Babak Hodjat, Chief AI Officer bei Cognizant – Interview-Serie

Babak Hodjat, Chief AI Officer, leitet die AI Research Labs, ein Team von Entwicklern und Forschern, das den Stand der Technik im Bereich KI vorantreibt, unterschiedliche KI-Funktionen in Cognizants Angebot entwickelt und die KI-Initiativen des Unternehmens für den guten Zweck leitet.

Babak ist der ehemalige Mitgründer und CEO von Sentient, verantwortlich für die KernTechnologie hinter dem weltweit größten verteilten KI-System. Babak war auch der Gründer des weltweit ersten KI-gesteuerten Hedgefonds, Sentient Investment Management.

Babak ist ein Serienunternehmer, der mehrere Unternehmen im Silicon Valley gegründet hat, als Haupterfinder und Technologe. Vor der Gründung von Sentient war Babak Senior Director of Engineering bei Sybase iAnywhere, wo er die mobile Lösungsentwicklung leitete. Vor Sybase war Babak Mitgründer, CTO und Vorstandsmitglied von Dejima Inc. Babak ist der Haupterfinder von Dejimas patentierter, agentenorientierter Technologie, die auf intelligente Schnittstellen für mobile und Unternehmenscomputing angewendet wird – die Technologie hinter Apples Siri.

Babak hat über 50 Artikel in den Bereichen künstliches Leben, agentenorientierte Softwareentwicklung und verteilte künstliche Intelligenz veröffentlicht und hält 39 US-Patente in seinem Namen. Er ist Experte in zahlreichen Bereichen der KI, einschließlich natürlicher Sprachverarbeitung, maschinellem Lernen, evolutionären Algorithmen und verteilter KI.

Cognizant ist ein globales Unternehmen für professionelle Dienstleistungen und IT-Beratung, das Organisationen hilft, ihre digitale Infrastruktur zu modernisieren, aufstrebende Technologien wie KI, Cloud, Daten und Automatisierung umzusetzen und Geschäftsprozesse anzupassen, um Agilität und Wachstum zu fördern.

Sie haben mehrere KI-Unternehmen gegründet, zwei Bücher verfasst und halfen, Technologien zu entwickeln, die Siri beeinflussten. Was waren die persönlichen Erfahrungen oder Wendepunkte, die Ihre Überzeugung in KI als Werkzeug für realen Einfluss geprägt haben?

Meine Faszination für KI begann früh in meiner akademischen Laufbahn und hat sich seitdem nur verstärkt. Einige wichtige Wendepunkte umfassten die Entwicklung einiger der ersten Agenten-basierten Systeme bei Dejima für die Programmierung von Verbrauchsgütern wie Ihrem Videorekorder, die Arbeit, die wir bei Sentient Technologies geleistet haben, um KI auf komplexe Probleme wie Finanzhandel anzuwenden. Die natürliche Sprachtechnologie, die ich für Siri entwickelt habe, die ebenfalls agentenbasiert war, war ein weiterer Wendepunkt.

Diese realen Anwendungen haben mir gezeigt, dass KI über theoretische Konstrukte hinausgehen und greifbaren Geschäftswert liefern kann. Wir sind jetzt in eine explosive Periode für die Kommerzialisierung von KI-Technologien eingetreten, insbesondere mit Multi-Agenten-Systemen, die die Art und Weise, wie Unternehmen operieren, vollständig verändern und die Automatisierung vieler komplexer Aufgaben ermöglichen werden.

Lassen Sie uns über Ihr aktuelles Projekt sprechen – das KI-gesteuerte System für die Flächennutzungsplanung, das in Zusammenarbeit mit der University of Texas entwickelt wurde. Was hat die Entwicklung dieses Tools inspiriert, und wie stellt es einen Schritt vom theoretischen KI zum realen politischen Einfluss dar?

Das KI-System für die Flächennutzungsplanung, das wir in Zusammenarbeit mit der University of Texas at Austin entwickelt haben, wurde durch die Notwendigkeit inspiriert, komplexe Umwelt- und Wirtschaftskompromisse in der globalen Flächennutzung anzugehen. Das maschinelle Lern-Modell verwendet die Technologie hinter Cognizant Neuro AI Decisioning und basiert auf der Project Resilience-Plattform.

Unser gemeinsames Forschungsteam zielte darauf ab, die nachhaltigen Entwicklungsziele der Vereinten Nationen zu verwirklichen, indem es ein Tool entwickelte, das die Flächennutzung für die Maximierung der Kohlenstoffspeicherung, die Minimierung wirtschaftlicher Störungen und die Erhaltung der Nahrungsmittelversorgung und der Lebensräume optimieren kann. Traditionelle Ansätze vernachlässigen oft nuancierte Kompromisse, wie standortspezifische Effekte der Umwandlung von Ackerland oder Grasland in Wälder. Wir haben einen anderen Weg eingeschlagen, der evolutionäre KI nutzt, einen computergestützten Ansatz, der von der natürlichen Selektion inspiriert ist.

Das System stellt einen bedeutenden Schritt vom theoretischen KI-Konzept zum realen politischen Einfluss dar. Es integriert historische Flächennutzungsdaten, die bis ins 19. Jahrhundert zurückreichen, und Kohlenstoffdaten mit fortschrittlichen evolutionären Algorithmen, um handhabbare, optimierte Empfehlungen anstelle von abstrakten Vorhersagen zu liefern.

Getrennt davon haben wir auch ein interaktives Tool entwickelt, das Klimapolitikszenarien mit dem En-ROADS-Simulator generiert und bewertet, um Entscheidungsträgern zu helfen, Handlungspläne zu vergleichen und anzupassen. Das System ermöglicht es Gesetzgebern und Entscheidungsträgern, politische Anreize zu simulieren und direkt die Kompromisse zu verstehen, um gezielte, effiziente Interventionen auszuwählen. Die Integration des Systems mit Plattformen wie dem En-ROADS-Simulator von Climate Interactive ermöglicht die Skalierung der KI-gesteuerten Klimapolitik-Optimierung für ein breiteres Publikum, wodurch KI als praktischer Partner bei der Bewältigung realer Nachhaltigkeitsherausforderungen hervorgehoben wird.

Können Sie uns durch die Funktionsweise des Tools aus der Sicht eines Benutzers führen? Welche Entscheidungen kann es unterstützen, und wie liefert es maßgeschneiderte Empfehlungen für verschiedene Regionen?

Aus der Sicht eines Benutzers funktioniert das KI-gesteuerte Tool als interaktive Entscheidungsplattform in einer dynamischen, datengetriebenen Umgebung, die Ihnen hilft, intelligente Entscheidungen zu treffen, die für die Klimaziele funktionieren.

Politiker, Gesetzgeber und andere Interessenten können verschiedene Flächennutzungsstrategien und ihre Umwelt- und Wirtschaftsauswirkungen erkunden. Benutzer können Anreize simulieren – wie z.B. Steuergutschriften für Landbesitzer – und beobachten, wie sie möglicherweise die Flächennutzungsänderungen beeinflussen, um den Kohlenstoffausstoß zu reduzieren.

Es unterstützt eine Reihe von Entscheidungen, die auf verschiedene Regionen zugeschnitten sind. Zum Beispiel kann es Ihnen helfen, zu bestimmen, wo Flächennutzungsänderungen für die besten Ergebnisse durchgeführt werden sollten, wie viel Land umgewandelt werden sollte (wie z.B. die Umwandlung von Ackerland in Wald) und welche Vor- und Nachteile unterschiedlicher Flächennutzungspolitiken bestehen. Um maßgeschneiderte Ratschläge zu geben, betrachtet es die globale Flächennutzungsgeschichte und Kohlenstoffdaten, um unterschiedliche Ansätze für verschiedene Gebiete vorzuschlagen. Es kann regionsspezifische Merkmale wie Breite und Landtyp berücksichtigen.

Der En-ROADS-Simulator, der von Neuro AI angetrieben wird, kann Gesetzgebern und Politikern helfen, verschiedene Kompromisse für die Erreichung unterschiedlicher Klimaziele zu experimentieren.

Evolutionäre KI wurde als das “Geheimrezept” hinter diesem Projekt beschrieben. Wie funktioniert dieser Ansatz in der Praxis, und warum ist er so effektiv für die Lösung komplexer Umwelt- und Politikherausforderungen?

Die Idee hinter evolutionärer KI ist von der natürlichen Selektion in der Biologie inspiriert. Als computergestützter Ansatz im Kontext der Flächennutzungsplanung ahmt sie die natürliche Evolution nach, um clevere Lösungen für komplexe Umweltprobleme zu finden, mit denen herkömmliche Methoden Schwierigkeiten haben.

Anstatt perfekte Flächennutzungspolitiken von vornherein zu programmieren, schafft der evolutionäre KI-Ansatz verschiedene Politikmodelle und testet jedes in simulierten Umgebungen mit realen Klima- und Flächennutzungsdaten. Es behält die besten Politiken und “züchtet” sie zusammen, indem es Mutationen hinzufügt, um unerwartete Lösungen zu entdecken. Dieser Prozess wird über viele Generationen wiederholt, wobei schlechte Leistungen ausgemerzt und die besten über Hunderte oder Tausende von Szenarien hinweg beibehalten werden.

Das funktioniert gut für Umweltprobleme, da es nicht von mehreren Variablen wie Bodentypen, Klimabedingungen und wirtschaftlichen Faktoren überwältigt wird.

Flächennutzungspolitik beinhaltet oft konkurrierende Ziele – wirtschaftliches Wachstum, Kohlenstoffreduzierung, Nahrungsmittelsicherheit. Wie geht Ihr System mit diesen Kompromissen um, und welche unerwarteten Erkenntnisse hat es bisher zutage gefördert?

Unser KI-System wurde speziell entwickelt, um mit konkurrierenden Zielen wie wirtschaftlichem Wachstum, Kohlenstoffreduzierung und Nahrungsmittelsicherheit umzugehen. Es generiert Pareto-Fronten (ein ingenieurwissenschaftliches Konzept, das in der multiobjektiven Optimierung verwendet wird), die den Kohlenstoffausstoß und die Flächennutzungsänderungen für verschiedene Standorte abwägen.

Das Forschungsteam hat mehrere unerwartete Erkenntnisse gewonnen. Zum Beispiel erkannte die herkömmliche Weisheit Wälder als gut für die Kohlenstoffspeicherung, aber die KI empfahl nicht einfach, die maximale Waldabdeckung überall zu empfehlen. Stattdessen zeigte sie wichtige Unterschiede auf: Die Ersetzung von Weideland wie Wüsten und Grasland durch Wald war nicht so effektiv wie die Ersetzung von Ackerland durch Wald. Die geografische Lage erwies sich auch als entscheidend. Identische Flächennutzungsänderungen hatten je nach Breite unterschiedliche Ergebnisse.

Die Priorisierung war eine der praktischsten Erkenntnisse der KI. Anstatt die Bemühungen gleichmäßig zu verteilen, schlug sie vor, wichtige Flächennutzungsänderungen in strategischen Standorten zu konzentrieren, wo sie den größten Einfluss haben würden.

Project Resilience zielt darauf ab, diese Art von KI-Nutzung auf nachhaltige Entwicklungsziele jenseits des Klimas – wie Energie, Gesundheit und sogar Pandemievorsorge – auszuweiten. Was begeistert Sie am meisten an dem Potenzial, diese Plattform über verschiedene Bereiche hinweg auszubauen?

Was mich am meisten an dem Potenzial dieser Plattform begeistert, ist, dass wir zeigen, dass der Aufbau von KI auf eine Weise, die kooperativ, zugänglich und anpassungsfähig ist, zu leistungsstarken Lösungen für die Bewältigung großer globaler Herausforderungen führen kann. Die Project Resilience-Plattform ist ein passendes Beispiel dafür, diese drei Prinzipien in die Tat umzusetzen. Entscheidungsträger, Datenwissenschaftler und die Öffentlichkeit können sich beteiligen, um KI-Tools zu entwickeln und fundiertere Entscheidungen mit erheblichem Einfluss zu treffen. Wir laden Ihre Leser ein, als Mitwirkende hier beizutragen.

Das AI Lab bei Cognizant ist nun ein wichtiger Treiber der Innovation, mit Dutzenden von Patenten und einer Milliardendollar-Investitionsstrategie. Wie passen Initiativen wie diese in Ihren umfassenderen Fahrplan für angewandte KI im großen Maßstab?

Die KI-Initiative für die Flächennutzungsplanung stimmt perfekt mit unserem Ansatz für angewandte KI bei Cognizant überein, der sich auf die Lösung hochwertiger, komplexer realer Probleme konzentriert, anstatt rein akademische Übungen. Evolutionäre KI kann die oft komplexen Kompromisse in Geschäfts- und Politikentscheidungen bewältigen. Die Bewältigung von Klimaherausforderungen durch einen Ansatz, der wirtschaftliche, soziale und Umweltfaktoren ausgleicht, zeigt, wie KI praktischen Wert liefern kann, während sie konkurrierende Prioritäten verwaltet.

Die Arbeit spiegelt auch unsere Vision wider, KI zu entwickeln, die die menschliche Entscheidungsfindung ergänzt, anstatt sie zu ersetzen.

Sie haben KI-Bemühungen in Start-ups und Unternehmen geleitet. Was ist der Schlüssel, um sicherzustellen, dass Technologien wie evolutionäre KI erklärbare und handhabbare – und nicht nur leistungsstarke – Lösungen für Regierungen und Industrieakteure bleiben?

Einer der größten Stärken der evolutionären KI ist, dass sie nicht nur darauf abzielt, optimale Lösungen zu bestimmen, sondern auch Strategiealternativen aufdecken kann, die das Verständnis der Stakeholder für das Machbare erweitern.

KI und Daten müssen der Entscheidungsfindung dienen, nicht nur Berichte generieren. Entscheidungsträger ertrinken in Analysen, während sie mit zunehmend komplexen Entscheidungen konfrontiert sind. Wir müssen unseren Fokus von der bloßen Bereitstellung von Erkenntnissen und Vorhersagen auf die Schaffung interaktiver Entscheidungssysteme verlagern, die präskriptive Lösungen auf der Grundlage verfügbarer Daten anbieten. Dies ermöglicht es Ihnen, die Komplexität zu meistern und bessere Entscheidungen zu treffen, die sich mit den sich ändernden Umständen entwickeln.

Wenn Sie in die Zukunft blicken, wo sehen Sie die größten Chancen für evolutionäre KI, um außerhalb der Flächennutzung – sei es in der Kontrolle von Infektionskrankheiten, der Planung erneuerbarer Energien oder etwas ganz anderem – Auswirkungen zu haben?

Infektionskrankheiten, erneuerbare Energien und Nahrungsmittelknappheit sind alle Bereiche, in denen evolutionäre KI Auswirkungen haben kann. Eine COVID-19-Ära-Initiative, an der wir gearbeitet haben, zeigt das Potenzial. Durch Project Resilience haben wir Systeme entwickelt, die gleichzeitig die Pandemieeindämmung und die wirtschaftliche Stabilität optimieren können, um Regierungen wie Island datengetriebene Entscheidungen über die Öffnung von Schulen zu ermöglichen.

Mit evolutionärer KI gehen wir endlich auf eine grundlegend andere Weise auf die dringendsten globalen Herausforderungen zu, eine, die konkrete Politiken empfiehlt, die konkurrierende Prioritäten ausgleichen, anstatt einheitliche Lösungen zu produzieren.

Die Macht der evolutionären KI besteht darin, dass sie Tausende von Politikkombinationen simulieren kann, die funktionierenden beibehält und die nicht funktionierenden verwerft. Und es ist nicht nur theoretisch. Wir bauen interaktive Tools, die diese Fähigkeit in die Hände realer Entscheidungsträger legen.

Nach Jahrzehnten in der KI-Branche haben Sie Hype-Zyklen kommen und gehen sehen. Was gibt Ihnen die Zuversicht, dass die aktuelle Welle – insbesondere Tools wie dieses – endlich das langfristige Versprechen der KI erfüllt, die Gesellschaft zu verbessern?

Wahrer Fortschritt in Richtung des Versprechens der KI, die Gesellschaft zu verbessern, erfolgt, wenn wir über den Hype-Zyklus hinausgehen und Systeme aufbauen, die die menschliche Entscheidungsfindung in Bereichen, die zählen, einschließlich Nachhaltigkeit, verbessern. Das ist der wahre Test, ob KI endlich ihr Versprechen erfüllt.

Was ich immer wieder beobachtet habe, ist, dass die Technologie durch vorhersehbare Muster der Optimierung und Demokratisierung und nicht durch einzelne überhöhte Momente voranschreitet. Schauen Sie sich die Geschichte der Computertechnologie an. Wir sind von raumgroßen Computern zu leistungsstarken Uhren durch kontinuierliche Verfeinerung und nicht durch einen einzigen dramatischen Sprung vorangekommen.

Ich glaube, wir sind an einem Wendepunkt angelangt, an dem die Technologie tatsächlich die Gesellschaft verbessern kann. Der Weg nach vorne führt durch praktische Anwendungen, die reale menschliche Probleme lösen, wie unsere Arbeit zur Flächennutzungsplanung, die den Kohlenstoffausstoß mit anderen Zielen in Einklang bringt. Das ist die Art und Weise, wie KI ihr Versprechen erfüllt: durch messbaren Einfluss auf unsere größten Herausforderungen.

Cognizant hat kürzlich einen Guinness-Weltrekord mit dem größten Vibe-Coding-Event aufgestellt – mit über 53.000 Mitarbeitern in 40 Ländern und der Erstellung von über 30.000 Prototypen. Was sagt dies aus Ihrer Sicht über die Rolle von Vibe-Coding bei der Demokratisierung von KI-Fluency in großen Organisationen?

Das Ausmaß und die Auswirkungen unseres Vibe-Coding-Events sprechen Bände über die transformative Wirkung, die dieser Ansatz in der Demokratisierung von KI-Fluency in großen Organisationen haben kann. Über 40 % der Teilnehmer waren Nicht-Entwickler, und 20 % hatten noch nie zuvor eine Codezeile geschrieben. Dies zeigt, dass Vibe-Coding nicht darum geht, die Latte zu senken, sondern darum, die Türen für eine sich entwickelnde Belegschaft mit KI zu öffnen. Wir haben sogar ein Multi-Agenten-KI-System verwendet, um die 30.000 Prototyp-Einträge in nur einem Tag zu bewerten, was einem menschlichen Team ein ganzes Jahr gekostet hätte.

Anstatt tiefgreifende Programmierkenntnisse zu erfordern, ermöglicht Vibe-Coding es jedem mit einer Idee, sie in natürlicher Sprache auszudrücken und mit KI zusammenzuarbeiten, um sie zum Leben zu erwecken. Für erfahrene Entwickler ermöglicht dies die Automatisierung mehrerer monotoner Codierprozesse, um sich auf höherwertige Arbeiten zu konzentrieren, die Geschäftswert treiben. Persönlich war ich erstaunt, wie schnell ich einen komplexen Algorithmus aus Pseudo-Code in eine funktionierende Anwendung übersetzen konnte, um mich voll und ganz auf die kreativen und strategischen Aspekte zu konzentrieren.

Indem wir die Barrieren senken und die hands-on-Experimentierung mit generativer KI ermöglichen, verlagern wir die KI-Fluency von einem spezialisierten Skillset zu einer gemeinsamen organisatorischen Fähigkeit. Für Organisationen hilft Vibe-Coding, Kreativität zu beschleunigen, Barrieren abzubauen und die kollektive Intelligenz der gesamten Belegschaft in einem beispiellosen Maßstab zu entfesseln.

Außer dem beeindruckenden Ausmaß – was waren einige der bedeutendsten Ergebnisse dieser Vibe-Coding-Initiative? Sehen Sie dies als Vorlage für die Art und Weise, wie Unternehmen Innovation und angewandte KI-Fähigkeiten auf globaler Ebene fördern können?

Die wahre Wirkung unserer Vibe-Coding-Initiative bestand in der Begeisterung, die wir in unserer Organisation sahen, mit Mitarbeitern aus HR, Vertrieb, Ingenieurwesen, Finanzen, Recht, Marketing und mehr, die KI annahmen und teilnahmen. Ihre Ideen, die auf tiefem Fachwissen und praktischer Geschäftserfahrung basierten, führten zu Tausenden von Prototypen, die sonst möglicherweise nie aufgetaucht wären.

Mit über 30.000 einzigartigen Projekten, die aus dieser Anstrengung resultierten, setzen wir den Standard für die KI-Wirtschaft, in der jeder die Tools hat, um mit KI zu innovieren. Gleichzeitig entfesseln wir Kreativität im großen Maßstab und ermöglichen es der Belegschaft – sowohl innerhalb von Cognizant als auch für unsere Kunden in den Branchen, die wir bedienen – KI-kenntnisse zu erwerben.

Wir sehen diese Initiative absolut als Vorlage, die andere Organisationen nachahmen können. Indem wir zugängliche KI-gesteuerte Tools, eine kooperative und offene Kultur sowie skalierbare KI-gesteuerte Bewertung kombinieren, können wir unseren Kunden besser dienen, um ungenutzte Kreativität freizusetzen und die Entwicklung von KI-Fähigkeiten in ihrer Belegschaft zu beschleunigen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Cognizant besuchen.