Babak Hodjat, CTO of AI at Cognizant – Wywiad

Babak Hodjat jest CTO of AI at Cognizant, oraz były współzałożyciel i CEO Sentient. Jest odpowiedzialny za podstawową technologię za największym rozproszonym systemem sztucznej inteligencji na świecie. Babak był również założycielem pierwszego funduszu hedgingowego napędzanego przez sztuczną inteligencję, Sentient Investment Management. 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 inżynierią rozwiązań mobilnych. Był również współzałożycielem, CTO i członkiem zarządu Dejima Inc. Babak jest głównym wynalazcą patentowanej technologii Dejima, opartej na agentach, stosowanej w inteligentnych interfejsach dla komputingu mobilnego i przedsiębiorstw – technologia stanowiąca podstawę Siri Apple (AAPL ).

Opublikowany uczony w dziedzinach sztucznej inteligencji, inżynierii oprogramowania opartej na agentach i rozproszonej sztucznej inteligencji, Babak ma 31 przyznanych lub oczekujących patentów. Jest ekspertem w wielu dziedzinach sztucznej inteligencji, w tym przetwarzaniu języka naturalnego, uczeniu maszynowym, algorytmach genetycznych i rozproszonej sztucznej inteligencji, oraz założył wiele firm w tych dziedzinach. Babak posiada tytuł doktora w dziedzinie inteligencji maszynowej na Uniwersytecie w Fukuoka, w Japonii.

Spójrzając wstecz na swoją karierę, od założenia wielu firm napędzanych przez sztuczną inteligencję do kierowania laboratorium AI w Cognizant, jakie są najważniejsze lekcje, które nauczyłeś się o innowacjach i przywództwie w dziedzinie sztucznej inteligencji?

Innowacje wymagają cierpliwości, inwestycji i pielęgnacji, oraz powinny być wspierane i nieograniczone. Jeśli zbudowałeś odpowiedni zespół innowatorów, możesz im zaufać i dać im pełną swobodę artystyczną w wyborze tego, co i jak badają. Wyniki często będą Cię zaskakiwać. Z perspektywy przywództwa, badania i innowacje nie powinny być miłym dodatkiem lub pomyślunkiem. Utworzyłem zespoły badawcze stosunkowo wcześnie, gdy budowałem startupy, i zawsze byłem silnym orędownikiem inwestycji w badania, co się opłaciło. W dobrych czasach, badania utrzymują Cię przed konkurencją, a w złych czasach, pomagają Ci różnicować i przetrwać, więc nie ma wymówki dla niedoinwestowania, ograniczania lub obciążania ich krótkoterminowymi priorytetami biznesowymi.

Jako jeden z głównych wynalazców Siri Apple, jak Twoje doświadczenie w tworzeniu inteligentnych interfejsów ukształtowało Twoje podejście do kierowania inicjatywami AI w Cognizant?

Technologia języka naturalnego, którą pierwotnie opracowałem dla Siri, była oparta na agentach, więc pracowałem z tym pojęciem przez długi czas. Sztuczna inteligencja nie była tak potężna w latach 90., więc użyłem systemu wieloagentowego, aby rozwiązać problem zrozumienia i mapowania poleceń języka naturalnego na akcje. Każdy agent reprezentował mały podzbiór dziedziny dyskursu, więc sztuczna inteligencja w każdym agencie miała proste środowisko do opanowania. Dziś, systemy sztucznej inteligencji są potężne, a jeden LLM może wykonywać wiele zadań, ale nadal korzystamy z traktowania go jako pracownika wiedzy w pudełku, ograniczając jego dziedzinę, nadając mu opis pracy i łącząc go z innymi agentami o różnych odpowiedzialnościach. Sztuczna inteligencja może w ten sposób uzupełnić i poprawić każdy proces biznesowy.

Jako część moich obowiązków jako CTO of AI at Cognizant, kieruję naszym Advanced AI Lab w San Francisco. Naszym podstawowym założeniem badawczym jest podejmowanie decyzji opartych na agentach. Jak dotąd, mamy 56 patentów amerykańskich na podstawową technologię AI opartą na tym założeniu. Jesteśmy w tym zaangażowani.

Czy mógłbyś wyjaśnić, jakie są najnowsze badania i innowacje rozwijane w laboratorium AI Cognizant? Jak te rozwoje odpowiadają na specyficzne potrzeby firm z listy Fortune 500?

Mamy kilka studiów AI i centrów innowacji. Nasze Advanced AI Lab w San Francisco koncentruje się na rozszerzaniu stanu sztuki w dziedzinie sztucznej inteligencji. Jest to część naszego zobowiązania ogłoszonego w zeszłym roku, aby zainwestować 1 miliard dolarów w generatywną sztuczną inteligencję w ciągu najbliższych trzech lat.

Bardziej szczegółowo, koncentrujemy się na opracowaniu nowych algorytmów i technologii, aby służyć naszym klientom. Zaufanie, wyjaśnialność i decyzje wieloaspektowe są wśród ważnych obszarów, których się zajmujemy, a które są niezbędne dla przedsiębiorstw z listy Fortune 500.

Jeśli chodzi o zaufanie, interesujemy się badaniami i rozwojem, które pogłębiają nasze zrozumienie, kiedy możemy ufać decyzjom sztucznej inteligencji, oraz kiedy powinien się zaangażować człowiek. Mamy kilka patentów związanych z tym rodzajem modelowania niepewności. Podobnie, sieci neuronowe, generatywna sztuczna inteligencja i LLM są z natury nieprzezroczyste. Chcemy móc ocenić decyzję sztucznej inteligencji i zadać jej pytania o to, dlaczego coś zaleciła – podstawowo sprawiając, że staje się wyjaśnialna. Wreszcie, rozumiemy, że czasami decyzje, które firmy chcą podjąć, mają więcej niż jeden cel – na przykład redukcja kosztów przy jednoczesnym zwiększaniu przychodów, zrównoważonych z uwzględnieniem etyki. Sztuczna inteligencja może pomóc nam osiągnąć najlepszy balans wszystkich tych wyników, optymalizując strategie decyzyjne w sposób wieloaspektowy. Jest to kolejny bardzo ważny obszar naszych badań sztucznej inteligencji.

Następne dwa lata uważane są za krytyczne dla generatywnej sztucznej inteligencji. Co uważasz, że będą najważniejsze zmiany w tym okresie, oraz jak powinny się do tego przygotować przedsiębiorstwa?

Wkraczamy w okres eksplozji komercjalizacji technologii sztucznej inteligencji. Dziś, główne zastosowania sztucznej inteligencji to poprawa produktywności, tworzenie lepszych interfejsów użytkownika opartych na języku naturalnym, podsumowywanie danych i pomoc w kodowaniu. W tym okresie przyspieszenia, uważamy, że organizowanie ogólnej strategii technologicznej i sztucznej inteligencji wokół podstawowego założenia systemów wieloagentowych i podejmowania decyzji pozwoli przedsiębiorstwom odnieść sukces. W Cognizant, nasz nacisk na innowacje i zastosowane badania pomoże naszym klientom wykorzystać sztuczną inteligencję, aby zwiększyć przewagę strategiczną, gdy staje się ona coraz bardziej zintegrowana z procesami biznesowymi.

Jak Generatywna Sztuczna Inteligencja zmieni branże, oraz jakie są najbardziej interesujące przypadki użycia, które pojawiają się w laboratorium AI Cognizant?

Generatywna sztuczna inteligencja była ogromnym krokiem do przodu dla firm. Teraz masz możliwość stworzenia serii pracowników wiedzy, którzy mogą pomagać ludziom w ich codziennej pracy. Niezależnie od tego, czy chodzi o usprawnienie obsługi klienta za pomocą inteligentnych czatbotów, czy zarządzanie magazynem za pomocą interfejsu języka naturalnego, LLM są bardzo dobre w specjalistycznych zadaniach.

Ale to, co nastąpi, to co naprawdę zmieni branże, gdy agenci uzyskają możliwość komunikowania się ze sobą. Przyszłość będzie polegać na tym, że firmy będą miały agenci w swoich urządzeniach i aplikacjach, które mogą rozwiązać Twoje potrzeby i wchodzić w interakcje z innymi agentami w Twoim imieniu. Będą one działać w całych firmach, aby pomagać ludziom w każdej roli, od HR i finansów po marketing i sprzedaż. W niedalekiej przyszłości, firmy będą naturalnie ewoluować w kierunku stania się opartymi na agentach.

Godne uwagi jest to, że już mamy system wieloagentowy opracowany w naszym laboratorium w postaci Neuro AI, generatora przypadków użycia sztucznej inteligencji, który pozwala klientom szybko tworzyć i prototypować przypadki użycia sztucznej inteligencji dla ich firm. Już teraz daje to pewne interesujące wyniki, a wkrótce podzielimy się więcej informacjami na ten temat.

Jaką rolę będą odgrywać architektury wieloagentowe w następnej fali transformacji Gen AI, szczególnie w dużych środowiskach przedsiębiorstw?

W naszych badaniach i rozmowach z liderami korporacyjnymi, otrzymujemy coraz więcej pytań o to, jak mogą uczynić Generatywną Sztuczną Inteligencję wpływową w skali. Uważamy, że przemieniona obietnica systemów sztucznej inteligencji wieloagentowej jest centralna dla osiągnięcia tego wpływu. System sztucznej inteligencji wieloagentowej łączy agenci sztucznej inteligencji zbudowane w systemach oprogramowania w różnych obszarach przedsiębiorstwa. Można to uznać za system systemów, który pozwala LLM na interakcję ze sobą. Dziś, wyzwanie polega na tym, że nawet jeśli cele biznesowe, działania i metryki są głęboko splecione, systemy oprogramowania używane przez różne zespoły nie są, co powoduje problemy. Na przykład, opóźnienia w łańcuchu dostaw mogą wpłynąć na obsadę centrów dystrybucyjnych. Wprowadzenie nowego dostawcy może wpłynąć na emisje Scope 3. Rotacja klientów może wskazywać na wady produktu. Systemy wyizolowane oznaczają, że działania są często oparte na spostrzeżeniach wyciągniętych z jednego programu i zastosowanych do jednej funkcji. Architektury wieloagentowe oświetlą spostrzeżenia i zintegrowane działanie w całym biznesie. To jest prawdziwa moc, która może katalizować transformację przedsiębiorstwa.

Jak widzisz ewolucję systemów wieloagentowych (MAS) w ciągu najbliższych kilku lat, oraz jak to wpłynie na szerszy krajobraz sztucznej inteligencji?

System sztucznej inteligencji wieloagentowej działa jak wirtualna grupa robocza, analizująca podpowiedzi i wyciągająca informacje z całego biznesu, aby wyprodukować kompleksowe rozwiązanie nie tylko dla pierwotnego wnioskodawcy, ale także dla innych zespołów. Jeśli przyjrzysz się bliżej konkretnemu przemysłowi, to może rewolucjonizować operacje w obszarach takich jak produkcja. Agent zaopatrzenia analizuje istniejące procesy i zaleca bardziej opłacalne alternatywne składniki w zależności od pory roku i popytu. Ten Agent zaopatrzenia łączy się następnie z Agentem zrównoważonym, aby określić, jak zmiana wpłynie na cele środowiskowe. Wreszcie, Agent regulacyjny nadzoruje działalność zgodności, zapewniając, że zespoły składają kompletne i aktualne raporty na czas.

Dobra wiadomość jest taka, że wiele firm już zaczęło integrować organicznie LLM-powiązane czatboty, ale muszą być świadome, jak zaczną łączyć te interfejsy. Należy zachować ostrożność co do stopnia agentifikacji, rodzajów LLM używanych, oraz kiedy i jak je dostosowywać, aby były skuteczne. Organizacje powinny zacząć od góry, rozważyć swoje potrzeby i cele, oraz pracować w dół, aby zdecydować, co można agentifikować.

Jakie są główne wyzwania, które powstrzymują przedsiębiorstwa przed pełnym zaakceptowaniem sztucznej inteligencji, oraz jak Cognizant rozwiązuje te przeszkody?

Pomimo poparcia kierownictwa i inwestycji, wiele przedsiębiorstw obawia się, że pozostanie w tyle za sztuczną inteligencją. Według naszych badań, istnieje luka między zaangażowaniem strategicznym liderów a pewnością wykonania. Koszt i dostępność talentów oraz postrzegana niedojrzałość obecnych rozwiązań Generatywnej Sztucznej Inteligencji są dwoma znaczącymi inhibitorami, które powstrzymują przedsiębiorstwa przed pełnym zaakceptowaniem sztucznej inteligencji.

Cognizant odgrywa integralną rolę w pomocy przedsiębiorstwom w przejściu z produktywności do wzrostu. W rzeczywistości, niedawne dane z badania przeprowadzonego z Oxford Economics wskazują na potrzebę zewnętrznej ekspertyzy, aby pomóc w przyjęciu sztucznej inteligencji, z 43% firm wskazujących, że planują współpracować z konsultantami zewnętrznymi, aby opracować plan dla generatywnej sztucznej inteligencji. Tradycyjnie, Cognizant posiadał ostatnią milę z klientami – zrobiliśmy to z magazynowaniem danych i migracją do chmury, a agentifikacja nie będzie inna. To jest praca, która musi być wysoko dostosowana. Nie jest to podróż jednego rozmiaru. Jesteśmy ekspertami, którzy mogą pomóc w identyfikacji celów biznesowych i planu wdrożenia, a następnie wprowadzić odpowiednich, dostosowanych agentów, aby rozwiązać potrzeby biznesowe. Jesteśmy, i zawsze byliśmy, ludźmi, do których się zwraca.

Wiele firm ma trudności z uzyskaniem natychmiastowego zwrotu z inwestycji w sztuczną inteligencję. Jakie są typowe błędy, które popełniają, oraz jak można ich uniknąć?

Generatywna sztuczna inteligencja jest o wiele bardziej skuteczna, gdy firmy wprowadzają ją w swoim własnym kontekście danych – to znaczy, dostosowują ją do swojej własnej silnej podstawy danych przedsiębiorstwa. Ponadto, prędzej czy później, przedsiębiorstwa będą musiały podjąć trudną decyzję o przemyśleniu swoich podstawowych procesów biznesowych. Dziś, wiele firm używa sztucznej inteligencji do automatyzacji i poprawy istniejących procesów. Większe rezultaty mogą wystąpić, gdy zaczną zadawać pytania takie jak: jakie są składniki tego procesu, jak mogę je zmienić i przygotować się do pojawienia się czegoś, co jeszcze nie istnieje? Tak, wymaga to zmiany kulturowej i akceptacji pewnego ryzyka, ale wydaje się nieuniknione, gdy organizuje się wiele części organizacji w jedną potężną całość.

Jakie rady dałbyś nowo powstającym liderom sztucznej inteligencji, którzy chcą wywrzeć znaczący wpływ w tej dziedzinie, szczególnie w ramach dużych przedsiębiorstw?

Transformacja biznesu jest z natury złożona. Nowo powstający liderzy sztucznej inteligencji w ramach dużych przedsiębiorstw powinni skupić się na rozpadzie procesów, eksperymentowaniu z zmianami i innowacjami. To wymaga zmiany myślenia i kalkulowanych ryzyk, ale może stworzyć bardziej potężną organizację.

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