Rozhovory

Massimiliano Moruzzi, zakladatel a generální ředitel Xaba – Interview Series

Antoine Tardif
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyXaba's Physics-AI využívá časové řady dat ze senzorů k extrakci řídicích rovnic pro…
Zobrazit více
  • Xaba's Physics-AI využívá časové řady dat ze senzorů k extrakci řídicích rovnic pro adaptaci v reálném čase.
  • Společnost převádí průmyslové roboty z automatizace řízené rigidním kódem na systémy s kauzálním fyzikálním uvažováním.
  • Moruzzi tvrdí, že další průlom v AI vyžaduje porozumění založené na fyzice, nejen rozpoznávání vzorů.

Massimiliano Moruzzi, zakladatel a generální ředitel Xaba, je dlouholetý odborník v oblasti průmyslové automatizace a umělé inteligence s hlubokými znalostmi v oblasti robotiky, výrobních systémů, CNC strojů a AI řízené průmyslové kontroly. Před založením Xaba v roce 2022 zastával vedoucí pozice v Augmenta AI, kde vedl výzkum a vývoj zaměřený na AI poháněnou automatizaci, a dříve působil ve vedoucích inženýrských a softwarových pozicích ve společnostech Ingersoll Machine Tools a IMTA. Během více než dvou desetiletí v oblasti průmyslové technologie se Moruzzi zaměřil na překlenutí mezery mezi pokročilou robotikou a praktickou výrobní implementací, se zvláštním důrazem na umožnění strojům fungovat inteligentněji, adaptivněji a autonomněji.

Xaba je torontská průmyslová AI společnost, která vyvíjí to, co označuje jako „syntetické mozky“ pro průmyslové roboty a výrobní systémy. Platforma společnosti kombinuje generativní AI, učení s posilováním, řízení robotiky a průmyslovou automatizaci, aby umožnila robotům, CNC strojům a PLC řízeným systémům samo-programování a adaptaci v reálném čase bez manuálního kódování. Jejich vlajkové technologie, včetně xCognition a PLCfy, jsou navrženy tak, aby automatizovaly programování robotů, optimalizovaly výrobní procesy a urychlovaly nasazení v různých odvětvích, jako je letecký průmysl, automobilový průmysl a pokročilá výroba. Xaba profiluje svou technologii jako způsob, jak modernizovat výrobní automatizaci nahrazováním rigidních, manuálně programovaných systémů AI poháněnou kognitivní kontrolou, která je schopna učit se z provozních dat a dynamicky přizpůsobovat se měnícím se výrobním podmínkám.

Co poprvé vyvolalo nápad na Xaba, a kdy jste si uvědomili, že průmyslové roboty potřebují fundamentálně jiný přístup — vlastně syntetický mozek místo dalších řádků kódu?

Impuls přišel z pozorování, jak většina průmyslových robotů selhává na základní úrovni variability. Tyto stroje jsou mechanicky přesné, ale kognitivně křehké. Malé změny v tolerancích dílů, procesních parametrech nebo chování materiálu mohou vyřadit celou operaci.

Průmysl reagoval konzistentně: napsat více kódu, přidat drahé rigidní příslušenství k eliminaci variability, přidat více pravidel, spoléhat se na lidský dohled a neustále přeprogramovávat systém.

To je okamžik, kdy mě napadlo: toto není softwareový problém — je to chybějící mozek.

Dnešní průmyslové roboty a kontroléry slepě vykonávají instrukce bez understanding, zda výsledek je skutečně dobrý nebo špatný. Nerozumí fyzickému světu kolem nich.

Roboty neselhávají kvůli nedostatku instrukcí; selhávají kvůli nedostatku understanding. Lidé se nespoléhají na tisíce řádků kódu, aby utáhli šroub nebo aplikovali lepidlo. Adaptují se instinktivně na základě síly, pohybu a fyzické zpětné vazby.

Stalo se jasné, že průmyslové roboty potřebují syntetický rozumový systém založený na fyzice, ne jen další vrstvu programování.

Jak vaše zkušenosti v Augmenta AI a dřívějších rolích ovlivnily váš pohled na Xaba, a jaké konkrétní mezery nebo poznatky vás vedly k založení této společnosti?

V Augmenta AI jsme se soustředili na AI poháněné rozhodování, optimalizaci a autonomii. Stalo se zřejmým, že většina AI systémů funguje abstraktně, tj. optimalizuje datové reprezentace místo interakce s fyzickou realitou.

V dřívějších rolích jsem viděl, jak automatizační projekty uvízly nebo selhaly ne kvůli tomu, že roboty nebyly schopné, ale kvůli neudržitelné inženýrské zátěži. Mezera byla zřejmá: chyběla inteligentní vrstva, která by mohla propojit vysoké úrovně záměru s fyzickou realitou. Xaba existuje, aby tuto mezeru překlenula, a dala strojům schopnost rozumět fyzice, pohybu, omezením a výsledkům stejně jako zkušení lidé.

Xaba buduje první fyzikálně založený GenAI systém pro průmyslové roboty. Jak se tento přístup liší od tradičního programování robotů a od dnešních hlavních AI modelů?

Tradiční programování robotů závisí na předdefinovaných cestách, procesních parametrech, silách a sekvencích akcí. Předpokládá, že prostředí se chová stejně pokaždé, jako CAD model.

Hlavní AI modely používají jiný přístup, ale jsou stále převážně statistické. Jsou dobré v předpovídání a imitaci, ale skutečně nerozumí fyzické příčině a účinku.

Xabaův Physics-AI představuje třetí paradigm. Místo toho, aby se spoléhal primárně na vizuální data nebo statické instrukce, používáme časové řady dat ze senzorů, jako je síla, teplota, zrychlení, napětí, akustika a vibrace, abychom pochopili základní fyziku procesu.

To dává systému understanding, jak akce ovlivňují výsledky. Místo toho, aby následoval instrukce, stroj se může přizpůsobit v reálném čase, když se podmínky mění.

Přestáváme průmyslové roboty z rigidní automatizace na systémy, které mohou rozumět fyzice práce, kterou vykonávají.

Jak syntetický rozum zlepšuje kvalitu, opakovatelnost a reálnou adaptabilitu na výrobní ploše?

Syntetický rozum umožňuje robotům přizpůsobit se během úkolu. Pokud se odpor změní, robot kompenzuje odpovídajícím způsobem. Pokud se změní chování materiálu, přizpůsobí pohyb.

To vede k vyšší kvalitě, protože robot reaguje na realitu, ne na předpoklady.

Opakovatelnost se zlepšuje, protože systém není přehráván křehké trajektorie; řeší úkol znovu každým okamžikem na základě fyzického záměru. A adaptabilita se stává nativní, ne výjimkou, která vyžaduje přeprogramování.

Proč věříte, že další velký průlom v AI nastane ve fyzických systémech, a ne pouze v digitálních?

Protože skutečný svět funguje na fyzice, ne na korelacích. Většina dnešní AI je postavena kolem rozpoznávání vzorců a předpovídání.

Největší AI průlomy dosud nastaly v digitálních prostředích, kde rozpoznávání vzorců často stačí. Ale fyzické systémy, jako je svařování, obrábění a montáž, fungují jinak. Závisí na kauzálních vztazích mezi silou, energií, teplotou, pohybem a chováním materiálu. V těchto prostředích mohou malé variace rozbit proces a chyby mají skutečné důsledky.

To je důvod, proč další průlom vyžaduje posun od datově řízené předpovědi k fyzice založenému rozumění.

Physics-AI umožňuje tento posun. Používáním časových řad dat ze senzorů k extrahování základních rovnic procesu může AI přejít od hádání výsledků k understanding, jak systém funguje. To umožňuje strojům přizpůsobit se v reálném čase, i při variabilitě.

  • Digitální AI → převážně postavená na korelaci, předpovědi a generaci obsahu.
  • Physics-AI → umožňuje strojům rozumět, přizpůsobit se a reagovat na reálné podmínky v reálném čase.

Další vlna AI nebude definována lepšími LLM nebo Imitation Games, ale stroji, které mohou rozumět a řídit realitu.

Co dělá dnešní infrastrukturu automatizace zastaralou, a co je potřeba udělat, aby se to napravilo na úrovni celého průmyslu?

Dnešní infrastruktura je postavena na předpokladu, že variabilita je nepřítelem. Vše je rigidní, nadměrně inženýrsky navržené a drahé na údržbu. Nefunguje dobře, protože každá nová produktová nebo procesní variace vyžaduje masivní lidskou intervenci.

Nappravění tohoto stavu vyžaduje posun od programování k kognici. Potřebujete univerzální inteligentní vrstvu, která může sedět na stávající hardwaru a udělat ho adaptivním. To je způsob, jak modernizovat automatizaci bez odstranění desetiletí investic.

Mnozí výrobci bojují s úkoly, které stále vyžadují tisíce řádků kódu a týdny kalibrace. Jak Xaba eliminuje tuto úzkou místa?

Výrobci narazí na tuto úzkou místa, protože dnešní systémy jsou řízeny kódem a založeny na imitaci, ne na understanding. Spoléhají se na tisíce řádků logiky nebo na AI modely trénované na pixelech a videích, které často nazýváme imitační hrou. Tyto přístupy zachycují vzorce, ale nerozumí základnímu procesu.

Xaba jde fundamentálně jinou cestou.

Používáme časové řady dat ze senzorů, síly, teploty, proudu a vibrace, abychom vytvořili novou třídu základních modelů založených na fyzice. Místo učení korelací naše Physics-AI extrahuje základní rovnice procesu. To dává systému skutečné kauzální understanding, jak akce ovlivňují výsledky.

Z toho systém generuje fyzicky platné akce v reálném čase. Robot nepřehrává příklady nebo nenásleduje předdefinovaný kód; rozumí procesu před akcí a přizpůsobuje se neustále při variabilitě.

V praxi to znamená, že nejsou potřeba tisíce řádků kódu, není potřeba spoléhat se na pixelovou imitaci a není potřeba neustálé přeprogramování, když se podmínky mění. Místo toho máte systém, který rozumí fyzice a řídí ji. To je způsob, jak se přesunout od programování a imitace k skutečnému fyzickému rozumění a autonomnímu řízení.

Roboty, které se učí z demonstrace, jsou odvážným krokem. Jaké technické milníky umožnily tuto změnu, a jaké omezení stále existují dnes?

Roboty, které se učí z demonstrace, jsou důležitým krokem, ale stále je to převážně imitační přístup. Tyto systémy mapují pozorování (jako pixely nebo trajektorie) na akce bez understanding základního fyzického procesu.

Z pohledu Physics-AI je skutečným milníkem posun od imitace k kauzálnímu understanding.

Co to umožnilo, je:

  • Pokroky v percepční technologii (modely vizuálního jazyka, multimodální data)
  • Velké datové sady lidského a robotického chování
  • Vylepšené politiky, které mohou mapovat pozorování na akce

Ale tyto systémy jsou stále fundamentálně korelační. Mohou replikovat to, co viděli, ale bojují, když:

  • Materiály se chovají jinak
  • Procesní parametry se mění
  • Geometrie nebo tolerance se liší
  • Skutečná fyzika se odchyluje od trénovacích dat

To je místo, kde se omezení stávají zřejmými.

V Xaba jdeme jinou cestou. Místo toho, abychom se učili, co dělat z demonstrací, se učíme, proč to funguje.

Používáním časových řad dat ze senzorů Xaba extrahuje základní fyzické rovnice procesu. To vytváří základ Physics-AI modelu, který rozumí, jak systém funguje za různých podmínek.

Skutečný průlom přichází ze schopnosti stroje rozumět silám, energii a chování materiálu, přizpůsobit se v reálném čase a generovat fyzicky platné akce.

Jak systém Xaba přizpůsobuje se nepředvídatelným reálným podmínkám — variacím materiálu, opotřebení nástrojů nebo jemným změnám prostředí?

Protože systém neustále rozumí síle, pohybu a výsledkům, může detekovat, když realita se odchyluje od očekávání, a přizpůsobit se v reálném čase. Opotřebení nástrojů se stává proměnnou, ne selháním. Variace materiálu se stává součástí rozumovací smyčky.

To je fundamentálně odlišné od prahových chybových zpracování — je to kontinuální adaptace.

Pohledem do budoucna, pět let, jak vidíte vývoj fyzikálně založené GenAI, a co vypadá plně autonomní továrna, vybavená syntetickým rozumem?

Z mé perspektivy budou příští pět let znamenat přechod od automatizace k skutečné kognitivní výrobě.

Fyzikálně založená GenAI se bude vyvíjet z optimalizace jednotlivých úkolů na vytváření základních modelů pro celé průmyslové systémy. Místo trénování na pixelech nebo minulých trajektoriích budou tyto systémy neustále učit se ze síly, teploty, energie a dynamiky, umožňující kauzální understanding každé operace.

Změna je zásadní:

  • Od programování → samo-generování kontrolních strategií
  • Od statických modelů → kontinuálně se učí systémy
  • Od korelace → fyzice založenému rozumění

Plně autonomní továrna, vybavená syntetickým rozumem, bude vypadat fundamentálně jinak. Stroje se budou samo-programovat na základě požadovaných výsledků, přizpůsobovat se v reálném čase variacím materiálu a geometrie, a vnitřně řídit kvalitu, místo toho, aby ji kontrolovali dodatečně. Znalosti nebudou izolované — budou se šířit napříč stroji, linkami a dokonce i továrnami, zlepšujíce výkon neustále.

Ale nejdůležitější transformace je lidská. S skutečným syntetickým mozkem pro výrobu se vztah mezi lidmi a stroji stává oboustranným. Lidé nebudou pouze programovat stroje, ale budou se učit od nich, stejně jako stroje se učí od lidského záměru a zkušeností.

Automatizace přestává být funkcí a stává se platformou pro kariérní růst, kontinuální učení a objevování. Inženýři, operátoři a technici budou spolupracovat se systémy, které vysvětlují, přizpůsobují se a zvyšují jejich understanding fyzických procesů.

V tom světě nejsou týdny kalibrace nebo tisíce řádků kódu. Továrna funguje jako koordinovaný, fyzice vědomý systém, který zvyšuje lidské schopnosti a understanding.

Nakonec se přesuneme od továren, které vykonávají instrukce, k továrnám, které rozumí, rozumují a ko-evoluují s lidmi. To je budoucnost, kterou stavíme v Xaba.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Xaba.

Antoine je vizionářský lídr a zakládající partner Unite.AI, kterého pohání neochvějné nadšení pro utváření a podporu budoucnosti umělé inteligence a robotiky. Jako podnikatel, který založil několik společností, věří, že AI promění společnost stejně zásadně jako elektřina, a často s nadšením hovoří o potenciálu převratných technologií a obecné umělé inteligence (AGI).

Jako futurista se věnuje zkoumání toho, jak tyto inovace budou utvářet náš svět. Je také zakladatelem Securities.io, platformy zaměřené na investice do špičkových technologií, které nově definují budoucnost a proměňují celá odvětví.