Бабак Ходжат, CTO з питань штучного інтелекту в Cognizant – Серія інтерв’ю

Бабак Ходжат є CTO з питань штучного інтелекту в Cognizant, а також колишнім співзасновником і генеральним директором Sentient. Він відповідає за основну технологію, що лежить в основі найбільшої розподіленої системи штучного інтелекту у світі. Бабак також був засновником першого у світі фонду хеджування, керованого штучним інтелектом, Sentient Investment Management. Він є серійним підприємцем, який заснував кілька компаній у долині Силіконової, як основний винахідник і технолог.

До того, як заснувати Sentient, Бабак був старшим директором з інженерії в Sybase iAnywhere, де він очолював інженерію мобільних рішень. Він також був співзасновником, технічним директором і членом ради директорів Dejima Inc. Бабак є основним винахідником патентованої технології Dejima, орієнтованої на агентів, яка застосовується до інтелектуальних інтерфейсів для мобільних і корпоративних обчислень – технології, що лежить в основі Siri від Apple (AAPL ).

Бабак є опублікованим вченим у сфері штучного життя, інженерії програмного забезпечення, орієнтованої на агентів, і розподіленого штучного інтелекту, і має 31 патент, що були видані або знаходяться на розгляді. Він є експертом у багатьох галузях штучного інтелекту, включаючи обробку природної мови, машинне навчання, генетичні алгоритми та розподілені системи штучного інтелекту, і заснував кілька компаній у цих галузях. Бабак має ступінь доктора філософії з машинної інтелектуальності від університету Кюсю, у Фукуоці, Японія.

Оглянувшись на свою кар’єру, від заснування кількох компаній, керованих штучним інтелектом, до керівництва лабораторією штучного інтелекту Cognizant, які найважливіші уроки ви вивчили про інновації та лідерство у сфері штучного інтелекту?

Інновації потребують терпіння, інвестицій і піклування, і вони повинні бути заохочені та не обмежені. Якщо ви створили правильну команду інноваторів, ви можете довіряти їм і давати їм повну художню свободу вибирати, як і що вони досліджують. Результати часто будуть вас дивувати. З точки зору лідерства, дослідження та інновації не повинні бути лише бажаними або післяthought. Я створив дослідницькі команди досить рано, коли будував стартапи, і завжди був сильним прибічником інвестицій у дослідження, і це окупилось. У хороші часи дослідження тримають вас попереду конкурентів, а в погані часи вони допомагають вам диверсифікувати та вижити, тому немає виправдання для недостатніх інвестицій, обмеження або надмірного навантаження їх короткостроковими бізнес-приоритетами.

Як один з основних винахідників Siri від Apple, як ваш досвід розробки інтелектуальних інтерфейсів вплинув на ваш підхід до керівництва ініціативами штучного інтелекту в Cognizant?

Технологія природної мови, яку я спочатку розробив для Siri, була орієнтованою на агентів, тому я вже давно працюю з цією концепцією. Штучний інтелект не був так потужним у 90-х роках, тому я використовував систему з多агентними агентами для розуміння та відображення природної мови на дії. Кожен агент представляв малий підмножину області дискурсу, тому штучний інтелект у кожному агенті мав просту середовище для освоєння. Сьогодні системи штучного інтелекту потужні, і одна велика мова може робити багато речей, але ми все ще користуємося тим, що ставимо його до роботи як знавця у коробці, обмежуючи його область, даючи йому опис роботи і пов’язуючи його з іншими агентами з різними обов’язками. Штучний інтелект таким чином може доповнювати та покращувати будь-який бізнес-процес.

Як частина моїх обов’язків технічного директора штучного інтелекту в Cognizant, я керую нашою лабораторією штучного інтелекту в Сан-Франциско. Наш основний дослідницький принцип – це прийняття рішень, орієнтованих на агентів. На сьогодні у нас є 56 патентів США на основну технологію штучного інтелекту на основі цього принципу. Ми всі за це.

Чи можете ви розповісти про передові дослідження та інновації, які зараз розробляються в лабораторії штучного інтелекту Cognizant? Як ці розробки відповідають на конкретні потреби компаній Fortune 500?

У нас є кілька студій штучного інтелекту та інноваційних центрів. Наша лабораторія штучного інтелекту в Сан-Франциско зосереджена на розширенні стану мистецтва у сфері штучного інтелекту. Це частина нашого зобов’язання, оголошеного минулого року, інвестувати 1 мільярд доларів у генерацію штучного інтелекту протягом наступних трьох років.

Конкретно, ми зосереджені на розробці нових алгоритмів і технологій для обслуговування наших клієнтів. Довіра, пояснюваність і багатокритерійні рішення серед важливих напрямків, яких ми переслідуємо, і які є життєво важливими для підприємств Fortune 500.

Відносно довіри ми цікавимось дослідженнями та розробками, які поглиблюють наше розуміння того, коли ми можемо довіряти рішенням штучного інтелекту достатньо, щоб віддати їм пріоритет, і коли людина повинна втрутитися. У нас є кілька патентів, пов’язаних з цією невизначеністю моделі. Аналогічно, нейронні мережі, генерація штучного інтелекту та великі мови є внутрішньо непрозорими. Ми хочемо мати можливість оцінити рішення штучного інтелекту і запитати його питання про те, чому він рекомендував щось – фактично роблячи його пояснюваним. Нарешті, ми розуміємо, що іноді рішення, які компанії хочуть приймати, мають більше одного результату – наприклад, зниження витрат при збільшенні доходів, збалансованих з етичними міркуваннями. Штучний інтелект може допомогти нам досягти найкращого балансу всіх цих результатів, оптимізуючи рішення стратегій у багатокритерійному порядку. Це ще одна дуже важлива область наших досліджень штучного інтелекту.

Наступні два роки вважаються критичними для генерації штучного інтелекту. Що ви вважаєте найбільш важливими змінами в цей період, і як підприємства повинні готуватися?

Ми рухаємось до вибухового періоду комерціалізації технологій штучного інтелекту. Сьогодні основними застосуваннями штучного інтелекту є покращення продуктивності, створення кращих інтерфейсів, керованих природною мовою, підсумовування даних і допомога у кодуванні. Під час цього прискорення ми вважаємо, що організація загальної технології та стратегій штучного інтелекту навколо основної концепції багатокритерійних систем і прийняття рішень найкраще дозволить підприємствам досягти успіху. У Cognizant наш акцент на інноваціях та прикладних дослідженнях допоможе нашим клієнтам використати штучний інтелект для збільшення стратегічної переваги, коли він буде далі інтегрований у бізнес-процеси.

Як генерація штучного інтелекту змінить галузі, і які найбільш цікаві випадки використання, що виникають з лабораторії штучного інтелекту Cognizant?

Генерація штучного інтелекту стала величезним кроком вперед для підприємств. Тепер у вас є можливість створити серію працівників зі знаннями, які можуть допомогти людям у їхній повсякденній роботі. Чи то це оптимізація обслуговування клієнтів через інтелектуальні чат-боти, чи управління запасами складу через інтерфейс, керований природною мовою, великі мови дуже хороші у спеціалізованих завданнях.

Але те, що відбувається далі, це те, що справді змінить галузі, оскільки агенти отримують можливість спілкуватися один з одним. Майбутнє буде полягати у тому, що компанії будуть мати агентів у своїх пристроях і застосуваннях, які можуть звернутися до ваших потреб і взаємодіяти з іншими агентами від вашого імені. Вони будуть працювати по всьому бізнесу, щоб допомогти людям у кожній ролі, від кадрового забезпечення та фінансів до маркетингу та продажів. У найближчому майбутньому підприємства будуть природно рухатися до того, щоб стати агент-орієнтованими.

Відзначимо, що у нас вже є багатокритерійна система, розроблена у нашій лабораторії у вигляді Neuro AI, генератора випадків використання штучного інтелекту, який дозволяє клієнтам швидко створювати та прототипувати випадки використання штучного інтелекту для їхнього бізнесу. Це вже дає деякі цікаві результати, і ми скоро поділимося ними.

Яка роль багатокритерійних архітектур буде відігравати у наступній хвилі трансформації генерації штучного інтелекту, особливо у великих підприємствах?

У наших дослідженнях та розмовах з корпоративними лідерами ми отримуємо все більше запитів про те, як вони можуть зробити генерацію штучного інтелекту впливаючою у масштабі. Ми вважаємо, що трансформаційна обіцянка багатокритерійних штучних інтелекту систем є центральною для досягнення цього впливу. Багатокритерійна система штучного інтелекту об’єднує агенти штучного інтелекту, побудовані у програмні системи у різних областях підприємства. Подумайте про це як систему систем, яка дозволяє великим мовам взаємодіяти один з одним. Сьогодні виклик полягає у тому, що, хоча бізнес-цілі, діяльність та метрики глибоко переплетені, програмні системи, використовувані різними командами, не є, створюючи проблеми. Наприклад, затримки ланцюга постачання можуть впливати на штат розподільчих центрів. Налаштування нового постачальника може впливати на викиди парникових газів типу 3. Відхід клієнтів міг би вказувати на дефекти продукції. Системи у вигляді силосів означають, що дії часто базуються на висновках, отриманих лише з однієї програми та застосованих до однієї функції. Багатокритерійні архітектури будуть підсвічувати висновки та інтегровані дії по всьому бізнесу. Це справжня сила, яка може каталізувати трансформацію підприємства.

Як ви бачите розвиток багатокритерійних систем (MAS) у найближчі кілька років, і як це вплине на ширший ландшафт штучного інтелекту?

Багатокритерійна система штучного інтелекту функціонує як віртуальна робоча група, аналізуючи підказки та витягуючи інформацію з усього бізнесу, щоб створити комплексне рішення не лише для оригінального запитувача, а й для інших команд. Якщо ми прислухаємось і подивимось на певну галузь, це може революціонізувати операції у таких областях, як виробництво, наприклад. Агент з постачання буде аналізувати існуючі процеси та рекомендувати більш економічні альтернативні компоненти на основі сезонів та попиту. Цей агент з постачання потім з’єднається з агентом з питань сталості, щоб визначити, як зміна вплине на екологічні цілі. Нарешті, агент з регулювання буде наглядати за діяльністю з питань дотримання вимог, забезпечуючи тим, що команди подають повні та актуальні звіти вчасно.

Хороша новина полягає у тому, що багато компаній вже почали органічно інтегрувати чат-боти, керовані великими мовами, але їм потрібно бути свідомими того, як вони починають з’єднувати ці інтерфейси. Належна увага повинна бути приділена гранулярності агентифікації, типам великих мов, які використовуються, та тому, коли та як дофінувати їх, щоб зробити їх ефективними. Організації повинні починати з верху, розглядаючи свої потреби та цілі, та працювати вниз від那里, щоб визначити, що можна агентифікувати.

Які основні виклики утримують підприємства від повного прийняття штучного інтелекту, і як Cognizant подолує ці перешкоди?

Незважаючи на підтримку керівництва та інвестиції, багато підприємств бояться відставати у сфері штучного інтелекту. За даними наших досліджень, існує розрив між стратегічною приверженістю лідерів та впевненістю у виконанні. Вартість і доступність талантів, а також сприйнята незрілість поточних рішень генерації штучного інтелекту є двома значними інгібіторами, які утримують підприємства від повного прийняття штучного інтелекту.

Cognizant грає інтегральну роль у допомозі підприємствам подолати шлях від продуктивності до зростання у сфері штучного інтелекту. Насправді, недавні дані з дослідження, яке ми провели з Oxford Economics, вказують на необхідність зовнішньої експертизи для допомоги у прийнятті рішення щодо генерації штучного інтелекту, при цьому 43% компаній вказують, що вони планують працювати з зовнішніми консультантами для розробки плану щодо генерації штучного інтелекту. Традиційно Cognizant володів останньою миляю з клієнтами – ми робили це з зберіганням даних та міграцією у хмару, і агентифікація не буде іншою. Це робота, яка повинна бути високо персоналізованою. Це не один розмір, який підходить всім. Ми експерти, які можуть допомогти ідентифікувати бізнес-цілі та план реалізації, а потім привнести правильних агентів, щоб звернутися до бізнес-потреб. Ми є, і завжди були, люди, яких потрібно звертатися.

Багато компаній мають труднощі з баченням негайної віддачі від інвестицій у штучний інтелект. Які найпоширеніші помилки вони роблять, і як їх можна уникнути?

Генерація штучного інтелекту є набагато більш ефективною, коли компанії вводять її у свій власний контекст даних – тобто, налаштовують її на своїй сильній основі підприємств даних. Крім того, раніше чи пізніше підприємства повинні зробити складний крок, щоб переосмислити свої фундаментальні бізнес-процеси. Сьогодні багато компаній використовують штучний інтелект для автоматизації та покращення існуючих процесів. Більші результати можуть відбутися, коли вони починають ставити питання про те, які складові цього процесу, як їх змінити та підготуватися до появи чогось, чого ще не існує. Так, це буде вимагати зміни культури та прийняття деякого ризику, але це здається неминучим, коли оркестрування багатьох частин організації у одну потужну цілість.

Яку пораду ви дали б новим лідерам штучного інтелекту, які хочуть зробити значний вплив у цій галузі, особливо у великих підприємствах?

Трансформація бізнесу є складною за своєю природою. Нові лідери штучного інтелекту у великих підприємствах повинні зосередитися на розбитті процесів, експериментах з змінами та інноваціях. Це вимагає зміни розуміння та обчислюваних ризиків, але це може створити більш потужну організацію.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Cognizant.