साक्षात्कार
माओर फारिद, लियो एआई के संस्थापक और सीईओ – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
डॉ माओर फारिद, लियो एआई के संस्थापक और सीईओ, एक इज़राइली-अमेरिकी इंजीनियर, एआई अनुसंधानकर्ता, सामाजिक कार्यकर्ता और उद्यमी हैं। उन्होंने एमआईटी में फुलब्राइट पोस्टडॉक्टरल फेलो के रूप में एआई और यांत्रिक इंजीनियरिंग अनुसंधान किया और टेक्नियन – इज़राइल इंस्टीट्यूट ऑफ टेक्नोलॉजी के इतिहास में सबसे कम उम्र के पीएचडी स्नातक बने। उन्होंने 60K+ इंजीनियरों का एक समुदाय बनाया है और एक गैर-लाभकारी पहल के माध्यम से वंचित युवाओं का समर्थन करते हैं।
लियो एआई यांत्रिक इंजीनियरिंग के लिए पहला एआई है – एक बड़ा यांत्रिक मॉडल भौतिक उत्पाद डिजाइन के लिए, जो टीमों को विचारों को उत्पादन-तैयार 3डी मॉडल में सेकंड में बदलने में सक्षम बनाता है। यह प्लेटफ़ॉर्म कंपनियों को इंजीनियरिंग समय को 70% तक कम करने और बाजार में आने के समय को 18% तक तेज करने में मदद करता है। 2023 में स्थापित, लियो एआई का उपयोग वैश्विक कंपनियों के इंजीनियरों द्वारा किया जा रहा है, जिनमें टोयोटा, एचपी, मोबाइलये (इंटेल द्वारा), फिलिप्स और स्कैनिया शामिल हैं। बीज राउंड (फ्लिंट कैपिटल द्वारा नेतृत्व) के कुछ महीनों बाद, इसका एआरआर पहली तिमाही में 300% बढ़ गया।
(INTC )आपने अपनी पृष्ठभूमि यांत्रिक इंजीनियरिंग, गैर-रेखीय गतिविधि, एआई अनुसंधान, एमआईटी और टेक्नियन से पहले लियो एआई की स्थापना की। आपको विशेष रूप से यांत्रिक इंजीनियरों के लिए एआई बनाने पर ध्यान केंद्रित करने के लिए क्या प्रेरित किया, और आप उद्योग में अभी भी हल नहीं होने वाली समस्या को क्या महसूस करते हैं?
ईमानदारी से।
लियो से पहले, मैं रक्षा में एक यांत्रिक इंजीनियर के रूप में काम करता था, और मैंने महसूस किया कि कुछ अजीब बात है: इंजीनियर हर चीज के अलावा इंजीनियरिंग करने में बहुत समय बिताते हैं। गंभीरता से। हम पुराने फ़ोल्डरों को देखते हैं, विक्रेता कैटलॉग के माध्यम से खोजते हैं, मानकों की तलाश करते हैं, पुराने डिज़ाइनों को मैन्युअल रूप से पुन: उपयोग करते हैं और एक वरिष्ठ इंजीनियर से पूछते हैं जो याद रखता है कि 2011 में यह निर्णय क्यों लिया गया था। आप इसका नाम लें।
सॉफ्टवेयर इंजीनियरों के पास गिटहब कोपायलट है, और लेखकों के पास चैटजीपीटी है। जबकि यांत्रिक इंजीनियर अभी भी साझा ड्राइव से “फ़ाइनल_वी7_रियल_फ़ाइनल.पीडीएफ” नामक पीडीएफ़ खोल रहे थे। उद्योग “डिजिटल परिवर्तन” के बारे में बात कर रहा था, लेकिन अधिकांश इंजीनियरिंग टीमें अभी भी 1998 की तरह काम कर रही थीं।
यह लियो के पीछे जुनून बन गया: क्या हम एक ऐसा एआई बना सकते हैं जो वास्तव में इंजीनियरिंग को समझता है? न केवल भाषा, बल्कि ज्यामिति, प्रतिबंध, सहनशीलता, निर्माण तर्क, भौतिकी। कुछ ऐसा जिस पर इंजीनियर वास्तविक काम के लिए भरोसा कर सकें, न कि खिलौना डेमो के लिए।
क्योंकि यदि आप एक विपणन अनुच्छेद को गलत बनाते हैं, तो कोई नहीं मरता। लेकिन यदि आप एयरोस्पेस या चिकित्सा उपकरणों में सहनशीलता स्टैक को गलत बनाते हैं, तो लोग绝ता से मर जाते हैं।
सामान्य उद्देश्य वाले एआई प्रणाली जैसे चैटजीपीटी और जेमिनी यांत्रिक इंजीनियरिंग कार्यों के साथ क्यों संघर्ष करते हैं जिन्हें वास्तविक दुनिया के भौतिकी, प्रतिबंध, सहनशीलता और निर्माणीयता की आवश्यकता होती है?
क्योंकि वे इसके लिए नहीं बनाए गए थे, क्योंकि सामान्य एआई मॉडल मुख्य रूप से इंटरनेट-स्तर के पाठ पर प्रशिक्षित होते हैं: रेडिट, ब्लॉग, विकिपीडिया, सोशल मीडिया, और यादृच्छिक मंच। यह तब ठीक है जब आप ईमेल लिख रहे हैं या दस्तावेजों को सारांशित कर रहे हैं, लेकिन यह एक आपदा है जब आप एक रक्षा प्रणाली में जुड़े हुए एक वेल्डेड ब्रैकेट पर थकान जीवन की गणना कर रहे हैं।
यांत्रिक इंजीनियरिंग ऑटोकंप्लीट नहीं है। यह भौतिकी के तहत प्रतिबंधित समस्या समाधान है। एक सामान्य मॉडल वास्तव में निर्माणीयता, थर्मल विस्तार, जीडी एंड टी, सामग्री व्यवहार, सुरक्षा कारक, या सहनशीलता संचय के बारे में तर्क नहीं कर सकता। अधिकांश में से कोई भी स्वाभाविक रूप से एक सीएडी फ़ाइल नहीं खोल सकता।
खतरनाक हिस्सा यह है कि इसके बावजूद, वे आश्वस्त लगते हैं। इंजीनियर एआई के खिलाफ नहीं हैं। वे बीएस के खिलाफ हैं। अभी भी, जब यह इंजीनियरिंग कार्यों की बात आती है, तो अधिकांश सामान्य एआई प्रणाली बेहद फ्लूएंट बीएस-जेनरेटर हैं।
यही कारण है कि हमने लियो एआई को अलग तरह से प्रशिक्षित किया, जिसमें 10 लाख से अधिक जांचे गए इंजीनियरिंग स्रोतों का उपयोग किया गया। हमने इसे सीधे इंजीनियरिंग प्रणालियों में एकीकृत किया और हर उत्तर को मानकों, सूत्रों, और संदर्भों के लिए स्पष्ट रूप से जोड़ दिया जो इंजीनियर स्वयं सत्यापित कर सकते हैं।
यांत्रिक इंजीनियरिंग ने सॉफ्टवेयर विकास की तुलना में एआई को अपनाने में ऐतिहासिक रूप से अधिक समय लिया है। इंजीनियरों और निर्माताओं को एआई-संचालित कार्यप्रवाह को पूरी तरह से अपनाने से रोकने वाली सबसे बड़ी बाधाएं क्या हैं?
मुझे लगता है कि सबसे बड़ी बाधा सांस्कृतिक विश्वास है। यह तकनीकी नहीं है। सॉफ्टवेयर विफल हो सकता है और कल पैच किया जा सकता है, लेकिन भौतिक प्रणालियां ऐसा नहीं करती हैं। यदि आपका एआई-जनित कोड एक ऐप को क्रैश करता है, तो उपयोगकर्ता परेशान हो जाते हैं। यदि आपकी एआई-जनित इंजीनियरिंग गलती एक विमान, एक चिकित्सा प्रत्यारोपण, या एक फैक्ट्री रोबोट में समाप्त हो जाती है, तो परिणाम बहुत अलग होते हैं।
इंजीनियरों को दिन से ही विफलता मोड के बारे में सोचने के लिए प्रशिक्षित किया जाता है। हम उन कहानियों को सुनने में बड़े हुए हैं जो बताती हैं कि किसी ने 2011 में यह निर्णय क्यों लिया। इसलिए जब सिलिकॉन वैली आता है और कहता है “बस वाइब इंजीनियर करें”, तो यांत्रिक इंजीनियर तुरंत इसे अस्वीकार कर देते हैं।
दूसरी बाधा यह है कि निर्माण कंपनियां दशकों पुराने अनदेखे ज्ञान पर बैठी हैं जो पीएलएम, पीडीएफ, सीएडी फाइलों, ईआरपी प्रणालियों और सेवानिवृत्त इंजीनियरों के सिर में फंसी हुई है। सामान्य एआई इस संदर्भ को एक्सेस या तर्क नहीं कर सकता।
और तीसरा: मैं बहुत कठोर नहीं लगना चाहता, लेकिन मेरे दृष्टिकोण से, अधिकांश एआई उत्पाद उद्योग के लिए मूल रूप से स्वचालन रंगमंच हैं। उथले मॉडल पर फैंसी डैशबोर्ड जिन्हें आप वास्तव में इंजीनियर नहीं कर सकते। इंजीनियर जल्दी से इसके माध्यम से देख सकते हैं।
लियो एआई “मैकेनिकल इंटेलिजेंस” पर केंद्रित है। आपके लिए यह अवधारणा क्या意味ा है, और यह एआई की विस्तृत लहर से कैसे अलग है जो एंटरप्राइज़ बाजार में एआई कॉपिलॉट्स के रूप में प्रवेश कर रही है?
“मैकेनिकल इंटेलिजेंस” का अर्थ है एआई जो भौतिक दुनिया को समझता है, न कि केवल भाषा।
जैसा कि मैंने उल्लेख किया, अधिकांश कोपिलॉट आज मूल रूप से पाठ प्रणाली हैं। वे सारांशित करते हैं, पुन: लिखते हैं और सामग्री उत्पन्न करते हैं। यह उपयोगी है, लेकिन अभी भी डिजिटल अमूर्तता के भीतर काम करता है। मैकेनिकल इंटेलिजेंस भौतिकी, ज्यामिति, प्रतिबंध, निर्माणीयता, सामग्री व्यवहार, असेंबली तर्क, लागत, विश्वसनीयता, थर्मल प्रदर्शन और सुरक्षा के तहत तर्क की मांग करती है।
तो हमारे लिए, मैकेनिकल इंटेलिजेंस का अर्थ है ऐसी प्रणालियां बनाना जो जिम्मेदारी से इंजीनियरिंग कार्यप्रवाह में भाग ले सकती हैं। इसका अर्थ है सीएडी को स्वाभाविक रूप से पढ़ना, असेंबलियों को समझना, समीकरणों को हल करना, मानकों के खिलाफ सत्यापन करना और सीधे पीएलएम और ईआरपी प्रणालियों में जुड़ना।
जेट इंजन, औद्योगिक रोबोटिक्स प्रणाली या मानवनिर्मित जैसी जटिल मशीनों को स्वतंत्र रूप से डिजाइन करने में एआई प्रणाली कितनी करीब हैं?
यह अधिकांश लोगों की तुलना में करीब है, हालांकि हॉलीवुड की कल्पना के अनुसार नहीं।
लोग एक नायक को एक कंप्यूटर से बात करते हुए और एक पूर्ण मशीन को तुरंत दिखाई देते हुए कल्पना करते हैं। वास्तव में जो हो रहा है वह यह है कि एआई इंजीनियरिंग में दोहरावदार परतों को हटा रहा है, और यह इतनी तेजी से हो रहा है। इसलिए हमें एक अच्छी तरह से डिज़ाइन किया गया प्रोजेक्शन मिलता है जो उचित प्रलेखन से जुड़ा होता है जिसे मानव स्वयं समीक्षा और समायोजित कर सकते हैं – और एआई के साथ, यह प्रोजेक्शन मिनटों में किया जाता है, महीनों में नहीं।
क्या एआई जेट वास्तुकला के प्रमुख हिस्सों को निकट भविष्य में उत्पन्न कर सकता है? बिल्कुल। हमने लियो एआई के साथ नकली सिमुलेशन पर इसका प्रयास किया है, और हम काफी करीब हैं। लेकिन पूरी तरह से स्वायत्त इंजीनियरिंग बिना मानव पर्यवेक्षण के? मैं इसके जल्द ही होने की कल्पना नहीं कर सकता। एआई इंजीनियरों को प्रतिस्थापित नहीं करेगा, लेकिन इंजीनियर जो एआई का उपयोग करते हैं वे उन लोगों को प्रतिस्थापित कर सकते हैं जो नहीं करते हैं।
एआई बुनियादी ढांचा स्वयं ऊर्जा खपत और थर्मल प्रबंधन के आसपास इंजीनियरिंग चुनौतियां पैदा कर रहा है। आप एआई-संचालित यांत्रिक इंजीनियरिंग को उन क्षेत्रों में योगदान देने के लिए कैसे देखते हैं जैसे कि उन्नत शीतलन प्रणाली और अगली पीढ़ी के डेटा सेंटर डिजाइन?
एक कंपनी जिसके साथ हम काम करते हैं, ज़ुटाकोर, एआई डेटा सेंटरों के लिए जलविहीन शीतलन प्रणाली बनाती है, जहां थर्मल प्रबंधन एआई बुनियादी ढांचे को स्केल करने के लिए एक बड़ी बोतलनेक बन रहा है। उनके इंजीनियरों को एक आश्चर्यजनक रूप से महंगी समस्या का सामना करना पड़ा: प्रत्येक नए डिप्लॉयमेंट के लिए उन्हें पाइप कॉन्फ़िगरेशन को फिर से डिज़ाइन करना पड़ता था, जो इंजीनियरिंग समय को खा जाता था और निर्माण जटिलता को बढ़ाता था।
उन्होंने लियो से एक रचनात्मक समाधान मांगा जो प्रकृति से प्रेरित हो, और लियो ने एक सरल, समायोज्य पाइप कॉन्सेप्ट उत्पन्न करने में मदद की जिसने प्रत्येक परियोजना के लिए प्रणाली को फिर से डिज़ाइन करने की आवश्यकता को समाप्त कर दिया। इसके बजाय कस्टम निर्माण के लिए, टीम मानक ऑफ-द-शेल्फ़ भागों का उपयोग कर सकती थी। इससे प्रति यूनिट लागत में लगभग $400 की कमी आई और इंजीनियरिंग कार्यप्रवाह से एक पूरी दोहरावदार चरण को समाप्त कर दिया।
तो जैसा कि हम देख सकते हैं, एआई कुछ मुद्दों को हल करने के लिए तैयार है जो इसके स्वयं के बुनियादी ढांचे द्वारा बनाए गए थे।
इंजीनियरिंग में एआई के एकीकरण के साथ, डिजाइन और नवाचार प्रक्रिया के कौन से हिस्से हमेशा मानव रचनात्मकता और निर्णय लेने की आवश्यकता होगी?
जिम्मेदारी। यही एकमात्र उत्तर है। जैसा कि मैंने कहा, भौतिक दुनिया इंजीनियरिंग गलतियों के लिए क्षमाशील नहीं है। और भले ही एआई तर्क का एक उच्च स्तर हो, यह कभी भी मानव निर्णय लेने की प्रक्रिया को प्रतिस्थापित नहीं करेगा।
एआई अनुकूलन, उत्पन्न, विशाल डिजाइन स्थानों में शोध कर सकता है जो मानवों की तुलना में बहुत तेजी से हो सकता है – लेकिन मानवों को अभी भी यह तय करना चाहिए कि दुनिया में क्या मौजूद होना चाहिए, क्या व्यापार बंद हैं, क्या जोखिम नैतिक हैं, और क्या प्रतिबंध सबसे ज्यादा मायने रखते हैं।
ईमानदारी से, कुछ बेहतरीन इंजीनियरिंग विचार वर्षों की विफलता, अनुभव, और अजीब मानव पैटर्न मान्यता से आते हैं जो औपचारिक रूप से बहुत कठिन हैं। तो हाँ, मुझे नहीं लगता कि एआई कभी भी इंजीनियरिंग निर्णयों के पीछे मानव जिम्मेदारी को प्रतिस्थापित करेगा। यही बात इसे वास्तव में अप्रतिस्थापित बनाती है।
धन्यवाद महान साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें लियो एआई पर जाना चाहिए।
