Adam Sadilek. AIMin perustaja ja toimitusjohtaja – Haastattelusarja

Adam Sadilek on AIMin perustaja ja toimitusjohtaja. Lapsetturessa hän oli omistautunut robotti- ja automaatioteknologioille — ohjattuna halusta rakentaa järjestelmiä, jotka oppivat itse ja tekevät fyysistä työtä älykkäämmäksi, nopeammaksi ja turvallisemmaksi. Tämä varhainen intohimo vei hänet Googleen, jossa hän osallistui uraauurtavaan työhön planeettaa kokoavan tekoälytekniikan ja itseohjautuvien ajoneuvojen parissa, jotka myöhemmin kehittyivät Waymoksi. Tunnistettuaan käyttämättömän mahdollisuuden, hän perusti AIMin, jotta voisi tuoda autonomian maanliikennöintiin — alaan, joka muodostaa lähes kaiken ihmisen infrastruktuurin perustan, mutta jossa on nähty vain vähän automaatiota hydrauliikkalaitteiden keksimisen jälkeen.

AIM on uranuurtaja maailman ensimmäisessä tekoälyvoimaisessa alustassa raskaankalustolle, muuttaen siten, miten maata siirretään suuressa mittakaavassa. Yhdistämällä edistyneen havainnon, suunnittelun ja ohjausjärjestelmät, AIM automatisoi kaivauksen, tasaus- ja materiaalin siirtämisen rakennus-, kaivostoiminta- ja ilmastonkestävyyshankkeissa. Yhtiön teknologia käsittelee kriittisiä globaaleja haasteita, kuten työvoimapulaa, infrastruktuurin modernisointia ja onnettomuudenvalmistelua — luo perustan tulevaisuudelle, jossa autonomiset koneet voivat rakentaa sekä Maassa että sen ulkopuolella.

Olit yli vuosikymmenen ajan Google[x]:ssä, työskennellessäsi suurissa tekoälyhankkeissa, mukaan lukien se, mikä kehittyi Waymoksi. Mitkä kokemukset tuona aikana vakuuttivat sinut siitä, että fyysisten ympäristöjen automatisointi — ei pelkästään digitaaliset ympäristöt — oli oikea raja?

Minulla oli etuoikeus liittyä Googleen heti tohtorin tutkinnon suorittamisen jälkeen. Työskennellessäni Google[x]:ssä ja Alphabetsa sain käytännön kokemuksen tekoälyn mahdollisuuksista todellisissa ympäristöissä. Mutta vasta siirtymiseni fyysisten infrastruktuuriprojektien rakentamiseen toi minulle täydellisen ymmärryksen siitä, kuinka suuren vaikutuksen automaatio voisi olla rakennetuissa ympäristöissä.

Nähdessäni, kuinka haastavaa oli siirtää maata, maata ja materiaalia joka päivä — jopa kokeneille rakentajille — tuli minulle valaistus: kukaan ei ollut ratkaisemassa tätä olennaista ongelmaa skaalattavalla tavalla. Autonominen maanliikennöinti ei ainoastaan radikaalisti parantaisi maanpinnan henkilöstön turvallisuutta ja kiihdyttäisi massiivisia teollisuusaloja, kuten kaivostoimintaa, rakennustoimintaa ja siviiliteknisiä töitä, vaan voisi myös ratkaista joitain planeetamme suurimpia haasteita, kuten terraformia ja vahinkojen korjaamista, jotka on aiheutettu historiallisesti meille.

Pandemian aikana aloin muuttaa manuaalisia koneita autonomisiksi autotallissani, ja siinä AIM syntyi.

AIM Intelligent Machinesilla olet valinnut alan, jossa on nähty vain vähän robotiikkaa tai autonomiaa hydrauliikkalaitteiden keksimisen jälkeen. Voitko kuvata ratkaisevan hetken tai oivalluksen, jolloin päättivit perustaa AIMin?

Kaikki, mitä rakennamme, mitä luotamme päivittäin, alkaa maasta. Laitteesta, jota luet tätä, rakennuksiin, teihin ja laitteisiin, joita käytämme joka päivä, kaikki on joko kaivettu tai kasvatettu, ja kykymme siirtää maata on avain kaikkeen siihen.

Totesin ensikokeillessani rakennustoimintaa, että maanliikennöintialat, kuten kaivostoiminta ja rakennustoiminta, eivät ole nähneet paljoa teknologiaa ja automaatiota, joka oli muuttanut muita aloja. Vaikka varastoihin oli asennettu kuljetinjärjestelmiä, tehtaisiin automaattisia kokoonpanolinjoja ja laivarahdin konttien seurantajärjestelmiä — menetelmiä, joita käytetään suurten määrien maan siirtämiseen, eivät ole juurikaan muuttuneet pitkään aikaan.

Aloin myös ymmärtää maanliikennöinnin parantamisen valtavan tarpeen. Raskaan kaluston käyttäminen on yksi maailman vaarallisimmista töistä, johtaa sekä akuutteihin että kroonisiin työvoimapuloihin koulutetuille työntekijöille (rakennusala on lisättävä lähes miljoona työntekijää seuraavien kahden vuoden aikana täyttämään projektiensa kysyntää). On myös valtava tarve ympäri maailmaa autonomisen maanliikennöinnin parantamiseksi, jotta voidaan parantaa materiaalitoimitusketjuja, rakentaa parempaa infrastruktuuria, suojella ja palauttaa alueita, jotka ovat vaarassa tai vahingoittuneet luonnonkatastrofien seurauksena, ja niin edelleen.

Kaikki tämä johti minulle oivallukseen, että sivilisaatiomme tarvitsee autonomista maanliikennöintiä. Tarvitsemme visiota, nopeutta ja älykkyyttä muokata planeettaa tarkkuudella ja skaalalla, jotta voidaan ratkaista planeetan suurimmat haasteet ja mahdollisuudet. Se johti minua perustamaan AIMin ja ratkaisemaan sen, mitä teemme.

Autonomia kaivostoiminnalle tai rakennuskoneille esittää valtavan monimutkaisuuden: karheat maastot, ennalta arvaamattomat olosuhteet, raskaat koneet, jotka on suunniteltu vuosikymmeniksi. Mitkä olivat avainTeknisiä läpimurtoja, jotka tekivät alustanne mahdolliseksi — havainnossa, kartoituksessa, koneoppimisessa tai integroinnissa?

Ruumiillistetun tekoälyn suunnittelu maan siirtämiseksi joissakin maailman haasteellisimmista olosuhteista ei ole helppoa. Emme ainoastaan joutuneet suunnittelemaan ympäristöihin, joissa ei ole teitä, kaistojen rajoituksia tai muita sääntöjä tekoälylle seurattavaksi — vaan meidän piti myös kehittää järjestelmiä, jotka pystyvät toimimaan paikoissa, joissa on äärimmäinen kuumuus ja kylmyys, pimeys, huono tai olematon internet-yhteys ja sääilmiöt, kuten lumi, rakeita tai hiekkamyrskyjä.

Yksi avainTekninen läpimurto AIMille oli haasteen ratkaiseminen havainnossa ja kartoituksessa karuissa ympäristöissä. Anturiteknologia voi olla altis rikkoutumiselle, kun se on varustettu koneilla, jotka kokevat paljon tärinää ja iskuja. Mitä olemme tehneet, on poistaa nämä hauraat osat ja upottaa kaikki AIMin laskenta- ja kriittiset komponentit omisteiseen panssarirakenteeseen, joka on myös tiivis, jotta pöly ja hiekka eivät pääse sisään. Sitten kiinnitämme anturit itse koneen runkoon, jotta saamme vielä kestävämmän rakenteen.

Tämä kestävyys yhdistettynä voimakkaaseen loppupäähän oppimiseen laitteessa mahdollistaa AIMin autonomisen maanliikennöintitehtävien suorittamisen joissakin maailman haasteellisimmista ympäristöissä, todellisissa tuotantotyömailla ympäri maailmaa. On valtava ero verrattaessa koekappaletta järjestelmään, joka on otettu kaupallisesti käyttöön yhdessä maailman suurimpien kaivosten, rakentajien ja Yhdysvaltain hallituksen osastojen kanssa, jotka luottavat siihen joka päivä.

AIMin strategia on päivittää olemassa olevia raskaita koneita antureilla, LiDARilla ja kamerilla. Miksi valitsit hyödyntää vanhaa kalustoa kehittämisen sijasta uutta autonomista kalustoa alusta alkaen?

Yksinkertainen vastaus on, että haluamme automaation olevan kaikkien maanliikennöintitoimintojen saatavilla tänään. Työmaa- ja laitejohtajat ovat jo investoineet miljoonia tai jopa miljardeja raskaisiin kalustoparkeihin. Yksikin näistä koneista voi maksaa yli miljoona dollaria ja sillä on pitkä käyttöikä. On vain taloudellisesti ja ympäristöllisesti kestämätöntä korvata koko kalustoparkkeja uusilla koneilla autonomiaa varten.

Meidän päivittämisstrategiamme kohdistuu satoihin tuhansiin näistä perinteisistä koneista, jotka ovat toiminnassa ympäri maailmaa. AIM mahdollistaa organisaatioille, olkoon niiden koko mikä tahansa, välittömästi parantaa kykyjään parantaa materiaalitoimitusketjuja, rakentaa infrastruktuuria, suojella ja palauttaa alueita, jotka ovat vaarassa tai vahingoittuneet luonnonkatastrofien seurauksena, ja niin edelleen. Tämä avaa autonomian voiman operaattoreille tarvittavalla nopeudella ja skaalalla tänään, ei 10 vuoden kuluttua.

Rinnakkain usein käytämme samaa laitteistoa, ohjelmistoa ja tekoälyä yhteistyössä kanavien, jakelijoiden ja jopa OEM-valmistajien kanssa, jotka valmistavat upeita hydrauliikkakoneita, joita me turboamme AIMin autonomia-alustalla, joka toimii näiden laitteiden päällä. Se on ennen kaikkea maksimaalista turvallisuutta, arvonluontia, asiakasmenestystä ja vaihtoehtoisuutta näille massiivisille ekosysteemeille.

Koneoppiminen alustassanne mahdollistaa koneiden “opettelemaan itselleen” kaivamaan nopeammin ja tehokkaammin. Kuinka tämä palautekierros toimii kenttäolosuhteissa, ja mitä toiminnallisia parannuksia olette havainneet tähän asti?

Lähestymistapaamme oli asettaa kaikki tekoälylaskenta laitteeseen. Yhdistämällä sen kestävään alustaan, joka toimii jopa ilman GPS:ää tai internet-yhteyttä, toimimme edistyneen autonomian kautta loppupään oppimisen avulla. Tämä mahdollistaa koneiden tulevan älykkäämmiksi ja nopeammiksi, mitä enemmän ne suorittavat työtä. Itse asiassa alle tunnissa AIM-varustettu kone oppii kaivamaan todella hyvin! Tekoälyohjaus muuttuu erittäin tarkaksi, kun se oppii, esimerkiksi toimien kahden senttimetrin tarkkuudella, vaikka ilman GPS:ää.

Loppupään oppiminen on avainasemassa AIM-koneiden saavuttamisessa kaupallisen tason autonomiasta suorittaakseen maanliikennöintitehtäviä tuotantotyömailla ympäri maailmaa. Se tarkoittaa myös, että kaikki data, analytiikka ja suorituskyvyn seuranta ovat laitteessa vähentämään kulumista, leikkaamaan keskeytyksiä ja pidentämään koneiden käyttöikää entisestään.

Lisäksi, kun järjestelmä oppii, AIM voi toimittaa uusia operatiivisia ja CapEx-arvoja polttoainetaloudellisuuden, käyttösyklin, laivueen käytön, optimaalisen AI-suunnittelun ja uudelleentyön poistamisen kautta. Kaivostoiminnassa AIM tuottaa keskimäärin 13 miljoonan dollarin edestä raaka-ainetta kunkin koneen vuosittain ylinopeudelle, samalla säästäen 633 000 dollaria kunkin koneen vuosittain (suora OpEx-säästö). Täydellinen poistaminen mahdollisesta vahingosta ihmisille, koska kukaan ei ole enää koneissa tai niiden lähellä, tuo valtavan turvallisuuden, joka on välttämätöntä itsessään ja ylittää rahalliset luvut. Jatkamme laajentamista lisää operatiivisia hyötyjä, joita järjestelmä tarjoaa.

Argumentoit, että tekoälyn soveltaminen tässä on kriittinen infrastruktuurille, ilmastonkestävyydelle, jopa puolustukselle. Mitkä ovat dramaattisimmat todelliset sovellukset, joilla työskentelet tällä hetkellä — ja miten näet niiden yhteiskunnallisen vaikutuksen?

Tällä hetkellä miljardi ihmistä elää alle 10 metrin päässä nousevista oceaneista, joka kuudes asuu alueilla, joilla on merkittävä tulivaroitus, ja yli 3 miljardia ihmistä vaikuttaa heikentyneeseen maaperään, jota on korjattava. Ei ole epäilystäkään, että työvoimapulaa vaikuttaa vakavasti siihen, millä tahdilla kriittistä infrastruktuuria rakennetaan, korjataan ja suoritetaan hankkeita. Nämä työvoimapulat tekevät siitä vaikeamman kuin koskaan ennen kääntää ilmastonmuutoksen negatiivisia vaikutuksia ja ehkäistä tulevia haasteita.

Ainoa tapa, jolla voimme käsitellä näitä haasteita suoraan, on tuomalla enemmän valtaa ja autonomiaa työmaille — jotta toimintaa ei rajoiteta työvoimapulalla, sääolosuhteilla tai vaarallisilla työolosuhteilla.

Esimerkiksi tulipalot ovat lisääntyneet ilmastonmuutoksen negatiivisten vaikutusten vuoksi. Sen sijaan, että reagoinneemme vahinkoon, jonka nämä tulipalot aiheuttavat, AIM estää niiden tapahtumisen. AIM-varustetut bulppaamiskoneet voidaan laskuttaa suoraan syvään metsään luodakseen tulipalopeite, joka estää tulipalojen leviämisen, samalla kun niitä ohjataan etäältä. Vastaava tapa, jolla rakennetaan pato tai merivalli, on tarkoituksenmukainen kasaaminen materiaalia rannan pitkin nostamaan sitä. Se on vastaavaa maanliikennöintiä, jota teemme jo.

Tekoäly muuttaa, miten reagoimme ja ehkäisimme näitä luonnonkatastrofeja ja ilmaston haasteita.

Kaivostoiminta- ja rakennusala ovat usein vakiintuneita käytäntöjä, raskaita sääntöjä ja korkeaa riskitoleranssia, mutta matalaa automaatiohyväksyntää. Mitkä ovat tärkeimmät ei-tekniset esteet (kulttuuriset, sääntelyn, operatiiviset), joita AIM kohtaa skaalauttaessaan ratkaisuaan?

On aina haaste, kun muuntova tekniikka tulee tilaan, jossa käytännöt ovat vakiintuneet vuosikymmeniksi. Tekoälytekniikka tuo aina jonkin verran epäilyä ei-tekniikka-aloihin. Mutta AIMin kanssa olemme pystyneet voittamaan nämä haasteet osoittamalla operaattoreille, miten AIM toimii, miten se antaa heille valtuudet, ja miten he siirtyvät turvallisempiin, tyytyväisempiin ja kestävämmän kehityksen uraan.

Nämä alat kokevat työvoimapulaa ja kasvavaa kysyntää ensiksi, ja kun he voivat nähdä, miten AIM-varustetut ajoneuvot voivat suorittaa täyden vuoron autonomisesti tarkkuudella, tai toimia paikoissa, joissa heidän henkilöstönsä ei voi olla, nämä huolet katoavat. Sen sijaan, että joutuisivat jumiin koneisiin, operaattorit ovat innoissaan oppimaan, että he voivat operoida autonomisia laivueita turvallisesta etäisyydestä (ja ilmastoidussa tai lämmitetyssä ympäristössä) lisätäkseen sekä tuotannon että käytettävyyden.

Kasvava tarve operatiivisesta tehokkuudesta ylittää esteet, jotka ovat perinteisesti estäneet hyväksymisen.

Perustit AIMin aikana, jolloin harva etsi tekoälyn soveltamista raskaankalustolle ja maanliikennöintiin. Kuinka kiteytit pitkän aikavälin visio AIMille — ja kuinka tasapainosit varhaisen kokeilun laajemman teollisuuden tarinan kanssa automaatiosta kaivostoiminnassa ja rakennusala?

Kun lähdin Googlelta, aloin rakentaa raskaita fyysisiä infrastruktuuriprojekteja, jotka vaativat matalaa viivettä ja äärimmäistä nopeutta — silloin tiesin, että meidän on tuotava autonomia fyysiseen maailmaan.

Automaatio oli aina enemmän kuin haave kaivostoiminta- ja rakennusaloilla; jokainen toivoi, että ratkaisu ilmestyisi, mutta kukaan ei ollut sitä luomassa. Teknisen ja alan erityisosaamisen ansiosta AIMin visio oli selvä. Ymmärsin operatiiviset aukot, jotka piti ratkaista, ja miten tekoälyä voidaan soveltaa fyysiseen maailmaan, ja tiesin, että markkinat tälle optimoinnille olivat olemassa.

Tehtyäsi työtä sekä planeettaa kokoavan tekoälytekniikassa (Google/Waymo) että nyt maanliikennöintiautonomiassa, miten vertaat tekoälyn potentiaalista vaikutusta fyysiseen maailmaan verrattuna siihen, mitä olemme nähneet digitaalisessa alueessa?

Tekoäly on jo muuttanut, miten toimimme digitaalisessa maailmassa, ja näemme saman arvon tarjottavan fyysiseen maailmaan — mutta vielä suuremmassa mittakaavassa. Samoin kuin tekoäly muuttaa, miten ihmiset voivat suorittaa tutkimusta, hallita tehtäviä ja vähentää ihmisen valvontaa, AIM muuttaa, miten fyysiset koneet toimivat, oppivat kokemuksista ja sopeutuvat muuttuviin ympäristöihin.

Mahdollistamme ihmisille tehdä työtään paremmin varustamalla heitä autonomisilla koneilla, jotka voivat toimia paikoissa, joissa he eivät voi olla, toimia sääolosuhteissa, jotka normaalisti sulkevat työmaan, ja ylläpitää jatkuvaan tuottavuutta. Sekä digitaalisen että fyysisen soveltamisen tavoitteena ei ole korvata ihmisiä kokonaan — se on parantamista, miten ihmiset voivat työskennellä.

Olet ehdottanut, että AIMin visio ulottuu Maan ulkopuolelle — kaivostoimintaan ja terraformiin. Miten realistinen on tämä horisontti näkemyksesi mukaan, ja mitä roolia näet AIMin näyttelevän tässä tulevaisuudessa?

Tuo automaatio koko planeetan nurkkiin on ensimmäinen askel — mutta kun planeetan ulkopuolinen kaivostoiminta ja resurssien hyödyntäminen tulevat todellisuudeksi, tarve autonomisille, etävoimaisille raskaankalustolle tulee olemaan vielä kriittisemmäksi. Emme voi lähettää ihmisten rakennusryhmää Marsiin, mutta voimme lähettää AIM-varustettuja koneita, jotka voivat toimia äärimmäisissä sääolosuhteissa, samalla kun ne oppivat omasta kokemuksesta, miten toimia paremmin kyseisessä maisemassa. Tarvitsemme koneita, jotka eivät ainoastaan toimi etäohjauksella; tarvitsemme koneita, jotka voivat toimia täysin autonomisesti paikoissa, joissa ihmiset eivät voi olla.