Massimiliano Moruzzi, Ιδρυτής και Διευθύνων Σύμβουλος της Xaba – Interview Series

Μασιμιλιάνο Μορούτσι, ιδρυτής και διευθύνων σύμβουλος της Xaba, είναι ένας μακροχρόνιος εκτελεστικός της βιομηχανικής αυτοματοποίησης και της τεχνητής νοημοσύνης με βαθιά εξειδίκευση που εκτείνεται στα ρομπότ, τα συστήματα παραγωγής, τις μηχανές CNC και τον έλεγχο βιομηχανίας με τεχνητή νοημοσύνη. Πριν ιδρύσει την Xaba το 2022, κατέλαβε ηγετικές θέσεις στην Augmenta, όπου ηγήθηκε των προσπαθειών έρευνας και ανάπτυξης που επικεντρώνονταν στην αυτοματοποίηση με τεχνητή νοημοσύνη, και προηγουμένως υπηρέτησε σε ανώτερες μηχανικές και θέσεις έρευνας και ανάπτυξης λογισμικού στην Ingersoll Machine Tools και την IMTA. Σε διάστημα περισσότερων από δύο δεκαετιών στην βιομηχανική τεχνολογία, ο Μορούτσι επικεντρώθηκε στη γέφυρωση του χάσματος μεταξύ προηγμένων ρομπότ και πρακτικής ανάπτυξης παραγωγής, με ιδιαίτερη έμφαση στην ενεργοποίηση των μηχανών να λειτουργούν πιο ευφυώς, προσαρμοστικά και αυτονομικά.

Xaba είναι μια εταιρεία βιομηχανικής τεχνητής νοημοσύνης με έδρα το Τορόντο, η οποία αναπτύσσει αυτό που περιγράφει ως «συνθετικά εγκέφαλα» για βιομηχανικά ρομπότ και συστήματα εργοστασίου. Η πλατφόρμα της εταιρείας συνδυάζει γενετική τεχνητή νοημοσύνη, ενισχυμένη μάθηση, έλεγχο ρομπότ και βιομηχανική αυτοματοποίηση, επιτρέποντας στα ρομπότ, τις μηχανές CNC και τα συστήματα που ελέγχονται από PLC να αυτοπρογραμματίζονται και να προσαρμόζονται σε πραγματικό χρόνο χωρίς χειροκίνητο κώδικα. Οι σημαínουσες τεχνολογίες της, συμπεριλαμβανομένων των xCognition και PLCfy, σχεδιάστηκαν για να αυτοματοποιήσουν την προγραμματισμό ρομπότ, να βελτιώσουν τις ροές παραγωγής και να επιταχύνουν την ανάπτυξη σε διάφορες βιομηχανίες, όπως η αεροδιαστημική, η αυτοκινητοβιομηχανία και η προηγμένη παραγωγή. Η Xaba θέτει την τεχνολογία της ως einen τρόπο να μοντερνοποιήσει την αυτοματοποίηση του εργοστασίου, αντικαθιστώντας τα σκληρά, χειροκίνητα προγραμματισμένα συστήματα με έλεγχο με τεχνητή νοημοσύνη που μπορεί να μάθει από τα δεδομένα λειτουργίας και να προσαρμοστεί δυναμικά σε μεταβαλλόμενα περιβάλλοντα παραγωγής.

Τι ήταν αυτό που πρώτα ενέπνευσε την ιδέα για την Xaba, και πότε συνειδητοποιήσατε ότι τα βιομηχανικά ρομπότ χρειάζονταν μια θεμελιωδώς διαφορετική προσέγγιση — ουσιαστικά ένα συνθετικό εγκέφαλο και όχι περισσότερες γραμμές κώδικα;

Η σπίθα ήρθε από την παρατήρηση του πώς τα περισσότερα βιομηχανικά ρομπότ αποτυγχάνουν στο πιο βασικό επίπεδο της μεταβλητότητας. Αυτές οι μηχανές είναι μηχανικά ακριβείς, αλλά γνωστικά εύθραυστες. Μικρές αλλαγές στις ανεκτότητες των μερών, τις παραμέτρους της διαδικασίας ή τη συμπεριφορά του υλικού μπορούν να ανατρέψουν μια ολόκληρη λειτουργία.

Η απάντηση της βιομηχανίας ήταν συνεπής: γράψτε περισσότερο κώδικα, προσθέστε ακριβά σκληρά εξαρτήματα για να εξαλείψετε τη μεταβλητότητα, επικαλύψτε περισσότερες κανόνες, βασιστείτε στην επιτήρηση του ανθρώπου και συνεχίστε να επαναρυθμίζετε το σύστημα.

Τότε ήταν που η συνειδητοποίηση χτύπησε: αυτό δεν είναι ένα πρόβλημα λογισμικού — είναι ένας λείπων εγκέφαλος.

Τα σημερινά βιομηχανικά ρομπότ και οι ελεγκτές εκτελούν τυφλά τις οδηγίες χωρίς να κατανοούν αν το αποτέλεσμα είναι πραγματικά καλό ή κακό. Δεν σκέφτονται για τον φυσικό κόσμο γύρω τους.

Τα ρομπότ δεν αποτυγχάνουν επειδή λείπουν οδηγίες· αποτυγχάνουν επειδή λείπουν κατανόηση. Οι άνθρωποι δεν βασίζονται σε χιλιάδες γραμμές κώδικα για να σφίξουν einen βίδα ή να εφαρμόσουν κόλλα. Προσαρμόζουμε ourselves ενστικτωδώς με βάση τη δύναμη, την κίνηση και την φυσική ανάδραση.

Γίναμε σαφές ότι τα βιομηχανικά ρομπότ χρειάζονται ένα συνθετικό σύστημα συλλογισμού που βασίζεται στη φυσική, όχι μόνο ένα άλλο επίπεδο προγραμματισμού.

Πώς η εμπειρία σας στην Augmenta AI και στις προηγούμενες θέσεις σας διαμόρφωσε την προοπτική σας πριν από την Xaba, και ποια συγκεκριμένα κενά ή εντυπώσεις σας ώθησαν να δημιουργήσετε αυτή την εταιρεία;

Στην Augmenta AI, επικεντρωθήκαμε βαθιά στην αυτοματοποίηση με τεχνητή νοημοσύνη, την βελτιστοποίηση και την αυτονομία. Αυτό που έγινε σαφές είναι ότι hầu hết τα συστήματα τεχνητής νοημοσύνης λειτουργούσαν σε αφηρημένο τρόπο, δηλαδή βελτίωναν τις αναπαραστάσεις δεδομένων αντί να αλληλεπιδρούν με τη φυσική πραγματικότητα.

Στις προηγούμενες θέσεις, είχα δει έργα αυτοματοποίησης να σταματούν ή να αποτυγχάνουν όχι επειδή τα ρομπότ δεν ήταν ικανά, αλλά επειδή η μηχανική υπερβολική φόρτιση ήταν αβέβαιη. Το κενό ήταν σαφές: δεν υπήρχε κανένας νοητικός στρώσης που θα μπορούσε να συνδέσει την υψηλού επιπέδου πρόθεση με τη φυσική πραγματικότητα. Η Xaba υπάρχει για να γεφυρώσει αυτό το κενό, δίνοντας στις μηχανές την ικανότητα να σκέφτονται για τη δύναμη, την κίνηση, τις περιοριστικές συνθήκες και τα αποτελέσματα με τον ίδιο τρόπο που κάνουν οι δεξιοί άνθρωποι.

Η Xaba κατασκευάζει το πρώτο παγκοσμίως φυσικά-βασισμένο σύστημα GenAI για βιομηχανικά ρομπότ. Πώς αυτή η προσέγγιση διαφέρει από την παραδοσιακή προγραμματισμό ρομπότ και από τα σημερινά κυρίαρχα μοντέλα τεχνητής νοημοσύνης;

Η παραδοσιακή προγραμματισμός ρομπότ εξαρτάται από προκαθορισμένες διαδρομές, παραμέτρους διαδικασίας, δυνάμεις και ακολουθίες ενεργειών. Υποθέτει ότι το περιβάλλον συμπεριφέρεται με τον ίδιο τρόπο κάθε φορά, όπως ένα μοντέλο CAD.

Τα κυρίαρχα μοντέλα AI ακολουθούν μια διαφορετική προσέγγιση, αλλά εξακολουθούν να είναι σε μεγάλο βαθμό στατιστικά. Είναι καλά στην πρόβλεψη και μίμηση, αλλά δεν κατανοούν πραγματικά την φυσική αιτία και αποτέλεσμα.

Το Physics-AI της Xaba εισάγει ένα τρίτο парадίγμα. Αντί να βασίζεται πρωταρχικά σε οπτικά δεδομένα ή στατικές οδηγίες, χρησιμοποιούμε δεδομένα σειράς χρόνου από αισθητήρες όπως δύναμη, θερμοκρασία, επιτάχυνση, τάση, ακουστική και δόνηση για να κατανοήσουμε την υποκείμενη φυσική μιας διαδικασίας.

Αυτό δίνει στο σύστημα μια κατανόηση του πώς οι ενέργειες επηρεάζουν τα αποτελέσματα. Αντί να ακολουθούν απλώς οδηγίες, η μηχανή μπορεί να προσαρμοστεί σε πραγματικό χρόνο όταν αλλάζουν οι συνθήκες.

Μεταφέρουμε τα βιομηχανικά ρομπότ από τη σκληρή αυτοματοποίηση σε συστήματα που μπορούν να συλλογιστούν φυσικά για το έργο που εκτελούν.

Πώς η συνθετική σκέψη βελτιώνει την ποιότητα, την επαναληψιμότητα και την προσαρμοστικότητα σε πραγματικό χρόνο στο εργοστάσιο;

Η συνθετική σκέψη επιτρέπει στα ρομπότ να προσαρμοστούν κατά τη διάρκεια της εργασίας. Αν η αντίσταση αλλάξει, το ρομπότ αντισταθμίζει ανάλογα. Αν η συμπεριφορά του υλικού αλλάξει, προσαρμόζει την κίνηση. Αυτό οδηγεί σε υψηλότερη ποιότητα επειδή το ρομπότ ανταποκρίνεται στην πραγματικότητα, όχι στις υποθέσεις.

Η επαναληψιμότητα βελτιώνεται επειδή το σύστημα δεν αναπαράγει εύθραυστες διαδρομές· επανλύει την εργασία κάθε φορά με βάση τη φυσική πρόθεση. Και η προσαρμοστικότητα γίνεται εγγενής, όχι μια εξαίρεση που απαιτεί επαναπρογραμματισμό.

Γιατί πιστεύετε ότι η επόμενη μεγάλη επανάσταση στην AI θα συμβεί σε φυσικά συστήματα, αντί σε καθαρά ψηφιακά;

Επειδή ο πραγματικός κόσμος λειτουργεί με βάση τη φυσική, όχι τις συσχετίσεις. Τα περισσότερα από τα σημερινά AI είναι κατασκευασμένα γύρω από την αναγνώριση προτύπων και πρόβλεψη.

Οι μεγαλύτερες επαναστάσεις AI μέχρι τώρα έχουν συμβεί σε ψηφιακά περιβάλλοντα όπου η αναγνώριση προτύπων είναι συχνά αρκετή. Αλλά τα φυσικά συστήματα όπως η συγκόλληση, η μηχανική και η συναρμολόγηση λειτουργούν διαφορετικά. Εξαρτώνται από αιτιώδεις σχέσεις μεταξύ δύναμης, ενέργειας, θερμοκρασίας, κίνησης και συμπεριφοράς υλικού. Σε αυτά τα περιβάλλοντα, μικρές παραλλαγές μπορούν να σπάσουν μια διαδικασία και τα λάθη έχουν πραγματικές συνέπειες.

Αυτό είναι το λόγο για τον οποίο η επόμενη επανάσταση απαιτεί μια μετατόπιση από την προβλεψη με βάση τα δεδομένα στην έλξη με βάση τη φυσική.

Το Physics-AI επιτρέπει αυτή τη μετατόπιση. Χρησιμοποιώντας δεδομένα σειράς χρόνου από αισθητήρες για να εξαγάγει τις κυβερνώσες εξισώσεις μιας διαδικασίας, η AI μπορεί να μετατοπιστεί από την πρόβλεψη αποτελεσμάτων στην κατανόηση του πώς συμπεριφέρεται το σύστημα. Αυτό επιτρέπει στις μηχανές να προσαρμοστούν σε πραγματικό χρόνο, ακόμη και υπό παραλλαγές.

• Ψηφιακή AI → κατασκευασμένη σε μεγάλο βαθμό γύρω από συσχετίσεις, προβλέψεις και γεννήτρια περιεχομένου.
• Φυσική-AI → Επιτρέπει στις μηχανές να συλλογίζονται, να προσαρμόζονται και να ανταποκρίνονται σε πραγματικές συνθήκες σε πραγματικό χρόνο.

Η επόμενη κυματική του AI δεν θα οριστεί από καλύτερες LLMs ή Παιχνίδια Μίμησης, αλλά από μηχανές που μπορούν να κατανοήσουν και να ελέγξουν την πραγματικότητα.

Τι κάνει την σημερινή αυτοματοποίηση υποδομής ξεπερασμένη, και τι χρειάζεται για να την διορθώσει σε βιομηχανικό επίπεδο;

Η σημερινή υποδομή είναι κατασκευασμένη με την υπόθεση ότι η μεταβλητότητα είναι ο εχθρός. Όλα είναι σκληρά, υπερ-σχεδιασμένα και ακριβά στη συντήρηση. Δεν κλιμακώνεται καλά επειδή κάθε νέα παραλλαγή προϊόντος ή διαδικασίας απαιτεί τεράστια ανθρώπινη παρέμβαση.

Για να διορθωθεί αυτό, απαιτείται μια μετατόπιση από την προγραμματισμό στην γνώση. Χρειάζεστε ένα καθολικό επίπεδο νοημοσύνης που μπορεί να καθίσει πάνω στην υπάρχουσα υλική υποδομή και να την κάνει προσαρμόσιμη. Έτσι είναι που μοντερνοποιείτε την αυτοματοποίηση χωρίς να σπάσετε δεκάδες χρόνια επένδυσης.

Πολλοί κατασκευαστές παλεύουν με εργασίες που ακόμα απαιτούν χιλιάδες γραμμές κώδικα και εβδομάδες καλιμπράριου. Πώς ο Xaba εξαλείφει αυτό το φράγμα;

Οι κατασκευαστές χτυπούν αυτό το φράγμα επειδή τα σημερινά συστήματα είναι κωδικο-κίνητα και μιμητικά-βασισμένα, όχι κατανόηση-κίνητα. Εξαρτώνται από χιλιάδες γραμμές λογικής ή από μοντέλα AI εκπαιδευμένα σε pixels και βίντεο, τα οποία συχνά ονομάζουμε παιχνίδι μίμησης. Αυτές οι προσεγγίσεις καταγράφουν μοτίβα, αλλά δεν κατανοούν την υποκείμενη διαδικασία.

Ο Xaba ακολουθεί ένα θεμελιωδώς διαφορετικό μονοπάτι.

Χρησιμοποιούμε δεδομένα αισθητήρων σειράς χρόνου, δύναμη, θερμοκρασία, ρεύμα και δόνηση για να κατασκευάσουμε μια νέα τάξη θεμελιωδών μοντέλων που βασίζονται στη φυσική. Αντί να μάθουμε συσχετίσεις, η Physics-AI μας εξάγει τις κυβερνώσες εξισώσεις της διαδικασίας. Αυτό δίνει στο σύστημα μια αληθινή αιτιολογική κατανόηση του πώς οι ενέργειες επηρεάζουν τα αποτελέσματα.

Από εκεί, το σύστημα γεννά φυσικά έγκυρες ενέργειες σε πραγματικό χρόνο. Ο ρομπότ δεν αναπαράγει παραδείγματα ή ακολουθεί προκαθορισμένο κώδικα· συλλογίζεται για τη διαδικασία πριν ενεργήσει και προσαρμόζεται συνεχώς υπό μεταβλητότητα.

Στην πράξη, αυτό σημαίνει ότι δεν υπάρχουν χιλιάδες γραμμές κώδικα, keine εξάρτηση από μιμητική-βασισμένη σε pixels και keine συνεχής ανακαλιμπράριου όταν οι συνθήκες αλλάζουν. Αντίθετα, παίρνετε ένα σύστημα που κατανοεί τη φυσική και την ελέγχει. Έτσι είναι που μετακινούμαστε από προγραμματισμό και μίμηση σε αληθινή φυσική συλλογιστική και αυτονομία ελέγχου.

Ρομπότ που μαθαίνουν από επίδειξη είναι ένα τολμηρό βήμα. Ποια τεχνικά ορόσημα τα έκαναν δυνατά, και ποια περιορισμοί εξακολουθούν να υπάρχουν σήμερα;

Ρομπότ που μαθαίνουν από επίδειξη είναι ένα σημαντικό βήμα, αλλά είναι ακόμα σε μεγάλο βαθμό μια μιμητική-βασισμένη προσέγγιση. Αυτά τα συστήματα χαρτογραφούν παρατηρήσεις (όπως pixels ή τροχιές) σε ενέργειες χωρίς να κατανοούν την υποκείμενη φυσική της εργασίας.

Από μια οπτική Physics-AI, το πραγματικό ορόσημο είναι η μετατόπιση από μίμηση σε αιτιολογική κατανόηση.

Τι έκανε αυτό δυνατό είναι:

• Προόδους στην αντίληψη (μοντέλα όρασης-γλώσσας, πολυ-τροπικά δεδομένα)
• Μεγάλης κλίμακας συνόλους δεδομένων ανθρώπινης και ρομποτικής συμπεριφοράς
• Βελτιωμένες πολιτικές που μπορούν να χαρτογραφήσουν παρατηρήσεις σε ενέργειες

Αλλά αυτά τα συστήματα εξακολουθούν να είναι θεμελιωδώς συσχετισμένα. Μπορούν να αναπαράγουν αυτό που έχουν δει, αλλά παλεύουν όταν:

• Τα υλικά συμπεριφέρονται διαφορετικά
• Οι παραμετροί της διαδικασίας αλλάζουν
• Η γεωμετρία ή οι ανεκτότητες ποικίλλουν
• Η φυσική του πραγματικού κόσμου απομακρύνεται από τα δεδομένα εκπαίδευσης

Εκεί είναι που γίνονται σαφείς οι περιορισμοί.

Στην Xaba, ακολουθούμε μια διαφορετική προσέγγιση. Αντί να μάθουμε τι να κάνουμε από παραδείγματα, μάθουμε γιατί λειτουργεί.

Χρησιμοποιώντας χρονοσειρές δεδομένων αισθητήρων, η Xaba εξάγει τις κυβερνώσες φυσικές εξισώσεις της διαδικασίας. Αυτό δημιουργεί ένα θεμελιώδες μοντέλο Physics-AI που κατανοεί πώς συμπεριφέρεται το σύστημα υπό διαφορετικές συνθήκες.

Η πραγματική επανάσταση έρχεται από την ικανότητα μιας μηχανής να συλλογιστεί για δυνάμεις, ενέργεια και συμπεριφορά υλικών, να προσαρμοστεί σε πραγματικό χρόνο και να παράγει φυσικά έγκυρες ενέργειες.

Πώς το σύστημα της Xaba προσαρμόζεται σε απρόβλεπτες συνθήκες του πραγματικού κόσμου – παραλλαγές υλικών, φθορά εργαλείων ή λεπτές αλλαγές περιβάλλοντος;

Επειδή το σύστημα συνεχώς συλλογίζεται για δυνάμεις, κίνηση και αποτελέσματα, μπορεί να ανιχνεύσει όταν η πραγματικότητα απομακρύνεται από τις προσδοκίες και να προσαρμοστεί σε πραγματικό χρόνο. Η φθορά του εργαλείου γίνεται μια μεταβλητή, όχι μια αποτυχία. Η παραλλαγή του υλικού γίνεται μέρος του βρόχου συλλογισμού.

Αυτό είναι θεμελιωδώς διαφορετικό από τη διαχείριση σφαλμάτων με βάση κατώφλι – είναι συνεχής προσαρμογή.

Βλέποντας μπροστά πέντε χρόνια, πώς βλέπετε την εξέλιξη της φυσικής-βασισμένης GenAI και τι μοιάζει μια πλήρως αυτόνομη fabrika που ενεργοποιείται από συνθετικό συλλογισμό;

Από την οπτική μου, τα επόμενα πέντε χρόνια θα σημάνουν τη μετάβαση από την αυτοματοποίηση στην πραγματική γνωστική παραγωγή.

Η φυσική-βασισμένη GenAI θα εξελιχθεί από την βελτιστοποίηση ατομικών εργασιών στην κατασκευή θεμελιωδών μοντέλων για ολόκληρα βιομηχανικά συστήματα. Αντί να εκπαιδεύονται σε pixels ή προηγούμενες τροχιές, αυτά τα συστήματα θα μάθουν συνεχώς από δυνάμεις, θερμοκρασία, ενέργεια και δυναμική, ενεργοποιώντας την αιτιολογική κατανόηση κάθε λειτουργίας.

Η μετατόπιση είναι βαθιά:

• Από προγραμματισμό → αυτο-γεννημένες στρατηγικές ελέγχου
• Από στατικά μοντέλα → συνεχώς μαθαίνοντας συστήματα
• Από συσχετίσεις → φυσικά-εγκαταστημένος συλλογισμός

Μια πλήρως αυτόνομη fabrika που ενεργοποιείται από συνθετικό συλλογισμό θα μοιάζει θεμελιωδώς διαφορετική. Οι μηχανές θα προγραμματίζονται αυτόματα με βάση τις επιθυμητές εξελίξεις, θα προσαρμόζονται σε πραγματικό χρόνο στις παραλλαγές των υλικών και της γεωμετρίας και θα ελέγχουν φυσικά την ποιότητα αντί να την ελέγχουν μετά. Η γνώση δεν θα είναι απομονωμένη – θα διαδοθεί σε μηχανές, γραμμές και ακόμη και fabriques, βελτιώνοντας συνεχώς την απόδοση.

Αλλά η πιο σημαντική μεταμόρφωση είναι η ανθρώπινη. Με einen πραγματικό συνθετικό εγκέφαλο για την παραγωγή, η σχέση μεταξύ ανθρώπων και μηχανών γίνεται αμφίδρομη. Οι άνθρωποι δεν θα προγραμματίζουν μόνο μηχανές, αλλά θα μάθουν από αυτές, όπως και οι μηχανές θα μάθουν από την ανθρώπινη πρόθεση και εμπειρία.

Η αυτοματοποίηση σταματά να είναι μια εργασιακή λειτουργία και γίνεται μια πλατφόρμα για την ανάπτυξη καριέρας, τη συνεχή μάθηση και την ανακάλυψη. Οι μηχανικοί, οι оперάτορες και οι τεχνικοί θα συνεργαστούν με συστήματα που εξηγούν, προσαρμόζονται και ανυψώνουν την κατανόηση των φυσικών διαδικασιών.

Σε αυτόν τον κόσμο, δεν υπάρχουν εβδομάδες καλιبرισμού ή χιλιάδες γραμμές κώδικα. Η fabrika λειτουργεί ως ένα συντονισμένο, φυσικά-εγκαταστημένο σύστημα που ενισχύει την ανθρώπινη ικανότητα και την εύνοια.

Τελικά, μεταβαίνουμε από fabriques που εκτελούν οδηγίες σε fabriques που κατανοούν, συλλογίζονται και συν-εξελίσσονται με τους ανθρώπους. Αυτό είναι το μέλλον που χτίζουμε στην Xaba.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Xaba.