マオル・ファリッド、Leo AIの創設者兼CEO – インタビュー・シリーズ

マオル・ファリッド博士、Leo AIの創設者兼CEOは、イスラエル・アメリカのエンジニア、AI研究者、社会活動家、起業家です。彼はフルブライト・ポスドク研究員としてMITでAIと機械工学の研究を行い、Technion – イスラエル工科大学の歴史上最年少の博士号を取得しました。彼は6万人以上のエンジニアのコミュニティを構築し、非営利団体を通じて社会的に弱い立場にある若者を支援しています。

Leo AIは、機械工学のための最初のAIです。物理製品設計のための大規模な機械モデルで、チームがアイデアを生産可能な3Dモデルに変換できるようにします。このプラットフォームは、企業がエンジニアリング時間を70％削減し、市場投入時間を18％短縮するのに役立ちます。2023年に設立されたLeo AIは、すでにトヨタ、HP、モバイルアイ（インテル）、フィリップス、スカニアなどのグローバル企業のエンジニアによって使用されています。シードラウンド（Flint Capitalが主導）からわずか数ヶ月で、ARRはQ1で300％増加しました。

あなたは機械工学、非線形力学、AI研究、MIT、Technionでの経験を積んだ後、Leo AIを設立しました。機械工学のエンジニア向けにAIを構築することに特に焦点を当てた理由と、業界がまだ解決していない問題は何ですか?

正直に言えば、苛立ちです。

Leo以前、私は防衛分野で機械エンジニアとして働き、エンジニアが実際のエンジニアリング以外のことをする時間が驚くほど多いことを実感しました。古いフォルダを探したり、ベンダーのカタログを探したり、規格を探したり、古い設計を手動で再利用したり、上司に2011年になぜその決定をしたのか聞いたりします。そういうことです。

ソフトウェアエンジニアにはGitHub Copilotがあり、ライターにはChatGPTがあります。一方、機械エンジニアはまだ「FINAL_v7_REAL_FINAL.pdf」という名前の共有ドライブからPDFを開いていました。業界は「デジタル変革」について話し続けていましたが、ほとんどのエンジニアリングチームは1998年のように運営していました。

それがLeoの背後にある執念でした。エンジニアリングを本当に理解できるAIを構築できるかどうか。言語だけではなく、幾何学、制約、公差、製造ロジック、物理学についてです。エンジニアが実際の仕事に頼れるもので、玩具デモではないものです。

マーケティング文章を間違えても誰も死にません。しかし、航空宇宙や医療機器で公差スタックを間違えると、人々は絶対に死にます。

一般的な目的のAIシステムであるChatGPTやGeminiは、物理、制約、公差、製造可能性が必要な機械工学タスクで苦労する理由は何ですか?

それらはそのように構築されていないからです。一般的なAIモデルは主にインターネットスケールのテキストでトレーニングされています。Reddit、ブログ、Wikipedia、ソーシャルメディア、ランダムなフォーラムなどです。これは、メールを書いたり文書を要約したりするのには適していますが、防衛システムに溶接されたブラケットの疲労寿命を計算するのには災難です。

機械工学はオートコンプリートではありません。物理学の下での制約付き問題解決です。一般的なモデルは、製造可能性、熱膨張、GD&T、材料挙動、安全係数、公差蓄積について真に推論することができません。ほとんどのモデルは、ネイティブでCADファイルを開くことができません。

危険なのは、それらが説得力があるように聞こえることです。エンジニアはAIに反対しているのではなく、馬鹿馬鹿しい話に反対しているのです。現在、エンジニアリングタスクについて、ほとんどの一般的なAIシステムは非常に流暢な馬鹿馬鹿しい話を生成しています。

そのため、Leo AIを別の方法でトレーニングしました。100万を超えるベットされたエンジニアリングソースを使用しました。エンジニアリングシステムに直接統合し、エンジニアが自分で検証できる規格、式、参考文献に戻ることができるようにしました。

機械工学はソフトウェア開発よりもAIの採用が遅れています。エンジニアや製造業者がAI駆動のワークフローを完全に受け入れるのを妨げている最大の障壁は何ですか?

私は最大の障壁は文化的な信頼であると思います。技術的なものではありません。ソフトウェアはクラッシュして次の日に修正できますが、物理システムはそうではありません。AI生成のコードがアプリをクラッシュさせても、ユーザーはただ苛立つだけです。しかし、AI生成のエンジニアリングミスが航空機、医療機器、または工場ロボットの中に埋もれると、結果は非常に異なります。

エンジニアは最初から故障モードについて考えるように訓練されています。私たちは、誰かが2011年に間違った仮定をしたために橋が崩壊した話を聞いて育ちました。したがって、シリコンバレーが「ただ気分でエンジニアリングしてください」と言うと、機械エンジニアはすぐにそれを拒否します。

2番目の障壁は、製造会社がPLM、PDF、CADファイル、ERPシステム、退職するエンジニアの頭の中に閉じ込められた数十年の文書化されていない部族の知識を持っていることです。一般的なAIはそのコンテキストにアクセスしたり推論したりすることができません。

3番目に、私はあまりにも厳しいことを言っているように思いますが、私の視点から、業界のAI製品のほとんどは基本的に自動化の劇です。浅いモデルの上にある華麗なダッシュボードで、実際にエンジニアリングすることができません。エンジニアはすぐにそれを見抜きます。

Leo AIは「機械的知能」と呼ばれることに焦点を当てています。この概念はあなたにとって何を意味し、企業市場に参入しているより広いAIコパイロットの波とどのように異なりますか?

「機械的知能」とは、物理世界を理解するAIのことです。言語だけではありません。

私が言ったように、現在のほとんどのコパイロットは基本的にテキストシステムです。要約、書き直し、コンテンツの生成を行います。これは役立ちますが、まだデジタル抽象内で動作しています。機械的知能には、物理、幾何学、制約、製造可能性、材料挙動、組み立てロジック、コスト、信頼性、熱性能、安全性について推論することが必要です。

私たちにとって、機械的知能とは、責任を持ってエンジニアリングワークフローに参加できるシステムを構築することを意味します。ネイティブでCADを読み、組み立てを理解し、方程式を解き、規格に対して検証し、直接PLMおよびERPシステムに接続することを意味します。

ジェットエンジン、産業ロボットシステム、ヒューマノイドなどの高度な複雑な機械を独立して設計できるAIシステムに近づいているのでしょうか?

それよりも近いと思いますが、ハリウッドが想像するようにではありません。

人々は、ヒーローがコンピューターと話し、完璧な機械が瞬時に現れることを想像しています。実際に起こっていることは、AIがエンジニアリングの繰り返しレイヤーを徐々に除去していることです。そうして、人間がレビューして調整できるように、設計の投影が数分で行われます。

AIが近い将来にジェットアーキテクチャの主要部分を生成できるでしょうか。絶対にです。私たちはLeo AIでモックシミュレーションを試みました。私たちはかなり近いと思います。しかし、完全な自動エンジニアリングなしに人間の監視なしで？私はそれがすぐに起こることを予見できません。AIはエンジニアを置き換えることはありませんが、AIを使用するエンジニアは、使用しない人を置き換えるかもしれません。

AIインフラストラクチャー自体は、エネルギー消費と熱管理について重大なエンジニアリング課題を生み出しています。AI駆動の機械工学が高度な冷却システムや次世代データセンター設計などの分野にどのように貢献するかを見ていますか?

私たちが協力している会社の1つ、ZutaCoreは、AIデータセンター用の無水冷却システムを構築しています。熱管理は、AIインフラストラクチャーのスケーラビリティの最大のボトルネックの1つになっています。彼らのエンジニアは、予想外に高価な問題に直面しました。新しいデプロイごとに、システムに合うようにパイプ構成を手動で再設計する必要がありました。これはエンジニアリング時間を消費し、製造の複雑さを増やしました。

彼らはLeoに、自然からインスピレーションを得た創造的な解決策を求めました。Leoは、プロジェクトごとにシステムを再設計する必要性を排除する、シンプルで調整可能なパイプ概念を生成するのに役立ちました。カスタム製造ではなく、標準のオフザシェルフパーツを使用できるようになりました。これにより、コストが約400ドル単位で削減され、エンジニアリングワークフローから繰り返しの段階が完全に排除されました。

したがって、AIは、AI自身のインフラストラクチャーによって生み出された一部の問題を解決する準備ができています。

エンジニアリングミスは深刻な現実世界の結果をもたらす可能性があります。エンジニアリング環境で信頼性、検証、安全性の必要性と、AIの速度と自動化の利点をどのようにバランスさせますか?

エンジニアを責任から除外することはありません。決してそうしないです。那が基本原則です。私たちは「ブラックボックスエンジニアリング」を信じていません。Leoが提供するすべての推奨は追跡可能、説明可能、検証可能です。エンジニアはソース、式、規格、仮定を検査できます。

実践では、AIシステムの中で最も優れたものは厳格さを置き換えません。面倒な仕事の周りの厳格さを圧縮しています。「すべてを犠牲にして速度」を優先する物語は危険です。那はデジタル世界で機能しますが、物理システムを構築し始めると、物理世界は容赦がないのです。

あなたは「AIはエンジニアを置き換えることはありませんが、AIを使用するエンジニアは、使用しない人を置き換えるかもしれません」と述べました。次の世代の機械エンジニアが競争力を維持するために必要な新しいスキルは何ですか?

最も重要なスキルは、実際にはより深いエンジニアリング判断になるでしょう。

皮肉なことに、AIが実行のより多くの作業を自動化するにつれて、人間のエンジニアは、制約を定義し、出力を検証し、トレードオフを理解し、故障モードをキャッチする責任を負うことになります。

AIを盲目的に信頼する若いエンジニアは、すぐに危険になります。最も優れたエンジニアは、AIシステムを指揮しながら、基本原理に対する深い理解を維持することができる人です。

私は、システム思考への大きなシフトを見ると思います。機械エンジニアは、ソフトウェア、電子機器、製造、シミュレーション、AIを同時に、より多くの作業を行うようになります。孤立した機械エンジニアは消え去るかもしれませんが、多分野にわたるエンジニアは非常に貴重になるでしょう。

ロボティクス、具現化されたAI、物理AIシステムの周りの勢いを増しています。物理世界とやり取りするシステムから次の主要なブレークスルーが来ることを予想していますか?

はい。私もそのように考えていると思いますが、まだそこまで達していません。

最初のAIの波は言語と情報についてでした。次の波は現実とのやり取りについてです。AIが画面を離れて物理世界に入ると、レベルは劇的に変わります。現実は摩擦、不確実性、材料の変動、実際の安全上の結果を導入します。次の10年間でAIを勝ち取る会社は、より優れたものを生成するのではなく、信頼性を持って物理世界とやり取りするシステムを構築する会社です。

AIがエンジニアリングワークフローに深く統合されるにつれて、デザインとイノベーションのプロセスのどの部分が、人間の独自の創造性と判断が常に必要であると考えていますか?

責任です。それが唯一の答えです。私が言ったように、物理世界はエンジニアリングミスに対して容赦がないのです。AIの推論レベルが高くても、人間の意思決定プロセスを置き換えることはできません。

AIは最適化、生成、研究を行うことができます。巨大な設計空間を人間が行うよりも速く行うことができます。しかし、人間が世界に何が存在するべきか、どのようなトレードオフが受け入れられるか、どのようなリスクが倫理的か、どのような制約が最も重要かを決定するべきです。

正直に言えば、一部の最も優れたエンジニアリングアイデアは、失敗、経験、人間のパターン認識の直感から生まれるのです。形式化するのが非常に難しいのです。はい、エンジニアリング上の決定の背後にある人間の責任をAIが置き換えることはないと思います。それが実際に置き換えられない理由です。

素晴らしいインタビュー、ありがとうございました。詳しく知りたい読者は、Leo AIを訪けてください。