巴巴克·霍杰特，Cognizant 人工智能首席技术官 – 采访系列

巴巴克·霍杰特是Cognizant的人工智能首席技术官，也是Sentient的联合创始人和前首席执行官。他负责开发世界上最大的分布式人工智能系统的核心技术。巴巴克也是世界上第一个人工智能驱动的对冲基金Sentient Investment Management的创始人。他是一位连续创业者，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，领导移动解决方案工程。他也是Dejima Inc.的联合创始人、首席技术官和董事会成员。巴巴克是Dejima专利的主要发明者，该专利应用于移动和企业计算的智能接口——苹果Siri背后的技术。

巴巴克是人工生命、面向代理的软件工程和分布式人工智能领域的出版学者。他拥有31项已授予或待批的专利。他是人工智能领域的专家，包括自然语言处理、机器学习、遗传算法和分布式人工智能，并在这些领域创立了多家公司。巴巴克拥有日本福冈九州大学的机器智能博士学位。

回顾您的职业生涯，从创立多家人工智能驱动的公司到领导Cognizant的人工智能实验室，您在人工智能领域的创新和领导方面学到了什么最重要的经验教训？

创新需要耐心、投资和培养，它应该被鼓励和不受限制。如果您组建了一个合适的创新团队，您可以信任他们并给予他们完全的艺术自由来选择他们的研究方向和方法。结果往往会让您感到惊讶。从领导的角度来看，研究和创新不应该是可有可无的或事后补充的东西。我在创立初创公司时很早就建立了研究团队，并一直是研究投资的坚定倡导者，这已经带来了回报。在好时期，研究可以让您领先于竞争对手，在坏时期，它可以帮助您多元化和生存，因此没有理由低估、限制或让它承担过多的短期业务优先事项。

作为苹果Siri的主要发明者之一，您在开发智能接口方面的经验如何影响您在Cognizant领导人工智能计划的方法？

我最初为Siri开发的自然语言技术是基于代理的，因此我已经与这个概念合作了很长时间。20世纪90年代，人工智能还不够强大，所以我使用了多代理系统来处理自然语言命令的理解和映射。每个代理代表了一个小的领域子集，因此每个代理的环境相对简单。今天，人工智能系统非常强大，一个大型语言模型可以完成很多事情，但我们仍然可以通过将其视为一个知识工作者、限制其领域、给予其工作描述并将其链接到其他具有不同职责的代理来使其更有效。人工智能可以增强和改进任何业务工作流程。

作为Cognizant人工智能首席技术官的职责之一，我在旧金山经营着我们的高级人工智能实验室。我们的核心研究原则是基于代理的决策。截至今天，我们已经拥有56项基于该原则的核心人工智能技术的美国专利。我们全力以赴。

您能否详细介绍Cognizant人工智能实验室目前正在开展的尖端研究和创新？这些发展如何满足《财富》500强公司的特定需求？

我们有多个人工智能工作室和创新中心。我们的旧金山高级人工智能实验室专注于扩展人工智能的最新技术。这是我们去年宣布的未来三年内在生成式人工智能上投资10亿美元的承诺的一部分。

更具体地说，我们专注于开发新的算法和技术来服务我们的客户。信任、可解释性和多目标决策是我们正在追求的重要领域，这些对于《财富》500强企业至关重要。

关于信任，我们感兴趣的研究和开发旨在加深我们对人工智能决策的信任程度，以及何时应该让人工智能做出决定，何时应该让人类介入。我们拥有多项与这种不确定性建模相关的专利。同样，神经网络、生成式人工智能和大型语言模型本质上是不透明的。我们希望能够评估人工智能的决策并询问它为什么做出某个建议——基本上使其可解释。最后，我们理解公司希望做出的决定往往有多个结果目标——例如，在平衡收入增长的同时减少成本和考虑道德因素。人工智能可以通过多目标方式优化决策策略来帮助我们实现所有这些结果的最佳平衡。这是我们人工智能研究中另一个非常重要的领域。

接下来的两年被认为是生成式人工智能的关键时期。你认为在此期间将会发生什么样的关键变化，企业应该如何准备？

我们即将进入人工智能技术的商业化爆发期。今天，人工智能的主要用途是提高生产力、创建更好的自然语言驱动的用户界面、总结数据和帮助编码。在这个加速期，我们相信，围绕多代理系统和决策的核心原则组织整体技术和人工智能战略将最好地使企业成功。Cognizant的创新和应用研究重点将帮助我们的客户利用人工智能来增加战略优势，因为人工智能将进一步融入业务流程。

生成式人工智能将如何重塑行业，Cognizant的人工智能实验室正在出现什么最令人兴奋的用例？

生成式人工智能对企业来说是一个巨大的进步。您现在可以创建一系列知识工作者来协助人类完成日常工作。无论是通过智能聊天机器人简化客户服务还是通过自然语言界面管理仓库库存，大型语言模型都擅长专门的任务。

但接下来将真正重塑行业的是，当代理能够相互通信时。未来将是公司在其设备和应用程序中拥有代理，可以解决您的需求并代表您与其他代理交互。它们将在整个业务中协助人类完成每个角色，从人力资源和财务到营销和销售。就在不久的将来，企业将自然地转向基于代理的业务。

值得注意的是，我们在实验室中已经开发了一个多代理系统，称为Neuro AI，它是一个人工智能决策用例生成器，允许客户快速构建和原型化其业务的人工智能决策用例。它已经带来了一些令人兴奋的结果，我们很快将分享更多信息。

多代理架构在下一波生成式人工智能转型中将发挥什么作用，特别是在大型企业环境中？

在我们的研究和与企业领导者的对话中，我们越来越多地收到关于如何使生成式人工智能在大规模上产生影响的问题。我们相信，多代理人工智能系统的变革承诺对于实现这一影响至关重要。多代理人工智能系统将企业各个领域的人工智能代理聚集在一起。可以将其视为一个系统的系统，允许大型语言模型相互交互。今天，挑战在于，尽管业务目标、活动和指标深深交织在一起，但各个团队使用的软件系统却没有交织在一起，从而造成问题。例如，供应链延迟可能会影响配送中心的员工配备。添加新供应商可能会影响范围3的排放。客户流失可能表明产品存在缺陷。孤立的系统意味着行动通常基于仅从一个程序中获得的见解并应用于一个功能。多代理架构将在整个业务中照亮见解和集成的行动。这是真正的力量，可以催化企业转型。

您如何看待多代理系统（MAS）在未来几年内的演变，以及这将如何影响更广泛的人工智能格局？

多代理人工智能系统作为一个虚拟工作组，分析提示并从整个业务中提取信息以产生一个全面的解决方案，不仅适用于原始请求者，也适用于其他团队。如果我们放大并查看一个特定的行业，这可能会彻底改变诸如制造业等领域的运营。一个采购代理将分析现有流程并根据季节和需求推荐更具成本效益的替代组件。然后，该采购代理将连接到一个可持续性代理，以确定更改将如何影响环境目标。最后，一个监管代理将监督合规活动，确保团队提交完整、最新的报告并及时提交。

好消息是，许多公司已经开始有机地整合大型语言模型驱动的聊天机器人，但他们需要有意图地连接这些接口。代理化的粒度、使用的语言模型类型以及何时和如何对其进行微调以使其有效都需要谨慎。组织应该从顶部开始，考虑他们的需求和目标，然后从那里向下工作，以确定什么可以被代理化。

企业在完全接受人工智能方面面临的主要挑战是什么，Cognizant如何解决这些障碍？

尽管领导层支持和投资，许多企业担心在人工智能方面落后。根据我们的研究，领导者的战略承诺和执行的信心之间存在差距。成本和人才的可用性以及当前生成式人工智能解决方案的感知不成熟性是两个阻碍企业完全接受人工智能的重大障碍。

Cognizant在帮助企业跨越人工智能从生产力到增长的旅程方面发挥着至关重要的作用。事实上，我们与牛津经济研究院最近进行的一项研究表明，43%的公司表示他们计划与外部顾问合作制定生成式人工智能的计划。传统上，Cognizant一直拥有与客户的最后一英里——我们曾经为数据存储和云迁移做过这件事，对于代理化也将如此。这是一项必须高度定制的工作。这不是一刀切的旅程。我们是可以帮助确定业务目标和实施计划的专家，然后带来合适的定制代理来满足业务需求。我们是，始终是客户需要的那个人。

许多公司在人工智能投资中难以看到立即的投资回报率。他们经常犯的错误是什么，如何避免这些错误？

生成式人工智能在企业将其带入自己的数据背景时更加有效，即在自己的强大企业数据基础上进行定制。另外，企业最终将不得不采取挑战性的步骤来重新想象他们的基本业务流程。今天，许多公司正在使用人工智能来自动化和改进现有的流程。当他们开始问自己类似的问题时，会出现更大的结果：什么是这个流程的组成部分，我如何改变它们，并为尚不存在的东西做好准备？是的，这将需要文化的转变和接受一些风险，但当协调组织的各个部分时，这似乎是不可避免的，形成一个强大的整体。

您会给正在崛起的人工智能领导者什么建议，他们希望在该领域产生重大影响，特别是在大型企业中？

业务转型本质上是复杂的。正在崛起的人工智能领导者在大型企业中应该专注于打破流程、尝试变化和创新。这需要思维方式的转变和经过计算的风险，但它可以创造一个更强大的组织。

感谢这次精彩的采访，希望了解更多的读者可以访问Cognizant。