Maor Farid, Pendiri dan CEO Leo AI – Seri Wawancara

Dr. Maor Farid, pendiri dan CEO Leo AI, adalah insinyur Israel-Amerika, peneliti AI, aktivis sosial, dan wirausaha. Ia melakukan penelitian AI dan teknik mesin di MIT sebagai fellow postdoctoral Fulbright dan menjadi lulusan PhD termuda dalam sejarah Technion – Israel Institute of Technology. Ia telah membangun komunitas 60K+ insinyur dan mendukung pemuda yang kurang beruntung melalui inisiatif non-profit.

Leo AI adalah AI pertama untuk teknik mesin – model mesin besar untuk desain produk fisik, memungkinkan tim untuk mengubah ide menjadi model 3D siap produksi dalam hitungan detik. Platform ini membantu perusahaan mengurangi waktu teknik sebesar 70% dan mempercepat waktu-pasar sebesar 18%. Didirikan pada 2023, Leo AI sudah digunakan oleh insinyur di perusahaan global, termasuk Toyota, HP, Mobileye (by Intel (INTC )), Philips, dan Scania. Hanya beberapa bulan setelah putaran benih (dipimpin oleh Flint Capital), ARR-nya tumbuh sebesar 300% di Q1.

Anda membangun latar belakang Anda di bidang teknik mesin, dinamika nonlinier, penelitian AI, MIT, dan Technion sebelum mendirikan Leo AI. Apa yang membuat Anda fokus pada membangun AI untuk insinyur mesin, dan apa masalah yang Anda rasakan industri masih belum berhasil pecahkan?

Jujur, frustrasi.

Sebelum Leo, saya bekerja sebagai insinyur mesin di pertahanan, dan saya menyadari sesuatu yang aneh: insinyur menghabiskan sejumlah besar waktu melakukan segala sesuatu kecuali teknik. Serius. Kami menghabiskan waktu menyelidiki folder lama, mencari katalog vendor, mencari standar, menggunakannya kembali desain lama, dan bertanya kepada insinyur senior yang mengingat mengapa keputusan itu dibuat pada 2011. Anda bisa menyebutnya.

Insinyur perangkat lunak memiliki GitHub Copilot, dan penulis memiliki ChatGPT. Sementara itu, insinyur mesin masih membuka PDF dari drive yang dibagikan dengan nama “FINAL_v7_REAL_FINAL.pdf”. Industri terus berbicara tentang “transformasi digital,” tetapi sebagian besar tim teknik masih beroperasi seolah-olah tahun 1998.

Itu menjadi obsesi di balik Leo: dapatkah kita membangun AI yang benar-benar memahami teknik? Bukan hanya bahasa, tetapi geometri, kendala, toleransi, logika manufaktur, fisika. Sesuatu yang insinyur bisa percayai dengan pekerjaan nyata, bukan demo mainan.

Karena jika Anda salah menulis paragraf pemasaran, tidak ada yang mati. Tetapi jika Anda salah menentukan toleransi di bidang kedirgantaraan atau perangkat medis, orang benar-benar bisa mati.

Mengapa sistem AI umum seperti ChatGPT dan Gemini mengalami kesulitan dengan tugas teknik mesin yang memerlukan fisika dunia nyata, kendala, toleransi, dan kemampuan manufaktur?

Karena mereka tidak dibangun untuk ini, karena model AI generik dilatih sebagian besar pada teks skala internet: Reddit, blog, Wikipedia, media sosial, dan forum acak. Itu baik jika Anda menulis email atau meringkas dokumen, tetapi itu bencana jika Anda menghitung umur lelah pada bracket las yang masuk ke sistem pertahanan.

Teknik mesin bukanlah autocomplete. Ini adalah pemecahan masalah terbatas di bawah fisika. Model generik tidak benar-benar dapat bernalar tentang kemampuan manufaktur, ekspansi termal, GD&T, perilaku material, faktor keamanan, atau akumulasi toleransi. Sebagian besar dari mereka bahkan tidak bisa membuka file CAD secara asli.

Bagian berbahaya adalah bahwa meskipun semua ini, mereka terdengar meyakinkan. Insinyur tidak anti-AI. Mereka anti-BS. Saat ini, ketika datang ke tugas teknik, sebagian besar sistem AI generik adalah pembangkit BS yang sangat fasih.

Itulah mengapa kami melatih Leo AI secara berbeda, menggunakan lebih dari satu juta sumber teknik yang diverifikasi. Kami mengintegrasikannya langsung ke dalam sistem teknik dan membuat setiap jawaban dapat dilacak kembali ke standar, rumus, dan referensi yang insinyur dapat verifikasi sendiri.

Teknik mesin secara historis lebih lambat dalam mengadopsi AI daripada pengembangan perangkat lunak. Apa yang menjadi penghalang terbesar yang mencegah insinyur dan produsen sepenuhnya menerima alur kerja yang didorong AI?

Saya pikir penghalang terbesar adalah kepercayaan budaya. Ini tidak teknis sama sekali. Perangkat lunak dapat gagal dan diperbarui besok, tetapi sistem fisik tidak bekerja dengan cara itu. Jika AI yang dihasilkan kode gagal, pengguna akan kesal. Jika kesalahan teknik AI berakhir di dalam pesawat, implant medis, atau robot pabrik, konsekuensinya sangat berbeda.

Insinyur dilatih dari hari pertama untuk memikirkan tentang mode kegagalan. Kami tumbuh mendengar cerita tentang jembatan runtuh karena seseorang membuat asumsi yang salah. Jadi ketika Silicon Valley muncul dan mengatakan “cukup vibe insinyur itu,” insinyur mesin segera menolaknya.

Penghalang kedua adalah bahwa perusahaan manufaktur duduk di atas dekade pengetahuan suku yang tidak terdokumentasikan yang terjebak di dalam PLM, PDF, file CAD, sistem ERP, dan kepala insinyur yang pensiun. AI generik tidak dapat mengakses atau bernalar atas konteks itu.

Dan ketiga: Saya tidak ingin terdengar terlalu brutal, tetapi dari perspektif saya, sebagian besar produk AI untuk industri pada dasarnya adalah teater otomatisasi. Dashboard mewah di atas model yang dangkal yang tidak dapat Anda gunakan untuk teknik yang sebenarnya. Insinyur melihat melalui itu dengan sangat cepat.

Leo AI fokus pada apa yang Anda sebut “Kecerdasan Mekanik.” Apa yang dimaksud dengan konsep ini, dan bagaimana itu berbeda dari gelombang AI copilot yang lebih luas yang memasuki pasar perusahaan?

“Kecerdasan mekanik” berarti AI yang memahami dunia fisik, bukan hanya bahasa.

Seperti yang saya sebutkan, sebagian besar copilot saat ini pada dasarnya adalah sistem teks. Mereka meringkas, menulis ulang, dan menghasilkan konten. Ini berguna, tetapi masih beroperasi di dalam abstraksi digital. Kecerdasan mekanik memerlukan penalaran di bawah fisika, geometri, kendala, kemampuan manufaktur, perilaku material, logika perakitan, biaya, keandalan, kinerja termal, dan keamanan.

Jadi, bagi kami, kecerdasan mekanik berarti membangun sistem yang dapat berpartisipasi dalam alur kerja teknik dengan bertanggung jawab. Ini berarti membaca CAD secara asli, memahami perakitan, menyelesaikan persamaan, memvalidasi terhadap standar, dan menghubungkan langsung ke sistem PLM dan ERP.

Seberapa dekat kita dengan sistem AI yang dapat merancang mesin yang sangat kompleks seperti mesin jet, sistem robotik industri, atau humanoid secara mandiri?

Itu lebih dekat dari yang dibayangkan oleh kebanyakan orang, meskipun tidak quite seperti yang dibayangkan oleh Hollywood.

Orang membayangkan seorang pahlawan berbicara dengan komputer dan mesin yang sempurna muncul secara instan. Apa yang sebenarnya terjadi adalah bahwa AI secara bertahap menghilangkan lapisan berulang dalam teknik, dan itu dilakukan dengan sangat cepat. Jadi kita mendapatkan proyeksi yang dirancang dengan baik yang terhubung ke dokumentasi yang tepat yang manusia dapat tinjau dan sesuaikan – dan dengan AI, proyeksi ini dilakukan dalam hitungan menit bukan bulan.

Apakah AI dapat menghasilkan sebagian besar arsitektur jet di masa depan? Absolut. Kami telah mencoba ini pada simulasi mock dengan Leo AI, dan kami cukup dekat. Tetapi teknik yang sepenuhnya otonom tanpa pengawasan manusia? Saya tidak bisa membayangkan ini terjadi dalam waktu dekat. AI tidak akan menggantikan insinyur, tetapi insinyur yang menggunakan AI mungkin akan menggantikan mereka yang tidak.

Infrastruktur AI itu sendiri menciptakan tantangan teknik besar di sekitar konsumsi energi dan manajemen termal. Bagaimana Anda melihat AI yang didorong teknik mesin memberikan kontribusi pada bidang seperti sistem pendingin canggih dan desain pusat data generasi berikutnya?

Salah satu perusahaan yang kami kerja sama, ZutaCore, membangun sistem pendingin tanpa air untuk pusat data AI, di mana manajemen termal menjadi salah satu bottleneck terbesar untuk skala infrastruktur AI. Insinyur mereka menghadapi masalah yang cukup mahal: setiap penerapan baru memerlukan merancang ulang konfigurasi pipa untuk memenuhi sistem, yang menghabiskan waktu teknik dan meningkatkan kompleksitas manufaktur.

Mereka meminta Leo untuk mencari solusi kreatif yang terinspirasi oleh alam, dan Leo membantu menghasilkan konsep pipa yang sederhana dan dapat disesuaikan yang menghilangkan kebutuhan untuk merancang ulang sistem untuk setiap proyek. Sebagai gantinya, tim bisa menggunakan komponen off-the-shelf yang standar. Itu mengurangi biaya sekitar $400 per unit dan menghilangkan seluruh fase teknik berulang dari alur kerja.

Jadi, seperti yang kita lihat, AI siap untuk memecahkan beberapa masalah yang diciptakan oleh infrastruktur AI itu sendiri.

Kesalahan teknik dapat memiliki konsekuensi dunia nyata yang serius. Bagaimana Anda menyeimbangkan kecepatan dan manfaat otomatisasi AI dengan kebutuhan akan keandalan, validasi, dan keamanan dalam lingkungan teknik?

Anda tidak pernah menghilangkan insinyur dari akuntabilitas. Itu adalah prinsip inti. Kami tidak percaya pada “teknik kotak hitam”: setiap rekomendasi Leo yang diberikan dapat dilacak, dapat dijelaskan, dan dapat diverifikasi. Insinyur dapat memeriksa sumber, rumus, standar, dan asumsi.

Dalam prakteknya, sistem AI terbaik dalam teknik bukanlah menggantikan ketat. Mereka adalah mengompresi pekerjaan yang membosankan di sekitar ketat. Narasi berbahaya saat ini adalah “kecepatan atas biaya.” Mentalitas itu bekerja sampai Anda meninggalkan dunia digital dan mulai membangun sistem fisik. Dunia fisik tidak memaafkan.

Anda telah mengatakan bahwa AI tidak akan menggantikan insinyur, tetapi insinyur yang menggunakan AI mungkin akan menggantikan mereka yang tidak. Apa keterampilan baru yang Anda percaya akan dibutuhkan oleh generasi berikutnya insinyur mesin untuk tetap kompetitif?

Keterampilan yang paling penting sebenarnya akan menjadi penilaian teknik yang lebih dalam.

Ironisnya, karena AI mengotomatisasi lebih banyak pekerjaan eksekusi, insinyur manusia menjadi lebih bertanggung jawab untuk mendefinisikan kendala, memvalidasi output, memahami trade-off, dan menangkap mode kegagalan.

Insinyur muda yang buta percaya AI akan menjadi berbahaya dengan sangat cepat. Insinyur terbaik akan menjadi mereka yang tahu bagaimana mengatur sistem AI sambil masih mempertahankan pemahaman yang mendalam tentang prinsip-prinsip pertama.

Saya pikir kita juga akan melihat pergeseran besar menuju pemikiran sistem. Insinyur mesin akan semakin bekerja, secara bersamaan, di seluruh perangkat lunak, elektronik, manufaktur, simulasi, dan AI. Insinyur mesin yang terisolasi mungkin akan menghilang, tetapi insinyur multidisiplin akan menjadi sangat berharga.

Kita melihat momentum yang meningkat di sekitar robotika, AI yang diwujudkan, dan sistem AI fisik. Apakah Anda percaya bahwa terobosan besar berikutnya dalam AI akan datang dari sistem yang berinteraksi dengan dunia fisik daripada copilot digital murni?

Ya. Saya pikir kita pasti bergerak ke arah itu, tetapi kita belum sepenuhnya sampai di sana.

Gelombang pertama AI adalah tentang bahasa dan informasi. Gelombang berikutnya akan tentang interaksi dengan kenyataan. Begitu AI meninggalkan layar dan memasuki dunia fisik, tingkat kesulitan berubah secara dramatis karena kenyataan memperkenalkan gesekan, ketidakpastian, variabilitas material, dan konsekuensi keamanan yang nyata. Perusahaan yang memenangkan dekade AI berikutnya tidak hanya akan menghasilkan yang lebih baik. Mereka akan membangun sistem yang dapat bernalar tentang dan berinteraksi dengan dunia fisik dengan andal.

Saat AI menjadi lebih dalam terintegrasi ke dalam alur kerja teknik, bagian mana dari proses desain dan inovasi yang Anda percaya akan selalu memerlukan kreativitas dan penilaian manusia yang unik?

Tanggung jawab. Itu satu-satunya jawaban. Seperti yang saya katakan, dunia fisik tidak memaafkan kesalahan teknik, dan bahkan pada tingkat penalaran AI yang sangat tinggi, itu tidak akan pernah dapat menggantikan proses pengambilan keputusan manusia.

AI dapat mengoptimalkan, menghasilkan, meneliti ruang desain yang sangat besar lebih cepat dari yang manusia bisa — tetapi manusia harus memutuskan apa yang harus ada di dunia, apa trade-off yang dapat diterima, apa risiko yang etis, dan apa kendala yang paling penting.

Jujur, beberapa ide teknik terbaik datang dari intuisi yang dibangun selama bertahun-tahun kegagalan, pengalaman, dan pengenalan pola manusia yang aneh yang sangat sulit untuk diformalisasikan. Jadi ya, saya tidak pikir AI akan pernah menggantikan tanggung jawab manusia di balik keputusan teknik. Itulah yang membuatnya tidak mungkin untuk digantikan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Leo AI.