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, управляемого ИИ, Sentient Investment Management. Он является серийным предпринимателем, основавшим несколько компаний в долине Силикона в качестве основного изобретателя и технолога.

До основания Sentient Бабак был старшим директором по инженерии в Sybase iAnywhere, где он возглавлял разработку решений для мобильных устройств. Он также был сооснователем, техническим директором и членом совета директоров Dejima Inc. Бабак является основным изобретателем запатентованной 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 программное обеспечение инжиниринга и распределенного искусственного интеллекта, Бабак имеет 31 патент, выданный или ожидаемый, на свое имя. 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 в области машинного интеллекта от Университета Кюсю, в Фукуоке, Япония.

Оглядываясь на свою карьеру, от основания нескольких компаний, управляемых ИИ, до руководства лабораторией ИИ Cognizant, какие из наиболее важных уроков вы выучили о инновациях и лидерстве в ИИ?

Инновации требуют терпения, инвестиций и воспитания, и они должны быть содействованы и неограничены. Если вы построили правильную команду инноваторов, вы можете доверять им и предоставлять им полную художественную свободу выбирать, как и что они исследуют. Результаты часто будут удивлять вас. С точки зрения лидерства, исследования и инновации не должны быть приятными или после мысли. Я создал 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过度 нагрузки их краткосрочными деловыми 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 естественного языка, которую я изначально разработал для Siri, была основана на агентах, поэтому я уже давно работаю с этой концепцией. ИИ не был так мощным в 90-х годах, поэтому я использовал многоагентную систему для решения задач понимания и сопоставления естественных языковых команд 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 ЛМ может выполнять многие задачи, но мы все еще выигрываем от того, что рассматриваем его как работника знаний в коробке, ограничивая его область, предоставляя ему описание работы и связывая его с другими агентами с разными обязанностями. ИИ таким образом может дополнить и улучшить любой бизнес-процесс.

В рамках моей компетенции в качестве технического директора ИИ в Cognizant я руковожу нашей продвинутой лабораторией ИИ в Сан-Франциско. Наш основной исследовательский принцип – принятие решений на основе агентов. На сегодняшний день у нас есть 56 патентов США на основную технологию ИИ на основе этого принципа. Мы все в деле.

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 продвинутая лаборатория ИИ в Сан-Франциско фокусируется на расширении границ современного ИИ. Это часть нашего обязательства, объявленного в прошлом году, инвестировать 1 миллиард долларов в генеративный ИИ в течение следующих трех лет.

Более конкретно, мы сосредоточены на разработке новых алгоритмов и технологий для обслуживания наших клиентов. Доверие, объяснимость и принятие решений с несколькими целями – среди важных областей, которые мы преследуем и которые имеют решающее значение для компаний из списка Fortune 500.

В области 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 моделью неопределенности. Аналогично, нейронные сети, генеративный ИИ и ЛМ являются по своей природе непрозрачными. 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 целевого результата – снижение затрат при одновременном увеличении доходов, сбалансированных с этическими соображениями, например. ИИ может помочь нам достичь лучшего баланса всех этих результатов, оптимизируя стратегии принятия решений в многозадачном режиме. Это еще одна очень важная область в наших исследованиях ИИ.

Следующие два года считаются критическими для генеративного ИИ. Что, по вашему мнению, будут ключевыми изменениями в этот период, и как должны готовиться предприятия?

Мы вступаем в взрывной период для коммерциализации технологий ИИ. Сегодня основными применениями ИИ являются повышение производительности, создание лучших интерфейсов, управляемых естественным языком, суммирование данных и помощь в программировании. В течение этого ускоренного периода мы считаем, что организация общей технологической и ИИ-стратегии вокруг основной концепции многоагентных систем и принятия решений позволит предприятиям добиться успеха. В Cognizant наше внимание к инновациям и прикладным исследованиям поможет нашим клиентам использовать ИИ для увеличения стратегического преимущества, когда он будет более интегрирован в бизнес-процессы.

Как генеративный ИИ изменит отрасли, и какие из наиболее интересных случаев использования возникают 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, ЛМ хорошо справляются с специализированными задачами.

Но что будет дальше, то 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 во всем бизнесе, чтобы помочь людям на каждой роли, от кадров и финансов до маркетинга и продаж. В ближайшем будущем компании естественным образом перейдут к тому, чтобы стать агентно-ориентированными.

Заметим, что у нас уже есть многоагентная система, разработанная в нашей лаборатории в виде Neuro AI, генератора случаев использования ИИ, который позволяет клиентам быстро создавать и прототипировать случаи использования принятия решений 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 Gen ИИ, особенно в крупномасштабных корпоративных средах?

В наших исследованиях и разговорах с корпоративными лидерами мы все чаще получаем вопросы о том, как они могут сделать генеративный ИИ влиятельным в масштабе. Мы считаем, что трансформационные обещания многоагентных систем ИИ являются центральными для достижения этого воздействия. Многоагентная система ИИ объединяет агенты ИИ, встроенные в программные системы в различных областях по всему предприятию. Подумайте об этом как о системе систем, которая позволяет ЛМ 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 штат распределительного центра. Ввод нового поставщика может повлиять на выбросы парниковых газов Scope 3. Переворот клиентов может указывать на дефекты продукции. Изолированные системы означают, что действия часто основаны на выводах, полученных из одного программного обеспечения и применяемых к одной функции. Многоагентные архитектуры осветят идеи и интегрированные действия по всему бизнесу. Это реальная сила, которая может катализировать корпоративную трансформацию.

Как вы видите эволюцию многоагентных систем (МАС) в ближайшие несколько 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 для производства комплексного решения 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, управляемые ЛМ, но им необходимо намеренно решать, как они начинают подключать эти интерфейсы. Следует проявлять осторожность в отношении гранулярности агентификации, типов ЛМ, используемых, и когда и как их дообучать, чтобы сделать их эффективными. Организации должны начинать с верха, учитывать свои потребности и цели, и работать вниз оттуда, чтобы решить, что можно агентифицировать.

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

Несмотря на поддержку лидерства и инвестиции, многие предприятия боятся отстать от 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 предприятиям полностью принять ИИ.

Cognizant играет важную роль в помощи предприятиям в преодолении пути от производительности к росту ИИ. Фактически, недавние данные из исследования, которое мы провели с Oxford Economics, указывают на необходимость внешней экспертизы для помощи в принятии ИИ, и 43% компаний указывают, что они планируют работать с внешними консультантами для разработки плана генеративного ИИ. Традиционно Cognizant владел последней милями с клиентами – мы сделали это с хранилищами данных и миграцией в облако, и агентификация не будет другой. Это работа, которая должна быть высоко индивидуализированной. Это не один размер, который подходит всем. Мы являемся экспертами, которые могут помочь определить бизнес-цели и план реализации, и затем ввести правильные индивидуальные агенты для решения бизнес-потребностей. Мы являемся, и всегда были, людьми, которых нужно звонить.

Многие компании испытывают трудности в видении немедленной отдачи от своих инвестиций в ИИ. Какие общие ошибки они совершают, и как их можно избежать?

Генеративный ИИ гораздо более эффективен, когда компании вводят его в свой собственный контекст данных – то есть настраивают его на своей собственной прочной основе корпоративных данных. Кроме того, рано или поздно предприятиям придется сделать сложный шаг к переосмыслению своих фундаментальных бизнес-процессов. 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 их изменить и подготовиться к появлению чего-то, что еще не существует. Да, это потребует изменений в культуре и принятия некоторых рисков, но это кажется неизбежным, когда оркестрируются многие части организации в одно мощное целое.

Какой совет вы дадите возникающим лидерам ИИ, которые стремятся оказать значительное влияние в этой области, особенно внутри крупных предприятий?

Бизнес-трансформация сложна по своей природе. Возникающим лидерам ИИ внутри более крупных предприятий следует сосредоточиться на разрушении процессов, экспериментировании с изменениями и инновациях. Это требует сдвига в мышлении и рассчитанных рисков, но это может создать более мощную организацию.

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