Babak Hodjat, Directeur des opérations d’IA chez Cognizant – Série d’entretiens

Babak Hodjat, Directeur des opérations d’IA, dirige les laboratoires de recherche en IA, une équipe de développeurs et de chercheurs qui font progresser l’état de l’art en IA, en créant des fonctionnalités d’IA différenciées dans les offres de Cognizant et en dirigeant les initiatives d’IA pour le bien de l’entreprise.

Babak est l’ancien cofondateur et PDG de Sentient, responsable de la technologie de base du plus grand système d’IA distribué au monde. Babak a également été le fondateur du premier fonds spéculatif géré par l’IA, Sentient Investment Management.

Babak est un entrepreneur en série, ayant lancé plusieurs entreprises dans la vallée de Silicon comme inventeur et technologue principal. Avant de cofonder Sentient, Babak était le directeur principal de l’ingénierie chez Sybase iAnywhere, où il dirigeait l’ingénierie des solutions mobiles. Avant Sybase, Babak était le cofondateur, le CTO et le membre du conseil d’administration de Dejima Inc. Babak est l’inventeur principal de la technologie brevetée par Dejima, basée sur des agents et appliquée aux interfaces intelligentes pour les ordinateurs mobiles et d’entreprise – la technologie derrière Apple’s Siri.

Babak a publié plus de 50 articles dans les domaines de la vie artificielle, de l’ingénierie logicielle orientée agent et de l’intelligence artificielle distribuée, et détient 39 brevets américains à son nom. Il est un expert dans de nombreux domaines de l’IA, notamment le traitement du langage naturel, l’apprentissage automatique, les algorithmes évolutionnaires et l’IA distribuée.

Cognizant est une entreprise de services professionnels et de conseil en technologie de l’information qui aide les organisations à moderniser leur infrastructure numérique, à mettre en œuvre des technologies émergentes telles que l’IA, le cloud, les données et l’automatisation, et à réaligner les processus commerciaux pour stimuler l’agilité et la croissance.

Vous avez fondé plusieurs entreprises d’IA, écrit deux livres et contribué à développer des technologies qui ont influencé Siri. En regardant en arrière, quels expériences personnelles ou points de repère ont le plus façonné votre conviction que l’IA est un outil pour un impact réel dans le monde ?

Ma fascination pour l’IA a commencé tôt dans mes années universitaires et n’a fait que se renforcer depuis. Quelques points de repère clés incluaient la création de certains des premiers systèmes basés sur des agents à Dejima pour la programmation de biens de consommation comme votre VCR, le travail que nous avons effectué à Sentient Technologies, en appliquant l’IA à des problèmes complexes comme la négociation financière. La technologie de langage naturel que j’ai développée pour Siri, qui était également basée sur des agents, a été un autre point de repère.

Ces applications réelles ont démontré que l’IA pouvait aller au-delà de constructions théoriques et offrir une valeur commerciale tangible. Nous sommes maintenant à l’orée d’une période explosive pour la commercialisation des technologies d’IA, en particulier avec les systèmes multi-agents qui vont complètement transformer la façon dont les entreprises opèrent, en permettant l’automatisation de nombreuses tâches complexes.

Parlons de votre dernier projet – ce système d’IA pour la planification de l’utilisation des terres développé avec l’Université du Texas. Qu’est-ce qui a inspiré le développement de cet outil, et comment représente-t-il un changement de l’IA théorique à l’impact des politiques réelles ?

Le système d’IA pour la planification de l’utilisation des terres que nous avons développé en collaboration avec l’Université du Texas à Austin a été inspiré par la nécessité de résoudre des compromis environnementaux et économiques complexes dans l’utilisation des terres à l’échelle mondiale. Le cadre basé sur l’apprentissage automatique utilise la technologie derrière Cognizant Neuro AI Decisioning et est basé sur la plateforme Project Resilience.

Notre équipe de recherche conjointe visait à aider à réaliser les objectifs de développement durable des Nations Unies en créant un outil qui pourrait optimiser l’utilisation des terres pour maximiser le stockage de carbone, minimiser les perturbations économiques et préserver l’approvisionnement alimentaire et les habitats. Les approches traditionnelles passent souvent sous silence les compromis nuancés, tels que les effets spécifiques à l’emplacement de la conversion de terres agricoles ou de pâturages en forêts. Nous avons pris une approche différente qui a utilisé l’IA évolutionnaire, une approche computationnelle inspirée de la sélection naturelle. Elle a été conçue pour explorer des milliers de scénarios politiques, en améliorant et en équilibrant les objectifs concurrents pour des stratégies d’utilisation des terres plus efficaces et sensibles au contexte.

Le système marque un changement significatif des concepts d’IA théoriques à l’impact des politiques réelles. Il intègre les données historiques sur l’utilisation des terres remontant à des siècles et les données sur le carbone avec des algorithmes évolutionnaires sophistiqués pour fournir des recommandations optimisées et actionnables plutôt que des prédictions abstraites.

Séparément, nous avons également créé un outil interactif qui génère et évalue des scénarios de politique climatique en utilisant le simulateur En-ROADS, aidant les décideurs à comparer et à personnaliser les plans d’action. Le système permet aux législateurs et aux décideurs de simuler les incitations politiques et de comprendre directement les compromis, les aidant à sélectionner des interventions ciblées et efficaces. L’intégration du système avec des plateformes telles que le simulateur En-ROADS de Climate Interactive permet d’étendre l’optimisation des politiques climatiques basée sur l’IA à un public plus large, mettant en évidence l’IA comme un partenaire pratique pour relever les défis de durabilité réels.

Pouvez-vous nous guider sur la façon dont l’outil fonctionne du point de vue d’un utilisateur ? Quels types de décisions peut-il soutenir, et comment fournit-il des recommandations personnalisées pour différentes régions ?

Du point de vue d’un utilisateur, l’outil d’IA fonctionne comme une plateforme de soutien interactif à la décision dans un environnement dynamique et basé sur les données qui aide à prendre des décisions plus intelligentes pour atteindre les objectifs climatiques.

Les décideurs, les législateurs et les autres parties prenantes peuvent explorer diverses stratégies d’utilisation des terres et leurs impacts environnementaux et économiques. Les utilisateurs peuvent simuler des incitations – par exemple, des crédits d’impôt pour les propriétaires fonciers – et observer comment elles pourraient influencer les changements dans l’utilisation des terres pour réduire le carbone.

Il soutient une gamme de décisions adaptées à différentes régions. Par exemple, il peut aider à déterminer où effectuer des changements dans l’utilisation des terres pour obtenir les meilleurs résultats, combien de terres convertir (comme transformer des terres agricoles en forêt) et quels sont les avantages et les inconvénients des différentes politiques foncières. Pour fournir des conseils personnalisés, il examine l’histoire de l’utilisation des terres et les données sur le carbone à l’échelle mondiale pour suggérer différentes approches pour différentes zones. Il peut tenir compte de caractéristiques spécifiques à la région, telles que la latitude et le type de sol.

Le simulateur En-ROADS, alimenté par Neuro AI, peut aider les décideurs et les législateurs à expérimenter avec différents compromis pour atteindre différents objectifs climatiques.

L’IA évolutionnaire a été décrite comme la “sauce secrète” derrière ce projet. Comment cette approche fonctionne-t-elle dans la pratique, et pourquoi est-elle si efficace pour résoudre des défis environnementaux et politiques complexes ?

L’idée derrière l’IA évolutionnaire est inspirée de la sélection naturelle en biologie. En tant qu’approche computationnelle dans le contexte de la planification de l’utilisation des terres, elle imite l’évolution naturelle pour trouver des solutions ingénieuses pour des problèmes environnementaux complexes que les méthodes traditionnelles ont du mal à résoudre.

Au lieu d’essayer de programmer des politiques d’utilisation des terres parfaites dès le départ, l’approche d’IA évolutionnaire crée différents modèles de politiques et les teste chacun dans des environnements simulés avec des données climatiques et d’utilisation des terres réelles. Elle conserve les politiques les mieux performantes et les “croise” ensemble, en ajoutant des mutations pour découvrir des solutions inattendues. Elle répète ce processus sur de nombreuses générations, en éliminant les mauvaises performances et en conservant les meilleures sur des centaines ou des milliers de scénarios.

Cela fonctionne bien pour les défis environnementaux car il ne se laisse pas submerger par de multiples variables telles que les types de sol, les conditions climatiques et les facteurs économiques.

Les politiques d’utilisation des terres impliquent souvent des objectifs contradictoires – croissance économique, réduction du carbone, sécurité alimentaire. Comment votre système gère-t-il ces compromis, et quels types de connaissances inattendues a-t-il mis au jour jusqu’à présent ?

Notre système d’IA a été conçu spécifiquement pour gérer des objectifs contradictoires tels que la croissance économique, la réduction du carbone et la sécurité alimentaire. Il génère des fronts de Pareto (un concept d’ingénierie utilisé dans l’optimisation multi-objectif) qui échangent l’impact du carbone et le changement dans l’utilisation des terres pour différents emplacements.

L’équipe de recherche a rencontré plusieurs connaissances inattendues. Par exemple, alors que la sagesse conventionnelle reconnaît les forêts comme étant bonnes pour stocker le carbone, l’IA n’a pas recommandé par défaut de maximiser la couverture forestière partout. Au lieu de cela, elle a révélé des distinctions importantes : remplacer les pâturages comme les déserts et les prairies par des forêts n’était pas aussi efficace que remplacer les terres agricoles par des forêts. La localisation géographique s’est également avérée cruciale. Des conversions d’utilisation des terres identiques ont produit des résultats différents en fonction de la latitude.

La priorisation a été l’une des connaissances les plus pratiques de l’IA. Plutôt que de répartir les efforts uniformément, elle a suggéré de concentrer les principales transformations de l’utilisation des terres dans des emplacements stratégiques où elles auraient le plus grand impact.

Project Resilience vise à étendre ce type d’utilité d’IA pour répondre aux Objectifs de développement durable au-delà du climat – tels que l’énergie, la santé et même la réponse aux pandémies. Qu’est-ce qui vous enthousiasme le plus quant au potentiel d’étendre cette plateforme à travers les domaines ?

Ce qui m’enthousiasme le plus quant au potentiel de cette plateforme est que nous montrons que la construction de l’IA d’une manière collaborative, accessible et adaptable peut conduire à des solutions puissantes pour relever les grands défis mondiaux. La plateforme Project Resilience est un exemple approprié de la mise en œuvre de ces trois principes. Les décideurs, les scientifiques des données et le public peuvent se joindre pour développer des outils d’IA et prendre des décisions plus éclairées pour un impact significatif. Nous invitons vos lecteurs à être contributeurs ici.

Le laboratoire d’IA de Cognizant est maintenant un moteur important d’innovation, avec des dizaines de brevets et une stratégie d’investissement d’un milliard de dollars. Comment des initiatives comme celle-ci s’insèrent-elles dans votre feuille de route plus large pour l’IA appliquée à grande échelle ?

L’initiative d’IA pour la planification de l’utilisation des terres s’aligne parfaitement sur notre approche de l’IA appliquée à Cognizant, qui se concentre sur la résolution de problèmes complexes et à fort impact du monde réel plutôt que sur des exercices purement académiques. L’IA évolutionnaire peut gérer les compromis complexes souvent trouvés dans les décisions commerciales et politiques. La résolution des défis climatiques à travers une approche qui équilibre les facteurs économiques, sociaux et environnementaux démontre comment l’IA peut offrir une valeur pratique tout en gérant des priorités concurrentes.

Le travail reflète également notre vision de développement d’une IA qui complète la prise de décision humaine plutôt que de la remplacer.

Vous avez dirigé les efforts d’IA à la fois dans les startups et les entreprises. Qu’est-ce qui est la clé pour s’assurer que des technologies comme l’IA évolutionnaire restent explicables et actionnables – et pas seulement puissantes – pour les gouvernements et les parties prenantes de l’industrie ?

L’une des plus grandes forces de l’IA évolutionnaire est qu’elle ne vise pas seulement à déterminer des solutions optimales mais peut également révéler des alternatives stratégiques qui élargissent la compréhension des parties prenantes de ce qui est possible.

L’IA et les données doivent servir la prise de décision, et non simplement générer des rapports. Les décideurs sont noyés dans les analyses tout en faisant face à des choix de plus en plus complexes. Nous devons déplacer notre attention de la simple fourniture d’informations et de prévisions à la création de systèmes de soutien interactif à la décision qui offrent des solutions prescriptives basées sur les données disponibles. Cette approche permet de naviguer dans la complexité et de prendre de meilleures décisions qui évoluent à mesure que les circonstances changent.

En regardant vers l’avenir, où voyez-vous les plus grandes opportunités pour l’IA évolutionnaire d’avoir un impact en dehors de l’utilisation des terres – que ce soit dans le contrôle des maladies infectieuses, la planification de l’énergie renouvelable ou autre chose ?

Les maladies infectieuses, la planification de l’énergie renouvelable et l’insécurité alimentaire sont tous des domaines où l’IA évolutionnaire peut avoir un impact. Une initiative de l’ère du COVID-19 sur laquelle nous avons travaillé montre le potentiel. À travers Project Resilience, nous avons construit des systèmes qui pouvaient optimiser simultanément la lutte contre la pandémie et la stabilité économique, aidant les gouvernements comme l’Islande à prendre des décisions éclairées sur l’ouverture des écoles.

Avec l’IA évolutionnaire, nous abordons enfin les défis mondiaux les plus pressants d’une manière fondamentalement différente, qui peut recommander des politiques concrètes qui équilibrent les priorités concurrentes plutôt que de produire des solutions universelles.

La puissance de l’IA évolutionnaire est qu’elle peut simuler des milliers de combinaisons de politiques, en conservant ce qui fonctionne et en éliminant ce qui ne fonctionne pas. Et ce n’est pas seulement théorique. Nous construisons des outils interactifs qui mettent cette capacité entre les mains de décideurs réels.

Après des décennies dans le domaine de l’IA, vous avez vu des cycles d’hype aller et venir. Qu’est-ce qui vous donne confiance que la vague actuelle – en particulier des outils comme celui-ci – réalise enfin la promesse de l’IA d’améliorer la société ?

Les progrès réels vers la promesse de l’IA d’améliorer la société se produisent lorsque nous dépassons le cycle d’hype pour construire des systèmes qui améliorent la prise de décision humaine dans des domaines qui comptent, notamment la durabilité. C’est le véritable test pour savoir si l’IA réalise enfin sa promesse.

Ce que j’ai constamment observé, c’est que la technologie progresse à travers des modèles prévisibles d’optimisation et de démocratisation plutôt que par des moments surmédiatisés. Regardez l’histoire de l’informatique. Nous sommes passés d’ordinateurs qui remplissaient une pièce à des montres puissantes grâce à un affinement continu, et non à un seul bond spectaculaire.

Je crois vraiment que nous sommes à un point d’inflexion où la technologie peut vraiment améliorer la société. Le chemin à suivre est à travers des applications pratiques qui résolvent des problèmes humains réels, comme notre travail sur l’utilisation des terres qui équilibre la réduction du carbone avec d’autres objectifs. C’est ainsi que l’IA tient sa promesse : par un impact mesurable sur nos problèmes les plus complexes.

Cognizant a récemment établi un record du monde Guinness avec le plus grand événement de codage de vibrations – engageant plus de 53 000 employés dans 40 pays et produisant plus de 30 000 prototypes. De votre point de vue, qu’est-ce que cela dit sur le rôle du codage de vibrations dans la démocratisation de la maîtrise de l’IA dans les grandes organisations ?

L’échelle et l’impact de notre événement de codage de vibrations parlent de volumes sur la façon dont cette approche peut être transformative pour démocratiser la maîtrise de l’IA. Plus de 40 % des participants étaient des non-codificateurs, et 20 % n’avaient jamais écrit une ligne de code auparavant. Cela indique que le codage de vibrations n’est pas une question de baisser la barre, mais d’ouvrir les portes à une main-d’œuvre en évolution avec l’IA. Nous avons même utilisé un système d’IA multi-agents pour juger les 30 000 entrées de prototype en un seul jour, ce qui aurait pris une équipe humaine une année entière.

Au lieu d’exiger une expertise de programmation approfondie, le codage de vibrations permet à quiconque ayant une idée de l’exprimer en langage naturel et de collaborer avec l’IA pour la mettre en vie. Pour les développeurs expérimentés, cela leur permet d’automatiser plus du processus de codage fastidieux, les libérant pour se concentrer sur un travail à plus forte valeur qui stimule la valeur commerciale. Personnellement, j’ai été surpris de voir à quel point je pouvais rapidement traduire un algorithme complexe à partir de pseudo-code en une application fonctionnelle, me libérant pour me concentrer entièrement sur les aspects créatifs et stratégiques.

En abaissant les barrières et en permettant l’expérimentation pratique avec l’IA générative, nous passons de la maîtrise de l’IA à un ensemble de compétences spécialisées à une capacité organisationnelle partagée. Pour les organisations, le codage de vibrations aide à accélérer la créativité, supprime les barrières et débloque l’intelligence collective de toute la main-d’œuvre à une échelle sans précédent.

Au-delà de l’échelle impressionnante, quels ont été les résultats les plus significatifs de cette initiative de codage de vibrations ? Voyez-vous cela comme un modèle pour que les entreprises cultivent l’innovation et les compétences en IA appliquée à l’échelle mondiale ?

L’impact réel de notre initiative de codage de vibrations a été l’enthousiasme que nous avons vu à travers notre organisation, avec des employés de RH, des ventes, de l’ingénierie, des finances, du droit, du marketing et plus qui ont embrassé l’IA et participé. Leurs idées, ancrées dans une connaissance approfondie du domaine et une perspective commerciale pratique, ont conduit à des milliers de prototypes qui n’auraient peut-être jamais émergé autrement.

Avec plus de 30 000 projets uniques résultant de cet effort, nous sommes en train de fixer le rythme pour l’économie de l’IA, où chacun a les outils pour innover avec l’IA. En même temps, nous débloquons la créativité à grande échelle et nous rendons la main-d’œuvre – à la fois à l’intérieur de Cognizant et pour nos clients à travers les industries que nous servons – plus compétente en IA.

Nous considérons absolument cette initiative comme un modèle que d’autres organisations peuvent reproduire. En combinant des outils d’IA accessibles, une culture collaborative et ouverte, et une évaluation d’IA scalable, nous pouvons mieux servir nos clients pour débloquer la créativité non exploitée et accélérer le développement des compétences en IA à travers leur main-d’œuvre.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Cognizant.