Babak Hodjat, Chief AI Officer di Cognizant – Serie di Interviste

Babak Hodjat, Chief AI Officer, guida i laboratori di ricerca sull’AI, un team di sviluppatori e ricercatori che sta avanzando lo stato dell’arte nell’AI, creando funzionalità AI differenziate nelle offerte di Cognizant e guidando le iniziative di AI per il bene della società dell’azienda.

Babak è l’ex co-fondatore e amministratore delegato di Sentient, responsabile della tecnologia di base del più grande sistema di intelligenza artificiale distribuito del mondo. Babak è stato anche il fondatore del primo hedge fund guidato da AI, Sentient Investment Management.

Babak è un imprenditore seriale, avendo fondato diverse aziende nella Silicon Valley come principale inventore e tecnologo. Prima di co-fondare Sentient, Babak era il direttore senior dell’ingegneria presso Sybase iAnywhere, dove ha guidato l’ingegneria delle soluzioni mobili. Prima di Sybase, Babak era il co-fondatore, CTO e membro del consiglio di amministrazione di Dejima Inc. Babak è l’inventore principale della tecnologia brevettata di Dejima, orientata agli agenti, applicata a interfacce intelligenti per il calcolo mobile e aziendale – la tecnologia dietro Apple’s Siri.

Babak ha pubblicato oltre 50 articoli nei campi della vita artificiale, dell’ingegneria del software orientata agli agenti e dell’intelligenza artificiale distribuita e ha 39 brevetti statunitensi emessi a suo nome. È un esperto in numerosi campi dell’AI, tra cui l’elaborazione del linguaggio naturale, l’apprendimento automatico, gli algoritmi evolutivi e l’AI distribuita.

Cognizant è un’azienda globale di servizi professionali e consulenza IT che aiuta le organizzazioni a modernizzare la loro infrastruttura digitale, implementare tecnologie emergenti come l’AI, il cloud, i dati e l’automazione, e allineare i processi aziendali per guidare l’agilità e la crescita.

Avete fondato diverse aziende di intelligenza artificiale, scritto due libri e aiutato a pionierare la tecnologia che ha influenzato Siri. Guardando indietro, quali esperienze personali o punti di svolta hanno plasmato la vostra convinzione nell’AI come strumento per un impatto reale nel mondo?

La mia fascinazione per l’AI è iniziata presto durante i miei anni accademici e si è consolidata da allora. Alcuni punti di svolta chiave includevano la creazione di alcuni dei primi sistemi basati su agenti presso Dejima per la programmazione di beni di consumo come il vostro videoregistratore, il lavoro che abbiamo svolto presso Sentient Technologies, applicando l’AI a problemi complessi come il trading finanziario. La tecnologia del linguaggio naturale che ho sviluppato per Siri, che era anche basata su agenti, è stato un altro punto di svolta.

Queste applicazioni nel mondo reale hanno dimostrato che l’AI poteva andare oltre le costruzioni teoriche e offrire un valore aziendale tangibile. Ci stiamo dirigendo verso un periodo esplosivo per la commercializzazione delle tecnologie AI, in particolare con i sistemi multi-agente che trasformeranno completamente il modo in cui le aziende operano, consentendo l’automazione di molte attività complesse.

Parliamo del vostro ultimo progetto – questo sistema di pianificazione dell’uso del suolo alimentato da AI sviluppato con l’Università del Texas. Cosa ha ispirato lo sviluppo di questo strumento e come rappresenta un passaggio da un’AI teorica a un impatto sulle politiche nel mondo reale?

Il sistema AI per la pianificazione dell’uso del suolo che abbiamo sviluppato in collaborazione con l’Università del Texas ad Austin è stato ispirato dalla necessità di affrontare compromessi ambientali ed economici complessi nell’uso globale del suolo. Il framework guidato dal machine learning utilizza la tecnologia dietro Cognizant Neuro AI Decisioning e si basa sulla piattaforma Project Resilience.

Il nostro team di ricerca congiunto ha mirato a realizzare gli obiettivi di sviluppo sostenibile delle Nazioni Unite creando uno strumento in grado di ottimizzare l’uso del suolo per massimizzare l’immagazzinamento del carbonio, minimizzare le perturbazioni economiche e preservare la fornitura di cibo e gli habitat. Gli approcci tradizionali spesso trascurano compromessi sottili, come gli effetti specifici della località della conversione di terreni agricoli o pascoli in foreste. Abbiamo intrapreso un percorso diverso che ha sfruttato l’AI evolutiva, un approccio computazionale ispirato alla selezione naturale. È stato progettato per esplorare migliaia di scenari di politica, migliorando e bilanciando obiettivi in competizione per strategie di uso del suolo più efficaci e sensibili al contesto.

Il sistema segna un passaggio significativo dalle nozioni teoriche di AI all’impatto sulle politiche nel mondo reale. Integra dati storici sull’uso del suolo che risalgono a secoli e dati sul carbonio con algoritmi evolutivi sofisticati per fornire raccomandazioni azionabili e ottimizzate, piuttosto che previsioni astratte.

Inoltre, abbiamo creato uno strumento interattivo che genera e valuta scenari di politica climatica utilizzando il simulatore En-ROADS, aiutando i responsabili delle decisioni a confrontare e personalizzare piani d’azione. Il sistema consente ai legislatori e ai responsabili delle decisioni di simulare incentivi di politica e comprendere direttamente i compromessi, aiutandoli a selezionare interventi mirati ed efficienti. L’integrazione del sistema con piattaforme come il simulatore En-ROADS di Climate Interactive consente di ampliare l’ottimizzazione delle politiche climatiche basate sull’AI a un pubblico più ampio, evidenziando l’AI come un partner pratico nel affrontare le sfide di sostenibilità nel mondo reale.

Ci può spiegare come funziona lo strumento dal punto di vista dell’utente? Quali decisioni può supportare e come fornisce raccomandazioni personalizzate per diverse regioni?

Dal punto di vista dell’utente, lo strumento di pianificazione dell’uso del suolo alimentato da AI funziona come una piattaforma di supporto alle decisioni interattiva in un ambiente dinamico e basato sui dati che aiuta a prendere decisioni più intelligenti che funzionano per gli obiettivi climatici.

I responsabili delle politiche, i legislatori e gli altri stakeholder possono esplorare diverse strategie di uso del suolo e i loro impatti ambientali ed economici. Gli utenti possono simulare incentivi – ad esempio, crediti d’imposta per i proprietari terrieri – e osservare come potrebbero influenzare i cambiamenti nell’uso del suolo per ridurre il carbonio.

Sostiene una gamma di decisioni personalizzate per diverse regioni. Ad esempio, può aiutare a determinare dove apportare modifiche al suolo per i migliori risultati, quanto terreno convertire (come trasformare terreni agricoli in foreste) e quali sono i pro e i contro delle diverse politiche di uso del suolo. Per fornire consigli personalizzati, esamina la storia dell’uso del suolo a livello globale e i dati sul carbonio per suggerire approcci diversi per diverse aree. Può tenere conto di caratteristiche specifiche della regione, come la latitudine e il tipo di terreno.

Il simulatore En-ROADS, alimentato da Neuro AI, può aiutare i responsabili delle politiche e i legislatori a sperimentare con diversi compromessi per raggiungere diversi obiettivi climatici.

L’AI evolutiva è stata descritta come il “segreto” dietro questo progetto. Come funziona questo approccio nella pratica e perché è così efficace nel risolvere sfide ambientali e politiche complesse?

L’idea dietro l’AI evolutiva è ispirata alla selezione naturale in biologia. Come approccio computazionale nel contesto della pianificazione dell’uso del suolo, nella pratica, mimetizza l’evoluzione naturale per trovare soluzioni intelligenti per problemi ambientali complessi con cui i metodi tradizionali faticano.

Invece di cercare di programmare politiche di uso del suolo ottimali fin dall’inizio, l’approccio di AI evolutiva crea diversi modelli di politica e li testa ciascuno in ambienti simulati con dati climatici e di uso del suolo reali. Mantiene le politiche che si eseguono meglio e le “alleva” insieme, aggiungendo mutazioni per scoprire soluzioni inaspettate. Ripete questo processo per molte generazioni, eliminando i peggiori performer e mantenendo i migliori tra centinaia o migliaia di scenari.

Questo funziona bene per le sfide ambientali perché non si lascia sopraffare da molteplici variabili come tipi di suolo, condizioni climatiche e fattori economici.

Le politiche di uso del suolo spesso coinvolgono obiettivi in competizione – crescita economica, riduzione del carbonio, sicurezza alimentare. Come gestisce il sistema questi compromessi e quali insight inaspettati ha portato alla luce finora?

Il nostro sistema AI è stato costruito specificamente per gestire obiettivi in competizione come la crescita economica, la riduzione del carbonio e la sicurezza alimentare. Genera fronti di Pareto (un concetto di ingegneria utilizzato nell’ottimizzazione multi-obiettivo) che scambiano l’impatto del carbonio e il cambiamento dell’uso del suolo per diverse località.

Il team di ricerca ha incontrato diversi insight inaspettati. Ad esempio, mentre la saggezza convenzionale riconosce le foreste come buone per immagazzinare il carbonio, l’AI non ha optato per la raccomandazione di massimizzare la copertura forestale ovunque. Invece, ha rivelato distinzioni importanti: sostituire pascoli come deserti e praterie con foreste non è stato così efficace come sostituire terreni agricoli con foreste. La posizione geografica si è anche rivelata cruciale. Identiche conversioni dell’uso del suolo hanno prodotto risultati diversi a seconda della latitudine.

La priorità è stata una delle intuizioni più pratiche dell’AI. Invece di distribuire gli sforzi in modo uniforme, ha suggerito di concentrare le principali trasformazioni dell’uso del suolo in località strategiche dove avrebbero avuto il maggior impatto.

Project Resilience mira a scalare questo tipo di utilità AI per affrontare gli Obiettivi di Sviluppo Sostenibile al di là del clima – come l’energia, la salute e persino la risposta ai pandemici. Cosa la entusiasma di più nel potenziale di ampliare questa piattaforma attraverso domini?

Ciò che mi entusiasma di più nel potenziale di questa piattaforma è che stiamo dimostrando che costruire l’AI in un modo che sia collaborativo, accessibile e adattabile può portare a soluzioni potenti per affrontare grandi sfide globali. La piattaforma Project Resilience è un esempio appropriato di come mettere in pratica questi tre principi. I responsabili delle decisioni, gli scienziati dei dati e il pubblico possono unirsi per sviluppare strumenti AI e prendere decisioni più informate per un impatto significativo. Invitiamo i nostri lettori a essere contributori qui.

Il laboratorio AI di Cognizant è ora un importante motore di innovazione, con decine di brevetti e una strategia di investimento da un miliardo di dollari. Come si inseriscono iniziative come questa nel vostro piano più ampio per l’AI applicata su larga scala?

L’iniziativa di pianificazione dell’uso del suolo AI si allinea perfettamente con il nostro approccio all’AI applicata, che si concentra sul risolvere problemi reali e complessi del mondo reale, piuttosto che esercizi puramente accademici. L’AI evolutiva può gestire i compromessi complessi spesso trovati nelle decisioni aziendali e politiche. Affrontare le sfide climatiche attraverso un approccio che bilancia fattori economici, sociali e ambientali dimostra come l’AI possa offrire valore pratico gestendo priorità in competizione.

Il lavoro riflette anche la nostra visione per lo sviluppo di un’AI che potenzi la presa di decisioni umana, piuttosto che sostituirla.

Avete guidato gli sforzi di AI attraverso startup e aziende. Qual è la chiave per assicurarsi che tecnologie come l’AI evolutiva rimangano spiegabili e azionabili – e non solo potenti – per i governi e gli stakeholder dell’industria?

Una delle maggiori forze dell’AI evolutiva è che non si limita a determinare soluzioni ottimali, ma può rivelare alternative di strategia che ampliano la comprensione degli stakeholder di ciò che è possibile.

L’AI e i dati devono servire la presa di decisioni, non solo generare rapporti. I responsabili delle decisioni sono sommersi da analisi mentre affrontano scelte sempre più complesse. Dobbiamo spostare la nostra attenzione dal fornire semplicemente insight e previsioni a creare sistemi di supporto alle decisioni interattivi che offrono soluzioni prescrittive basate sui dati disponibili. Questo approccio consente di navigare la complessità e prendere decisioni migliori che evolvono man mano che le circostanze cambiano.

Guardando avanti, dove vede le maggiori opportunità per l’AI evolutiva di guidare l’impatto al di fuori dell’uso del suolo – che si tratti del controllo delle malattie infettive, della pianificazione delle energie rinnovabili o di qualcos’altro?

Le malattie infettive, la pianificazione delle energie rinnovabili e la sicurezza alimentare sono tutti campi degni in cui l’AI evolutiva può guidare l’impatto. Un’iniziativa dell’era COVID-19 su cui abbiamo lavorato mostra il potenziale. Attraverso Project Resilience, abbiamo costruito sistemi che potevano ottimizzare simultaneamente il contenimento della pandemia e la stabilità economica, aiutando i governi come quello dell’Islanda a prendere decisioni basate sui dati sull’apertura delle scuole.

Con l’AI evolutiva, stiamo finalmente affrontando le sfide globali più pressanti in un modo fondamentalmente diverso, uno che può raccomandare politiche concrete che bilancino priorità in competizione, piuttosto che produrre soluzioni universali.

La forza dell’AI evolutiva è che può simulare migliaia di combinazioni di politiche, mantenendo ciò che funziona e scartando ciò che non funziona. E non è solo teorico. Stiamo costruendo strumenti interattivi che mettono questa capacità nelle mani dei veri responsabili delle decisioni.

Dopo decenni nel campo dell’AI, avete visto cicli di hype andare e venire. Cosa le dà la fiducia che l’attuale ondata – specialmente strumenti come questo – stia finalmente mantenendo la promessa dell’AI di migliorare la società?

Il vero progresso verso la promessa dell’AI di migliorare la società avviene quando ci spostiamo oltre il ciclo di hype per costruire sistemi che migliorano la presa di decisioni umana in aree che contano, tra cui la sostenibilità. Questo è il vero test di se l’AI sta finalmente mantenendo la sua promessa.

Ciò che ho costantemente osservato è che la tecnologia avanza attraverso modelli prevedibili di ottimizzazione e democratizzazione, piuttosto che momenti singolari e sovrastimati. Guardate la storia del calcolo. Siamo passati da computer delle dimensioni di una stanza a orologi potenti attraverso un raffinamento continuo, non un solo balzo drammatico.

Credo veramente che siamo a un punto di svolta in cui la tecnologia può realmente migliorare la società. Il percorso in avanti è attraverso applicazioni pratiche che risolvono problemi umani reali, come il nostro lavoro sull’uso del suolo che bilancia la riduzione del carbonio con altri obiettivi. È così che l’AI mantiene la sua promessa: attraverso un impatto misurabile sui nostri problemi più impegnativi.

Cognizant ha recentemente stabilito un record del Guinness per il più grande evento di coding con oltre 53.000 dipendenti in 40 paesi e ha prodotto oltre 30.000 prototipi. Dal vostro punto di vista, cosa dice questo sull’importanza del coding nell’democratizzare la fluency nell’AI nelle grandi organizzazioni?

La portata e l’impatto del nostro evento di coding parlano a gran voce di quanto questo approccio possa essere trasformativo nel democratizzare la fluency nell’AI. Oltre il 40% dei partecipanti erano non sviluppatori e il 20% non aveva mai scritto una riga di codice prima. Ciò dice che il coding non è questione di abbassare la barra, ma di aprire le porte a una forza lavoro in evoluzione con l’AI. Abbiamo anche utilizzato un sistema di AI multi-agente per valutare le 30.000 voci dei prototipi in un solo giorno, il che avrebbe richiesto a un team umano un intero anno.

Invece di richiedere una profonda competenza di programmazione, il coding consente a chiunque abbia un’idea di esprimerla in linguaggio naturale e collaborare con l’AI per portarla alla vita. Per gli sviluppatori esperti, ciò consente di automatizzare più del processo di coding noioso, liberandoli di concentrarsi sul lavoro ad alto valore che guida il valore aziendale. Personalmente, sono stato colpito da quanto velocemente potessi tradurre un algoritmo complesso da pseudo-codice in un’applicazione funzionante, liberandomi di concentrarmi interamente sugli aspetti creativi e strategici.

Abbassando le barriere e consentendo l’esperimentazione manuale con l’AI generativa, stiamo spostando la fluency nell’AI da un insieme di competenze specializzate a una capacità organizzativa condivisa. Per le organizzazioni, il coding aiuta ad accelerare la creatività, rimuove le barriere e sblocca l’intelligenza collettiva di un’intera forza lavoro a una scala senza precedenti.

Oltre alla portata impressionante, quali sono stati alcuni dei risultati più significativi di questa iniziativa di coding? Vedete questo come un modello per come le aziende possono coltivare l’innovazione e le competenze nell’AI su scala globale?

L’impatto reale dell’iniziativa di coding di Vibe è stato l’entusiasmo che abbiamo visto in tutta l’organizzazione, con dipendenti da HR, vendite, ingegneria, finanza, legale, marketing e altro che hanno abbracciato l’AI e partecipato. Le loro idee, radicate in una profonda conoscenza del dominio e in insight pratici aziendali, hanno portato a migliaia di prototipi che altrimenti non sarebbero mai emersi.

Con oltre 30.000 progetti unici derivanti da questo sforzo, stiamo definendo il ritmo per l’economia dell’AI, dove tutti hanno gli strumenti per innovare con l’AI. Allo stesso tempo, stiamo sbloccando la creatività su larga scala e potenziando la forza lavoro – sia all’interno di Cognizant che per i nostri clienti attraverso le industrie che serviamo – per diventare più alfabetizzati nell’AI.

Assolutamente vediamo questa iniziativa come un modello che altre organizzazioni possono replicare. Combinando strumenti di AI accessibili, una cultura collaborativa e aperta e una valutazione dell’AI su larga scala, possiamo servire meglio i nostri clienti per sbloccare la creatività inespressa e accelerare lo sviluppo delle competenze nell’AI in tutta la loro forza lavoro.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Cognizant.