Бабак Ходжат, технический директор по ИИ в Cognizant – Серия интервью

Бабак Ходжат является техническим директором по ИИ в Cognizant, и бывшим сооснователем и генеральным директором Sentient. Он отвечает за основную технологию, лежащую в основе крупнейшей в мире распределенной системы искусственного интеллекта. Бабак также был основателем первого в мире хедж-фонда, основанного на ИИ, Sentient Investment Management. Он является серийным предпринимателем, основавшим несколько компаний в долине Силикона в качестве основного изобретателя и технолога.

До сооснования Sentient Бабак был старшим директором по инженерии в Sybase iAnywhere, где он возглавлял инженерию мобильных решений. Он также был сооснователем, техническим директором и членом совета директоров Dejima Inc. Бабак является основным изобретателем патентованной технологии Dejima, ориентированной на агентов, применяемой к интеллектуальным интерфейсам для мобильных и корпоративных вычислений – технологии, лежащей в основе Siri от Apple.

Опубликованный ученый в области искусственной жизни, ориентированного на агентов программного обеспечения и распределенного искусственного интеллекта, Бабак имеет 31 выданную или ожидаемую патент. Он является экспертом в различных областях ИИ, включая обработку естественного языка, машинное обучение, генетические алгоритмы и распределенный ИИ, и основал несколько компаний в этих областях. Бабак имеет степень доктора философии по машинному интеллекту в Университете Кюсю, в Фукуоке, Япония.

Оглядываясь на свою карьеру, от основания нескольких компаний, основанных на ИИ, до руководства лабораторией ИИ Cognizant, какие самые важные уроки вы выучили о инновациях и лидерстве в ИИ?

Инновации требуют терпения, инвестиций и ухода, и они должны быть поощрены и неограничены. Если вы построили правильную команду инноваторов, вы можете доверять им и давать им полную художественную свободу выбирать, как и что они исследуют. Результаты часто удивляют. С точки зрения лидерства, исследования и инновации не должны быть приятными или после мысли. Я организовал исследовательские команды довольно рано, когда строил стартапы, и всегда был сильным сторонником инвестиций в исследования, и это оправдалось. В хорошее время исследования держат вас впереди конкурентов, а в плохое время они помогают вам диверсифицировать и выжить, поэтому нет оправдания для недоинвестирования, ограничения или перегрузки их краткосрочными бизнес-приоритетами.

Как один из основных изобретателей Siri от Apple, как ваш опыт разработки интеллектуальных интерфейсов повлиял на ваш подход к руководству инициативами ИИ в Cognizant?

Технология обработки естественного языка, которую я изначально разработал для Siri, была основана на агентах, поэтому я работал с этой концепцией в течение долгого времени. ИИ не был так мощным в 90-х годах, поэтому я использовал многоагентную систему для понимания и сопоставления естественного языка с действиями. Каждый агент представлял собой небольшую часть области дискурса, поэтому ИИ в каждом агенте имел простую среду для освоения. Сегодня системы ИИ мощные, и один большой языковый модель может делать многое, но мы все еще выигрываем, если относимся к нему как к работнику знаний в коробке, ограничивая его область, давая ему описание работы и связывая его с другими агентами с разными обязанностями. ИИ может таким образом дополнить и улучшить любой бизнес-процесс.

Как часть моей компетенции в качестве технического директора по ИИ в Cognizant, я руковожу нашей передовой лабораторией ИИ в Сан-Франциско. Наш основной принцип исследования – принятие решений на основе агентов. На сегодняшний день у нас есть 56 патентов США на основную технологию ИИ, основанную на этом принципе. Мы полностью в этом.

Можете ли вы рассказать о передовых исследованиях и инновациях, которые в настоящее время разрабатываются в лаборатории ИИ Cognizant? Как эти разработки решают конкретные потребности компаний из списка Fortune 500?

У нас есть несколько студий ИИ и центров инноваций. Наша передовая лаборатория ИИ в Сан-Франциско фокусируется на расширении границ ИИ. Это часть нашего обязательства, объявленного в прошлом году, инвестировать 1 миллиард долларов в генеративный ИИ в течение следующих трех лет.

Более конкретно, мы фокусируемся на разработке новых алгоритмов и технологий для обслуживания наших клиентов. Доверие, объяснимость и принятие решений с несколькими целями являются среди важных областей, которые мы преследуем и которые жизненно важны для компаний из списка Fortune 500.

Что касается доверия, мы заинтересованы в исследованиях и разработках, которые углубляют наше понимание того, когда мы можем доверять процессу принятия решений ИИ, и когда человек должен вмешаться. У нас есть несколько патентов, связанных с этой типом моделирования неопределенности. Аналогично, нейронные сети, генеративный ИИ и большие языковые модели по своей природе непрозрачны. Мы хотим иметь возможность оценить решение ИИ и задать ему вопросы о том, почему он рекомендовал что-то – по сути, сделать его объяснимым. Наконец, мы понимаем, что иногда решения, которые компании хотят принять, имеют более одного результата – снижение затрат при увеличении доходов, сбалансированное с этическими соображениями, например. ИИ может помочь нам достичь лучшего баланса всех этих результатов, оптимизируя стратегии принятия решений многократно. Это еще одна очень важная область в наших исследованиях ИИ.

Следующие два года считаются критическими для генеративного ИИ. Что, по вашему мнению, будут основные изменения в этот период, и как компании должны подготовиться?

Мы вступаем в взрывной период для коммерциализации технологий ИИ. Сегодня основными областями применения ИИ являются повышение производительности, создание лучших интерфейсов, основанных на естественном языке, суммирование данных и помощь в кодировании. В течение этого ускорения мы считаем, что организация общей технологической и ИИ-стратегии вокруг основного принципа многоагентных систем и принятия решений позволит компаниям добиться успеха. В Cognizant наше внимание к инновациям и прикладным исследованиям поможет нашим клиентам использовать ИИ для получения стратегического преимущества, поскольку он становится все более интегрированным в бизнес-процессы.

Как генеративный ИИ изменит отрасли, и какие наиболее интересные варианты использования появляются из лаборатории ИИ Cognizant?

Генеративный ИИ стал огромным шагом вперед для бизнеса. Теперь у вас есть возможность создать ряд работников знаний, которые могут помочь людям в их повседневной работе. Будь то оптимизация обслуживания клиентов через интеллектуальные чат-боты или управление складским запасом через интерфейс естественного языка, большие языковые модели очень хороши в специализированных задачах.

Но то, что будет дальше, действительно изменит отрасли, когда агенты получат возможность общаться друг с другом. Будущее будет заключаться в том, что компании будут иметь агентов в своих устройствах и приложениях, которые могут решать ваши потребности и взаимодействовать с другими агентами от вашего имени. Они будут работать на протяжении всей компании, чтобы помочь людям во всех ролях, от кадров и финансов до маркетинга и продаж. В ближайшем будущем компании будут естественно склоняться к тому, чтобы стать основанными на агентах.

Примечательно, что у нас уже есть многоагентная система, разработанная в нашей лаборатории в виде Neuro AI, генератора вариантов использования ИИ, который позволяет клиентам быстро создавать и прототипировать варианты использования ИИ для своего бизнеса. Он уже дает некоторые интересные результаты, и мы скоро поделимся ими.

Какую роль будут играть многоагентные архитектуры в следующей волне трансформации генеративного ИИ, особенно в крупномасштабных корпоративных средах?

В наших исследованиях и разговорах с корпоративными лидерами мы получаем все больше вопросов о том, как они могут сделать генеративный ИИ влиятельным в масштабе. Мы считаем, что трансформационный потенциал многоагентных систем искусственного интеллекта является центральным для достижения этого воздействия. Многоагентная система ИИ объединяет агенты ИИ, встроенные в программные системы в различных областях по всей компании. Подумайте об этом как о системе систем, которая позволяет большим языковым моделям взаимодействовать друг с другом. Сегодня проблема заключается в том, что, хотя бизнес-цели, деятельности и метрики глубоко переплетены, программные системы, используемые различными командами, не являются, создавая проблемы. Например, задержки в цепочке поставок могут повлиять на персонал распределительного центра. Ввод нового поставщика может повлиять на выбросы парниковых газов. Переворот клиентов может указывать на дефекты продукта. Изолированные системы означают, что действия часто основаны на выводах, полученных из одной программы и применяемых к одной функции. Многоагентные архитектуры осветят идеи и интегрированные действия по всему бизнесу. Это реальная сила, которая может катализировать корпоративную трансформацию.

Как, по вашему мнению, будут развиваться многоагентные системы (MAS) в течение следующих нескольких лет, и как это повлияет на более широкий ландшафт ИИ?

Многоагентная система ИИ функционирует как виртуальная рабочая группа, анализирующая запросы и извлекающая информацию из всей компании, чтобы произвести комплексное решение не только для исходного запроса, но и для других команд. Если мы рассмотрим конкретную отрасль, это может революционизировать операции в таких областях, как производство, например. Агент по закупкам проанализирует существующие процессы и порекомендует более экономически эффективные альтернативные компоненты на основе сезонов и спроса. Этот агент по закупкам затем соединится с агентом по устойчивому развитию, чтобы определить, как изменение повлияет на экологические цели. Наконец, агент по регулированию будет контролировать деятельность по соблюдению требований, обеспечивая, чтобы команды представляли полные и актуальные отчеты вовремя.

Хорошая новость заключается в том, что многие компании уже начали органично интегрировать чат-боты, основанные на больших языковых моделях, но они должны быть намеренными в том, как они начинают соединять эти интерфейсы. Следует проявлять осторожность в отношении гранулярности агентификации, типов больших языковых моделей, используемых, и когда и как их донастраивать, чтобы сделать их эффективными. Организации должны начинать с верха, учитывать свои потребности и цели, и работать вниз, чтобы решить, что можно агентифицировать.

Каковы основные проблемы, которые мешают компаниям полностью принять ИИ, и как Cognizant решает эти препятствия?

Несмотря на поддержку лидерства и инвестиции, многие компании боятся отстать в ИИ. Согласно нашим исследованиям, существует разрыв между стратегическим обязательством лидеров и уверенностью в выполнении. Стоимость и доступность талантов, а также воспринимаемая незрелость текущих решений генеративного ИИ являются двумя значительными препятствиями, которые мешают компаниям полностью принять ИИ.

Cognizant играет важную роль в помощи компаниям преодолеть путь от производительности ИИ к росту. Фактически, недавние данные из исследования, которое мы провели с Oxford Economics, указывают на необходимость внешней экспертизы для помощи в принятии ИИ, причем 43% компаний указывают, что они планируют работать с внешними консультантами, чтобы разработать план генеративного ИИ. Традиционно Cognizant владел последней милей с клиентами – мы делали это с хранилищами данных и миграцией в облако, и агентификация не будет отличаться. Это работа, которая должна быть высоко индивидуализированной. Это не путешествие, которое подходит всем. Мы являемся экспертами, которые могут помочь определить бизнес-цели и план реализации, а затем привлечь правильных агентов, построенных на заказ, чтобы решить бизнес-потребности. Мы являемся, и всегда были, людьми, которых нужно звать.

Многие компании испытывают трудности с получением немедленной отдачи от инвестиций в ИИ. Какие распространенные ошибки они совершают, и как их можно избежать?

Генеративный ИИ намного более эффективен, когда компании вводят его в свой собственный контекст данных – то есть настраивают его на своей сильной основе корпоративных данных. Кроме того, рано или поздно компании должны будут сделать сложный шаг и переосмыслить свои основные бизнес-процессы. Сегодня многие компании используют ИИ для автоматизации и улучшения существующих процессов. Более значительные результаты могут произойти, когда они начнут задавать вопросы о том, какие составляющие этого процесса, как его изменить и подготовиться к возникновению чего-то, что еще не существует? Да, это потребует культурных изменений и принятия некоторых рисков, но кажется неизбежным, когда организация многих частей организации в одну мощную целость.

Какой совет вы дадите начинающим лидерам ИИ, которые хотят оказать значительное влияние в этой области, особенно внутри крупных компаний?

Трансформация бизнеса сложна по своей природе. Начинающим лидерам ИИ внутри крупных компаний следует сосредоточиться на разрушении процессов, экспериментировании с изменениями и инновациях. Это требует сдвига в мышлении и рассчитанных рисков, но может создать более мощную организацию.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Cognizant.