Adam Sadilek. AIM:n perustaja ja toimitusjohtaja – Haastattelusarja

Adam Sadilek on AIM:n perustaja ja toimitusjohtaja. Lapsena hän oli intohimoinen robotti- ja automaatioteknologiasta — häntä ajoi halu rakentaa järjestelmiä, jotka voivat oppia itse ja tehdä fyysistä työtä älykkäämmäksi, nopeammaksi ja turvallisemmaksi. Tämä varhainen intohimo vei hänet Googleen, jossa hän osallistui uraauurtavaan työhön planeettaluokan tekoälystä ja autonomisista ajoneuvoista, jotka myöhemmin kehittyivät Waymoksi. Tunnistettuaan käyttämättömän mahdollisuuden, hän perusti AIM:n, jotta voisi tuoda autonomian maanliikennöintiin — alaan, joka muodostaa lähes kaiken ihmisten infrastruktuurin, mutta jossa on nähty vain vähän automaatiota hydrauliikkalaitteiden keksimisen jälkeen.

AIM on uranuurtaja maailman ensimmäisessä tekoälypohjaisessa alustassa raskaan kaluston hallintaan, muuttaen tapaa, jolla maa liikkuu suuressa mittakaavassa. Yhdistämällä edistyneen havainnon, suunnittelun ja ohjausjärjestelmät, AIM automatisoi kaivamisen, tasoituksen ja materiaalin siirtämisen rakennus-, kaivostoiminta- ja ilmastonmuutokseen liittyvissä projekteissa. Yhtiön teknologia käsittelee kriittisiä globaaleja haasteita, kuten työvoimapulaa, infrastruktuurin modernisointia ja onnettomuudenvaraltaisuutta — luo perustan tulevaisuudelle, jossa autonomiset koneet voivat rakentaa sekä maapallolla että sen ulkopuolella.

Olit yli kymmenen vuoden ajan Google (GOOGL ) [x]:ssä, työskennellessäsi suurissa tekoälyprojekteissa, mukaan lukien siinä, mikä myöhemmin kehittyi Waymoksi. Mitkä kokemukset tuona aikana vakuuttivat sinut siitä, että fyysisten maailman automatisointi — ei pelkästään digitaalisia ympäristöjä — on oikea raja?

Minulla oli etuoikeus liittyä Googleen väitöskirjani valmistumisen jälkeen. Työskennellessäni Google[x]:ssä ja Alphabetissa sain käytännön kokemuksen tekoälyn mahdollisuuksista todellisissa ympäristöissä. Mutta vasta siirtymiseni fyysisten infrastruktuuriprojektien rakentamiseen toi minulle todellisen ymmärryksen siitä, kuinka suuri vaikuttaja automaatio voisi olla fyysisessä maailmassa.

Nähdessäni, kuinka haastavaa oli liikuttaa maata, maata ja materiaalia jokaisena päivänä — 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 siviiliteknistä työtä, vaan voisi myös ratkaista joitain planeetamme suurimmista haasteista, kuten terraformaatia ja vahingoittaa historiallisesti tehtyjä vahinkoja meille.

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

AIM Intelligent Machinesilla olet valinnut alan, jossa on nähty vain vähän robotiikkaa tai autonomiaa hydrauliikkalaitteiden keksimisen jälkeen. Voitko kuvailla ratkaisevan hetken tai oivalluksen, jolloin päädyit perustamaan AIM:n?

Kaikki, mitä rakennamme, mitä luotamme jokapäiväisessä elämässämme, alkaa maasta. Laitteesta, jota luet tätä, rakennuksiin, teihin ja laitteisiin, joita käytämme jokapäiväisesti, kaikki on joko kaivettu tai kasvatettu, ja kykyämme liikuttaa maata on avain kaikkeen siihen.

Totesin omakohtaisesti rakennusalan työskennellessäni, että maanliikennöintialat, kuten kaivostoiminta ja rakennusala, eivät ole nähneet paljonkaan teknologiaa ja automaatiota, joka on muuttanut muita aloja. Vaikka varastoihin on asennettu kuljettimia, tehtaisiin on automatisoitu kokoonpanolinjat, ja laivaus- ja seurantajärjestelmiin on otettu käyttöön konttien standardisointi — tapa, jolla liikutamme suuria määriä maata, ei ole juurikaan muuttunut pitkään aikaan.

Aloin myös ymmärtää maanliikennöinnin parantamisen valtavan tarpeen. Raskaan kaluston käyttäminen on yksi maailman vaarallisimmista työpaikoista, mikä johtaa sekä akuutteihin että kroonisiin työvoimapulaan osaaville työntekijöille (rakennusala joutuu houkuttelemaan lähes miljoona uutta työntekijää seuraavien kahden vuoden aikana täyttämään projektipyyntöjä). On myös valtava tarve autonomiselle maanliikennöinnille parantamaan materiaalitoimitusketjuja, rakentamaan parempaa infrastruktuuria, suojelemaan ja palauttamaan alueita, jotka ovat uhanalaisia tai vahingoittuneita luonnonkatastrofien vuoksi, ja muuta.

Kaikki tämä johti minuun oivallukseen, että sivilisaatiomme tarvitsee autonomista maanliikennöintiä. Tarvitsemme visiota, nopeutta ja älykkyyttä muokata planeettaa tarkkuudella ja mittakaavalla, jotta voimme käsitellä planeetan suurimpia haasteita ja mahdollisuuksia. Se johti minun perustamaan AIM:n ja ratkaisemaan sen, mitä olemme.

Maanliikennöinti- tai rakennuskaluston autonomia esittää valtavan monimutkaisuuden: karhea maasto, ennalta arvaamattomat olosuhteet, raskaat koneet, jotka on suunniteltu vuosikymmeniksi. Mitkä olivat avainTeknisiä läpimurtoja, jotka mahdollistivat alustan — aistimisessa, kartassa, koneoppimisessa tai integraatiossa?

Suunnitella embodied AI:ta liikuttaa maata joissakin maailman haastavimmista olosuhteissa ei ole helppoa. Emme ainoastaan tarvinneet suunnitella ympäristöihin, joissa ei ole teitä, kaistojen rajoja tai muita sääntöjä, jotka AI voisi seurata — 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 AIM:lle oli haasteen ratkaiseminen aistimisessa ja kartassa karuisissa ympäristöissä. Anturiteknologia voi olla altis vaurioille, kun se on asennettu koneisiin, jotka kohtaavat paljon tärinää ja iskuja. Mitä olemme tehneet, on poistaa nämä hauraat osat ja upottaa kaikki AIM:n laskenta- ja kriittiset komponentit omiin panssaroituihin rakenteisiin, jotka on myös tiivisteetty estämään romun ja hiekan pääsy koneisiin. Sitten kiinnitämme anturit itse koneen runkoon, jotta ne kestäisivät vielä paremmin.

Tämä kestävyys yhdistettynä voimakkaaseen loppupäähän oppimiseen laitteessa mahdollistaa AIM:lle automatisoida maanliikennöintitehtäviä joissakin maailman haastavimmista ympäristöissä, todellisissa tuotantolaitoksissa ympäri maailmaa. On valtava ero verrattuna prototyyppiin ja kaupallisesti käytössä olevaan järjestelmään, jota maailman suurimmat kaivokset, rakentajat ja Yhdysvaltain hallituksen osat luottavat jokapäiväisesti.

AIM:n strategia on päivittää olemassa olevia raskaita koneita antureilla, LiDAR:illa ja kamerilla. Miksi valitsit hyödyntämään perinteistä kalustoa sen sijaan, että kehittäisit täysin uutta autonomista kalustoa alusta alkaen?

Yksinkertainen vastaus on, että haluamme, että automaatio olisi kaikkien maanliikennöintitoimintojen saatavilla tänään. Työmaa- ja laitejohtajat ovat jo investoineet miljoonia tai jopa miljardeja raskaisiin kalustoparkekiin. Yksikin näistä koneista voi maksaa yli miljoona dollaria ja on suunniteltu pitkäaikaiseen käyttöön. On vain taloudellisesti ja ympäristöllisesti kestävää korvata koko kalustoparkkeja uusilla koneilla autonomiaa varten.

Päivitämme ensin -lähestymistapaamme kohdistuu satoihin tuhansiin näistä perinteisistä koneista, jotka ovat käytössä ympäri maailmaa. AIM mahdollistaa organisaatioille, suurille ja pienille, turboaaminen heidän kykyjään parantamaan materiaalitoimitusketjuja, rakentamaan infrastruktuuria, suojella ja palauttamaan alueita, jotka ovat uhanalaisia tai vahingoittuneita luonnonkatastrofien vuoksi, ja muuta. Tämä availee automaation voiman operaattoreille tarvittavalla nopeudella ja mittakaavalla tänään, ei vain kymmenen vuoden kuluttua.

Koneesi käyttävät loppupään oppimista, jotta ne voivat “opettaa itsensä” kaivamaan nopeammin ja tehokkaammin. Kuinka tarkalleen toimii tämä palautekehä kentässä, ja mitä toiminnallisia parannuksia olet havainnut tähän asti?

Lähestymistapaamme oli asettaa kaikki tekoälylaskenta laitteeseen. Yhdistämällä sitä kestävään alustaan, joka toimii jopa ilman GPS:ää tai internet-yhteyttä, toimitamme edistynyttä autonomiaa loppupään oppimisen kautta. Tämä mahdollistaa koneiden tulevan älykkäämmäksi ja nopeammaksi mitä enemmän ne suorittavat työtä. Itse asiassa alle tunnissa AIM-kone oppii kaivamaan hyvin. Tekoälyohjaus tulee äärimmäisen tarkaksi, kun se oppii — esimerkiksi toimien kahden senttimetrin tarkkuudella jopa ilman GPS:ää.

Loppupään oppiminen on avainasemassa AIM-koneiden saavuttamiseksi kaupallisen luokan autonomiasta suorittamaan maanliikennöintitehtäviä tuotantolaitoksissa ympäri maailmaa. Se tarkoittaa myös, että kaikki data, analytiikka ja suorituskyvyn seuranta ovat laitteessa vähentämään kulumista, leikkaamaan keskeytysten määrää ja pidentämään koneiden toimintaa entisestään.

Lisäksi, kun järjestelmä oppii, AIM voi tarjota uusia toiminnallisia ja CapEx-arvoja polttoainensäästöjen, käyttökierron, laivueen hyödyntämisen, optimaalisen AI-suunnittelun ja uudelleen työn poistamisen kautta. Kaivostoiminnassa AIM tuottaa keskimäärin 13 miljoonan dollarin arvosta lisää malmea kunkin koneen vuosittain ylinopeudelle, samalla säästäen 633 000 dollaria kunkin koneen vuosittain alinopeudelle (suora OpEx-säästö). Täydellinen poistaminen mahdollisesta vahingosta ihmisille, koska kukaan ei ole koneissa tai lähellä, tuo mukanaan valtavan turvallisuuden, joka on välttämätöntä itsessään ja ylittää dollarilukujen.

Väität, että tekoälyn soveltaminen tässä on kriittinen infrastruktuurille, ilmastonkestolle, jopa puolustukselle. Mitkä ovat hätkimmät todelliset käyttötapaukset, joilla työskentelet tällä hetkellä — ja miten näet niiden yhteiskunnallisen vaikutuksen?

Tällä hetkellä yli miljardi ihmistä elää alle 10 metrin päässä nousevista valtameristä, yksi kuudesta elää alueilla, joilla on merkittävä tulivarakauden riski, ja yli kolme miljardia ovat vaikuttuneita maan heikentymisestä, jota pitäisi palauttaa. Ei ole epäilystä siitä, että työvoimapulat vaikuttavat voimakkaasti siihen, kuinka nopeasti kriittistä infrastruktuuria voidaan rakentaa, korjata ja suorittaa projekteja. Nämä työvoimapulat tekevät siitä vaikeamman kuin koskaan ennen käsitellä ilmastonmuutoksen kielteisiä vaikutuksia ja ehkäistä tulevia haasteita.

Ainoa tapa, jolla voimme käsitellä nämä haasteet, on tuomalla enemmän voimaa ja autonomiaa työmaalle — jotta toimintaa ei rajoiteta työvoimapulalla, sääolosuhteilla tai vaarallisilla työolosuhteilla.

Esimerkiksi metsäpaloja esiintyy yhä useammin ilmastonmuutoksen kielteisten vaikutusten vuoksi. Sen sijaan, että reagoisimme vahinkoon, jonka nämä palot aiheuttavat, AIM estää niitä ennen kuin ne tapahtuvat. AIM-kalustolla varustetut buldozerit voidaan lasketa suoraan syvään metsään luomaan paloja, jotka estävät palojen leviämisen, samalla ne voidaan ohjata etäältä. Vastaavaa on tapa, jolla rakennetaan pato tai merenrantaa — tarkoituksella kasaamalla materiaalia rannan pituudelle nostamaan sitä.

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

Kaivostoiminta- ja rakennusala ovat usein perinteisiä käytäntöjä, raskaita sääntöjä ja suurta riskin toleranssia, mutta matalaa automaation omaksumista. Mitkä ovat tärkeimmät ei-tekniset esteet (kulttuuriset, sääntelyn, toiminnalliset), joita AIM kohtaa skaalauttaessaan ratkaisuaan?

On aina haaste, kun muuntava teknologia tulee tilaan, jossa käytännöt ovat vakiintuneet vuosikymmeniksi. AI-pohjainen teknologia tuo aina vähän epäilyä ei-teknisille aloille. Mutta AIM:lla olemme pystyneet voittamaan nämä haasteet näyttämällä operaattoreille, miten AIM toimii, miten se antaa heille valtuudet ja miten he voivat siirtyä turvallisempiin, tyytyväisempiin ja kestävämpiin uraan.

Nämä alat kokevat itse työvoimapulaa ja kasvavaa kysyntää, ja kun he voivat nähdä, miten AIM-kalusto voi suorittaa täyden työvuoron autonomisesti tarkkuudella, tai toimia paikoissa, joissa heidän henkilöstönsä ei voi mennä, nämä huolenaiheet katoavat. Sen sijaan, että operaattorit joutuisivat olemaan koneissa, he ovat innoissaan oppimaan, miten voivat operoida autonomisia laivueita turvallisesta etäisyydestä (ja ilmastoiduissa olosuhteissa) lisätäkseen sekä tuotannon että käytettävyyden. Kasvava tarve toiminnallisen tehokkuuden parantamiseksi ylittää perinteiset esteet, jotka ovat estäneet omaksumisen.

Perustit AIM:n aikana, jolloin vain harvat etsivät tekoälyn soveltamista raskaaseen kalustoon ja maanliikennöintiin. Kuinka kiteytit AIM:n pitkän aikavälin visio — ja miten tasapainosit varhaisen kokeilun suuremman alan tarinalla automaatiosta kaivostoiminnassa ja rakennusalalla?

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

Automaatio oli aina enemmän haave kaivostoiminta- ja rakennusaloille; kaikki toivoivat, että ratkaisu ilmestyisi, mutta kukaan ei ollut sitä luomassa. Teknisen ja alan spesifisen taustan kanssa AIM:n visio oli selvä. Ymmärsin toiminnalliset aukot, jotka piti ratkaista, ja miten tekoälyä voidaan soveltaa fyysiseen maailmaan, ja tiesin, että markkinat tästä optimoinnista olivat olemassa.

Vertaamalla työtäsi sekä planeettaluokan tekoälyssä (Google/Waymo) että maanliikennöinnin autonomiassa, miten näet tekoälyn potentiaalisen vaikutuksen fyysiseen maailmaan verrattuna siihen, mitä olemme nähneet digitaalisessa domeenissa?

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 fyysisesti päästä, toimia sääolosuhteissa, jotka normaalisti sulkeisivat työmaan, ja ylläpitää jatkuvaan tuotantoon. Sekä digitaalisen että fyysisen soveltamisen tekoälylle ei ole tarkoitus korvata ihmisiä kokonaan — se on parantamista, miten ihmiset voivat työskennellä.

Sait ehdottanut, että AIM:n visio ulottuu maapallon ulkopuolelle — off-planet -rakentamiseen ja terraformointiin. Kuinka realistinen on tämä horisontti sinun näkökulmasta, ja mitä roolia näet AIM:n pelaavan tulevaisuudessa?

Tuoaminen autonomiaa kaikkialle maapallolle on vain ensimmäinen askel — mutta kun off-planet -rakentaminen ja resurssien hyödyntäminen tulevat todellisuudeksi, tarve autonomiselle, etävoimaiselle raskaalle kalustolle tulee olemaan vielä kriittisempää. Emme voi lähettää ihmisten rakennusryhmää Marsiin, mutta voimme lähettää AIM-kalustolla varustettuja koneita, jotka voivat toimia näissä äärimmäisissä sääolosuhteissa, samalla oppien 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.