Adam Sadilek. Stifter og administrerende direktør for AIM – Interview Serie

Adam Sadilek er stifter og administrerende direktør for AIM. Som barn var han besat af robotteknologi og automation – drevet af en ønske om at bygge systemer, der kan lære på egen hånd og gøre fysisk arbejde smartere, hurtigere og sikrere. Den tidlige fascination førte ham til Google, hvor han bidrog til banebrydende arbejde på planet-skala AI og autonome køretøjer, som senere udviklede sig til Waymo. Ved at erkende en utilgået mulighed, stiftede han AIM for at bringe autonomi til jordarbejde – en sektor, der understøtter næsten alle menneskelige infrastrukturer, men har set lidt automation siden introduktionen af hydraulisk maskineri.

AIM er en pionér inden for verdens første AI-drevne platform til tungt udstyr, der transformerer, hvordan jorden flyttes i stor skala. Ved at kombinere avanceret perception, planlægning og kontrolsystemer, automatiserer AIM udgravning, jævning og materialeflytning på tværs af bygge-, mine- og klimaresiliensprojekter. Selskabets teknologi løser kritiske globale udfordringer som arbejdskraftmangel, infrastrukturmodernisering og katastrofeberedskab – og lægger grundstenen for en fremtid, hvor autonome maskiner kan bygge både på Jorden og udenfor.

DU tilbragte mere end et årti hos Google[x], hvor du arbejdede på større AI-initiativer, herunder det, der blev til Waymo. Hvilke specifikke oplevelser under den periode overbeviste dig om, at automatisering af den fysiske verden – og ikke kun digitale miljøer – var den rigtige front?

Jeg havde privileiet at tilslutte mig Google lige efter at have fået min ph.d. i AI. Arbejdet hos Google[x] og Alphabet gav mig praktisk erfaring med at se potentialet for AI i virkelige verdensmiljøer. Men det var ikke før, jeg skiftede til at bygge fysiske infrastrukturprojekter, at jeg virkelig forstod, hvor meget af en game-changer automation kunne være i den byggede verden.

At se, hvor udfordrende det var at flytte jord, jord og materiale hver dag – selv for erfarne byggere – førte mig til det aha-øjeblik: ingen løste dette essentielle problem på en skalerbar måde. Autonom jordarbejde ville ikke kun radikalt forbedre sikkerheden for grundpersonale og accelerere massive industrier som mining, bygge- og civile arbejder, men kunne også løse nogle af vores planets største udfordringer, som terraforming og afhjælpe den skade, der historisk er blevet gjort mod vores planet.

Så under pandemien begyndte jeg at konvertere manuelle maskiner til autonome i min garage, og det er, hvor AIM blev født.

Med AIM Intelligent Machines har du valgt en sektor, der har set lidt robotteknologi eller autonomi siden introduktionen af hydraulisk maskineri. Kan du beskrive det afgørende øjeblik eller indsigt, da du besluttede, at det var tid at lancere AIM?

Alt, hvad vi bygger, hvad vi afhænger af fra dag til dag, begynder med jord. Fra enheden, du læser dette på nu, til bygningerne, veje og maskiner, vi bruger hver dag, alt dette er enten mined eller dyrket, og vores evne til at flytte jord er nøgle til alt dette.

Jeg indså først hånden, arbejdende i byggeindustrien, at jordarbejdsindustrier som mining og byggeindustrien havde set lidt af den teknologi og automation, der havde transformeret andre industrier. Mens lagerhaller havde transportsystemer, fabrikker automatiserede samlebånd og shipping containerisering og sporingssystemer – metoderne, vi bruger til at flytte store mængder jord, har ikke rigtig ændret sig i lang tid.

Jeg begyndte også at forstå den enorme efterspørgsel efter at forbedre jordarbejde. At operere tungt udstyr er et af de farligste job i verden, hvilket fører til både akutte og kroniske arbejdskraftmangel for kvalificerede arbejdere (byggeindustrien skal tilføjenæsten 1 million arbejdereover de næste to år for at møde projektets efterspørgsel). Der er også en utrolig behov på verdensplan for autonom jordarbejde til at forbedre alt fra materialeforsyningskæder til at bygge overlegen infrastruktur, beskytte og genskabe områder, der er truet eller skadet af naturkatastrofer, og andet.

Alt dette førte mig til erkendelsen af, at vores civilisation behøver autonom jordarbejde. Vi behøver visionen, farten og intelligensen til at omforme planeten med præcision og skala for at løse planetens største udfordringer og muligheder. Det er, hvad der førte mig til at lancere AIM og hvad vi løser.

Autonomi for mining eller byggeudstyr præsenterer enorm kompleksitet: ru terrain, uforudsigelige forhold, tungt udstyr bygget til at holde i årtier. Hvad var de nøgle-tekniske gennembrud, der gjorde jeres platform mulig – i sensing, mapping, machine-learning eller integration?

At designe inkorporeret AI til at flytte jord i nogle af de hårdeste forhold på vores planet, er ikke let. Ikke kun skulle vi designe til miljøer, hvor der ikke er vej, vejbaner eller andre regler for AI at følge – vi skulle også udvikle systemer, der kan gøre dette på steder med ekstrem varme og kulde, mørke, dårlig til ikke-eksisterende internetforbindelse og vejrforhold som sne, hagl eller sandstorme.

En af de nøgle-tekniske gennembrud for AIM var at løse udfordringen med sensing og mapping i ru terrain. Sensor-teknologi kan være skrøbelig, når den er monteret på maskiner, der oplever meget vibration og impact. Så hvad vi har gjort, er at eliminere disse skrøbelige dele og integrere alle AIM’s beregning og kritiske komponenter i en proprietær pansret struktur, der også er forseglet for at forhindre affald og sand i at komme ind. Vi har derefter også svejset sensorer ind i maskinens skelet for at give endnu mere holdbarhed.

Denne robusthed i kombination med kraftfuld end-to-end-læring ombord er, hvad der gør AIM i stand til at automatisere jordarbejdsopgaver i nogle af de mest ekstreme miljøer, på produktionsarbejdspladser over hele verden. Der er en enorm forskel mellem en prototype og et system, der er udviklet kommercielt med nogle af verdens største minearbejdere, byggere og afdelinger af den amerikanske regering, som afhænger af det hver dag på deres lokaliteter.

AIM’s strategi er at ombygge eksisterende tungt udstyr med sensorer, LiDAR og kameraer. Hvorfor valgte du at udnytte eksisterende maskiner i stedet for at udvikle helt nye autonome maskiner fra bunden?

Det simple svar er, at vi ønsker, at automation skal være tilgængelig for alle jordarbejdsoperationer i dag. Sted- og ejendomsledere har allerede investeret millioner til milliarder i tungt udstyr. Bare en af disse maskiner koster ofte mere end 1 million dollar og har en lang levetid. Så det er ikke kun rentabelt eller bæredygtigt at erstatte hele flåden med nye maskiner for at blive autonom.

Vores ombygningsstrategi løser hundredtusinder af disse legacy-maskiner i drift over hele verden. AIM giver organisationer, store eller små, mulighed for at øge deres kapaciteter til at forbedre materialeforsyningskæder, bygge infrastruktur, beskytte og genskabe områder, der er truet eller skadet af naturkatastrofer, og andet. Dette er med til at låse op for kraften af automation for operatører i den hastighed og skala, det er nødvendigt for i dag, ikke 10 år ind i fremtiden.

I parallel udvikler vi ofte det samme hardware, software og AI i samarbejde med kanaler, distributører og selv OEM’er, som laver de fantastiske hydrauliske maskiner, vi giver kraft til med AIM’s autonomiplatform, der køre på toppen af disse flåder. Så det handler om maksimal sikkerhed, værdiskabelse, fælles kundesucces og fleksibilitet for de massivt vigtige økosystemer.

Dit platform anvender end-to-end-læring, så maskiner kan “lære sig selv” til at grave hurtigere og mere effektivt. Hvordan fungerer denne feedback-løkke præcis i felten, og hvilke operationelle forbedringer har du observeret indtil nu?

Vores tilgang var at placere alle AI-beregninger ombord. I kombination med vores hårdede platform, der kan operere selv uden GPS eller internet, leverer vi avanceret autonomi gennem end-to-end-læring udført på kanten. Dette giver maskinerne mulighed for at blive klogere og hurtigere, jo mere de udfører arbejdet. Faktisk kan en AIM-udstyret maskine lære at grave rigtig godt på under en time! AI-robotstyringen bliver ekstremt præcis, da den lærer, f.eks. kørende med en to-centimeters nøjagtighed, selv uden GPS.

End-to-end-læring er nøglen til, at AIM-maskiner kan nå et kommercielt niveau af autonomi til at udføre jordarbejdsopgaver på produktionsarbejdspladser over hele verden. Det betyder også, at alle data, analyser og ydelsesovervågning er ombord for at reducere slid, skære ned på nedtid og forlænge maskinernes levetid endnu mere.

Derudover kan AIM levere nye operationelle og kapitalværdi på tværs af brændstofbesparelser, arbejds cyklus, flådenyttelse, optimal AI-sitesplanlægning og eliminering af omgør. I gennemsnit i mining genererer AIM en ekstra 13 millioner dollars værd af malm pr. maskine om året til top-linjen, mens det også sparer 633.000 dollar pr. maskine om året til bundlinjen (direkte driftsbesparelse). At eliminere enhver mulig fare for mennesker, da der ikke er nogen på eller nær maskinerne længere, bringer selvfølgelig en enorm sikkerhed, der er essentiel i sig selv og går ud over tal.

Du mener, at anvendelsen af AI her er kritisk for infrastruktur, klimaresiliens, selv forsvar. Hvad er de mest slående virkelige anvendelser, du arbejder på lige nu – og hvordan ser du deres samfundsmæssige indvirkning?

Lige nu bor en milliard mennesker mindre end 10 meter over stigende havniveauer, en ud af seks bor i områder med betydelig brandrisiko, og over tre milliarder er berørt af degraderet jord, der har brug for genskabelse. Der er ingen tvivl om, at arbejdskraftmangel påvirker kraftigt, hvor hurtigt kritisk infrastruktur bliver bygget, reparationer udføres og hvornår projekter kan blive fuldført. Disse arbejdskraftmangler gør det sværere end nogensinde at både omvende de negative virkninger af klimaforandringer og proaktivt forhindre fremtidige udfordringer.

Den eneste måde, vi kan løse disse udfordringer på, er ved at bringe mere kraft og autonomi til arbejdspladserne – så operationer ikke er begrænsede af arbejdskraftsbegrænsninger, vejrforhold eller farlige arbejdsmiljøer.

For eksempel er skovbrande mere hyppige på grund af de negative virkninger af klimaforandringer. I stedet for at reagere på skaden, som disse brande forårsager, stopper AIM dem, før de sker. AIM-udstyret bulldozere kan sættes direkte ind i dybe skove for at skabe brandbælter, der forhindrer skovbrande i at sprede sig, mens de opereres fjernstyre. På samme måde som du bygger en dæmning eller en søvold er det at stable materiale op langs kysten for at løfte den op. Det er analogt med jordarbejdet, vi allerede gør.

AI vil transformere, hvordan vi reagerer på og forhindrer disse naturkatastrofer og klima-udfordringer.

Miner- og byggeindustrien har ofte indgroede praksisser, tung regulering og høj risikotolerance, men lav automationstilpasning. Hvad er de ikke-tekniske barrierer (kulturelle, regulative, operationelle), som AIM står over for i at skale løsningen?

Det er altid en udfordring, når en transformerende teknologi kommer ind i et område, hvor praksisser er etableret i årtier. AI-drevet teknologi bringer altid en smule skepsis med sig i ikke-tekniske industrier. Men med AIM har vi kunnet overvinde disse udfordringer ved fysisk at vise operatørerne, hvordan AIM fungerer, hvordan det giver dem mulighed for at få mere ud af det, og hvordan de kan flytte op til sikrere, mere tilfredsstillende og bæredygtige karrierer.

Disse industrier oplever personligt virkningen af arbejdskraftmangel og stigende efterspørgsel, og når de kan se, hvordan AIM-udstyret køretøjer kan udføre en fuld skift autonomt med præcision, eller operere på steder, der er for farlige for deres besætning at gå, forsvinder disse bekymringer. I stedet for at være fast på maskinerne er operatørerne begejstrede for at lære, at de kan operere autonome flåder på en sikker afstand (og i aircondition eller opvarmning) for at øge både output og driftstid.

Behovet for operationel effektivitet overvinder de barrierer, der traditionelt har forhindret tilpasning.

Du stiftede AIM på et tidspunkt, hvor få var interesserede i at anvende AI i tungt udstyr og jordarbejde. Hvordan kristalliserede du den lange sigtige vision for AIM – og hvordan balancerede du tidlig eksperimentering med den større industrinarrative omkring automation i mining og byggeindustrien?

Da jeg forlod Google, begyndte jeg at bygge tungt fysisk infrastrukturprojekter, der krævede lav forsinkelse og ekstrem hastighed – det var, da jeg vidste, at vi skulle bringe autonome operationer ind i den fysiske verden.

Automation var altid mere end en drøm for miner- og byggeindustrien; alle håbede på, at en løsning ville dukke op, men ingen gjorde noget ved det. Med en teknisk og branchefaglig baggrund var visionen for AIM klar. Jeg forstod de operationelle huller, der skulle løses, og hvordan AI kan anvendes i den fysiske verden, og jeg vidste, at markedet for denne optimering var der.

Givet dit arbejde på både planet-skala AI (hos Google/Waymo) og nu jordarbejdsautonomi, hvordan sammenligner du potentialet for AI i den fysiske verden versus, hvad vi har set i den digitale domæne?

AI har allerede transformeret, hvordan vi opererer i den digitale verden, og vi ser en lignende værdiproposition i den fysiske verden – men i en endnu større skala. Ligesom AI transformerer, hvordan mennesker kan udføre forskning, styre opgaver og reducere menneskelig overvågning, transformerer AIM, hvordan fysiske maskiner opererer, lærer af erfaringer og tilpasser sig til ændrede miljøer.

Vi giver menneskelige operatører mulighed for at udføre deres job bedre ved at udstyre dem med autonome maskiner, der kan arbejde på steder, de fysisk ikke kan nå, operere under vejrforhold, der ellers ville lukke en arbejdsplads, og opretholde kontinuerlig produktivitet. Hverken digitale eller fysiske anvendelser af AI er meant til at erstatte mennesker fuldstændigt – det handler om at forbedre, hvordan mennesker kan arbejde.

Du har foreslået, at AIM’s vision strækker sig ud over Jorden – til off-planet konstruktion og terraforming. Hvordan realistisk er denne horisont i din mening, og hvilken rol ser du AIM spille i denne fremtid?

At bringe denne automation til alle hjørner af Jorden er det første skridt – men da off-planet konstruktion og ressourceudnyttelse bliver en realitet, vil behovet for autonome, fjernstyrede tungt udstyr blive endnu mere kritisk. Vi kan ikke sende et menneskeligt byggehold til Mars, men vi kan sende AIM-udstyret maskiner, der kan operere under disse ekstreme vejrforhold, mens de lærer af deres egen erfaring om, hvordan de kan operere bedre i dette landskab. Vi har brug for maskiner, der ikke kun opererer via fjernstyring; vi har brug for maskiner, der kan operere fuldstændigt autonomt på steder, hvor mennesker ikke kan.