마오르 파리드, 레오 AI의 창립자 및 CEO – 인터뷰 시리즈

마오르 파리드 박사, 레오 AI의 창립자 및 CEO는 이스라엘-미국 엔지니어, AI 연구자, 사회 활동가, 및 기업가입니다. 그는 MIT에서 풀브라이트 연구원으로서 AI 및 기계 공학 연구를 수행하였으며, 이스라엘 기술원에서 최연소 박사 학위를 취득했습니다. 그는 60,000명 이상의 엔지니어 커뮤니티를 구축하였으며, 비영리 단체를 통해 소외된 청소년을 지원하고 있습니다.

레오 AI는 기계 공학을 위한 첫 번째 AI 플랫폼입니다. 이는 물리적 제품 설계를 위한 대규모 기계 모델로, 팀들이 아이디어를 생산 준비가 된 3D 모델로 변환할 수 있도록 합니다. 이 플랫폼은 기업들이 엔지니어링 시간을 70% 줄이고 시장 출시 시간을 18% 단축하도록 도와줍니다. 2023년에 설립된 레오 AI는 이미 토요타, HP, 모바일아이(인텔), 필립스, 스카니아 등의 글로벌 기업에서 사용되고 있습니다. 시드 라운드(플린트 캐피탈이 주도) 이후僅 몇 개월 만에 매년 재무報告가 300% 증가했습니다.

기계 공학, 비선형 동역학, AI 연구, MIT, 및 이스라엘 기술원에서 배경을 쌓은 후 레오 AI를 창립했습니다. 기계 공학을 위한 AI를 구축하기로 결정한 이유와 산업이 아직 해결하지 못한 문제는 무엇입니까?

정말로, 좌절감입니다.

레오 이전에 방위 산업에서 기계 엔지니어로 일했습니다. 그리고 엔지니어가 실제 엔지니어링을 하는 것 외에 모든 것을 하는 것을 깨달았습니다. 정말로. 우리는 오래된 폴더를 검색하고, 벤더 카탈로그를 살펴보고, 표준을 찾고, 이전 디자인을 수동으로 재사용하고, 2011년에 어떤 결정이 이루어졌는지 기억하는 선임 엔지니어에게 물어봅니다. 이름을 불러보세요.

소프트웨어 엔지니어들은 깃허브 코파일럿을 가지고 있고, 작가들은 채트GPT를 가지고 있습니다. 한편, 기계 엔지니어들은 여전히 PDF를 共有 드라이브에서 열고 “FINAL_v7_REAL_FINAL.pdf”라고 불렀습니다. 산업은 “디지털 변환”에 대해 이야기했지만, 대부분의 엔지니어링 팀은 여전히 1998년처럼 운영되고 있었습니다.

그것이 레오의 집착이 된 것입니다. 우리는 실제로 엔지니어링을 할 수 있는 AI를 구축할 수 있을까요? 언어만이 아니라, 기하학, 제약, 공차, 제조 논리, 물리학을 이해하는 것입니다. 엔지니어가 실제 작업에서 신뢰할 수 있는 것입니다.

마케팅 문단을 잘못 쓰면 아무도 죽지 않습니다. 그러나 항공 우주 또는 의료 기기에서 공차 스택을 잘못 쓰면 사람들이 절대적으로 죽을 수 있습니다.

일반적인 AI 시스템인 채트GPT와 제미니는 물리적 세계의 제약, 공차, 제조 가능성 및 물리학을 요구하는 기계 공학 작업에서 어려움을 겪는 이유는 무엇입니까?

그들은 이 용도로 설계되지 않았습니다. 일반적인 AI 모델은 주로 인터넷 규모의 텍스트에 훈련됩니다. Reddit, 블로그, 위키백과, 소셜 미디어, 및 임의의 포럼입니다. 그것은 이메일을 작성하거나 문서를 요약하는 데 유용하지만, 엔지니어링 작업에서는 재앙입니다.

기계 공학은 자동 완성이 아닙니다. 그것은 물리학下的 제약 문제 해결입니다. 일반적인 모델은 제조 가능성, 열 확장, GD&T, 재료 거동, 안전 계수, 공차 누적에 대해真正로推論할 수 없습니다. 대부분의 모델은 CAD 파일을 네이티브로 열 수 없습니다.

위험한 부분은 그것들이 설득력 있게 들린다는 것입니다. 엔지니어들은 AI에 반대하는 것이 아닙니다. 그들은 BS에 반대합니다. 현재, 엔지니어링 작업에서 대부분의 일반적인 AI 시스템은 매우 유창한 BS 생성기입니다.

그것이 우리가 레오 AI를 다르게 훈련시킨 이유입니다. 우리는 100만 개 이상의 검증된 엔지니어링 소스를 사용했습니다. 우리는 그것을 엔지니어링 시스템에 직접 통합하고 엔지니어가 자신이 확인할 수 있는 표준, 수식, 참조로 모든 답변을 추적할 수 있도록 했습니다.

기계 공학은 소프트웨어 개발보다 AI를 채택하는 데 더 느립니다. 엔지니어와 제조업체가 완전히 AI 주도 워크플로를 채택하는 것을 방해하는 가장 큰 장벽은 무엇입니까?

제일 큰 장벽은 문화적 신뢰입니다. 그것은 기술적인 것이 아닙니다. 소프트웨어는 실패하고 다음날 패치를 받을 수 있지만, 물리적 시스템은那样하지 않습니다. AI 생성 코드가 애플리케이션을 충돌시키면 사용자는 짜증납니다. 그러나 AI 생성 엔지니어링 오류가 항공기, 의료 기구, 또는 공장 로봇 안에 들어가면 결과는 매우 다릅니다.

엔지니어들은 실패 모드에 대해 생각하는 방법으로 훈련됩니다. 우리는สะ橋가 무너지는 이유를 기억하는 사람에 대한 이야기들을 듣고 자란다. 그래서 실리콘 밸리가 ” 그냥 엔지니어링을 하세요”라고 말할 때, 기계 엔지니어들은 즉시 거부합니다.

두 번째 장벽은 제조업체가 PLM, PDF, CAD 파일, ERP 시스템, 및 은퇴하는 엔지니어의 머릿속에 갇힌 수십 년간의 문서화되지 않은 부족 지식을 가지고 있다는 것입니다. 일반적인 AI는 이러한 맥락에 접근하거나推論할 수 없습니다.

세 번째로, 나는 너무 잔인하게 들릴 수도 있지만, 대부분의 산업용 AI 제품은 본질적으로 자동화 연극입니다. 얇은 모델 위에 화려한 대시보드입니다. 엔지니어들은 그것을 매우 빠르게 볼 수 있습니다.

레오 AI는 “기계 지능”에 중점을 두고 있습니다. 이 개념은 무엇을 의미하며, 어떻게 하면 기업 시장에 들어오는 더广泛한 AI 공동조작과 다릅니까?

“기계 지능”은 물리적 세계를 이해하는 AI를 의미합니다. 언어만이 아니라.

현재 대부분의 공동조작은 본질적으로 텍스트 시스템입니다. 그것들은 요약, 재작성, 및 콘텐츠 생성을 합니다. 이것은 유용하지만, 여전히 디지털 추상을 운영합니다. 기계 지능은 물리학, 기하학, 제약, 제조 가능성, 재료 거동, 조립 논리, 비용, 신뢰성, 열 성능, 및 안전을 이해하는 것을 필요로 합니다.

그래서, 우리에게 기계 지능은 엔지니어링 워크플로에 책임 있게 참여할 수 있는 시스템을 구축하는 것을 의미합니다. 그것은 CAD를 네이티브로 읽고, 어셈블리를 이해하고, 방정식을 풀고, 표준에 대해 검증하고, PLM 및 ERP 시스템에 직접 연결하는 것을 의미합니다.

저항, 산업 로봇 시스템, 또는 휴머노이드와 같은 매우 복잡한 기계를 독립적으로 설계할 수 있는 AI 시스템은 얼마나 가까이 있습니까?

그것은 대부분의 사람들이 생각하는 것보다 더 가깝습니다. 그러나 할리우드가 상상하는 방식으로는 아닙니다.

사람들은 영웅이 컴퓨터와 대화하고 완벽한 기계가 즉시 나타나는 것을 상상합니다. 실제로 일어나는 것은 AI가 반복적인 엔지니어링 작업을 제거하고, 그것을 매우 빠르게 하고 있다는 것입니다. 그래서 우리는 잘 설계된 투영을 얻고, 그것은 인간이 검토하고 조정할 수 있습니다. 그리고 AI를 사용하면, 이 투영은 몇 분 안에 완료됩니다.

AI가 가까운 미래에 제트 엔진의 주요 부분을 생성할 수 있을까요? 절대적으로. 우리는 레오 AI와 함께 시뮬레이션을 시도했습니다. 그리고 우리는 거의 다 왔습니다. 그러나 완전히 자율적인 엔지니어링 없이 인간의 감시 없이? 나는 그것이 곧 일어날 수 있다고 예상하지 않습니다. AI는 엔지니어를 대체하지 않을 것입니다. 그러나 AI를 사용하는 엔지니어는 사용하지 않는 사람을 대체할 것입니다.

AI 인프라는 에너지 소비 및 열 관리와 같은 엔지니어링 문제를 만들고 있습니다. 어떻게하면 AI 주도 기계 공학이 고급 냉각 시스템 및 차세대 데이터 센터 설계와 같은 분야에 기여할 수 있습니까?

우리가 협력하는 회사 중 하나인 ZutaCore는 AI 데이터 센터를 위한 무수냉각 시스템을 구축합니다. 여기서 열 관리는 AI 인프라를 확장하는 데 가장 큰 병목 현상 중 하나가 되고 있습니다. 그들의 엔지니어들은 удивительно 비싼 문제에 직면했습니다. 새로운 배포마다 시스템을 맞추기 위해 파이프 구성을 재설계해야 했기 때문입니다. 이것은 엔지니어링 시간을 소비하고 제조 복잡성을 증가시켰습니다.

그들은 레오에게 창의적인 해결책을 요청했습니다. 자연에서 영감을 받은 해결책을 요청했습니다. 레오는 단순하고 조정 가능한 파이프 개념을 생성하는 것을 도와주었습니다. 이것은 시스템을 재설계할 필요를 제거하고, 표준화된 오프-더-쉘프 부품을 사용할 수 있게 했습니다. 그것은 비용을 약 400달러로 줄였습니다. 그리고 반복적인 엔지니어링 단계를 제거했습니다.

그래서, 우리는 볼 수 있듯이, AI는 자체 인프라가 만든 일부 문제를 해결할 준비가 되어 있습니다.

엔지니어링 오류는 실제 세계에서 심각한 결과를 초래할 수 있습니다. 어떻게하면 엔지니어링 환경에서 신뢰성, 검증, 및 안전성의 필요성과 AI의 속도 및 자동화의 이점을 균형 있게 조절할 수 있습니까?

엔지니어를 책임에서 제외하지 않습니다. 절대로. 그것이 핵심 원칙입니다. 우리는 “블랙 박스 엔지니어링”을 믿지 않습니다. 레오가 제공하는 모든 추천은 추적 가능하고, 설명 가능하며, 검증 가능합니다. 엔지니어들은 출처, 수식, 표준, 및 가정들을 검사할 수 있습니다.

실제로, 가장好的 엔지니어링 아이디어는 몇 년간의 실패, 경험, 및 이상한 인간의 패턴 인식에서 나옵니다. 그것은 매우 어렵게 형식화됩니다. 그래서, 예, 나는 AI가 엔지니어링 결정 뒤에 있는 인간의 책임을 대체할 수 없다고 생각합니다. 그것이 실제로 대체할 수 없는 이유입니다.

당신은 AI가 엔지니어를 대체하지 않을 것이라고 말했습니다. 그러나 AI를 사용하는 엔지니어는 사용하지 않는 사람을 대체할 것입니다. 다음 세대의 기계 공학자들이 경쟁력을 유지하기 위해 어떤 새로운 기술을 필요로 할까요?

가장 중요한 기술은 실제로 더 깊은 엔지니어링 판단력이 될 것입니다.

모호하게, AI가 더 많은 실행 작업을 자동화함에 따라, 인간 엔지니어는 제약을 정의하고, 출력을 검증하고, 트레이드오프를 이해하고, 실패 모드를 포착하는 데 더 많은 책임을 지게 될 것입니다.

젊은 엔지니어들이 AI를 맹목적으로 신뢰한다면 매우 빠르게 위험해질 것입니다. 최고의 엔지니어들은 AI 시스템을 오케스트레이션하는 방법을 알고, 여전히 첫 번째 원칙에 대한 깊은 이해를 유지하는 사람들입니다.

나는 시스템 사고 방향으로의巨大한 변화를 볼 것입니다. 기계 공학자들은 소프트웨어, 전자, 제조, 시뮬레이션, 및 AI를 동시에 작업할 것입니다. 고립된 기계 엔지니어는 사라질 수 있지만, 다학제적 엔지니어는 매우 귀중해질 것입니다.

로봇공학, 구현된 AI, 및 물리적 AI 시스템에 대한 모멘텀이 증가하고 있습니다. 물리적 세계와 상호작용하는 시스템에서 다음 주요 AI 브레이크스루가 올 것이라고 생각합니까?

예, 나는 그렇게 생각합니다. 우리는 그 방향으로 이동하고 있지만, 아직 거기에 있지 않습니다.

첫 번째 AI 波는 언어와 정보에 관한 것이었습니다. 다음 波는 현실과의 상호작용에 관한 것입니다. AI가 화면을 떠나 물리적 세계에 들어가면, 난이도 수준이劇的に 변경됩니다. 왜냐하면 현실은 마찰, 불확실성, 재료 변동성, 및 실제 안전 결과를 도입하기 때문입니다. 다음 10년의 AI를 이기는 회사들은 더 나은 생성을 생성하는 것이 아닙니다. 물리적 세계를 신뢰성 있게 理解하고 상호작용할 수 있는 시스템을 구축하는 것입니다.

AI가 엔지니어링 워크플로에 더 깊게 통합됨에 따라, 디자인 및 혁신 과정의 어떤 부분이 독특한 인간의 창의력 및 판단력을 항상 필요로 할까요?

책임입니다. 그것이 唯一의 答え입니다. 물리적 세계는 엔지니어링 오류에 대해 용서하지 않습니다. 그리고 매우 높은 수준의 AI 推論에서도, 인간의 의사결정 과정은 대체될 수 없습니다.

AI는 최적화하고, 생성하고,巨大한 설계 공간을 더 빠르게 검색할 수 있습니다. 그러나 인간은 여전히 무엇이 세계에 존재해야 하는지, 어떤 트레이드오프가 받아들일 수 있는지, 어떤 위험이 윤리적인지, 그리고 어떤 제약이 가장 중요하는지 결정해야 합니다.

정말로, 일부 최고의 엔지니어링 아이디어는 몇 년간의 실패, 경험, 및 이상한 인간의 패턴 인식에서 나옵니다. 그것은 매우 어렵게 형식화됩니다. 그래서, 예, 나는 AI가 엔지니어링 결정 뒤에 있는 인간의 책임을 대체할 수 없다고 생각합니다. 그것이 실제로 대체할 수 없는 이유입니다.

감사합니다. 이 인터뷰를 읽은 독자들은 레오 AI를 방문하여 더 많은 정보를 얻을 수 있습니다.