Babak Hodjat 是Cognizant的人工智能首席技术官，曾任 Sentient 联合创始人兼首席执行官。他负责全球最大的分布式人工智能系统背后的核心技术。Babak 还是全球首家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，曾作为主要发明家和技术专家创办了多家硅谷公司。
在共同创办 Sentient 之前，Babak 曾担任 Sybase iAnywhere 的高级工程总监，负责移动解决方案工程。他还是 Dejima Inc. 的联合创始人、首席技术官和董事会成员。Babak 是 Dejima 专利代理导向技术的主要发明者，该技术应用于移动和企业计算的智能界面，也是 Apple Siri 背后的技术。
Babak 是人工智能、面向代理的软件工程和分布式人工智能领域的一位学者，著述颇丰，拥有 31 项已获授权或正在申请的专利。他是人工智能众多领域的专家，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。Babak 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，您在人工智能创新和领导力方面学到的最重要的经验是什么？
创新需要耐心、投资和培育，应该得到培育，不受限制。如果你组建了一支合适的创新团队，你可以信任他们，并给予他们充分的艺术自由，让他们选择研究的方式和内容。结果往往会让你大吃一惊。从领导的角度来看，研究和创新不应该是锦上添花或事后才想到的。我在创办初创企业时很早就成立了研究团队，一直是研究投资的坚定倡导者，而且它已经获得了回报。在经济繁荣时期，研究让你领先于竞争对手，而在经济不景气时期，它可以帮助你实现多元化和生存，因此没有理由投资不足、限制或用短期业务重点加重研究负担。
作为 Apple Siri 的主要发明者之一，您在开发智能界面方面的经验如何影响了您在 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，所以我已经研究这个概念很长时间了。人工智能在 90 年代还没有那么强大，所以我使用多代理系统来解决理解和将自然语言命令映射到动作的问题。每个代理代表话语领域的一小部分，因此每个代理中的人工智能都有一个简单的环境需要掌握。今天，人工智能系统功能强大，一个 LLM 可以做很多事情，但我们仍然可以将其视为一个盒子里的知识工作者，限制其领域，为其提供工作描述，并将其与具有不同职责的其他代理联系起来。因此，人工智能能够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，我负责管理旧金山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，我们目前拥有 56 项基于该原则的核心人工智能技术美国专利。我们全力以赴。
您能详细介绍一下 Cognizant 人工智能实验室目前正在开发的前沿研究和创新吗？这些发展如何满足财富 500 强企业的特定需求？
我们拥有多个人工智能工作室和创新中心。我们位于旧金山的高级人工智能实验室致力于扩展人工智能的最新技术。这是我们去年宣布的承诺的一部分，即在未来三年内投资 10 亿美元用于生成式人工智能。
更具体地说，我们专注于开发新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追求的重要领域，对财富 500 强企业至关重要。
关于信任，我们感兴趣的是研究和开发，以加深我们对何时可以充分信任人工智能的决策并听从它的指导，以及何时应该让人类参与其中的理解。我们有几项与这种不确定性建模相关的专利。同样，神经网络、生成式人工智能和法学硕士本质上是不透明的。我们希望能够评估人工智能的决策，并询问它为什么会推荐某些东西——本质上让它可以解释。最后，我们明白，有时，公司希望做出的决策有多个结果目标——例如，在降低成本的同时增加收入，并与道德考虑相平衡。人工智能可以通过以多目标的方式优化决策策略，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。
未来两年对于生成式人工智能来说至关重要。您认为这一时期将发生哪些关键变化？企业应如何做好准备？
我们正进入人工智能技术商业化的爆炸式增长期。如今，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用户界面、汇总数据和帮助编码。在这一加速期，我们认为，围绕多智能体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有助于企业取得成功。在 Cognizant，我们注重创新和应用研究，这将帮助我们的客户利用人工智能来提高战略优势，因为它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 人工智能实验室正在出现哪些最令人兴奋的用例？
生成式人工智能对企业来说是一大进步。现在，你可以创建一系列知识工作者，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，法学硕士都非常擅长完成专业任务。
但接下来，随着代理能够相互沟通，行业将真正发生改变。未来，公司将在设备和应用程序中配备代理，以满足您的需求并代表您与其他代理进行互动。他们将在整个企业中工作，协助人类处理从人力资源和财务到营销和销售等各个角色。在不久的将来，企业将自然而然地倾向于采用基于代理的方式。
值得注意的是，我们已经有一个多智能体系统，它是我们实验室开发的Neuro AI，这是一个 AI 用例生成器，允许客户快速构建和原型化 AI 决策用例，以用于他们的业务。它已经取得了一些令人兴奋的成果，我们将很快分享更多相关信息。
多智能体架构将在下一波人工智能转型中扮演什么角色，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，我们收到越来越多的问题，询问他们如何让生成式人工智能大规模发挥作用。我们相信，多智能体人工智能系统的变革性承诺对于实现这一影响至关重要。多智能体人工智能系统将企业各个领域软件系统中内置的人工智能代理整合在一起。可以将其视为允许 LLM 相互交互的系统系统。如今，挑战在于，尽管业务目标、活动和指标紧密交织，但不同团队使用的软件系统却没有紧密交织，从而产生了问题。例如，供应链延迟会影响配送中心的人员配备。引入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从一个程序中得出的见解并应用于一项功能。多智能体架构将点亮整个企业的见解和综合行动。这是可以催化企业转型的真正力量。
您认为多智能体系统 (MAS) 在未来几年将如何发展？它将如何影响更广泛的人工智能领域？
多智能体 AI 系统充当虚拟工作组，分析提示并从整个企业中提取信息，从而为原始请求者以及其他团队提供全面的解决方案。如果我们放大并查看特定行业，这可能会彻底改变制造业等领域的运营。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，该采购代理将与可持续发展代理联系，以确定变更将如何影响环境目标。最后，监管代理将监督合规活动，确保团队按时提交完整、最新的报告。
好消息是，许多公司已经开始有机地整合由 LLM 驱动的聊天机器人，但他们需要有意识地开始连接这些接口。必须注意代理化的粒度、使用的 LLM 类型，以及何时和如何对其进行微调以使其有效。组织应该从顶层开始，考虑他们的需求和目标，然后从那里开始决定可以代理什么。
阻碍企业全面拥抱人工智能的主要挑战是什么？Cognizant 如何应对这些障碍？
尽管有领导层的支持和投资，但许多企业仍担心在人工智能方面落后。根据我们的研究，领导者的战略承诺与执行力之间存在差距。人才的成本和可用性以及当前 Gen AI 解决方案的不成熟是阻碍企业全面拥抱人工智能的两个重要因素。
Cognizant 在帮助企业实现从 AI 生产力到增长的旅程中发挥着不可或缺的作用。事实上，我们与牛津经济研究院联合开展的一项研究的最新数据显示，企业需要外部专家来帮助采用 AI，43% 的公司表示他们计划与外部顾问合作制定生成式 AI 计划。传统上，Cognizant 负责与客户的最后一英里合作——我们在数据存储和云迁移方面做到了这一点，代理化也不例外。这项工作必须高度定制。这不是一条适合所有人的旅程。我们是专家，可以帮助确定业务目标和实施计划，然后引入合适的定制代理来满足业务需求。我们现在是，而且一直都是值得信赖的人。
许多公司难以从 AI 投资中立即获得回报。他们常犯哪些错误？又该如何避免？
当企业将生成式人工智能引入自己的数据环境时，即在自己强大的企业数据基础上对其进行定制，生成式人工智能的效果会大大增强。此外，企业迟早必须采取具有挑战性的措施来重新构想其基本业务流程。如今，许多企业都在使用人工智能来自动化和改进现有流程。当他们开始问这样的问题时，可能会取得更大的成果：这个过程的组成部分是什么？我该如何改变它们？如何为尚不存在的事物的出现做好准备？是的，这将需要文化变革并接受一些风险，但当将组织的许多部分协调成一个强大的整体时，这似乎是不可避免的。
对于那些希望在该领域，尤其是在大型企业内产生重大影响的新兴人工智能领导者，您有什么建议？
业务转型本质上很复杂。大型企业中的新兴 AI 领导者应专注于分解流程、尝试变革和创新。这需要思维方式的转变和计算风险，但它可以创建一个更强大的组织。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/babak-hodjat-cognizant-ren-gong-zhi-neng-shou-xi-ji-shu
