巴巴克·霍杰特，Cognizant 首席AI官 – 采访系列

巴巴克·霍杰特，Cognizant 首席AI官，领导着AI研究实验室，这是一个由开发人员和研究人员组成的团队，致力于推进AI技术的发展，打造Cognizant产品中的差异化AI功能，并领导公司的AI善举计划。

巴巴克曾是Sentient的联合创始人和CEO，负责开发世界上最大的分布式AI系统的核心技术。巴巴克还曾是世界上第一家AI驱动的对冲基金Sentient Investment Management的创始人。

巴巴克是一位连续创业者，在硅谷创立了多家公司，担任主要发明者和技术专家。在联合创立Sentient之前，巴巴克曾是Sybase iAnywhere的高级工程总监，领导移动解决方案的工程开发。在Sybase之前，巴巴克是Dejima Inc.的联合创始人、CTO和董事会成员。巴巴克是Dejima专利的主要发明者，该专利应用于移动设备和企业计算的智能接口技术，这项技术正是苹果Siri的技术基础。

巴巴克在人工生命、面向代理的软件工程和分布式人工智能领域发表了50多篇论文，并拥有39项美国专利。他是多个AI领域的专家，包括自然语言处理、机器学习、进化算法和分布式AI。

Cognizant是一家全球专业服务和IT咨询公司，帮助组织现代化数字基础设施，实施新兴技术，如AI、云计算、数据和自动化，并重新调整业务流程以驱动敏捷性和增长。

您创立了多家AI公司，撰写了两本书，并帮助开创了影响Siri的技术。回顾您的经历，您认为哪些个人经历或转折点最能体现您对AI作为工具的信念，它可以对现实世界产生真正的影响？

我对AI的迷恋始于早期的学术岁月，并且自那时起就更加坚定。几个关键的转折点包括在Dejima创建了一些最早的基于代理的系统，用于编程消费品，如您的VCR，我们在Sentient Technologies工作，应用AI解决复杂问题，如金融交易。我为Siri开发的自然语言技术也是一个转折点。

这些现实世界的应用表明AI可以超越理论构建，提供切实的商业价值。我们现在正处于AI技术商业化的爆发期，特别是多代理系统，它将彻底改变企业的运作方式，实现许多复杂任务的自动化。

让我们谈谈您最新的项目，这是一个与德克萨斯大学合作开发的AI驱动的土地利用规划系统。是什么启发了这个工具的开发，它又如何代表了从理论AI到现实世界政策影响的转变？

我们与德克萨斯大学合作开发的AI系统是为了应对全球土地利用的复杂环境和经济权衡而设计的。该机器学习驱动的框架利用了Cognizant神经AI决策的技术，并建立在Project Resilience平台上。

我们的联合研究团队旨在通过创建一个可以优化土地利用以最大化碳储存、最小化经济干扰和保护食品供应和栖息地的工具来实现联合国的可持续发展目标。传统方法通常忽略细致的权衡，如特定位置将农田或草地转化为森林的效果。我们采取了一种不同的方法，利用进化AI，一种受自然选择启发的计算方法，设计用于探索成千上万的政策场景，迭代改进和平衡相互竞争的目标，以实现更有效、更具背景敏感性的土地利用策略。

该系统标志着从理论AI概念到现实世界政策影响的重大转变。它集成了历史土地利用数据和碳数据，并利用复杂的进化算法提供可行的、优化的建议，而不是抽象的预测。

此外，我们还创建了一个交互式工具，使用En-ROADS模拟器生成和评估气候政策场景，帮助决策者比较和定制行动计划。该系统允许立法者和决策者模拟政策激励措施，并直接了解权衡，帮助他们选择有针对性、有效的干预措施。该系统与Climate Interactive的En-ROADS模拟器等平台的集成使得AI驱动的气候政策优化能够扩展到更广泛的受众，凸显AI在解决现实世界可持续性挑战中的实用合作伙伴作用。

您能否从用户的角度解释一下这个工具的工作原理？它可以支持什么样的决策，并且它如何为不同的地区提供量身定制的建议？

从用户的角度来看，AI驱动的工具作为一个交互式的决策支持平台，运行在一个动态的、数据驱动的环境中，帮助用户做出更明智的决策，以实现气候目标。

政策制定者、立法者和其他利益相关者可以探索各种土地利用策略及其对环境和经济的影响。用户可以模拟激励措施，例如为土地所有者提供税收抵免，并观察它们可能如何影响土地利用变化以减少碳排放。

它支持不同地区的各种决策。例如，它可以帮助您确定在哪里进行土地变化以获得最佳效果，如何转化土地（例如，将农田转化为森林），以及不同土地政策的利弊。为了提供个性化建议，它会查看全球土地利用历史和碳数据，以建议不同地区采取不同的方法。它可以考虑特定区域的特征，例如纬度和土地类型。

En-ROADS模拟器由Neuro AI驱动，可以帮助政策制定者和立法者尝试不同的权衡以实现气候目标。

进化AI被描述为该项目的“秘密酱料”。这种方法在实践中如何工作，为什么它对于解决复杂的环境和政策挑战如此有效？

进化AI的理念源自生物学中的自然选择。作为土地利用规划的计算方法，它模仿自然进化以找到解决复杂环境问题的巧妙解决方案，这些问题是传统方法难以解决的。

与其尝试预先编程完美的土地利用政策，不如让进化AI创建不同的政策模型，并在模拟环境中使用真实的气候和土地数据进行测试。它保留表现最佳的政策，并“繁殖”它们，添加突变以发现意外的解决方案。它重复这个过程，经过多代，淘汰糟糕的表现者，保留最好的几个或几千个场景。

这种方法之所以有效，是因为它不会被多个变量如土壤类型、气候条件和经济因素所淹没。

土地利用政策通常涉及相互竞争的目标，例如经济增长、碳减排和食品安全。您的系统如何处理这些权衡，目前为止它已经揭示了哪些意外的见解？

我们的AI系统专门设计用于处理相互竞争的目标，如经济增长、碳减排和食品安全。它生成帕累托前沿（一种用于多目标优化的工程概念），权衡不同位置的碳影响和土地利用变化。

研究团队发现了几个意外的见解。例如，虽然传统智慧认为森林是碳的良好储存者，但AI并没有默认推荐在所有地方最大化森林覆盖。相反，它揭示了重要的区别：用森林替换牧场、沙漠和草原并不像用森林替换农田那样有效。地理位置也被证明是至关重要的。相同的土地利用转变在不同纬度会产生不同的结果。

优先顺序是AI最实用的见解之一。与其均匀分配努力，不如集中主要的土地利用转变在战略位置，最大化影响。

Project Resilience旨在将这种AI实用性扩展到气候以外的可持续发展目标，例如能源、健康，甚至是对流行病的应对。您最看好的是什么潜在的扩展领域？

我最看好的领域是，我们正在展示一种建设AI的方式，即协作、可及和适应性，可以带来解决重大全球挑战的强大解决方案。Project Resilience平台是将这三个原则付诸行动的典范例子。决策者、数据科学家和公众可以共同开发AI工具，做出更明智的决定，产生重大影响。我们邀请您的读者在这里成为贡献者。

Cognizant的AI实验室现在已经成为创新发展的主要驱动力，拥有数十项专利和数十亿美元的投资策略。像这样的计划如何融入您更广泛的应用AI的路线图中？

土地利用AI计划完美地符合我们在Cognizant应用AI的方法，即专注于解决高影响力、复杂的现实世界问题，而不是纯粹的学术练习。进化AI可以处理商业和政策决策中常见的复杂权衡。通过平衡经济、社会和环境因素来应对气候挑战，展示了AI如何在管理相互竞争的优先事项的同时提供切实的价值。

这项工作也反映了我们对开发增强人类决策而不是取代它的AI的愿景。

您曾在初创公司和大型企业中领导AI工作。您认为确保像进化AI这样的技术在政府和行业利益相关者中保持可解释性和可行性，而不仅仅是强大的技术的关键是什么？

进化AI最大的优势之一是，它不仅仅是确定最优解决方案，还可以揭示战略替代方案，扩展利益相关者的对可能性的理解。

AI和数据必须服务于决策，而不仅仅是生成报告。决策者正在被分析淹没，同时面临着日益复杂的选择。我们需要将重点从提供洞察力和预测转移到创建交互式的决策支持系统，提供基于可用数据的规范性解决方案。这种方法使您能够在情况变化时导航复杂性并做出更好的决策。

展望未来，您认为进化AI在土地利用以外的领域（如传染病控制、可再生能源规划或其他领域）具有最大的影响力机会？

传染病、可再生能源规划和食品安全都是进化AI可以产生影响的领域。我们曾参与的一个COVID-19时代的计划展示了这种潜力。通过Project Resilience，我们建立了可以同时优化疫情控制和经济稳定的系统，帮助像冰岛这样的政府做出数据驱动的决定，关于学校的开放。

通过进化AI，我们终于以一种根本不同的方式解决最紧迫的全球挑战，即推荐平衡相互竞争的优先事项的具体政策，而不是提供一刀切的解决方案。

进化AI的力量在于它可以模拟成千上万的政策组合，保留有效的部分，丢弃无效的部分。并且这不仅仅是理论上的。我们正在构建交互式工具，将这一能力交到真正的决策者手中。

在AI领域工作了几十年后，您已经见证了炒作周期的来去。是什么让您相信当前的浪潮——尤其是像这样的工具——终于实现了AI改善社会的长期承诺？

真正的进展发生在我们超越炒作周期，开始构建增强人类决策的系统，特别是在可持续性等领域时。这种系统是AI最终兑现其承诺的真正考验。

我一直观察到，技术的进步是通过可预测的优化和民主化模式发生的，而不是通过单一的、被高估的时刻。看看计算机的历史。我们从房间大小的计算机发展到手表上的强大计算机，都是通过持续的改进，而不是一次性的飞跃。

我确实相信我们正处于一个技术真正能够改善社会的转折点。前进的道路是通过实际应用，解决真正的人类问题，如我们的土地利用工作，平衡碳减排与其他目标。就是这样，AI实现了其承诺：通过对我们最紧迫的问题的可衡量影响。

Cognizant最近以超过53,000名员工、40个国家和30,000多个原型的规模创造了吉尼斯世界纪录，成为世界上最大的编码活动。从您的角度来看，这对大型组织中AI流利度的民主化意味着什么？

编码活动的规模和影响力表明了这种方法的变革潜力。超过40%的参与者是非编码人员，20%的参与者以前从未编写过一行代码。这说明编码活动不仅仅是降低门槛，而是为不断演变的劳动力打开了通往AI的大门。我们甚至使用了一个多代理AI系统来评判30,000个原型条目，只用了一天的时间，而人类团队需要一年才能完成。

编码活动允许任何有想法的人用自然语言表达出来，并与AI合作将其变为现实。对于有经验的开发人员来说，这使他们能够自动执行更多的编码过程，从而专注于为业务价值做出更高价值的贡献。个人而言，我对自己能够将复杂算法从伪代码转化为工作应用程序的速度感到惊讶，这使我能够完全专注于创造性和战略性方面的工作。

通过降低障碍，促进与生成性AI的实践实验，我们正在将AI流利度从专业技能转变为组织的共享能力。对于组织来说，编码活动有助于加速创造力，消除障碍，并以前所未有的规模释放整个劳动力的集体智慧。

除了规模之外，编码活动的最有意义的成果是什么？您是否将其视为企业在全球范围内培养创新和应用AI技能的模板？

编码活动的真正影响是我们在整个组织中看到的热情，来自人力资源、销售、工程、财务、法律、营销等各个部门的员工都在接受AI并参与其中。他们的想法植根于深厚的领域知识和实际的商业洞察力，导致了成千上万个原本可能不会出现的原型。

通过这项努力，我们在AI经济中设定了标准，在那里每个人都有工具来创新。同时，我们正在解锁规模上的创造力，并赋予整个劳动力——无论是内部还是外部的客户——以AI为驱动的能力。

我们绝对将这项计划视为其他组织可以复制的模板。通过结合可及的AI驱动工具、协作和开放的文化以及可扩展的AI启用评估，我们可以更好地服务客户，解锁未开发的创造力，并加速整个劳动力中AI技能的发展。

感谢您接受这次精彩的采访，读者可以通过访问Cognizant网站来了解更多信息。