总部位于伦敦的AI Seed投资于人工智能和机器学习公司，您观察到成功的AI初创公司具有哪些共同特点？
一个常见的特点是拥有独占的数据访问权限，以及利用这些数据解决现实世界问题的能力。此外，在应用AI公司领域，重点不仅仅在于构建模型，而是转向创建有影响力、有价值的产品。那些理解并接受这种观点的团队是真正在人工智能/机器学习领域蓬勃发展的团队。例如，Predina使用AI预测特定位置和时间发生车辆事故的风险，而Observe Technologies使用专有算法支持鱼类养殖场可持续增长食物。
您能分享一下Ntropy背后的创世故事吗？
Ntropy诞生于这样一个想法：世界上一些最重要的信息隐藏在金融交易中。直到现在，这些数据一直存储在孤立的数据库中，这种方式混乱且难以操作。我们创建Ntropy，成为第一个真正的全球、跨行业、跨地理和多语种的金融数据引擎，能够提供人类级别的准确性。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平等化信任和资金获取的机会。通过理解和解释这些交易，金钱的动态可以重新定义，以及对它的可访问性。
我们有一个非常典型的初创公司故事。起初，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。我们从一个基于Typeform的消费者应用程序中引导了20,000个交易，并使用一个经过精简的BERT模型进行了训练。数据是通过与Plaid连接的Typeform消费者应用程序启动的，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，但我们凭着对这个事业的决心和奉献精神推动着前进。
快进到今天，我们的旅程已经带领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家数据库之一，近1亿+商家丰富了他们的姓名、地址、行业标签等信息。我们不断扩大我们的交易库——在这些金融数据上利用LLMs的力量带来了无与伦比的成本效益和速度。这种能力有潜力改变金融领域。
为什么金融数据是伟大的均衡器之一？
由于金融数据具有降低不确定性、建立信任的能力，金融数据成为一个强大的均衡器。当数据丰富且精细化时，它转化为与金融决策相关的风险减少。随着风险变得更可控，发生了一种转变。不确定性的成本减少，使个人能够做出更明智、更公平的决策，从而实现了公平竞争的局面。例如，如果我们能更广泛地获取数据，并不再基于一套非常狭窄的参数做出决策，一个新移民与出身显赫的人一样有可能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可以获得有利的金融机会的时代。
构建一个能够像人类一样读懂和理解金融交易的人工智能面临哪些挑战？
开发能够像人类一样理解金融交易的人工智能具有概率性质，这可能导致错误。与人类不同，人工智能系统仍然缺乏问责结构。主要挑战在于优化人工智能系统，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减轻这种挑战。增强的能力和丰富的数据可以提高人工智能的解释准确性，最终培养出一个更宽容错误的环境，并加快这些系统的广泛应用。
你能谈谈Ntropy如何提供标准化的金融数据吗？
Ntropy作为一个全面的平台，将从最广泛到最紧凑的一系列语言模型与启发式方法结合在一起。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洞察，并以易于理解的方式进行一致展示。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。这个功能可以无缝集成到用户的产品和服务中。
这些数据的一些应用案例是什么？
这些数据的应用范围广泛，涵盖了金融业务的全部内容。它赋予支付、核保、会计、投资等多种功能，使其具有适应性。数据的适应性在于它能够影响金融活动的各个方面，无论是资金转移、详细记录还是优化资本利用。
以银行交易或预算应用为例。快速浏览可以发现，由于非标准的商家名称和描述，理解购买行为存在困难。虽然许多公司已经尝试通过内部解决方案解决这个问题，但在可扩展性、维护性和普适性方面往往表现不佳。通常情况下，自定义模型的准确度只有60-70%，而且可能需要数月时间来构建。
Ntropy的技术结合了全球商家数据库、搜索引擎和在网络的压缩版本上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。我们正在支持金融业务后台功能的大规模使用大型语言模型。
对于Ntropy的未来，你有什么愿景？
我们对Ntropy的愿景很明确：我们的目标是成为金融服务垂直领域的首选人工智能公司。我们拥有强大的数据和直觉基础，得益于一个专注的团队，使我们在推动真正变革方面具备了独特的优势。那么在实践中，这实际上意味着什么呢？这是关于利用最新的进展来改变金融，解锁以前无法实现的新的生产力水平。
我们都知道银行业可能很昂贵。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，我们还在鼓励健康竞争，改善整个系统的经济效益，最终使金融服务对每个人更加可接近和高效。这就是我们努力追求的未来——一个更加公平和用户友好的金融领域。
感谢您的精彩采访，希望想了解更多的读者可以访问Ntropy。
