Babak Hodjat, Chief AI Officer di Cognizant – Seri Wawancara

Babak Hodjat, Chief AI Officer memimpin AI Research Labs, sebuah tim pengembang dan peneliti yang memajukan keadaan seni dalam AI, membangun fitur AI yang berbeda dalam penawaran Cognizant dan memimpin inisiatif AI untuk kebaikan perusahaan.

Babak adalah mantan co-founder dan CEO dari Sentient, bertanggung jawab atas teknologi inti di balik sistem AI terdistribusi terbesar di dunia. Babak juga merupakan pendiri dari hedge fund AI-driven pertama di dunia, Sentient Investment Management.

Babak adalah seorang wirausaha serial, telah memulai beberapa perusahaan di Lembah Silikon sebagai penemu dan teknolog utama. Sebelum menjadi co-founder Sentient, Babak adalah direktur senior teknik di Sybase iAnywhere, di mana ia memimpin teknik solusi mobile. Sebelum Sybase, Babak adalah co-founder, CTO, dan anggota dewan Dejima Inc. Babak adalah penemu utama teknologi agent-oriented Dejima yang dipatenkan, yang diterapkan pada antarmuka pintar untuk komputasi mobile dan perusahaan – teknologi di balik Apple’s Siri.

Babak telah menerbitkan lebih dari 50 makalah di bidang kehidupan buatan, teknik perangkat lunak berorientasi agen, dan kecerdasan buatan terdistribusi, dan memiliki 39 paten AS yang diterbitkan atas namanya. Ia adalah ahli di berbagai bidang AI, termasuk pemrosesan bahasa alami, pembelajaran mesin, algoritma evolusioner, dan AI terdistribusi.

Cognizant adalah sebuah perusahaan jasa profesional global dan konsultasi IT yang membantu organisasi memodernisasi infrastruktur digital mereka, menerapkan teknologi yang muncul seperti AI, cloud, data, dan otomatisasi, dan membenarkan proses bisnis untuk mengemudi kecepatan dan pertumbuhan.

Anda telah mendirikan beberapa perusahaan AI, menulis dua buku, dan membantu mempelopori teknologi yang mempengaruhi Siri. Mengingat kembali, apa pengalaman pribadi atau titik balik yang paling membentuk keyakinan Anda dalam AI sebagai alat untuk dampak dunia nyata?

Minat saya pada AI dimulai sejak awal di tahun-tahun akademis saya dan telah semakin kuat sejak itu. Beberapa titik balik kunci termasuk menciptakan beberapa sistem berbasis agen pertama di Dejima untuk pemrograman barang konsumen seperti VCR, pekerjaan yang kami lakukan di Sentient Technologies, menerapkan AI pada masalah kompleks seperti perdagangan keuangan. Teknologi bahasa alami yang saya kembangkan untuk Siri, yang juga berbasis agen, adalah titik balik lain.

Apakah ini menunjukkan bahwa AI dapat bergerak melampaui konsep teoretis dan memberikan nilai bisnis yang nyata? Kami sekarang memasuki periode ledakan untuk komersialisasi teknologi AI, terutama dengan sistem multi-agents yang akan mengubah secara total bagaimana perusahaan beroperasi, memungkinkan otomatisasi banyak tugas kompleks.

Mari kita bicara tentang proyek terbaru Anda – sistem AI yang ditenagai untuk perencanaan lahan yang dikembangkan dengan Universitas Texas. Apa yang menginspirasi pengembangan alat ini, dan bagaimana ini mewakili pergeseran dari AI teoretis ke dampak kebijakan dunia nyata?

Sistem AI untuk perencanaan lahan yang kami kembangkan dalam kolaborasi dengan Universitas Texas di Austin dipicu oleh kebutuhan untuk menangani perdagangan kompleks lingkungan dan ekonomi dalam penggunaan lahan global. Kerangka kerja yang digerakkan oleh pembelajaran mesin menggunakan teknologi di balik Cognizant Neuro AI Decisioning dan dibangun di atas Platform Project Resilience.

Tim penelitian kami bersama bertujuan untuk membantu mewujudkan tujuan pembangunan berkelanjutan PBB dengan menciptakan alat yang dapat mengoptimalkan penggunaan lahan untuk memaksimalkan penyimpanan karbon, meminimalkan gangguan ekonomi, dan melestarikan pasokan makanan dan habitat. Pendekatan tradisional sering mengabaikan perdagangan yang halus, seperti efek lokasi spesifik dari mengubah lahan pertanian atau padang rumput menjadi hutan. Kami mengambil jalur yang berbeda yang menggunakan AI evolusioner, sebuah pendekatan komputasi yang terinspirasi oleh seleksi alam. Ini dirancang untuk mengeksplorasi ribuan skenario kebijakan, memperbaiki dan mengimbangkan tujuan yang bersaing untuk strategi penggunaan lahan yang lebih efektif dan sensitif konteks.

Sistem ini menandai pergeseran signifikan dari konsep AI teoretis ke dampak kebijakan dunia nyata. Ini mengintegrasikan data penggunaan lahan historis yang mencapai beberapa abad dan data karbon dengan algoritma evolusioner yang canggih untuk memberikan rekomendasi yang dapat diambil dan dioptimalkan, bukan prediksi abstrak.

Terpisah, kami juga telah menciptakan alat interaktif yang menghasilkan dan mengevaluasi skenario kebijakan iklim menggunakan simulator En-ROADS, membantu pengambil keputusan membandingkan dan menyesuaikan rencana aksi. Sistem ini memungkinkan legislator dan pengambil keputusan untuk mensimulasikan insentif kebijakan dan memahami langsung perdagangan, membantu mereka memilih intervensi yang ditargetkan dan efisien. Integrasi sistem dengan platform seperti simulator En-ROADS dari Climate Interactive memungkinkan skala optimasi kebijakan iklim yang didorong AI ke audiens yang lebih luas, menyoroti AI sebagai mitra praktis dalam menangani tantangan keberlanjutan dunia nyata.

Bagaimana cara kerja alat ini dari perspektif pengguna? Apa jenis keputusan yang dapat didukung, dan bagaimana ia memberikan rekomendasi yang disesuaikan untuk wilayah yang berbeda?

Dari perspektif pengguna, alat AI yang ditenagai berfungsi sebagai platform dukungan keputusan interaktif dalam lingkungan yang dinamis dan didorong data yang membantu Anda membuat keputusan yang lebih cerdas yang bekerja untuk tujuan iklim.

Pengambil keputusan, legislator, dan pemangku kepentingan lainnya dapat menjelajahi berbagai strategi penggunaan lahan dan dampak lingkungan serta ekonomi. Pengguna dapat mensimulasikan insentif – seperti kredit pajak untuk pemilik lahan, misalnya – dan mengamati bagaimana mereka dapat mempengaruhi perubahan penggunaan lahan untuk mengurangi karbon.

Ini mendukung berbagai keputusan yang disesuaikan dengan wilayah yang berbeda. Misalnya, dapat membantu menentukan di mana melakukan perubahan lahan untuk hasil terbaik, berapa banyak lahan yang harus diubah (seperti mengubah lahan pertanian menjadi hutan), dan apa kelebihan dan kekurangan dari kebijakan lahan yang berbeda. Untuk memberikan saran khusus, ini melihat sejarah penggunaan lahan global dan data karbon untuk menyarankan pendekatan yang berbeda untuk area yang berbeda. Ini dapat memperhitungkan karakteristik khusus wilayah, seperti garis lintang dan jenis lahan.

Simulator En-ROADS, yang ditenagai oleh Neuro AI, dapat membantu pengambil keputusan dan legislator bereksperimen dengan berbagai perdagangan untuk mencapai tujuan iklim yang berbeda.

AI evolusioner telah digambarkan sebagai “saus rahasia” di balik proyek ini. Bagaimana pendekatan ini bekerja dalam praktek, dan mengapa ini sangat efektif untuk menyelesaikan tantangan lingkungan dan kebijakan yang kompleks?

Gagasan di balik AI evolusioner terinspirasi oleh seleksi alam dalam biologi. Sebagai pendekatan komputasi dalam konteks perencanaan lahan, dalam praktek, ini meniru evolusi alam untuk menemukan solusi cerdas untuk masalah lingkungan yang kompleks yang metode tradisional sulit ditangani.

Alih-alih mencoba memprogram kebijakan lahan yang sempurna dari awal, pendekatan AI evolusioner menciptakan model kebijakan yang berbeda dan mengujinya dalam lingkungan simulasi dengan data iklim dan lahan yang nyata. Ini mempertahankan kebijakan yang berperforma terbaik dan “mengembangbiakkan” mereka bersama, menambahkan mutasi untuk menemukan solusi yang tidak terduga. Ini mengulangi proses ini selama banyak generasi, menyaring pelaku yang buruk dan mempertahankan yang terbaik di seluruh ratusan atau ribuan skenario.

Ini bekerja dengan baik untuk tantangan lingkungan karena ini tidak terlalu terpengaruh oleh banyak variabel seperti jenis tanah, kondisi iklim, dan faktor ekonomi.

Kebijakan lahan sering melibatkan tujuan yang bersaing – pertumbuhan ekonomi, pengurangan karbon, keamanan pangan. Bagaimana sistem Anda menangani perdagangan ini, dan apa jenis wawasan yang tidak terduga yang telah disampaikan?

Sistem AI kami dibangun khusus untuk menangani tujuan yang bersaing seperti pertumbuhan ekonomi, pengurangan karbon, dan keamanan pangan. Ini menghasilkan front Pareto (konsep teknik yang digunakan dalam optimasi multi-tujuan) yang memperdagangkan dampak karbon dan perubahan lahan untuk lokasi yang berbeda.

Tim penelitian menemukan beberapa wawasan yang tidak terduga. Misalnya, sementara kebijaksanaan konvensional mengakui hutan sebagai baik dalam menyimpan karbon, AI tidak berasumsi bahwa merekomendasikan untuk memaksimalkan cakupan hutan di mana-mana. Sebaliknya, ini mengungkapkan perbedaan penting: menggantikan padang rumput seperti gurun dan padang rumput dengan hutan tidak sama efektifnya dengan menggantikan lahan pertanian dengan hutan. Lokasi geografis juga terbukti sangat penting. Perubahan lahan yang identik menghasilkan hasil yang berbeda tergantung pada garis lintang.

Prioritisasi adalah salah satu wawasan praktis AI. Alih-alih menyebarkan upaya secara merata, ini menyarankan untuk memusatkan transformasi lahan utama di lokasi strategis di mana mereka akan memiliki dampak terbesar.

Project Resilience bertujuan untuk menskalakan utilitas AI ini untuk menangani Tujuan Pembangunan Berkelanjutan di luar iklim – seperti energi, kesehatan, dan bahkan respons pandemik. Apa yang paling menggembirakan Anda tentang potensi untuk memperluas platform ini di seluruh domain?

Apa yang paling menggembirakan saya tentang potensi platform ini adalah bahwa kami menunjukkan bahwa membangun AI dengan cara yang kolaboratif, dapat diakses, dan adaptif dapat mengarah pada solusi yang kuat untuk menangani tantangan global besar. Platform Project Resilience adalah contoh yang tepat dari menerapkan tiga prinsip ini. Pengambil keputusan, ilmuwan data, dan masyarakat umum dapat bergabung untuk mengembangkan alat AI dan membuat keputusan yang lebih informasi untuk dampak yang signifikan. Kami mengundang pembaca kami untuk menjadi kontributor di sini.

AI Lab di Cognizant sekarang menjadi penggerak inovasi utama, dengan puluhan paten dan strategi investasi senilai miliaran dolar. Bagaimana inisiatif seperti ini masuk ke dalam roadmap yang lebih luas untuk AI terapan skala besar?

Inisiatif AI penggunaan lahan sejalan dengan pendekatan kami untuk AI terapan, yang berfokus pada menyelesaikan masalah dunia nyata yang kompleks dan berdampak tinggi, bukan hanya latihan akademis. AI evolusioner dapat menangani perdagangan yang kompleks yang ditemukan dalam keputusan bisnis dan kebijakan. Menangani tantangan iklim melalui pendekatan yang seimbangkan faktor ekonomi, sosial, dan lingkungan menunjukkan bagaimana AI dapat memberikan nilai praktis sambil mengelola prioritas yang bersaing.

Pekerjaan ini juga mencerminkan visi kami untuk mengembangkan AI yang melengkapi pengambilan keputusan manusia, bukan menggantinya.

Anda telah memimpin upaya AI di seluruh startup dan perusahaan. Apa kunci untuk memastikan teknologi seperti AI evolusioner tetap dapat dijelaskan dan dapat diambil – tidak hanya kuat – untuk pemerintah dan pemangku kepentingan industri?

Salah satu kekuatan terbesar AI evolusioner adalah bahwa ini tidak hanya bertujuan untuk menentukan solusi optimal, tetapi juga dapat mengungkapkan alternatif strategi yang memperluas pemahaman pemangku kepentingan tentang apa yang mungkin.

AI dan data harus melayani pengambilan keputusan, bukan hanya menghasilkan laporan. Pengambil keputusan tenggelam dalam analisis sambil menghadapi pilihan yang semakin kompleks. Kami perlu mengalihkan fokus dari menyediakan wawasan dan prediksi untuk menciptakan sistem dukungan keputusan interaktif yang menawarkan solusi preskriptif berdasarkan data yang tersedia. Pendekatan ini memungkinkan Anda untuk menavigasi kompleksitas dan membuat keputusan yang lebih baik yang berkembang seiring perubahan keadaan.

Menghadap ke depan, di mana Anda melihat peluang terbesar untuk AI evolusioner mengemudi dampak di luar penggunaan lahan – apakah dalam kontrol penyakit menular, perencanaan energi terbarukan, atau sesuatu yang sama sekali berbeda?

Penyakit menular, perencanaan energi terbarukan, dan ketidakamanan pangan semuanya merupakan area yang layak di mana AI evolusioner dapat mengemudi dampak. Inisiatif era COVID-19 yang kami kerjakan menunjukkan potensi. Melalui Project Resilience, kami membangun sistem yang dapat mengoptimalkan secara bersamaan untuk pengendalian pandemik dan stabilitas ekonomi, membantu pemerintah seperti Islandia membuat keputusan berbasis data tentang pembukaan sekolah.

Dengan AI evolusioner, kami akhirnya menangani tantangan global yang paling mendesak dengan cara yang secara fundamental berbeda, satu yang dapat merekomendasikan kebijakan konkrit yang seimbangkan prioritas yang bersaing, bukan solusi satu-ukuran-untuk-semua.

Kekuatan AI evolusioner adalah bahwa ini dapat mensimulasikan ribuan kombinasi kebijakan, mempertahankan yang berhasil dan membuang yang tidak. Dan ini tidak hanya teoretis. Kami sedang membangun alat interaktif yang meletakkan kemampuan ini di tangan pengambil keputusan nyata.

Setelah beberapa dekade di bidang AI, Anda telah melihat siklus hype datang dan pergi. Apa yang memberi Anda kepercayaan bahwa gelombang saat ini – terutama alat seperti ini – akhirnya memenuhi janji AI untuk memperbaiki masyarakat?

Kemajuan sejati menuju janji AI untuk memperbaiki masyarakat terjadi ketika kami bergerak melampaui siklus hype untuk membangun sistem yang meningkatkan pengambilan keputusan manusia di bidang yang penting, termasuk keberlanjutan. Itulah tes nyata apakah AI akhirnya memenuhi janjinya.

Apa yang saya amati secara konsisten adalah bahwa teknologi berkembang melalui pola optimasi dan demokratisasi yang dapat diprediksi, bukan momen yang dihyped. Lihatlah sejarah komputasi. Kami berpindah dari komputer yang berukuran ruangan ke jam tangan yang kuat melalui penyempurnaan terus-menerus, bukan lompatan dramatis.

Saya percaya bahwa kami berada pada titik infleksi di mana teknologi dapat benar-benar memperbaiki masyarakat. Jalan ke depan adalah melalui aplikasi praktis yang menyelesaikan masalah manusia yang nyata, seperti pekerjaan kami dalam perencanaan lahan yang seimbangkan pengurangan karbon dengan tujuan lain. Itulah bagaimana AI memenuhi janjinya: melalui dampak yang dapat diukur pada masalah yang paling menantang kami.

Cognizant baru-baru ini menciptakan Rekor Dunia Guinness dengan acara coding vibe terbesar di dunia – melibatkan lebih dari 53.000 karyawan di 40 negara dan menghasilkan lebih dari 30.000 prototipe. Dari perspektif Anda, apa yang ini katakan tentang peran coding vibe dalam mendemokratisasi keahlian AI di organisasi besar?

Skala dan dampak acara coding vibe kami berbicara banyak tentang seberapa transformatif pendekatan ini dapat dalam mendemokratisasi keahlian AI. Lebih dari 40% peserta adalah non-pengkode, dan 20% belum pernah menulis baris kode sebelumnya. Ini mengatakan bahwa coding vibe tidak tentang menurunkan batang, tetapi tentang membuka pintu bagi tenaga kerja yang berkembang dengan AI. Kami bahkan menggunakan sistem AI multi-agents untuk menilai 30.000 entri prototipe dalam satu hari, yang akan memakan waktu satu tahun bagi tim manusia.

Alih-alih memerlukan keahlian pemrograman yang mendalam, coding vibe memungkinkan siapa saja dengan ide untuk mengekspresikannya dalam bahasa alami dan berkolaborasi dengan AI untuk menghidupkannya. Bagi pengembang yang berpengalaman, ini memungkinkan mereka untuk mengotomatisasi lebih banyak proses pemrograman yang membosankan, membebaskan mereka untuk fokus pada pekerjaan yang lebih berharga yang mengemudi nilai bisnis. Secara pribadi, saya terkesan dengan seberapa cepat saya bisa menerjemahkan algoritma kompleks dari pseudo-kode ke aplikasi yang berfungsi, membebaskan saya untuk fokus sepenuhnya pada aspek kreatif dan strategis.

Dengan menurunkan hambatan dan memungkinkan eksperimen tangan dengan AI generatif, kami memindahkan keahlian AI dari keterampilan khusus ke kemampuan organisasi yang bersama. Bagi organisasi, coding vibe membantu mempercepat kreativitas, menghilangkan hambatan, dan membuka kecerdasan kolektif seluruh tenaga kerja pada skala yang belum pernah terjadi sebelumnya.

Di luar skala yang mengesankan, apa saja hasil yang paling berarti dari inisiatif coding vibe ini? Apakah Anda melihat ini sebagai template untuk bagaimana perusahaan dapat mengembangkan inovasi dan keahlian AI yang diterapkan di tingkat global?

Dampak nyata dari inisiatif Vibe Coding kami adalah antusiasme yang kami lihat di seluruh organisasi, dengan karyawan dari HR, penjualan, teknik, keuangan, hukum, pemasaran, dan banyak lagi yang mengadopsi AI dan berpartisipasi. Ide-ide mereka, yang didasarkan pada pengetahuan domain yang mendalam dan wawasan bisnis praktis, mengarah pada ribuan prototipe yang mungkin tidak pernah muncul.

Dengan lebih dari 30.000 proyek unik yang dihasilkan dari upaya ini, kami menetapkan langkah untuk perekonomian AI, di mana semua orang memiliki alat untuk berinovasi dengan AI. Pada saat yang sama, kami membuka kreativitas pada skala besar dan memberdayakan tenaga kerja – baik di dalam Cognizant maupun untuk klien kami di seluruh industri yang kami layani – untuk menjadi lebih melek AI.

Kami absolut melihat inisiatif ini sebagai template yang dapat direplikasi oleh organisasi lain. Dengan menggabungkan alat AI yang dapat diakses, budaya yang terbuka dan kolaboratif, dan evaluasi AI yang dapat diskalakan, kami dapat lebih baik melayani klien kami untuk membuka kreativitas yang tidak terkekang dan mempercepat pengembangan keahlian AI di seluruh tenaga kerja mereka.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Cognizant.