मासिमिलियानो मोरुज़ी , एक्साबा के संस्थापक और सीईओ – साक्षात्कार श्रृंखला

मासिमिलियानो मोरुज़ी, एक्साबा के संस्थापक और सीईओ, एक लंबे समय से औद्योगिक स्वचालन और एआई कार्यकारी हैं जिनकी गहरी विशेषज्ञता रोबोटिक्स, विनिर्माण प्रणाली, सीएनसी मशीनरी और एआई-संचालित औद्योगिक नियंत्रण में फैली हुई है। एक्साबा की स्थापना 2022 में करने से पहले, उन्होंने ऑगमेंटा में नेतृत्व की भूमिका निभाई, जहां उन्होंने एआई-संचालित स्वचालन पर शोध और विकास प्रयासों का नेतृत्व किया, और पहले इंगर्सोल मैशीन टूल्स और आईएमटीए में वरिष्ठ इंजीनियरिंग और सॉफ्टवेयर आरएंडडी पदों पर कार्य किया। औद्योगिक प्रौद्योगिकी में दो दशक से अधिक के समय में, मोरुज़ी ने उन्नत रोबोटिक्स और व्यावहारिक विनिर्माण तैनाती के बीच की खाई को पाटने पर ध्यान केंद्रित किया है, विशेष रूप से मशीनों को अधिक बुद्धिमानी, अनुकूल और स्वायत्त रूप से संचालित करने में सक्षम बनाने पर जोर दिया है।

एक्साबा एक टोरंटो स्थित औद्योगिक एआई कंपनी है जो “सिंथेटिक मस्तिष्क” विकसित कर रही है जो औद्योगिक रोबोट और कारखाने प्रणालियों के लिए है। कंपनी का प्लेटफ़ॉर्म जेनरेटिव एआई, रिनफ़ोर्समेंट लर्निंग, रोबोटिक्स नियंत्रण और औद्योगिक स्वचालन को मिलाकर रोबोट, सीएनसी मशीनों और पीएलसी-नियंत्रित प्रणालियों को मैनुअल कोडिंग के बिना वास्तविक समय में स्वयं कार्यक्रम और अनुकूलित करने की अनुमति देता है। इसकी प्रमुख प्रौद्योगिकियों, जिनमें एक्सकॉग्निशन और पीएलसीएफ़यू शामिल हैं, को रोबोटिक्स प्रोग्रामिंग को स्वचालित करने, विनिर्माण प्रवाह को अनुकूलित करने और एयरोस्पेस, ऑटोमोटिव और उन्नत विनिर्माण जैसे उद्योगों में तैनाती को तेज़ करने के लिए डिज़ाइन किया गया है। एक्साबा अपनी प्रौद्योगिकी को कारखाने के स्वचालन को आधुनिक बनाने के तरीके के रूप में प्रस्तुत करता है, जो कि जड़, मैनुअल रूप से प्रोग्राम की गई प्रणालियों को एआई-संचालित संज्ञानात्मक नियंत्रण से बदल देता है जो संचालन डेटा से सीखता है और बदलते उत्पादन वातावरण में गतिशील रूप से समायोजित होता है।

एक्साबा के लिए विचार क्या था, और जब आपने महसूस किया कि औद्योगिक रोबोटों को मूल रूप से एक अलग दृष्टिकोण की आवश्यकता है – एक सिंथेटिक मस्तिष्क, न कि अधिक कोड लाइनों की आवश्यकता है?

विचार तब आया जब मैंने देखा कि अधिकांश औद्योगिक रोबोट सबसे बुनियादी स्तर पर परिवर्तनशीलता में विफल होते हैं। ये मशीनें यांत्रिक रूप से सटीक हैं, लेकिन संज्ञानात्मक रूप से नाजुक हैं। भाग सहिष्णुता, प्रक्रिया मापदंड, या सामग्री व्यवहार में छोटे परिवर्तन पूरी ऑपरेशन को बाधित कर सकते हैं।

उद्योग की प्रतिक्रिया सुसंगत रही है: अधिक कोड लिखें, महंगे जड़ फिक्स्चर जोड़ें जो परिवर्तनशीलता को समाप्त कर दें, अधिक नियमों की परतें जोड़ें, मानव पर्यवेक्षण पर भरोसा करें, और प्रणाली को फिर से कैलिब्रेट करें।

तब एहसास हुआ: यह एक सॉफ्टवेयर समस्या नहीं है – यह एक गायब मस्तिष्क है।

आज के औद्योगिक रोबोट और नियंत्रक निर्देशों को अंधाधुंध निष्पादित करते हैं बिना यह समझे कि परिणाम वास्तव में अच्छा या बुरा है। वे भौतिक दुनिया के बारे में तर्क नहीं करते हैं।

रोबोट विफल नहीं होते क्योंकि उन्हें निर्देशों की कमी है; वे विफल होते हैं क्योंकि उन्हें समझ की कमी है। मानव Thousands के निर्देशों पर भरोसा नहीं करते हैं एक बोल्ट को कसने या चिपकाने के लिए। हम स्वाभाविक रूप से बल, गति, और भौतिक प्रतिक्रिया के आधार पर अनुकूलन करते हैं।

यह स्पष्ट हो गया कि औद्योगिक रोबोटों को एक सिंथेटिक तर्क प्रणाली की आवश्यकता है जो भौतिकी में आधारित है, न कि केवल एक और प्रोग्रामिंग परत।

आपके अनुभव ने ऑगमेंटा एआई और पहले की भूमिकाओं में आपके दृष्टिकोण को कैसे आकार दिया, और कौन से विशिष्ट अंतराल या अंतर्दृष्टि ने आपको यह कंपनी बनाने के लिए प्रेरित किया?

ऑगमेंटा एआई में, हम एआई-संचालित निर्णय लेने, अनुकूलन और स्वायत्तता पर गहराई से केंद्रित थे। जो स्पष्ट हो गया वह यह था कि अधिकांश एआई प्रणालियां एक अमूर्त तरीके से काम कर रही थीं, अर्थात वे डेटा प्रतिनिधित्व को अनुकूलित कर रही थीं, न कि भौतिक वास्तविकता के साथ बातचीत कर रही थीं।

पहले की भूमिकाओं में, मैंने देखा था कि स्वचालन परियोजनाएं रोबोटों की क्षमता के कारण नहीं, बल्कि इंजीनियरिंग ओवरहेड के कारण अवरुद्ध हो जाती हैं या विफल हो जाती हैं। अंतर स्पष्ट था: एक बुद्धिमत्ता परत की कमी थी जो उच्च-स्तरीय इरादे को वास्तविक दुनिया के भौतिकी से जोड़ सकती है। एक्साबा इस अंतर को पाटने के लिए अस्तित्व में है, मशीनों को बल, गति, प्रतिबंधों और परिणामों के बारे में उसी तरह से तर्क करने की क्षमता प्रदान करने के लिए जिस तरह कुशल मानव करते हैं।

एक्साबा दुनिया की पहली भौतिकी-आधारित जेनएआई प्रणाली का निर्माण कर रहा है जो औद्योगिक रोबोटों के लिए है। यह दृष्टिकोण पारंपरिक रोबोट प्रोग्रामिंग और आज के मुख्यधारा एआई मॉडल से कैसे भिन्न है?

पारंपरिक रोबोट प्रोग्रामिंग पूर्वनिर्धारित पथों, प्रक्रिया मापदंडों, बलों और क्रियाओं की क्रम पर निर्भर करती है। यह मानती है कि वातावरण हर बार समान व्यवहार करता है, जैसे कि एक सीएडी मॉडल।

मुख्यधारा एआई मॉडल एक अलग दृष्टिकोण अपनाते हैं, लेकिन वे अभी भी मुख्य रूप से सांख्यिकीय हैं। वे भविष्यवाणी और अनुकरण में अच्छे हैं, लेकिन वे वास्तव में भौतिक कारण और प्रभाव को नहीं समझते हैं।

एक्साबा का फिजिक्स-एआई एक तीसरा परिप्रेक्ष्य प्रस्तुत करता है। सिर्फ दृश्य डेटा या स्थिर निर्देशों पर निर्भर रहने के बजाय, हम सेंसर जैसे बल, तापमान, त्वरण, वोल्टेज, अकουσ्टिक्स और कंपन से समय श्रृंखला डेटा का उपयोग प्रक्रिया के भौतिकी को समझने के लिए करते हैं।

यह प्रणाली को क्रियाओं के परिणामों को समझने की अनुमति देता है। निर्देशों का पालन करने के बजाय, मशीन परिस्थितियों में परिवर्तन के अनुसार अनुकूलन कर सकती है।

हम औद्योगिक रोबोटों को जड़ स्वचालन से उन प्रणालियों में स्थानांतरित कर रहे हैं जो भौतिक रूप से काम कर रही हैं।

सिंथेटिक तर्क कारखाने के फर्श पर गुणवत्ता, पुनरावृत्ति और वास्तविक समय अनुकूलन में कैसे सुधार करता है?

सिंथेटिक तर्क रोबोटों को कार्य के दौरान अनुकूलन करने में सक्षम बनाता है। यदि प्रतिरोध बदल जाता है, तो रोबोट अनुसार समायोजित करता है। यदि सामग्री व्यवहार बदल जाता है, तो यह गति को समायोजित करता है। इससे उच्च गुणवत्ता होती है क्योंकि रोबोट धारणाओं के बजाय वास्तविकता का जवाब देता है।

पुनरावृत्ति में सुधार होता है क्योंकि प्रणाली नाजुक ट्रेजेक्टरी को पुन: प्रस्तुत नहीं करती है; यह प्रत्येक बार शारीरिक इरादे के आधार पर कार्य को फिर से हल करती है। और अनुकूलन स्वाभाविक हो जाता है, न कि एक अपवाद जो पुन: प्रोग्रामिंग की आवश्यकता है।

आप क्यों मानते हैं कि एआई में अगला बड़ा突破 भौतिक प्रणालियों में होगा, न कि शुद्ध रूप से डिजिटल प्रणालियों में?

क्योंकि वास्तविक दुनिया भौतिकी पर चलती है, न कि संबंधों पर। आज का अधिकांश एआई पैटर्न पहचान और भविष्यवाणी के आसपास बनाया गया है।

अब तक के सबसे बड़े एआई प्रगति डिजिटल वातावरण में हुई हैं जहां पैटर्न पहचान अक्सर पर्याप्त होती है। लेकिन भौतिक प्रणालियां जैसे वेल्डिंग, मशीनिंग और असेंबली काम अलग तरह से करती हैं। वे बल, ऊर्जा, तापमान, गति और सामग्री व्यवहार के बीच संबंधों पर निर्भर करती हैं। इन वातावरण में, छोटे परिवर्तन प्रक्रिया को तोड़ सकते हैं, और त्रुटियों के वास्तविक परिणाम होते हैं।

यही कारण है कि अगला प्रगति संबंध-आधारित भविष्यवाणी से भौतिकी-आधारित तर्क में स्थानांतरण की आवश्यकता है।

फिजिक्स-एआई इस स्थानांतरण को सक्षम बनाता है। समय श्रृंखला सेंसर डेटा का उपयोग करके एक प्रक्रिया के शासी समीकरणों को निकालने से, एआई परिणामों को समझने के बजाय अनुमान लगाने से आगे बढ़ सकता है। इससे मशीनों को वास्तविक समय में अनुकूलन करने की अनुमति मिलती है, यहां तक कि परिवर्तनशीलता के तहत भी।

• डिजिटल एआई → मुख्य रूप से संबंध, भविष्यवाणी और सामग्री जनरेशन पर आधारित है।
• फिजिक्स-एआई → मशीनों को वास्तविक दुनिया की स्थितियों में वास्तविक समय में प्रतिक्रिया देने, अनुकूलन करने और प्रतिक्रिया देने में सक्षम बनाता है।

एआई की अगली लहर बेहतर एलएलएम या अनुकरण खेलों द्वारा परिभाषित नहीं की जाएगी, बल्कि मशीनों द्वारा जो वास्तविकता को समझने और नियंत्रित करने में सक्षम हैं।

आज के स्वचालन बुनियादी ढांचे में क्या पुराना है, और इसे उद्योग व्यापी स्तर पर कैसे ठीक किया जा सकता है?

आज का बुनियादी ढांचा परिवर्तनशीलता के दुश्मन के रूप में बनाया गया है। सब कुछ जड़, अधिक इंजीनियर और महंगा बनाए रखने के लिए है। यह अच्छी तरह से स्केल नहीं करता है क्योंकि हर नई उत्पाद या प्रक्रिया परिवर्तन के लिए बड़े पैमाने पर मानव हस्तक्षेप की आवश्यकता होती है।

इसे ठीक करने के लिए प्रोग्रामिंग से संज्ञान में स्थानांतरण की आवश्यकता है। आपको एक सार्वभौमिक बुद्धिमत्ता परत की आवश्यकता है जो मौजूदा हार्डवेयर पर बैठ सकती है और इसे अनुकूलन योग्य बना सकती है। यही तरीका है जिससे आप स्वचालन को आधुनिक बना सकते हैं बिना दशकों के निवेश को निकाले।

कई निर्माता उन कार्यों के साथ संघर्ष करते हैं जिन्हें अभी भी हजारों कोड लाइनों और कलिब्रेशन के हफ्तों की आवश्यकता है। एक्साबा इस बोतलनेक को कैसे समाप्त करता है?

निर्माता इस बोतलनेक का सामना करते हैं क्योंकि आज की प्रणालियां कोड-चालित और अनुकरण-आधारित हैं, न कि समझ-चालित। वे हजारों लाइनों के तर्क या पिक्सेल और वीडियो पर प्रशिक्षित एआई मॉडल पर निर्भर करते हैं जिसे हम अक्सर अनुकरण खेल कहते हैं। ये दृष्टिकोण पैटर्न को पकड़ते हैं, लेकिन वे अंतर्निहित प्रक्रिया को नहीं समझते हैं।

एक्साबा एक मूलभूत रूप से अलग मार्ग अपनाता है।

हम समय श्रृंखला सेंसर डेटा, बल, तापमान, करंट और कंपन का उपयोग करके एक नई श्रेणी के मूलभूत मॉडल बनाते हैं जो भौतिकी पर आधारित हैं। हम संबंधों को सीखने के बजाय, प्रक्रिया के शासी समीकरणों को निकालते हैं। इससे प्रणाली को क्रियाओं के परिणामों की एक वास्तविक कारण समझ मिलती है।

वास्तविक समय में, प्रणाली शारीरिक रूप से वैध क्रियाएं उत्पन्न करती है। रोबोट उदाहरणों को पुन: प्रस्तुत नहीं करता है या पूर्वनिर्धारित कोड का पालन नहीं करता है; यह प्रक्रिया के बारे में तर्क करता है और निरंतर रूप से परिवर्तनशीलता के तहत अनुकूलन करता है।

अभ्यास में, इसका अर्थ है कि कोई हजारों कोड लाइनें नहीं हैं, कोई पिक्सेल-आधारित अनुकरण पर निर्भरता नहीं है, और परिस्थितियों में परिवर्तन के साथ पुन: कलिब्रेशन की आवश्यकता नहीं है। इसके बजाय, आपको एक प्रणाली मिलती है जो भौतिकी को समझती है और इसे नियंत्रित करती है। यही तरीका है जिससे हम प्रोग्रामिंग और अनुकरण से वास्तविक भौतिक तर्क और स्वायत्त नियंत्रण में स्थानांतरित होते हैं।

रोबोट प्रदर्शन से सीखना एक साहसिक कदम है। यह तकनीकी मील के पत्थर क्या थे, और आज क्या सीमाएं मौजूद हैं?

रोबोट प्रदर्शन से सीखना एक महत्वपूर्ण कदम है, लेकिन यह अभी भी मुख्य रूप से एक अनुकरण-आधारित दृष्टिकोण है। ये प्रणालियां अवलोकनों (जैसे पिक्सेल या ट्रेजेक्टरी) को क्रियाओं में मैप करती हैं बिना अंतर्निहित भौतिकी को समझे।

फिजिक्स-एआई के दृष्टिकोण से, वास्तविक मील का पत्थर अनुकरण से कारण समझ में स्थानांतरण है।

जो इसे संभव बनाता है वह है:

• संवेदन (दृष्टि-भाषा मॉडल, बहुस्तरीय डेटा)
• मानव और रोबोट व्यवहार के बड़े पैमाने पर डेटासेट
• अवलोकनों को क्रियाओं में मैप करने में सक्षम नीतियां

लेकिन ये प्रणालियां अभी भी मूल रूप से संबंध-चालित हैं। वे जो देखा है उसे दोहरा सकते हैं, लेकिन वे संघर्ष करते हैं जब:

• सामग्री अलग तरह से व्यवहार करती है
• प्रक्रिया मापदंड बदल जाते हैं
• ज्यामिति या सहिष्णुता भिन्न होती है
• वास्तविक दुनिया की भौतिकी प्रशिक्षण डेटा से भिन्न होती है

एक्साबा एक अलग दृष्टिकोण अपनाता है।

हम प्रदर्शन से क्या करना है यह सीखने के बजाय, यह सीखते हैं कि यह क्यों काम करता है।

समय श्रृंखला सेंसर डेटा का उपयोग करके, एक्साबा प्रक्रिया के शासी भौतिकी समीकरणों को निकालता है। इससे एक मूलभूत फिजिक्स-एआई मॉडल बनता है जो प्रणाली के व्यवहार को विभिन्न स्थितियों में समझता है।

वास्तविक मील का पत्थर मशीन की क्षमता से आता है जो बल, ऊर्जा, और सामग्री व्यवहार के बारे में तर्क करने और वास्तविक समय में शारीरिक रूप से वैध क्रियाएं उत्पन्न करने में सक्षम है।

एक्साबा की प्रणाली अप्रत्याशित वास्तविक दुनिया की स्थितियों – सामग्री परिवर्तन, टूल पहनने, या सूक्ष्म पर्यावरण परिवर्तन – के लिए कैसे अनुकूलन करती है?

चूंकि प्रणाली निरंतर बल, गति, और परिणामों के बारे में तर्क करती है, यह वास्तविकता से अपेक्षाओं में परिवर्तन का पता लगा सकती है और वास्तविक समय में समायोजित कर सकती है। टूल पहनना एक परिवर्तनीय बन जाता है, न कि एक विफलता। सामग्री परिवर्तन तर्क लूप का हिस्सा बन जाता है।

यह मूल रूप से थ्रेशोल्ड-आधारित त्रुटि हैंडलिंग से अलग है – यह निरंतर अनुकूलन है।

आगामी पांच वर्षों में, आप फिजिक्स-आधारित जेनएआई को कैसे विकसित होते हुए देखते हैं, और एक पूरी तरह से स्वायत्त कारखाने में सिंथेटिक तर्क क्या दिखता है?

मेरे दृष्टिकोण से, अगले पांच वर्ष स्वचालन से वास्तविक संज्ञानात्मक विनिर्माण में स्थानांतरण को चिह्नित करेंगे।

फिजिक्स-आधारित जेनएआई व्यक्तिगत कार्यों को अनुकूलित करने से आगे बढ़कर पूरे औद्योगिक प्रणालियों के लिए मूलभूत मॉडल बनाने की ओर बढ़ेगा। पिक्सेल या पिछले ट्रेजेक्टरी पर प्रशिक्षित होने के बजाय, ये प्रणालियां बल, तापमान, ऊर्जा, और गतिविधि से सीखेंगी, जिससे प्रत्येक ऑपरेशन के लिए कारण समझ प्रदान करेंगी।

परिवर्तन गहरा है:

• प्रोग्रामिंग से → स्व-उत्पन्न नियंत्रण रणनीतियों
• स्थिर मॉडल से → निरंतर सीखने वाली प्रणाली
• संबंध से → भौतिकी-आधारित तर्क

सिंथेटिक तर्क द्वारा संचालित एक पूरी तरह से स्वायत्त कारखाना मूल रूप से अलग दिखेगा। मशीनें वांछित परिणामों के आधार पर स्वयं को प्रोग्राम करेंगी, सामग्री और ज्यामिति में परिवर्तनशीलता के लिए वास्तविक समय में अनुकूलन करेंगी, और गुणवत्ता को स्वाभाविक रूप से नियंत्रित करेंगी, न कि事実 के बाद। ज्ञान खंडित नहीं होगा; यह मशीनों, लाइनों, और यहां तक कि कारखानों के पार भी प्रसारित होगा, निरंतर प्रदर्शन में सुधार लाता है।

लेकिन सबसे महत्वपूर्ण परिवर्तन मानव है। विनिर्माण के लिए एक वास्तविक सिंथेटिक मस्तिष्क के साथ, मानव और मशीनों के बीच संबंध द्विदिशात्मक हो जाता है। मानव केवल मशीनों को प्रोग्राम नहीं करेंगे, बल्कि उनसे सीखेंगे, जैसे कि मशीनें मानव इरादे और अनुभव से सीखती हैं।

स्वचालन एक कार्य कार्य के रूप में बंद हो जाता है और करियर विकास, निरंतर सीखने और खोज के लिए एक मंच बन जाता है। इंजीनियर, ऑपरेटर, और तकनीशियन उन प्रणालियों के साथ सहयोग करेंगे जो समझाती हैं, अनुकूलन करती हैं, और शारीरिक प्रक्रियाओं की उनकी समझ को बढ़ाती हैं।

उस दुनिया में, कोई हफ्तों के कलिब्रेशन या हजारों कोड लाइनें नहीं हैं। कारखाना एक समन्वित, भौतिकी-जागरूक प्रणाली के रूप में कार्य करता है जो मानव क्षमता और अंतर्दृष्टि को बढ़ाता है।

अंततः, हम निर्देशों को निष्पादित करने वाले कारखानों से उन कारखानों में स्थानांतरित होते हैं जो समझते हैं, तर्क करते हैं, और मानवों के साथ सह-evolve करते हैं। यही भविष्य है जिसे हम एक्साबा में बना रहे हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें एक्साबा पर जाना चाहिए।