# Стивен Д'Анджело: «Мы строим самоуправляемую компанию на базе символического ИИ»

Источник: https://www.youtube.com/watch?v=2feBJcYgTwY
Канал: Eye on AI
Опубликовано: 17.11.2021

---

В новом выпуске подкаста Eye on AI Стивен Д'Анджело, президент компании Enterra Solutions, обсуждает возвращение к истокам искусственного интеллекта — символическому ИИ и логическому выводу. В эпоху доминирования «черных ящиков» глубокого обучения его компания предлагает прозрачный «стеклянный ящик» для управления сложнейшими динамическими системами глобальных корпораций.

## 🧠 Символический ИИ против глубокого обучения
[[JUMP:01:00]]

Стивен Д'Анджело описывает подход Enterra Solutions как «автономную науку о принятии решений» (Autonomous Decision Science). В отличие от популярных сегодня нейросетей, работа которых часто остается непрозрачной, платформа Enterra базируется на трех фундаментальных столпах [1:38]:

1.  **Семантические рассуждения и символическая логика.** Использование баз знаний и механизмов логического вывода для имитации человеческого мышления.
2.  **Вычислительный интеллект.** Собственный движок машинного обучения «стеклянный ящик» (Glass Box), основанный на представлении моделей высокой размерности.
3.  **Нелинейная оптимизация.** Инструменты для автоматического исполнения решений и обучения на результатах.

Д'Анджело подчеркивает, что цель компании — преодолеть разрыв между способностью машины рассуждать и её способностью обрабатывать огромные массивы данных [2:56].

### База знаний: здравый смысл как фундамент
[[JUMP:03:22]]

Основой системы является репозиторий «здравого смысла», содержащий около 25 миллионов аксиом, правил и утверждений [3:49]. По словам спикера:

*   Система понимает контекст: например, что «красный» может означать цвет, ярость или опасность на бирже [3:36].
*   Поверх общей базы строятся отраслевые онтологии (потребительские товары, медико-биологические науки) и функциональные блоки (маркетинг, цепочки поставок) [4:02].
*   Для вывода используются методы прямой и обратной логической цепочки. Д'Анджело сравнивает это с Шерлоком Холмсом: «Если я съел торт, значит, ранее существовали предикаты: я его купил, испек или получил в подарок» [4:41].

## 🧪 «Стеклянный ящик» и математика высокой размерности
[[JUMP:07:33]]

Критическим отличием Enterra от стандартных ML-провайдеров является использование проприетарного движка HDMR (High Dimensional Model Representation). 

**Пример из фармацевтики:**
Одна крупная компания обратилась к Enterra для стабилизации формулы нового препарата. Датасет содержал 2700 переменных [8:12]. 

*   Математический движок выявил «семимерное многообразие» — комбинацию всего 7 переменных, которые объясняли 84% вариативности данных [8:40]. 
*   Добавление еще нескольких взаимодействий довело точность описания системы до 93% [8:52].
*   В результате клиенту не нужно было следить за всеми 2700 параметрами — достаточно было контролировать 7 «ручек настройки» для обеспечения стабильности лекарства при хранении [9:05].

Д'Анджело утверждает, что типичные алгоритмы глубокого обучения находят паттерны, но не выдают явную математическую функцию. Технология Enterra устойчива к мультиколлинеарности и «спутанным» переменным, обеспечивая полную прозрачность принятия решений [9:29].

## 🍔 Кейс McCormick: цифровой отпечаток вкуса
[[JUMP:12:10]]

Одним из наиболее ярких примеров применения платформы является проект FlavorPrint для компании McCormick. 

*   **Задача:** Создать многомерное представление вкусового опыта.
*   **Решение:** Enterra оцифровала знания ученых-диетологов, создав уникальный «отпечаток» для каждого ингредиента и рецепта. 
*   **Масштаб:** Учитывается около 3000 измерений вкуса, аромата и текстуры, которые накладываются на образ жизни потребителя (веганство, отношение к ГМО и т.д.) [13:00].
*   **Результат:** Персонализированные рекомендации продуктов, которые максимально точно попадают в предпочтения конкретного домохозяйства [13:27].

## 🏢 Концепция «Автономной компании»
[[JUMP:17:45]]

Д'Анджело продвигает идею «самоуправляемой компании» (Self-driving company). По его мнению, стандартные ERP-системы вроде SAP были спроектированы для точного учета транзакций, чтобы «не совершать ошибок», но они не умеют динамически думать [17:05].

Enterra предлагает «систему инсайтов», которая:

1.  Поглощает данные из озер данных (Data Lakes).
2.  Анализирует их со скоростью рынка.
3.  Генерирует инструкции для систем исполнения.
4.  Автоматически корректирует уровни запасов или маркетинговые стимулы [17:59].

Во время пандемии COVID-19 эта система помогла глобальным клиентам управлять ажиотажным спросом (pantry loading). Анализируя региональные данные в реальном времени, ИИ рекомендовал, где усилить, а где притормозить торговые акции, чтобы сбалансировать нагрузку на цепочки поставок [19:44].

## ⚔️ Конкуренция и будущее технологий
[[JUMP:22:54]]

Стивен Д'Анджело прямо называет своих главных конкурентов в области продвинутой аналитики:

*   Palantir
*   C3 AI

Однако он уточняет, что большинство конкурентов решают узкие задачи (только цепочки поставок или только ценообразование), в то время как Enterra стремится к «сквозной оптимизации» всей цепочки создания стоимости [24:00].

На вопрос о глубоком обучении Д'Анджело отвечает прагматично: компания не собирается конкурировать с Google, вкладывая миллиарды в нейросети. Вместо этого Enterra планирует интегрировать специализированные инструменты глубокого обучения как «топливо» для своих онтологий [21:46]. 

По мнению гостя, будущее за гибридными системами: «fusion» глубокого обучения и семантических рассуждений позволит ИИ действовать с тонкостью и рассудительностью человеческого эксперта [22:11].