Μπάμπακ Χοντζάτ, CTO της AI στην Cognizant – Σειρά Συνεντεύξεων

Ο Μπάμπακ Χοντζάτ είναι ο CTO της AI στην Cognizant και πρώην συνιδρυτής και CEO της Sentient. Είναι υπεύθυνος για την πυρήνα τεχνολογία πίσω από το μεγαλύτερο κατανεμημένο σύστημα τεχνητής νοημοσύνης στον κόσμο. Ο Μπάμπακ ήταν επίσης ο ιδρυτής του πρώτου hedge fund που βασίζεται στην τεχνητή νοημοσύνη, Sentient Investment Management. Είναι ένας σειριακός επιχειρηματίας, έχοντας ξεκινήσει πολλές εταιρείες στο Σίλικον Βάλεϊ ως κύριος εφευρέτης και τεχνολόγος.

Πριν από τη συνίδρυση της Sentient, ο Μπάμπακ ήταν ανώτερος διευθυντής μηχανικής στην Sybase iAnywhere, όπου ηγήθηκε της μηχανικής λύσεων για κινητές συσκευές. Ήταν επίσης συνιδρυτής, CTO και μέλος του διοικητικού συμβουλίου της Dejima Inc. Ο Μπάμπακ είναι ο πρωταρχικός εφευρέτης της πατενταρισμένης τεχνολογίας της Dejima που βασίζεται σε πράκτορες και εφαρμόζεται σε έξυπνες διεπαφές για κινητές και επιχειρηματικές υπολογιστικές εφαρμογές – την τεχνολογία πίσω από την Siri της Apple (AAPL ).

Ως εκδότης μελετημάτων στα πεδία της τεχνητής ζωής, της προγραμματιστικής με βάση πράκτορες και της κατανεμημένης τεχνητής νοημοσύνης, ο Μπάμπακ έχει 31 πατέντες που έχουν χορηγηθεί ή βρίσκονται σε εκκρεμότητα. Είναι ειδικός σε πολλά πεδία της AI, συμπεριλαμβανομένης της επεξεργασίας φυσικής γλώσσας, του machine learning, των γενετικών αλγορίθμων και της κατανεμημένης AI και έχει ιδρύσει πολλές εταιρείες σε αυτά τα πεδία. Ο Μπάμπακ κατέχει διδακτορικό τίτλο στη μηχανική νοημοσύνη από το Πανεπιστήμιο Kyushu, στο Φουκουόκα, Ιαπωνία.

Βλέποντας πίσω στην καριέρα σας, από την ίδρυση πολλών εταιρειών που βασίζονται στην τεχνητή νοημοσύνη έως την ηγεσία του AI Lab της Cognizant, ποια είναι τα πιο σημαντικά μαθήματα που έχετε μάθει για την καινοτομία και την ηγεσία στην AI;

Η καινοτομία χρειάζεται υπομονή, επένδυση και φροντίδα, και πρέπει να ενθαρρύνεται και να μην περιορίζεται. Αν έχετε χτίσει την σωστή ομάδα καινοτόμων, μπορείτε να τους εμπιστευτείτε και να τους δώσετε πλήρη καλλιτεχνική ελευθερία να επιλέξουν πώς και τι ερευνήσουν. Τα αποτελέσματα θα σας εκπλήξουν συχνά. Από μια ηγετική προοπτική, η έρευνα και η καινοτομία δεν πρέπει να είναι κάτι που θα ήταν καλό να είχε ή ένα après-coup. Έχω δημιουργήσει ομάδες ερευνών khá νωρίς όταν χτίζω startups και έχω πάντα υποστηρίξει την επένδυση στην έρευνα, και αυτό έχει αποφέρει αποτελέσματα. Σε καλές φορές, η έρευνα σας κρατάει μπροστά από την ανταγωνιστική αγορά, και σε κακές φορές, σας βοηθά να διαφοροποιηθείτε και να επιβιώσετε, οπότε δεν υπάρχει λόγος να υποτιμήσετε, να περιορίσετε ή να υπερβαρύνετε την έρευνα με βραχυπρόθεσμες επιχειρηματικές προτεραιότητες.

Ως ένας από τους πρωταρχικούς εφευρέτες της Siri της Apple, πώς έχει επηρεάσει η εμπειρία σας με την ανάπτυξη έξυπνων διεπαφών την προσέγγισή σας στην ηγεσία των πρωτοβουλιών AI στην Cognizant;

Η τεχνολογία φυσικής γλώσσας που ανέπτυξα αρχικά για την Siri ήταν βασισμένη σε πράκτορες, οπότε έχω δουλέψει με αυτή την концепτία για πολύ καιρό. Η AI δεν ήταν τόσο ισχυρή στις αρχές της δεκαετίας του ’90, οπότε χρησιμοποίησα ένα σύστημα πολλαπλών πρακτόρων για να αντιμετωπίσω την κατανόηση και την χαρτογράφηση των φυσικών εντολών γλώσσας σε ενέργειες. Κάθε πράκτορας αντιπροσώπευε ένα μικρό υποσύνολο του πεδίου της συζήτησης, οπότε η AI σε κάθε πράκτορα είχε ένα απλό περιβάλλον να κυριαρχήσει. Σήμερα, τα συστήματα AI είναι ισχυρά, και ένα μοντέλο γλώσσας μπορεί να κάνει πολλά πράγματα, αλλά ακόμη επωφελούμαστε από το να το αντιμετωπίζουμε ως einen εργαζόμενο γνώσεων σε ένα κουτί, περιορίζοντας το πεδίο του, δίνοντάς του μια περιγραφή εργασίας και συνδέοντάς το με άλλους πράκτορες με διαφορετικές ευθύνες. Η AI είναι έτσι σε θέση να ενισχύσει και να βελτιώσει οποιαδήποτε επιχειρηματική διαδικασία.

Μπορείτε να εξηγήσετε τις πρωτοποριακές έρευνες και τις καινοτομίες που αναπτύσσονται目前 στο AI Lab της Cognizant; Πώς αντιμετωπίζουν αυτές οι εξελίξεις τις συγκεκριμένες ανάγκες των εταιρειών του Fortune 500;

Έχουμε πολλά στούντιο AI και κέντρα καινοτομίας. Το Advanced AI Lab μας στο Σαν Φρανσίσκο επικεντρώνεται στην επέκταση του状态 της τέχνης στην AI. Αυτό είναι μέρος της δέσμευσής μας που ανακοινώθηκε πέρυσι να επενδύσουμε 1 δισεκατομμύριο δολάρια στην γεννητική AI τα επόμενα τρία χρόνια.

Πιο συγκεκριμένα, επικεντρωνόμαστε στην ανάπτυξη νέων αλγορίθμων και τεχνολογιών για να εξυπηρετήσουμε τους πελάτες μας. Η εμπιστοσύνη, η εξηγησιμότητα και οι πολλαπλάσκιες αποφάσεις είναι μεταξύ των σημαντικών περιοχών που ακολουθούμε που είναι ζωτικές για τις επιχειρήσεις του Fortune 500.

Γύρω από την εμπιστοσύνη, μας ενδιαφέρει η έρευνα και ανάπτυξη που βαθαίνει την κατανόησή μας για πότε μπορούμε να εμπιστευθούμε την απόφαση λήψης της AI και πότε πρέπει να εμπλακεί ένας άνθρωπος. Έχουμε πολλές πατέντες που σχετίζονται με αυτό το είδος μοντελοποίησης αβεβαιότητας. Παρόμοια, τα νευρωνικά δίκτυα, η γεννητική AI και τα LLMs είναι εγγενώς αδιαφανή. Θέλουμε να μπορούμε να αξιολογήσουμε μια απόφαση AI και να της ζητήσουμε ερωτήσεις για το γιατί σύστησε κάτι – ουσιαστικά κάνωντάς την εξηγησιμότητα. Τέλος, καταλαβαίνουμε ότι μερικές φορές, οι αποφάσεις που θέλουν οι εταιρείες να λάβουν έχουν περισσότερα από ένα αποτέλεσμα – μείωση του κόστους ενώ αυξάνουν τις εσόδους ισορροπημένα με ηθικές σκέψεις, για παράδειγμα. Η AI μπορεί να μας βοηθήσει να επιτύχουμε την καλύτερη ισορροπία όλων αυτών των αποτελεσμάτων με την βελτιστοποίηση των στρατηγικών αποφάσεων με πολλαπλάσιο τρόπο. Αυτό είναι ένα άλλο πολύ σημαντικό πεδίο στην έρευνά μας για την AI.

Τι πιστεύετε ότι θα είναι οι κρίσιμες αλλαγές στην γεννητική AI τα επόμενα δύο χρόνια, και πώς πρέπει να προετοιμαστούν οι εταιρείες;

Εισερχόμαστε σε μια εκρηκτική περίοδο για την εμπορική χρήση των τεχνολογιών AI. Σήμερα, οι κύριες χρήσεις της AI είναι η βελτίωση της παραγωγικότητας, η δημιουργία καλύτερων διεπαφών που βασίζονται στη φυσική γλώσσα, η περίληψη δεδομένων και η βοήθεια με τον κώδικα. Κατά τη διάρκεια αυτής της περιόδου επιτάχυνσης, πιστεύουμε ότι η οργάνωση της τεχνολογίας και της στρατηγικής AI γύρω από την κεντρική αρχή των συστημάτων πολλαπλών πρακτόρων και λήψης αποφάσεων θα είναι η καλύτερη λύση για τις εταιρείες να επιτύχουν. Στην Cognizant, η έμφαση μας στην καινοτομία και την εφαρμοσμένη έρευνα θα βοηθήσει τους πελάτες μας να εκμεταλλευτούν την AI για να αυξήσουν το στρατηγικό τους πλεονέκτημα καθώς η AI ενσωματώνεται περαιτέρω στις επιχειρηματικές διαδικασίες.

Πώς θα μετεξελιχθεί η γεννητική AI τις βιομηχανίες, και ποια είναι τα πιο ενδιαφέροντα use cases που προκύπτουν από το AI Lab της Cognizant;

Η γεννητική AI έχει αποτελέσει einen μεγάλο βήμα για τις επιχειρήσεις. Τώρα έχετε τη δυνατότητα να δημιουργήσετε μια σειρά από εργαζόμενους γνώσεων που μπορούν να βοηθήσουν τους ανθρώπους στην καθημερινή τους δουλειά. Είτε πρόκειται για την απλοποίηση της εξυπηρέτησης πελατών μέσω έξυπνων chatbots είτε για τη διαχείριση του αποθέματος του αποθήκης μέσω μιας φυσικής διεπαφής γλώσσας, τα LLMs είναι πολύ καλά σε εξειδικευμένα καθήκοντα.

Αλλά τι έρχεται μετά είναι αυτό που θα μετεξελιχθεί πραγματικά τις βιομηχανίες, καθώς οι πράκτορες αποκτάνε την ικανότητα να επικοινωνούν μεταξύ τους. Το μέλλον θα είναι για τις εταιρείες να έχουν πράκτορες στις συσκευές και τις εφαρμογές τους που μπορούν να αντιμετωπίσουν τις ανάγκες σας και να αλληλεπιδράσουν με άλλους πράκτορες για λογαριασμό σας. Θα εργαστούν σε ολόκληρη την επιχείρηση για να βοηθήσουν τους ανθρώπους σε κάθε ρόλο, από το τμήμα Ανθρώπινου Δυναμικού και τις финάνσεις έως την αγορά και τις πωλήσεις. Στο κοντινό μέλλον, οι επιχειρήσεις θα προσεγγίσουν φυσικά την Agent-based.

Ξεχωριστά, ήδη έχουμε ένα σύστημα πολλαπλών πρακτόρων που αναπτύχθηκε στο εργαστήριο μας με τη μορφή Neuro AI, ενός γεννήтора use case AI που επιτρέπει στους πελάτες να δημιουργήσουν και να прототύπο AI use cases για την επιχείρησή τους. Αυτό ήδη παράγει κάποια ενδιαφέροντα αποτελέσματα, και θα μοιραστούμε περισσότερα γι’ αυτό σύντομα.

Τι ρόλο θα παίξουν οι αρχιτεκτονικές πολλαπλών πρακτόρων στην επόμενη γενιά της μετασχηματιστικής AI, ιδιαίτερα σε μεγάλης κλίμακας περιβάλλοντα επιχειρήσεων;

Στις έρευνες και τις συνομιλίες μας με ηγετικά στελέχη, λαμβάνουμε όλο και περισσότερες ερωτήσεις σχετικά με το πώς μπορούν να κάνουν την Γεννητική AI επηρεαστική σε κλίμακα. Πιστεύουμε ότι η μετασχηματιστική υπόσχεση των συστημάτων τεχνητής νοημοσύνης πολλαπλών πρακτόρων είναι κεντρική για την επίτευξη αυτού του αντίκτυπου. Ένα σύστημα AI πολλαπλών πρακτόρων συνδυάζει πράκτορες AI που έχουν ενσωματωθεί σε λογισμικά συστήματα σε διάφορες περιοχές της επιχείρησης. Σκεφτείτε το ως ένα σύστημα συστημάτων που επιτρέπει στα LLMs να αλληλεπιδράσουν μεταξύ τους. Σήμερα, η πρόκληση είναι ότι, ακόμη και αν τα επιχειρηματικά αντικείμενα, δραστηριότητες και μετρήσεις είναι 깊ά διαπλεγμένα, τα λογισμικά συστήματα που χρησιμοποιούνται από διάφορες ομάδες δεν είναι, δημιουργώντας προβλήματα. Για παράδειγμα, καθυστερήσεις στην αλυσίδα εφοδιασμού μπορούν να επηρεάσουν την επιλογή προσωπικού στο κέντρο διανομής. Η ένταξη eines νέου προμηθευτή μπορεί να επηρεάσει τις εκπομπές Scope 3. Η αποχώρηση του πελάτη μπορεί να υποδηλώνει ελαττώματα προϊόντων. Τα συστήματα σε σιλό σημαίνουν ότι οι ενέργειες βασίζονται συχνά σε ερευνήσεις που λαμβάνονται από ένα μόνο πρόγραμμα και εφαρμόζονται σε μια seule λειτουργία. Οι αρχιτεκτονικές πολλαπλών πρακτόρων θα φωτίσουν τις ερευνήσεις και τις ολοκληρωμένες ενέργειες σε όλη την επιχείρηση. Αυτή είναι η πραγματική δύναμη που μπορεί να καταλύσει την μετασχηματιστική επιχείρηση.

Πώς βλέπετε τις αρχιτεκτονικές πολλαπλών πρακτόρων (MAS) να εξελίσσονται τα επόμενα χρόνια, και πώς θα επηρεάσουν το ευρύτερο τοπίο της AI;

Ένα σύστημα AI πολλαπλών πρακτόρων λειτουργεί ως μια εικονική ομάδα εργασίας, αναλύοντας προτροπές και αντλώντας πληροφορίες από όλη την επιχείρηση για να παράγει μια ολοκληρωμένη λύση όχι μόνο για τον αρχικό αιτούντα, αλλά και για άλλες ομάδες. Αν zoom σε και κοιτάξουμε ένα συγκεκριμένο κλάδο, αυτό θα μπορούσε να επαναδιαμορφώσει τις επιχειρήσεις σε περιοχές όπως η παραγωγή, για παράδειγμα. Ένας Πράκτορας Προμηθειών θα αναλύσει τις υπάρχουσες διαδικασίες και θα συστήσει πιο οικονομικά εναλλακτικά συστατικά με βάση τις εποχές και τη ζήτηση. Αυτός ο Πράκτορας Προμηθειών θα συνδεθεί με έναν Πράκτορα Βιωσιμότητας για να καθορίσει πώς η αλλαγή θα επηρεάσει τους περιβαλλοντικούς στόχους. Τέλος, ένας Πράκτορας Ρυθμίσεων θα επιβλέψει την δραστηριότητα συμμόρφωσης, εξασφαλίζοντας ότι οι ομάδες υποβάλλουν πλήρεις και ενημερωμένες αναφορές εγκαίρως.

Η καλή είδηση είναι ότι πολλές εταιρείες έχουν ήδη αρχίσει να ενσωματώνουν οργανικά LLM-ενισχυμένα chatbots, αλλά πρέπει να είναι προσεκτικοί σχετικά με το πώς θα αρχίσουν να συνδέουν αυτές τις διεπαφές. Πρέπει να ληφθεί μέριμνα σχετικά με τη λεπτομέρεια της agentification, τους τύπους LLMs που χρησιμοποιούνται και πότε και πώς να τους βελτιστοποιήσετε για να τους κάνουν αποτελεσματικούς. Οι οργανισμοί πρέπει να αρχίσουν από την κορυφή, να εξετάσουν τις ανάγκες και τους στόχους τους και να εργαστούν προς τα κάτω για να αποφασίσουν τι μπορεί να agentified.

Τι είναι τα κύρια εμπόδια που εμποδίζουν τις επιχειρήσεις από το να ενσωματώσουν πλήρως την AI, και πώς αντιμετωπίζει η Cognizant αυτά τα εμπόδια;

Παρά την υποστήριξη της ηγεσίας και την επένδυση, πολλές επιχειρήσεις φοβούνται ότι θα μείνουν πίσω στην AI. Σύμφωνα με την έρευνά μας, υπάρχει ένα κενό μεταξύ της στρατηγικής δέσμευσης της ηγεσίας και της εμπιστοσύνης να εκτελέσει καλά. Το κόστος και η διαθεσιμότητα ταλέντου και η αντίληψη της αωρής της τρέχουσας Gen AI λύσης είναι δύο σημαντικοί αναστολείς που εμποδίζουν τις επιχειρήσεις από το να ενσωματώσουν πλήρως την AI.

Η Cognizant παίζει einen ολοκληρωμένο ρόλο βοηθώντας τις επιχειρήσεις να διασχίσουν το ταξίδι της παραγωγικότητας προς την ανάπτυξη της AI. Στην πραγματικότητα, πρόσφατα δεδομένα από μια μελέτη που διεξήχθη με το Oxford Economics δείχνουν την ανάγκη για εξωτερική εμπειρογνωσία για να βοηθήσει με την υιοθέτηση της AI, με το 43% των εταιρειών να υποδεικνύει ότι σκοπεύουν να συνεργαστούν με εξωτερικούς συμβούλους για να αναπτύξουν einen σχέδιο για την γεννητική AI. Παραδοσιακά, η Cognizant έχει κατέχει την τελευταία μίλη του με τους πελάτες – το κάναμε αυτό με την αποθήκευση δεδομένων και τη μετεγκατάσταση στο cloud, και η agentification θα είναι διαφορετική. Αυτό είναι έργο που πρέπει να είναι高度 εξατομικευμένο. Δεν είναι ένα ταξίδι που ταιριάζει σε όλους. Είμαστε οι εμπειρογνώμονες που μπορούν να βοηθήσουν στην ταυτοποίηση των επιχειρηματικών στόχων και στην υλοποίηση του σχεδίου, και στη συνέχεια να φέρουν τους κατάλληλους custom-κτισμένους πράκτορες για να αντιμετωπίσουν τις επιχειρηματικές ανάγκες. Είμαστε, και έχουμε πάντα, οι άνθρωποι που πρέπει να καλέσετε.

Πολλές εταιρείες δυσκολεύονται να δουν άμεσο ROI από τις επενδύσεις τους στην AI. Ποια είναι τα συνηθισμένα λάθη που κάνουν, και πώς μπορούν να αποφευχθούν;

Η γεννητική AI είναι πολύ πιο αποτελεσματική όταν οι εταιρείες την ενσωματώνουν στο δικό τους контέκστ δεδομένων – δηλαδή, να την προσαρμόσουν στη δική τους ισχυρή βάση επιχειρηματικών δεδομένων. Επίσης, σε κάποιο σημείο, οι εταιρείες θα πρέπει να πάρουν το δύσκολο βήμα να ξανασχεδιάσουν τις θεμελιώδεις επιχειρηματικές διαδικασίες. Σήμερα, πολλές εταιρείες χρησιμοποιούν την AI για να αυτοματοποιήσουν και να βελτιώσουν τις υπάρχουσες διαδικασίες. Μεγαλύτερα αποτελέσματα μπορούν να συμβούν όταν αρχίσουν να κάνουν ερωτήσεις όπως, ποια είναι τα συστατικά αυτής της διαδικασίας, πώς μπορώ να τα αλλάξω, και να προετοιμαστούν για την εμφάνιση κάτι που δεν υπάρχει ακόμη; Ναι, αυτό θα απαιτήσει μια αλλαγή πολιτισμού και την αποδοχή κάποιου κινδύνου, αλλά φαίνεται αναπόφευκτο όταν ορχηστρώνουμε τα πολλά μέρη της οργάνωσης σε ένα ισχυρό σύνολο.

Τι συμβουλές θα δίνατε σε νέους ηγέτες AI που επιδιώκουν να έχουν σημαντική επίδραση στο πεδίο, ιδιαίτερα μέσα σε μεγάλες επιχειρήσεις;

Η μετασχηματιστική επιχείρηση είναι σύνθετη φύσης. Οι νέοι ηγέτες AI μέσα σε μεγαλύτερες επιχειρήσεις πρέπει να επικεντρωθούν στο να σπάσουν τις διαδικασίες, να πειραματιστούν με αλλαγές και να καινοτομήσουν. Αυτό απαιτεί μια αλλαγή στάσης και υπολογισμένους κινδύνους, αλλά μπορεί να δημιουργήσει μια πιο ισχυρή οργάνωση.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Cognizant.