Interviste
Massimiliano Moruzzi, Fondatore e Amministratore Delegato di Xaba – Serie di Interviste
Massimiliano Moruzzi, fondatore e amministratore delegato di Xaba, è un esperto di lunga data nell’automazione industriale e nell’intelligenza artificiale con una profonda esperienza che spazia dalla robotica alla produzione, dalle macchine CNC al controllo industriale basato sull’intelligenza artificiale. Prima di fondare Xaba nel 2022, ha ricoperto ruoli di leadership in Augmenta, dove ha guidato gli sforzi di ricerca e sviluppo focalizzati sull’automazione alimentata dall’intelligenza artificiale, e in precedenza ha ricoperto posizioni di ingegnere senior e sviluppatore di software in Ingersoll Machine Tools e IMTA. Nel corso di oltre due decenni nella tecnologia industriale, Moruzzi si è concentrato sul superare il divario tra la robotica avanzata e la pratica della produzione, con un particolare accento sull’abilitare le macchine a operare in modo più intelligente, adattivo e autonomo.
Xaba è un’azienda di intelligenza artificiale industriale con sede a Toronto che sta sviluppando ciò che descrive come “cervelli sintetici” per robot industriali e sistemi di fabbrica. La piattaforma dell’azienda combina intelligenza artificiale generativa, apprendimento per rinforzo, controllo della robotica e automazione industriale per consentire ai robot, alle macchine CNC e ai sistemi controllati da PLC di auto-programmarsi e adattarsi in tempo reale senza la necessità di codifica manuale. Le tecnologie di punta dell’azienda, tra cui xCognition e PLCfy, sono progettate per automatizzare la programmazione della robotica, ottimizzare i flussi di lavoro di produzione e accelerare il deploy in vari settori, come l’aerospaziale, l’automobilistico e la produzione avanzata. Xaba posiziona la sua tecnologia come un modo per modernizzare l’automazione di fabbrica sostituendo sistemi rigidi e programmabili manualmente con un controllo cognitivo basato sull’intelligenza artificiale in grado di apprendere dai dati operativi e adattarsi dinamicamente a cambiamenti nell’ambiente di produzione.
Cosa ha innescato per la prima volta l’idea per Xaba, e quando ha capito che i robot industriali avevano bisogno di un approccio fondamentalmente diverso – essenzialmente un cervello sintetico invece di ulteriore codice?
L’idea è nata dall’osservazione di come la maggior parte dei robot industriali fallisca a livello di base di variabilità. Queste macchine sono meccanicamente precise, ma cognitivamente fragili. Piccoli cambiamenti nelle tolleranze dei pezzi, nei parametri del processo o nel comportamento dei materiali possono compromettere l’intera operazione.
La risposta dell’industria è stata coerente: scrivere più codice, aggiungere costose fixture rigide per eliminare la variabilità, aggiungere più regole, affidarsi alla supervisione umana e continuare a ricontrollare il sistema.
È allora che mi è venuta l’idea: non si tratta di un problema di software, ma di un cervello mancante.
I robot industriali e i controller di oggi eseguono istruzioni alla cieca senza capire se il risultato è effettivamente buono o cattivo. Non ragionano sul mondo fisico che li circonda.
I robot non falliscono perché mancano di istruzioni; falliscono perché mancano di comprensione. Gli esseri umani non si affidano a migliaia di righe di codice per stringere un bullone o applicare adesivo. Ci adattiamo istintivamente in base alla forza, al movimento e al feedback fisico.
È diventato chiaro che i robot industriali hanno bisogno di un sistema di ragionamento sintetico basato sulla fisica, non solo su un altro livello di programmazione.
Come la sua esperienza in Augmenta AI e in ruoli precedenti ha plasmato la sua prospettiva nel fondare Xaba, e quali lacune o intuizioni specifiche lo hanno spinto a costruire questa azienda?
In Augmenta AI, ci siamo concentrati profondamente sulla presa di decisioni guidata dall’intelligenza artificiale, sull’ottimizzazione e sull’autonomia. Ciò che è diventato ovvio è che la maggior parte dei sistemi di intelligenza artificiale operava in modo astratto, ottimizzando rappresentazioni dei dati piuttosto che interagendo con la realtà fisica.
Nei ruoli precedenti, avevo visto progetti di automazione bloccarsi o fallire non perché i robot non fossero in grado, ma perché l’onere ingegneristico era insostenibile. La lacuna era chiara: non c’era uno strato di intelligenza che potesse collegare l’intento di alto livello con la fisica del mondo reale. Xaba esiste per colmare questa lacuna, dando alle macchine la capacità di ragionare sulla forza, il movimento, le costrizioni e gli esiti nello stesso modo in cui fanno gli esseri umani esperti.
Xaba sta costruendo il primo sistema di intelligenza artificiale basato sulla fisica per robot industriali. Come si differenzia questo approccio dalla programmazione dei robot tradizionale e dai modelli di intelligenza artificiale mainstream di oggi?
La programmazione dei robot tradizionale dipende da percorsi predefiniti, parametri del processo, forze e sequenze di azioni. Si presume che l’ambiente si comporti sempre nello stesso modo, come un modello CAD.
I modelli di intelligenza artificiale mainstream adottano un approccio diverso, ma sono ancora in gran parte statistici. Sono bravi nella previsione e nell’imitazione, ma non comprendono veramente la causa e l’effetto fisico.
L’approccio di Xaba introduce un terzo paradigma. Invece di affidarsi principalmente ai dati visivi o a istruzioni statiche, utilizziamo dati di serie temporale da sensori come la forza, la temperatura, l’accelerazione, la tensione, l’acustica e la vibrazione per comprendere la fisica sottostante di un processo.
Ciò dà al sistema una comprensione di come le azioni influenzano gli esiti. Invece di seguire semplicemente le istruzioni, la macchina può adattarsi in tempo reale quando le condizioni cambiano.
Stiamo spostando i robot industriali dall’automazione rigida a sistemi che possono ragionare fisicamente sul lavoro che stanno svolgendo.
Come il ragionamento sintetico migliora la qualità, la ripetibilità e l’adattabilità in tempo reale sul pavimento di fabbrica?
Il ragionamento sintetico consente ai robot di adattarsi durante il compito. Se la resistenza cambia, il robot si adatta di conseguenza. Se il comportamento del materiale cambia, adatta il movimento. Ciò porta a una maggiore qualità perché il robot risponde alla realtà, non alle assunzioni.
La ripetibilità migliora perché il sistema non riproduce traiettorie fragili; risolve nuovamente il compito ogni volta in base all’intento fisico. E l’adattabilità diventa nativa, non un’eccezione che richiede una riprogrammazione.
Perché crede che il prossimo grande passo avanti nell’intelligenza artificiale si verificherà in sistemi fisici, piuttosto che in quelli puramente digitali?
Perché il mondo reale funziona sulla fisica, non sulle correlazioni. La maggior parte dell’intelligenza artificiale di oggi è costruita intorno al riconoscimento di pattern e alla previsione.
I più grandi passi avanti nell’intelligenza artificiale finora sono avvenuti in ambienti digitali in cui il riconoscimento di pattern è spesso sufficiente. Ma i sistemi fisici come la saldatura, la lavorazione e l’assemblaggio funzionano diversamente. Dipendono dalle relazioni causali tra forza, energia, temperatura, movimento e comportamento dei materiali. In questi ambienti, piccole variazioni possono rompere un processo e gli errori hanno conseguenze reali.
Questo è il motivo per cui il prossimo passo avanti richiede uno spostamento dalla previsione basata sui dati alla ragione basata sulla fisica.
L’intelligenza artificiale basata sulla fisica consente questo spostamento. Utilizzando i dati dei sensori di serie temporale per estrarre le equazioni di governo di un processo, l’intelligenza artificiale può passare dal guessing degli esiti al comprendere come il sistema si comporta. Ciò consente alle macchine di adattarsi in tempo reale, anche sotto variabilità.
- Intelligenza artificiale digitale → costruita in gran parte sulla correlazione, previsione e generazione di contenuti.
- Intelligenza artificiale basata sulla fisica → consente alle macchine di ragionare, adattarsi e rispondere alle condizioni del mondo reale in tempo reale.
Il prossimo ondata di intelligenza artificiale non sarà definita da migliori LLM o Imitation Games, ma da macchine che possono comprendere e controllare la realtà.
Cosa rende l’infrastruttura di automazione di oggi obsoleta, e cosa ci vuole per risolvere questo problema a livello di settore?
L’infrastruttura di oggi è costruita sull’assunzione che la variabilità sia il nemico. Tutto è rigido, sovra-ingegnerizzato e costoso da mantenere. Non si scalabilizza bene perché ogni nuova variazione di prodotto o processo richiede un massiccio intervento umano.
Risolvere questo problema richiede uno spostamento dalla programmazione alla cognizione. È necessario uno strato di intelligenza universale che possa essere sovrapposto all’hardware esistente e renderlo adattivo. È così che si modernizza l’automazione senza dover sostituire decenni di investimenti.
Molti produttori lottano con compiti che richiedono ancora migliaia di righe di codice e settimane di calibrazione. Come Xaba elimina questo collo di bottiglia?
I produttori incontrano questo collo di bottiglia perché i sistemi di oggi sono guidati dal codice e basati sull’imitazione, non sulla comprensione. Si affidano a migliaia di righe di logica o a modelli di intelligenza artificiale addestrati su pixel e video, che spesso chiamiamo un gioco di imitazione. Questi approcci catturano pattern, ma non comprendono il processo sottostante.
Xaba prende una strada fondamentalmente diversa.
Utilizziamo dati di serie temporale dei sensori, forza, temperatura, corrente e vibrazione per costruire una nuova classe di modelli fondamentali basati sulla fisica. Invece di apprendere correlazioni, il nostro sistema di intelligenza artificiale basata sulla fisica estrae le equazioni di governo del processo. Ciò dà al sistema una vera comprensione causale di come le azioni influenzano gli esiti.
Da lì, il sistema genera azioni fisicamente valide in tempo reale. Il robot non riproduce esempi o segue codice predefinito; ragiona sul processo prima di agire e si adatta continuamente sotto variabilità.
Nella pratica, ciò significa non avere più migliaia di righe di codice, non affidarsi all’imitazione basata sui pixel e non richiedere una costante ricontrollazione quando le condizioni cambiano. Invece, si ottiene un sistema che comprende la fisica e la controlla. È così che si passa dalla programmazione e dall’imitazione al vero ragionamento fisico e al controllo autonomo.
I robot che imparano dalla dimostrazione rappresentano un cambiamento audace. Quali sono stati i principali risultati tecnici che hanno reso possibile questo cambiamento, e quali limitazioni esistono ancora oggi?
I robot che imparano dalla dimostrazione sono un passo importante, ma si tratta ancora di un approccio basato sull’imitazione. Questi sistemi mappano le osservazioni (come pixel o traiettorie) su azioni senza comprendere la fisica sottostante del compito.
Dal punto di vista dell’intelligenza artificiale basata sulla fisica, il vero risultato è passare dall’imitazione alla comprensione causale.
Ciò che ha reso possibile questo cambiamento è:
- Progressi nella percezione (modelli di linguaggio-visivo, dati multimodali)
- Set di dati di grandi dimensioni sul comportamento umano e robotico
- Politiche migliorate che possono mappare le osservazioni sulle azioni
Ma questi sistemi sono ancora fondamentalmente guidati dalle correlazioni. Possono replicare ciò che hanno visto, ma lottano quando:
- I materiali si comportano diversamente
- I parametri del processo cambiano
- La geometria o le tolleranze variano
- La fisica del mondo reale si discosta dai dati di addestramento
È lì che le limitazioni diventano chiare.
In Xaba, prendiamo un approccio diverso. Invece di imparare cosa fare dalle dimostrazioni, impariamo perché funziona.
Utilizzando i dati dei sensori di serie temporale, Xaba estrae le equazioni di governo fisiche del processo. Ciò crea un modello di intelligenza artificiale basata sulla fisica che comprende come il sistema si comporta sotto diverse condizioni.
Il vero risultato deriva dalla capacità della macchina di ragionare sulla forza, l’energia e il comportamento dei materiali, adattarsi in tempo reale e generare azioni fisicamente valide.
Come il sistema di Xaba si adatta a condizioni del mondo reale imprevedibili – variazioni dei materiali, usura degli strumenti o cambiamenti ambientali sottili?
Perché il sistema ragiona continuamente sulla forza, il movimento e gli esiti, può rilevare quando la realtà si discosta dalle aspettative e adattarsi in tempo reale. L’usura degli strumenti diventa una variabile, non un fallimento. La variazione del materiale diventa parte del ciclo di ragionamento.
Ciò è fondamentalmente diverso dal controllo degli errori basato sui limiti – è un adattamento continuo.
Guardando avanti di cinque anni, come vede l’evoluzione dell’intelligenza artificiale basata sulla fisica, e cosa rappresenta una fabbrica completamente autonoma abilitata dal ragionamento sintetico?
Dal mio punto di vista, i prossimi cinque anni segneranno la transizione dall’automazione alla vera produzione cognitiva.
L’intelligenza artificiale basata sulla fisica evolverà dall’ottimizzazione dei singoli compiti alla costruzione di modelli fondamentali per l’intero sistema industriale. Invece di addestrare su pixel o traiettorie passate, questi sistemi continueranno a imparare dalla forza, dalla temperatura, dall’energia e dalla dinamica, abilitando la comprensione causale di ogni operazione.
Lo spostamento è profondo:
- Dalla programmazione → strategie di controllo auto-generate
- Dai modelli statici → sistemi che imparano continuamente
- Dalla correlazione → ragionamento basato sulla fisica
Una fabbrica completamente autonoma abilitata dal ragionamento sintetico apparirà fondamentalmente diversa. Le macchine si auto-programmeranno in base agli esiti desiderati, si adatteranno in tempo reale alle variazioni dei materiali e della geometria, e controlleranno intrinsecamente la qualità piuttosto che ispezionarla dopo il fatto. La conoscenza non sarà confinata – si propagherà attraverso le macchine, le linee e persino le fabbriche, migliorando continuamente le prestazioni.
Ma la trasformazione più importante è umana. Con un vero cervello sintetico per la produzione, la relazione tra esseri umani e macchine diventa bidirezionale. Gli esseri umani non programmeranno solo le macchine, ma impareranno da loro, proprio come le macchine imparano dall’intento e dall’esperienza umana.
L’automazione smette di essere una funzione di lavoro e diventa una piattaforma per la crescita professionale, l’apprendimento continuo e la scoperta. Gli ingegneri, gli operatori e i tecnici collaboreranno con sistemi che spiegano, si adattano e elevano la loro comprensione dei processi fisici.
In quel mondo, non ci sono settimane di calibrazione o migliaia di righe di codice. La fabbrica opera come un sistema coordinato, consapevole della fisica, che amplifica la capacità e la comprensione umana.
Alla fine, ci spostiamo dalle fabbriche che eseguono istruzioni a fabbriche che comprendono, ragionano e co-evolvono con gli esseri umani. È il futuro che stiamo costruendo in Xaba.
Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Xaba.
