Babak Hodjat, Chief AI Officer w firmie Cognizant – seria wywiadów

Babak Hodjat, Chief AI Officer kieruje laboratoriami badawczymi AI, zespołem deweloperów i badaczy, którzy rozwijają stan sztuki w dziedzinie AI, tworząc różnicujące funkcje AI w ofercie Cognizant oraz prowadząc inicjatywy AI dla dobra.

Babak jest byłym współzałożycielem i CEO Sentient, odpowiedzialnym za podstawową technologię za największym systemem AI na świecie. Babak był również założycielem pierwszego funduszu hedgingowego napędzanego przez AI, Sentient Investment Management.

Babak jest przedsiębiorcą, który założył wiele firm w Dolinie Krzemowej jako główny wynalazca i technolog. Przed współzałożeniem Sentient, Babak był starszym dyrektorem inżynierii w Sybase iAnywhere, gdzie kierował rozwojem rozwiązań mobilnych. Przed Sybase, Babak był współzałożycielem, CTO i członkiem zarządu Dejima Inc. Babak jest głównym wynalazcą patentowanej, agentowej technologii Dejima, stosowanej w inteligentnych interfejsach dla komputingu mobilnego i przedsiębiorstw – technologii, która stoi za Apple Siri.

Babak opublikował ponad 50 prac w dziedzinie sztucznej inteligencji, inżynierii oprogramowania i rozproszonej inteligencji sztucznej, oraz posiada 39 patentów w USA. Jest ekspertem w wielu dziedzinach AI, w tym przetwarzaniu języka naturalnego, uczeniu maszynowym, algorytmach ewolucyjnych i AI rozproszonej.

Cognizant to globalna firma świadcząca usługi profesjonalne i konsultingowe IT, która pomaga organizacjom modernizować swoją infrastrukturę cyfrową, wdrażać nowe technologie, takie jak AI, chmura, dane i automatyzację, oraz dostosowywać procesy biznesowe, aby napędzać elastyczność i wzrost.

Założyłeś wiele firm AI, napisałeś dwie książki i pomogłeś w rozwoju technologii, która wpłynęła na Siri. Jakie osobiste doświadczenia lub punkty zwrotne najbardziej ukształtowały twoją wiarę w AI jako narzędzie do realnego wpływu na świat?

Mój zainteresowanie AI zaczęło się wcześnie w moich latach akademickich i tylko umocniło się od tego czasu. Kilka kluczowych punktów zwrotnych obejmowało tworzenie niektórych z pierwszych systemów opartych na agentach w Dejima do programowania urządzeń konsumenckich, takich jak magnetowidy, pracę, którą wykonaliśmy w Sentient Technologies, stosując AI do złożonych problemów, takich jak handel finansowy. Technologia języka naturalnego, którą opracowałem dla Siri, również była oparta na agentach i była kolejnym punktem zwrotnym.

Te aplikacje w świecie rzeczywistym pokazały mi, że AI może wyjść poza teoretyczne konstrukcje i dostarczyć namacalną wartość biznesową. Teraz wkraczamy w okres eksplozji komercjalizacji technologii AI, zwłaszcza systemów wieloagentowych, które całkowicie zmienią, jak przedsiębiorstwa działają, umożliwiając automatyzację wielu złożonych zadań.

Porozmawiajmy o twoim najnowszym projekcie – tym systemie AI do planowania użytkowania ziemi opracowanym z Uniwersytetem Teksańskim. Co zainspirowało rozwój tego narzędzia, a jak reprezentuje ono przejście od teoretycznego AI do wpływu polityki w świecie rzeczywistym?

System AI do planowania użytkowania ziemi, który opracowaliśmy we współpracy z Uniwersytetem Teksańskim w Austin, został zainspirowany potrzebą rozwiązania złożonych wymian między środowiskiem a gospodarką w użytkowaniu ziemi na świecie. Ramka napędzana przez uczenie maszynowe wykorzystuje technologię za Cognizant Neuro AI Decisioning i jest zbudowana na platformie Project Resilience.

Nasze wspólne zespoły badawcze miały na celu pomóc w realizacji celów zrównoważonego rozwoju ONZ, tworząc narzędzie, które mogłoby zoptymalizować użytkowanie ziemi w celu maksymalizacji magazynowania węgla, minimalizacji zakłóceń gospodarczych i zachowania dostaw żywności i siedlisk. Tradycyjne podejścia często pomijają subtelne wymiany, takie jak efekt konwersji gruntów rolnych lub pastwisk w lasy.

System ten oznacza znaczącą zmianę od pojęć teoretycznych AI do wpływu polityki w świecie rzeczywistym. Integruje historyczne dane o użytkowaniu ziemi sięgające setek lat i dane o węglu z zaawansowanymi algorytmami ewolucyjnymi, aby dostarczyć działania i zalecenia zoptymalizowane, a nie abstrakcyjne przewidywania.

Oddzielnie, stworzyliśmy interaktywne narzędzie, które generuje i ocenia scenariusze polityki klimatycznej przy użyciu symulatora En-ROADS, pomagając decydentom porównywać i dostosowywać plany działania. System pozwala legislatorom i decydentom symulować zachęty polityczne i bezpośrednio zrozumieć wymiany, pomagając im wybrać ukierunkowane i wydajne interwencje.

Czy możesz opowiedzieć nam, jak działa to narzędzie z perspektywy użytkownika? Jakie decyzje może ono wspierać, a jak dostarcza dostosowane zalecenia dla różnych regionów?

Z perspektywy użytkownika, narzędzie AI działa jako interaktywna platforma wspierająca decyzje w dynamicznym, danych środowisku, która pomaga podejmować mądrzejsze decyzje, które działają dla celów klimatycznych.

Policymakers, legislatorzy i inni interesariusze mogą badać różne strategie użytkowania ziemi i ich wpływ na środowisko i gospodarkę. Użytkownicy mogą symulować zachęty – na przykład kredyty podatkowe dla właścicieli ziem – i obserwować, jak mogą one wpłynąć na zmiany w użytkowaniu ziemi w celu zmniejszenia emisji węgla.

Wspiera on szereg decyzji dostosowanych do różnych regionów. Na przykład, może pomóc określić, gdzie należy dokonać zmian w użytkowaniu ziemi, aby osiągnąć najlepsze wyniki, jak wiele ziemi przekształcić (np. zamienić ziemię uprawną na las) i jakie są zalety i wady różnych polityk związanych z ziemią. Aby dostarczyć dostosowane porady, bierze pod uwagę globalną historię użytkowania ziemi i dane o węglu, aby sugerować różne podejścia dla różnych obszarów.

Symulator En-ROADS napędzany przez Neuro AI może pomóc decydentom i legislatorom eksperymentować z różnymi wymianami dla osiągnięcia różnych celów klimatycznych.

AI ewolucyjna została opisana jako “tajny składnik” za tym projektem. Jak działa to podejście w praktyce, a dlaczego jest ono tak skuteczne w rozwiązywaniu złożonych problemów środowiskowych i politycznych?

Pomysł za AI ewolucyjną jest zainspirowany selekcją naturalną w biologii. Jako podejście obliczeniowe w kontekście planowania użytkowania ziemi, w praktyce, naśladuje ewolucję naturalną, aby znaleźć inteligentne rozwiązania dla złożonych problemów środowiskowych, z którymi tradycyjne metody mają trudności.

Zamiast próbować zaprogramować idealne polityki użytkowania ziemi od początku, podejście AI ewolucyjne tworzy różne modele polityczne i testuje je w symulowanych środowiskach z realnymi danymi klimatycznymi i związanymi z ziemią. Zachowuje najlepsze polityki i “rozmnaża” je, dodając mutacje, aby odkryć nieoczekiwane rozwiązania. Powtarza ten proces przez wiele pokoleń, wyłaniając słabe wykonawców i zachowując najlepsze spośród setek lub tysięcy scenariuszy.

System ten radzi sobie dobrze z problemami środowiskowymi, ponieważ nie zostaje przytłoczony przez wiele zmiennych, takich jak typy gleby, warunki klimatyczne i czynniki ekonomiczne.

Polityka użytkowania ziemi często obejmuje konkurencyjne cele – wzrost gospodarczy, redukcja węgla, bezpieczeństwo żywnościowe. Jak system radzi sobie z tymi wymianami, a jakie nietypowe spostrzeżenia ujawnił do tej pory?

Nasze AI system było opracowane specjalnie, aby radzić sobie z konkurencyjnymi celami, takimi jak wzrost gospodarczy, redukcja węgla i bezpieczeństwo żywnościowe. Generuje fronty Pareto (pojęcie inżynierskie stosowane w optymalizacji wielokryterialnej), które wymieniają wpływ węgla i zmiany użytkowania ziemi dla różnych lokalizacji.

Zespół badawczy napotkał kilka nietypowych spostrzeżeń. Na przykład, podczas gdy konwencjonalna mądrość uznaje lasy za dobre do magazynowania węgla, AI nie domyślał się, że zaleca maksymalizację pokrycia lasów wszędzie. Zamiast tego, ujawnił ważne różnice: zastąpienie pastwisk, takich jak pustynie i łąki, lasami nie było tak skuteczne, jak zastąpienie ziemi uprawnej lasami. Położenie geograficzne okazało się również kluczowe. Tożsame zmiany w użytkowaniu ziemi dawały różne wyniki w zależności od szerokości geograficznej.

Priorytet był jednym z najbardziej praktycznych spostrzeżeń AI. Zamiast rozprowadzać wysiłki równomiernie, sugerował koncentrowanie się na głównych transformacjach użytkowania ziemi w strategicznych lokalizacjach, gdzie miałyby największy wpływ.

Projekt Resilience ma na celu skalowanie tego rodzaju użyteczności AI, aby rozwiązać cele zrównoważonego rozwoju poza klimatem – takimi jak energia, zdrowie i nawet reakcja na pandemię. Co najbardziej cieszy cię w potencjale tego platformy, aby ją rozszerzyć na różne dziedziny?

Co najbardziej cieszy mnie w potencjale tej platformy, to to, że pokazujemy, że budowanie AI w sposób współpracy, dostępności i adaptowalności może prowadzić do potężnych rozwiązań dla rozwiązywania wielkich wyzwań globalnych. Platforma Project Resilience jest odpowiednim przykładem wdrożenia tych trzech zasad w działanie. Decydenci, uczeni danych i społeczeństwo mogą wziąć udział w tworzeniu narzędzi AI i podejmowaniu bardziej świadomych decyzji o znacznym wpływie. Zapraszamy czytelników do zostania współtwórcami tutaj.

AI Lab w Cognizant jest teraz głównym motorem innowacji, z dziesiątkami patentów i strategią inwestycyjną o wartości miliarda dolarów. Jak inicjatywy takie jak ta mieszczą się w szerszym planie dla zastosowanego AI w skali?

Inicjatywa AI do planowania użytkowania ziemi idealnie wpisuje się w nasze podejście do zastosowanego AI w Cognizant, które koncentruje się na rozwiązywaniu skomplikowanych, realnych problemów, a nie czysto akademickich ćwiczeń. AI ewolucyjna może radzić sobie z często złożonymi wymianami występującymi w biznesie i decyzjach politycznych. Rozwiązywanie wyzwań klimatycznych poprzez podejście, które balansuje czynniki ekonomiczne, społeczne i środowiskowe, pokazuje, jak AI może dostarczyć praktyczną wartość, zarządzając konkurencyjnymi priorytetami.

Praca ta odzwierciedla również naszą wizję rozwoju AI, które uzupełniają podejmowanie decyzji przez ludzi, a nie je zastępują.

Jesteś liderem wysiłków AI w startupach i przedsiębiorstwach. Co jest kluczem do zapewnienia, że technologie takie jak AI ewolucyjna pozostają wyjaśnialne i działające – a nie tylko potężne – dla rządów i interesariuszy przemysłowych?

Jedną z największych zalet AI ewolucyjnej jest to, że nie tylko stara się określić optymalne rozwiązania, ale może ujawnić alternatywne strategie, które rozszerzają zrozumienie interesariuszy tego, co jest możliwe.

AI i dane muszą służyć podejmowaniu decyzji, a nie tylko generować raporty. Decydenci toną w analizach, a jednocześnie stają przed coraz bardziej skomplikowanymi wyborami. Musimy zmienić nasz focus z prostego dostarczania spostrzeżeń i przewidywań na tworzenie interaktywnych systemów wspierających decyzje, które oferują rozwiązania preskryptywne na podstawie dostępnych danych. To podejście umożliwia nam nawigację w złożoności i podejmowanie lepszych decyzji, które ewoluują wraz ze zmianą okoliczności.

Spójrzmy w przyszłość, gdzie widzisz największe możliwości dla AI ewolucyjnej, aby napędzać wpływ poza użytkowaniem ziemi – czy to w kontroli chorób zakaźnych, planowaniu energii odnawialnej, czy czymś zupełnie innym?

Choroby zakaźne, planowanie energii odnawialnej i brak żywności to wszystko godne obszary, w których AI ewolucyjna może napędzać wpływ. Inicjatywa z ery COVID-19, nad którą pracowaliśmy, pokazuje potencjał. Przy pomocy Project Resilience, zbudowaliśmy systemy, które mogły zoptymalizować jednocześnie ograniczenie pandemii i stabilność gospodarczą, pomagając rządom, takim jak Islandia, podejmować decyzje oparte na danych o otwarciu szkół.

AI ewolucyjna pozwala nam wreszcie rozwiązywać najbardziej palące wyzwania globalne w zasadniczo inny sposób, który może zalecać konkretną politykę, która balansuje konkurencyjne priorytety, a nie produkować rozwiązania “jedne rozmiar pasuje do wszystkich”.

Moc AI ewolucyjnej polega na tym, że może symulować tysiące kombinacji politycznych, zachowując to, co działa, i odrzucając to, co nie działa. I nie jest to tylko teoretyczne. Budujemy interaktywne narzędzia, które umieszczają tę możliwość w rękach prawdziwych decydentów.

Po dekadach w dziedzinie AI widziałeś cykle hossy i ich upadek. Co daje ci pewność, że obecna fala – zwłaszcza narzędzia takie jak to – wreszcie spełnia obietnicę AI, aby poprawić społeczeństwo?

Prawdziwy postęp w kierunku obietnicy AI, aby poprawić społeczeństwo, zachodzi, gdy przechodzimy od cyklu hossy do budowania systemów, które uzupełniają podejmowanie decyzji przez ludzi w obszarach, które mają znaczenie, w tym zrównoważoności. To jest prawdziwa próba, czy AI wreszcie spełnia swoją obietnicę.

Co zaobserwowałem, to to, że technologia postępuje przez przewidywalne wzorce optymalizacji i demokratyzacji, a nie przez pojedyncze, nadmiernie nagłośnione momenty. Spójrz na historię komputowania. Przeszliśmy od komputerów, które zajmowały całe pomieszczenia, do potężnych zegarków, dzięki ciągłej doskonaleniu, a nie jednej dramatycznej skoki.

Wierzę, że jesteśmy na punkcie zwrotnym, w którym technologia może naprawdę poprawić społeczeństwo. Droga do przodu prowadzi przez praktyczne aplikacje, które rozwiązują realne problemy ludzi, takie jak nasza praca nad planowaniem użytkowania ziemi, która balansuje redukcję węgla z innymi celami. To jest sposób, w jaki AI spełnia swoją obietnicę: przez wymierny wpływ na nasze największe wyzwania.

Cognizant niedawno ustanowił rekord Guinnessa z największym wydarzeniem kodowania vibe – zaangażowaniem ponad 53 000 pracowników z 40 krajów i wytworzeniem ponad 30 000 prototypów. Z twojej perspektywy, co to mówi o roli kodowania vibe w demokratyzowaniu umiejętności AI w dużych organizacjach?

Skala i wpływ naszego wydarzenia kodowania vibe mówi wiele o tym, jak transformacyjne może być to podejście w demokratyzowaniu umiejętności AI. Ponad 40% uczestników nie było programistami, a 20% nigdy nie pisało linii kodu wcześniej. To mówi, że kodowanie vibe nie jest takie, że obniża poprzeczkę, ale otwiera drzwi dla ewoluującej siły roboczej z AI.

Zamiast wymagać głębokiej wiedzy programistycznej, kodowanie vibe pozwala każdemu z pomysłem wyrazić go w języku naturalnym i współpracować z AI, aby go ożywić. Dla doświadczonych deweloperów pozwala to zautomatyzować więcej procesów kodowania, aby mogli się skoncentrować na pracy o wyższej wartości, która napędza wartość biznesową.

Poprzez obniżanie barier i umożliwianie ręcznego eksperymentowania z AI generatywną, przenosimy umiejętności AI z wyspecjalizowanego zestawu umiejętności do wspólnej zdolności organizacyjnej. Dla organizacji, kodowanie vibe pomaga przyspieszyć kreatywność, usuwa bariery i odblokowuje zbiorową inteligencję całej siły roboczej w niezwykłej skali.

Poza imponującą skalą, jakie były najbardziej znaczące wyniki inicjatywy kodowania vibe? Czy widzisz to jako szablon, jak przedsiębiorstwa mogą upowszechniać innowacje i umiejętności AI na poziomie globalnym?

Prawdziwy wpływ naszej inicjatywy kodowania vibe polegał na entuzjazmie, jaki zobaczyliśmy w całej organizacji, z pracownikami z HR, sprzedaży, inżynierii, finansów, prawa, marketingu i innych, którzy zaakceptowali AI i wzięli w niej udział. Ich pomysły, oparte na głębokiej wiedzy branżowej i praktycznym spojrzeniu biznesowym, doprowadziły do tysięcy prototypów, które w przeciwnym razie mogłyby nie pojawić się.

Z ponad 30 000 unikalnych projektów wynikających z tego wysiłku, ustawiamy tempo dla gospodarki AI, w której każdy ma narzędzia do innowacji z AI. Jednocześnie odblokowujemy kreatywność w skali i upowszechniamy siłę roboczą – zarówno wewnątrz Cognizant, jak i dla naszych klientów w branżach, które obsługujemy – aby stać się bardziej umiejętnymi w AI.

Bez wątpienia widzimy tę inicjatywę jako szablon, który inne organizacje mogą powielić. Poprzez połączenie dostępnych narzędzi AI, otwartej i współpracy, oraz skalowalnej oceny AI, możemy lepiej służyć naszym klientom, aby odblokować niezapisaną kreatywność i przyspieszyć rozwój umiejętności AI w całej ich sile roboczej.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Cognizant.