ماسيميليانو موروزي، المؤسس والرئيس التنفيذي لشركة Xaba – سلسلة المقابلات

ماسيميليانو موروزي، المؤسس والرئيس التنفيذي لشركة Xaba، هو خبير طويل الأمد في أتمتة الصناعة والذكاء الاصطناعي مع خبرة عميقة تشمل الروبوتات، وأنظمة التصنيع، ومكائن CNC، والتحكم الصناعي القائم على الذكاء الاصطناعي. قبل تأسيس Xaba في عام 2022، شغل مناصب قيادية في Augmenta، حيث قاد جهود البحث والتطوير المتمركزة على أتمتة قوية بالذكاء الاصطناعي، وخدم في مناصب هندسية وبرمجية رفيعة المستوى في Ingersoll Machine Tools وIMTA. على مدار أكثر من عقدين من التكنولوجيا الصناعية، ركز موروزي على سد الفجوة بين الروبوتات المتقدمة والتنفيذ الصناعي العملي، مع التركيز بشكل خاص على تمكين الآلات من العمل بطرق أكثر ذكاءً، وتكيفًا، واعتمادية.

Xaba هي شركة ذكاء اصطناعي صناعي مقرها تورونتو، وتطوير ما وصفته بـ “الأدمغة الاصطناعية” للروبوتات الصناعية وأنظمة المصانع. منصة الشركة تجمع بين الذكاء الاصطناعي التوليدي، وتعلم التعزيز، ومراقبة الروبوتات، وأتمتة الصناعة لتمكين الروبوتات، ومكائن CNC، والأنظمة المتحكمة بواسطة PLC من البرمجة الذاتية والتكيف في الوقت الفعلي دون كتابة شفرة يدوية. تقنياتها الرائدة، بما في ذلك xCognition وPLCfy، مصممة لتحسين برمجة الروبوتات، وتنسيق تدفقات العمل، وتسريع التطوير عبر الصناعات مثل الطيران، والسيارات، والتصنيع المتقدم. تضع Xaba تقنيتها كوسيلة لتحديث أتمتة المصانع عن طريق استبدال الأنظمة البرمجية الصلبة بالتحكم الإدراكي القائم على الذكاء الاصطناعي القادر على التعلم من البيانات التشغيلية والتكيف ديناميكيًا مع بيئات الإنتاج المتغيرة.

ما هو ما أثار فكرة Xaba، وعندما أدركت أن الروبوتات الصناعية تحتاج إلى نهج مختلف بشكل جذري – بمعنى دماغ اصطناعي بدلاً من سطور شفرة إضافية؟

الشرارة جاءت من ملاحظة كيف يفشل معظم الروبوتات الصناعية على مستوى التباين الأساسي. هذه الآلات دقيقة ميكانيكيًا، لكنها هشة إدراكيًا. التغيرات الصغيرة في التolerances الجزئية، أو معايير العملية، أو سلوك المواد يمكن أن يلقي بفعل كامل.

استجابة الصناعة كانت متسقة: كتابة المزيد من الشفرة، وإضافة مكونات صلبة مكلفة لتحقيق التباين، وترسيخ المزيد من القواعد، والاعتماد على الرقابة البشرية، والاستمرار في إعادة调整 النظام.

عندما达 ذلك إلى هذا الإدراك: هذه ليست مشكلة برمجية – إنها دماغ مفقود.

الروبوتات الصناعية والمراقبة تنفذ تعليماتها بدون فهم ما إذا كان النتيجة جيدة أو سيئة. لا يفكرون في العالم المادي حولهم.

الروبوتات لا تفشل لأنها تفتقر إلى تعليمات، بل لأنها تفتقر إلى الفهم. البشر لا يعتمدون على آلاف السطور من الشفرة لتightening bolt أو تطبيق لاصق. نناسب بشكل غريزي بناءً على القوة، والحركة، والرد الفيزيائي.

أصبح من الواضح أن الروبوتات الصناعية تحتاج إلى نظام إدراكي اصطناعي يعتمد على الفيزياء، وليس مجرد طبقة برمجية إضافية.

كيف ساهمت خبرتك في Augmenta AI والمناصب السابقة في تشكيل منظورك عند دخول Xaba، وما هي الفجوات أو الاكتشافات المحددة التي دفعتك إلى بناء هذه الشركة؟

في Augmenta AI، كنا متعمقين في اتخاذ القرارات القائمة على الذكاء الاصطناعي، والتحسين، والاستقلالية. ما أصبح واضحًا هو أن معظم أنظمة الذكاء الاصطناعي تعمل بطريقة مجردة، أي تحسين تمثيلات البيانات بدلاً من التفاعل مع الواقع الفيزيائي.

في المناصب السابقة، رأيت أن مشاريع الأتمتة تتعثر أو تفشل ليس لأن الروبوتات ليست قادرة، بل بسبب الحمل الهندسي غير المستدام. الفجوة كانت واضحة: لم يكن هناك طبقة ذكاء يمكن ربط النية العليا بالفيزياء الفعلية. Xaba موجودة لسد هذه الفجوة، وإعطاء الآلات القدرة على التفكير في القوة، والحركة، والقيود، والنتائج بنفس الطريقة التي يفعلها البشر المهرة.

Xaba تبني أول نظام ذكاء اصطناعي قائم على الفيزياء في العالم للروبوتات الصناعية. كيف يختلف هذا النهج عن برمجة الروبوتات التقليدية وعن نماذج الذكاء الاصطناعي السائدة اليوم؟

برمجة الروبوتات التقليدية تعتمد على مسارات محددة، ومتغيرات العملية، وقوى، وتسلسلات إجراءات. تفترض أن البيئة تتصرف بنفس الطريقة كل مرة، مثل نموذج CAD.

نماذج الذكاء الاصطناعي السائدة تتخذ نهجًا مختلفًا، لكنها لا تزال في الغالب إحصائية. جيدة في التنبؤ والتقليد، لكنها لا تفهم حقًا السبب الفيزيائي والنتيجة.

يطرح نظام Xaba نمطًا جديدًا. بدلاً من الاعتماد بشكل رئيسي على البيانات البصرية أو الإرشادات الثابتة، نستخدم بيانات السلاسل الزمنية من حساسات مثل القوة، والحرارة، والتسارع، والجهد، والصوت، والاهتزاز لفهم الفيزياء الأساسية للعملية.

هذا يعطي النظام فهمًا لمدى تأثير الإجراءات على النتائج. بدلاً من اتباع الإرشادات فقط، يمكن للآلة التكيف في الوقت الفعلي عند تغيير الظروف.

ننتقل من أتمتة الروبوتات الصلبة إلى أنظمة يمكنها التفكير فيزيائيًا في العمل الذي تقوم به.

كيف يحسن التفكير الاصطناعي جودة التكرار والتعديل في الوقت الفعلي على أرضية المصنع؟

التفكير الاصطناعي يسمح للروبوتات بالتكيف أثناء المهمة. إذا تغيرت المقاومة، يتعديل الروبوت بشكل متناسب. إذا تغير سلوك المواد، يتعديل الحركة. هذا يؤدي إلى جودة أعلى لأن الروبوت يستجيب للواقع، وليس للافتراضات.

التكرار يتحسن لأن النظام لا يعيد مسارات هشة؛ إنه يحل المهمة مرة أخرى كل مرة بناءً على النية الفيزيائية. والتعديل يصبح أصيلاً، وليس استثناءًا يحتاج إلى إعادة برمجة.

لماذا تعتقد أن الكسر التالي الكبير في الذكاء الاصطناعي سوف يحدث في الأنظمة الفيزيائية، وليس في الأنظمة الرقمية فقط؟

لأن العالم الحقيقي يعمل على الفيزياء، وليس على الارتباطات. معظم الذكاء الاصطناعي اليوم مبني حول التعرف على الأنماط والتنبؤ.

أكبر اختراقات الذكاء الاصطناعي حتى الآن حدثت في البيئات الرقمية حيث غالبًا ما يكون التعرف على الأنماط كافياً. لكن الأنظمة الفيزيائية مثل اللحام، والتصنيع، والتركيب تعمل بشكل مختلف. تعتمد على علاقات سببية بين القوة، والطاقة، والحرارة، والحركة، وسلوك المواد. في هذه البيئات، يمكن أن يكسر التباين الصغير عملية، والأخطاء لها عواقب حقيقية.

لهذا السبب، يتطلب الكسر التالي تحولًا من التنبؤ القائم على البيانات إلى التفكير القائم على الفيزياء.

يسمح نظام Physics-AI بهذا التحول. من خلال استخدام بيانات السلاسل الزمنية من الحساسات لاستخراج المعادلات الحاكمة للعملية، يمكن للذكاء الاصطناعي الانتقال من تخمين النتائج إلى فهم كيفية سلوك النظام. هذا يسمح للآلات بالتكيف في الوقت الفعلي، حتى تحت التباين.

• الذكاء الاصطناعي الرقمي → مبني في الغالب على الارتباط، والتنبؤ، وإنشاء المحتوى.
• Physics-AI → يسمح للآلات بالتفكير، والتكيف، والاستجابة للظروف الفعلية في الوقت الفعلي.

المرحلة القادمة من الذكاء الاصطناعي لن تكون محددة بأفضل نماذج LLM أو ألعاب التقليد، ولكن بالألات التي يمكنها فهم والسيطرة على الواقع.

ما الذي يجعل بنية الأتمتة الحالية عفا عليها الزمن، وماذا يلزم لتصحيحها على نطاق صناعي؟

بنية الأتمتة الحالية مبنية على افتراض أن التباين هو العدو. كل شيء صلب، ومصمم بعناية، وغالي التكلفة للحفاظ عليه. لا تتوسع جيدًا لأن كل تباين جديد في المنتج أو العملية يتطلب تدخلاً بشريًا كبيرًا.

تصحيح ذلك يتطلب تحولًا من البرمجة إلى الإدراك. تحتاج إلى طبقة ذكاء عالمية يمكنها الجلوس على أجهزة موجودة وجعلها متكيفة. هذا هو كيفية تحديث الأتمتة بدون نزع استثمارات عقود.

كيف تحل Xaba مشكلة الروبوتات التي لا تزال تحتاج إلى آلاف السطور من الشفرة وأسابيع من التعديل؟

تصل المصنعون إلى هذا الحاجز لأن الأنظمة الحالية مدفوعة بالشفرة والتقليديات، وليست مدفوعة بالفهم. تعتمد على آلاف السطور من المنطق أو على نماذج الذكاء الاصطناعي المدربة على البكسل والفيديوهات، والتي نسميها أحيانًا لعبة التقليد. هذه النهججات تلتقط الأنماط، لكنها لا تفهم العملية الأساسية.

Xaba تأخذ مسارًا مختلفًا بشكل جذري.

نستخدم بيانات السلاسل الزمنية من الحساسات، والقوة، والحرارة، والتيار، والاهتزاز لبناء فئة جديدة من النماذج الأساسية المبنية على الفيزياء. بدلاً من تعلم الارتباطات، يستخرج Physics-AI المعادلات الحاكمة للعملية. هذا يعطي النظام فهمًا سببيًا حقيقيًا لكيفية تأثير الإجراءات على النتائج.

من هناك، يولد النظام إجراءات صالحة فيزيائيًا في الوقت الفعلي. الروبوت لا يعيد تشغيل الأمثلة أو يتبع شفرة محددة؛ إنه يفكر في العملية قبل التصرف ويتكيف بشكل مستمر تحت التباين.

في الممارسة، هذا يعني لا آلاف السطور من الشفرة، ولا الاعتماد على تقليد قائم على البكسل، ولا إعادة التعديل المستمرة عند تغيير الظروف. بدلاً من ذلك، تحصل على نظام يفهم الفيزياء ويتحكم فيها. هذا هو كيفية الانتقال من البرمجة والتقليد إلى التفكير الفيزيائي الحقيقي والتحكم المستقل.

الروبوتات التي تتعلم من التمثيل هي تحول جريء. ما هي الحلقات الفنية التي جعلت هذا ممكنًا، وما هي القيود التي لا تزال موجودة اليوم؟

الروبوتات التي تتعلم من التمثيل هي خطوة مهمة، لكنها لا تزال في الغالب نهجًا قائمًا على التقليد. هذه الأنظمة ترسم الرسومات بين الملاحظات (مثل البكسل أو المسارات) والإجراءات بدون فهم الفيزياء الأساسية للمهمة.

من منظور Physics-AI، الحجر الزهري هو الانتقال من التقليد إلى الفهم السببي.

ما جعل هذا ممكنًا هو:

• التقدم في الإدراك (نماذج اللغة والرؤية، والبيانات متعددة الوسائط)
• قواعد بيانات كبيرة من سلوك الإنسان والروبوتات
• سياسات محسنة يمكنها ربط الملاحظات بالإجراءات

لكن هذه الأنظمة لا تزال في الأساس مدفوعة بالارتباط. يمكنها تكرار ما رأته، لكنها تعاني عندما:

• تتصرف المواد بشكل مختلف
• تتغير معايير العملية
• تتغير الهندسة أو التolerances
• ينحرف الفيزياء الفعلية عن بيانات التدريب

في Xaba، نتبع نهجًا مختلفًا. بدلاً من تعلم ما يجب فعله من التمثيلات، نتعلم لماذا يعمل.

باستخدام بيانات السلاسل الزمنية من الحساسات، يستخرج Physics-AI معادلات الفيزياء الحاكمة للعملية. هذا يخلق نموذجًا أساسيًا من Physics-AI يفهم كيفية سلوك النظام تحت ظروف مختلفة.

الانطلاقة الحقيقية تأتي من قدرة الآلة على التفكير في القوة، والطاقة، وسلوك المواد، والتكيف في الوقت الفعلي، وتوليد إجراءات صالحة فيزيائيًا.

كيف يتكيف نظام Xaba مع الظروف الفعلية غير المتوقعة – مثل تباين المواد، أو ارتداء الأدوات، أو التغيرات الدقيقة في البيئة؟

نظرًا لأن النظام يفكر باستمرار في القوة، والحركة، والنتائج، يمكنه كشف عندما يختلف الواقع عن التوقعات وتعديلها في الوقت الفعلي. يصبح ارتداء الأدوات متغيرًا، وليس فشلًا. يصبح تباين المواد جزءًا من حلقة التفكير.

هذا يختلف بشكل جوهري عن معالجة الأخطاء القائمة على العتبة – إنه التكيف المستمر.

إذا نظرنا إلى الأمام لمدة خمس سنوات، كيف ترى تطور الذكاء الاصطناعي القائم على الفيزياء، وما هي مظهر المصنع المستقل الكامل الذي يتم تمكينه بواسطة التفكير الاصطناعي؟

من منظوري، ستشكل الخمس سنوات القادمة انتقالًا من الأتمتة إلى التصنيع الإدراكي الحقيقي.

سيتطور الذكاء الاصطناعي القائم على الفيزياء من تحسين المهام الفردية إلى بناء نماذج أساسية لأنظمة صناعية كاملة. بدلاً من التدريب على البكسل أو مسارات الماضي، ستتعلم هذه الأنظمة بشكل مستمر من القوة، والحرارة، والطاقة، والديناميكا، مما يسمح بالفهم السببي لكل عملية.

التغيير هو عميق:

• من البرمجة → استراتيجيات التحكم الذاتي التوليد
• من النماذج الثابتة → أنظمة متعلمة بشكل مستمر
• من الارتباط → التفكير المبني على الفيزياء

مصنع مستقل تمامًا مدعومًا بالتفكير الاصطناعي سيكون مختلفًا بشكل جذري. الآلات ستبرمج نفسها بناءً على النتائج المرغوبة، وتتكيف في الوقت الفعلي مع تباين المواد والهندسة، وستتحكم بشكل فطري في الجودة بدلاً من فحصها بعد الحدث. لن تكون المعرفة محجوزة – ستنتشر عبر الآلات، والخطوط، وحتى المصانع، مما يحسن الأداء بشكل مستمر.

لكن التحول الأكثر أهمية هو البشري. مع دماغ اصطناعي حقيقي للتصنيع، يصبح العلاقة بين البشر والآلات علاقة ثنائية. لن يبرمج البشر الآلات فقط، بل سيتعلمون منها، كما تتعلم الآلات من النية البشرية والخبرة.

ت停止 الأتمتة عن كونها وظيفة وت trởة منصة لنمو الوظيفة، والتعلم المستمر، والاكتشاف. المهندسون، والمراقبون، والفنيون سيعملون مع أنظمة تفسر، وتتكيف، وترفع من فهمهم للعمليات الفيزيائية.

في ذلك العالم، لا توجد أسابيع من التعديل أو آلاف السطور من الشفرة. تعمل المصنع كمنظومة متناسقة، واعية بالفيزياء، وتعزز القدرة البشرية والفهم.

ننتقل في النهاية من مصانع تنفذ تعليمات إلى مصانع تفهم، وتفكر، وتتطور مع البشر. هذا هو المستقبل الذي نبنيها في Xaba.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة Xaba.