Maor Farid, Oprichter en CEO van Leo AI – Interviewreeks

Dr. Maor Farid, oprichter en CEO van Leo AI, is een Israëlisch-Amerikaanse ingenieur, AI-onderzoeker, sociaal activist en ondernemer. Hij voerde AI- en mechanische ingenieursonderzoek uit aan het MIT als Fulbright-postdoctoraal fellow en werd de jongste PhD-afgestudeerde in de geschiedenis van het Technion – Israel Institute of Technology. Hij heeft een gemeenschap van 60K+ ingenieurs opgebouwd en ondersteunt minderbedeelde jongeren via een non-profitinitiatief.

Leo AI is de eerste AI voor mechanische ingenieurs – een groot mechanisch model voor fysiek productontwerp, waarmee teams ideeën kunnen omzetten in productieklare 3D-modellen in seconden. Het platform helpt bedrijven om de ontwerptijd met 70% te verminderen en de tijd tot marktintroductie met 18% te versnellen. Opgericht in 2023, wordt Leo AI al gebruikt door ingenieurs bij wereldwijde bedrijven, waaronder Toyota, HP, Mobileye (van Intel), Philips en Scania. Slechts een paar maanden na de seedronde (geleid door Flint Capital), groeide het jaarlijks recurrente inkomen van het bedrijf met 300% in Q1.

U hebt uw achtergrond opgebouwd in mechanische ingenieurswetenschappen, niet-lineaire dynamica, AI-onderzoek, MIT en het Technion voordat u Leo AI oprichtte. Wat leidde u ertoe om specifiek AI voor mechanische ingenieurs te ontwikkelen, en welk probleem voelde u dat de industrie nog niet had opgelost?

Eerlijk gezegd, frustratie.

Voordat ik Leo AI oprichtte, werkte ik als mechanisch ingenieur in de defensie-industrie, en ik realiseerde me iets wilds: ingenieurs besteden een belachelijk groot deel van hun tijd aan alles behalve ingenieurswerk. Serieus. We besteden tijd aan het doorzoeken van oude mappen, het doorzoeken van leverancierscatalogi, het zoeken naar standaarden, het handmatig hergebruiken van oude ontwerpen en het vragen aan een senior ingenieur die zich herinnert waarom precies deze beslissing in 2011 werd genomen. Noem maar op.

Software-ingenieurs hebben GitHub Copilot, en schrijvers hebben ChatGPT. Ondertussen waren mechanische ingenieurs nog steeds PDF’s aan het openen van gedeelde schijven met de naam “FINAL_v7_REAL_FINAL.pdf”. De industrie bleef praten over “digitale transformatie”, maar de meeste ingenieurs_teams werkten nog alsof het 1998 was.

Dat werd de obsessie achter Leo: kunnen we een AI bouwen die echt ingenieurswerk begrijpt? Niet alleen taal, maar geometrie, beperkingen, toleranties, fabricage-logica, fysica. Iets waar ingenieurs echt mee konden werken, niet alleen met demo’s.

Omdat, als je een marketingparagraaf verkeerd krijgt, niemand sterft. Maar als je een tolerantie-stapel verkeerd krijgt in de lucht- en ruimtevaart of medische apparaten, sterven mensen echt.

Waarom hebben algemene AI-systemen zoals ChatGPT en Gemini moeite met mechanische ingenieurs taken die echte fysica, beperkingen, toleranties en fabricage vereisen?

Omdat ze niet zijn gebouwd voor dit doel, aangezien generieke AI-modellen voornamelijk zijn getraind op internet-schaaltekst: Reddit, blogs, Wikipedia, sociale media en willekeurige forums. Dat is prima als je e-mails schrijft of documenten samenvat, maar het is een ramp als je fysica berekent op een gelaste beugel die in een defensiesysteem terechtkomt.

Mechanische ingenieurswetenschappen zijn geen autocomplete. Het is beperkt probleemoplossen onder fysica. Een generiek model kan niet echt redeneren over fabricage, thermische uitzetting, GD&T, materiaalgedrag, veiligheidsfactoren of tolerantie-accumulatie. De meeste van hen kunnen zelfs geen CAD-bestand natives openen.

Het gevaarlijke deel is dat, ondanks alles, ze overtuigend klinken. Ingenieurs zijn niet anti-AI. Ze zijn anti-onzin. Op dit moment, als het gaat om ingenieurs taken, zijn de meeste generieke AI-systemen extreem overtuigende onzin-generatoren.

Daarom hebben we Leo AI anders getraind, met meer dan een miljoen gevalideerde ingenieursbronnen. We hebben het rechtstreeks geïntegreerd in ingenieurs systemen en hebben elk antwoord traceerbaar gemaakt naar standaarden, formules en referenties die ingenieurs zelf kunnen verifiëren.

De mechanische ingenieurswetenschappen hebben historisch gezien langzamer AI geadopteerd dan software-ontwikkeling. Wat zijn de grootste barrières die ingenieurs en fabrikanten ervan weerhouden om volledig AI-gedreven workflows te omarmen?

Ik denk dat de grootste barrière cultureel vertrouwen is. Het is niet technisch. Software kan falen en de volgende dag worden gepatcht, maar fysieke systemen werken niet zo. Als je AI-gegenereerde code een app laat crashen, worden gebruikers geïrriteerd. Als je AI-gegenereerde ingenieursfout in een vliegtuig, een medisch implantaat of een fabrieksrobot terechtkomt, zijn de gevolgen heel anders.

Ingenieurs zijn getraind om vanaf dag één na te denken over foutmodi. We groeien op met verhalen over bruggen die instorten omdat iemand de verkeerde aanname maakte. Dus als Silicon Valley opduikt en zegt: “gewoon vibe engineer het”, wijzen mechanische ingenieurs dit meteen af.

De tweede barrière is dat fabricagebedrijven zitten op decennia aan ongedocumenteerde tribale kennis die vastzit in PLM’s, PDF’s, CAD-bestanden, ERP-systemen en het hoofd van met pensioen gaande ingenieurs. Generieke AI kan niet toegang krijgen tot of redeneren over die context.

En ten derde: ik wil niet te bruut zijn, maar vanuit mijn perspectief zijn de meeste AI-producten voor de industrie eigenlijk automatiseringstheater. Fancy dashboards bovenop ondiepe modellen waar je echt niet mee kunt engineereren. Ingenieurs zien daar doorheen.

Leo AI richt zich op wat u “Mechanische Intelligentie” noemt. Wat betekent dat concept voor u, en hoe verschilt het van de bredere golf van AI-co-pilots die de enterprise-markt binnenkomen?

“Mechanische intelligentie” betekent AI die de fysieke wereld begrijpt, niet alleen taal.

Zoals ik al zei, zijn de meeste co-pilots vandaag fundamenteel tekstsystemen. Ze samenvatten, herschrijven en genereren content. Dit is nuttig, maar werkt nog steeds binnen digitale abstractie. Mechanische intelligentie vereist redeneren onder fysica, geometrie, beperkingen, fabricage, materiaalgedrag, assemblagelogica, kosten, betrouwbaarheid, thermische prestaties en veiligheid.

Dus, voor ons, betekent mechanische intelligentie het bouwen van systemen die verantwoordelijk kunnen deelnemen aan ingenieurswerkstromen. Het betekent native CAD-lezen, assemblages begrijpen, vergelijkingen oplossen, valideren tegen standaarden en direct aansluiten op PLM- en ERP-systemen.

Hoe dichtbij zijn we bij AI-systemen die onafhankelijk complexe machines kunnen ontwerpen, zoals straaljagers, industriële robotica-systemen of humanoïde robots?

Het is dichterbij dan de meeste mensen denken, maar niet helemaal zoals Hollywood het zich voorstelt.

Mensen stellen zich een held voor die met een computer praat en een perfecte machine ziet verschijnen. Wat er echt gebeurt, is dat AI langzaam de repetitieve lagen in ingenieurswerk verwijdert, en het doet het zo snel. Dus we krijgen een goed ontworpen projectie die is gekoppeld aan de juiste documentatie die mensen zelf kunnen controleren en aanpassen – en met AI is deze projectie klaar in minuten in plaats van maanden.

Kan AI in de nabije toekomst grote delen van een straaljagerarchitectuur gegenereerd krijgen? Absoluut. We hebben dit uitgetest met Leo AI in mocksimulaties, en we zijn vrij dichtbij. Maar volledig autonoom ingenieurswerk zonder menselijke toezicht? Ik kan me dat niet voorstellen dat dit binnenkort gebeurt. AI zal ingenieurs niet vervangen, maar ingenieurs die AI gebruiken, kunnen wel degene vervangen die dat niet doen.

AI-infrastructuur zelf creëert grote ingenieursuitdagingen rond energieverbruik en thermisch beheer. Hoe ziet u AI-gedreven mechanische ingenieurswetenschappen bijdragen aan gebieden zoals geavanceerde koelsystemen en volgende generatie datacenterontwerp?

Een van de bedrijven waar we mee werken, ZutaCore, bouwt waterloze koelsystemen voor AI-datacenters, waar thermisch beheer een van de grootste bottlenecks wordt voor het opschalen van AI-infrastructuur. Hun ingenieurs stonden voor een verrassend dure uitdaging: elke nieuwe implementatie vereiste het handmatig opnieuw ontwerpen van buisconfiguraties om bij het systeem te passen, wat ontwerptijd en fabricagecomplexiteit verhoogde.

Ze vroegen Leo om een creatieve oplossing geïnspireerd door de natuur, en Leo hielp een eenvoudig, aanpasbaar buisconcept te genereren dat de noodzaak om het systeem voor elke project opnieuw te ontwerpen, elimineerde. In plaats van elke keer een aangepast product te fabriceren, konden het team en de standaardonderdelen uit de winkel gebruiken. Dat verlaagde de kosten met ongeveer $400 per eenheid en elimineerde een hele repetitieve fase van het ingenieurswerk uit de workflow.

Dus, zoals we kunnen zien, is AI klaar om enkele problemen op te lossen die door zijn eigen infrastructuur zijn gecreëerd.

Ingenieursfouten kunnen ernstige gevolgen hebben in de echte wereld. Hoe balanceert u de snelheid en automatiseringsvoordelen van AI met de behoefte aan betrouwbaarheid, validatie en veiligheid in ingenieursomgevingen?

U verwijdert nooit de ingenieur uit de verantwoordelijkheid. Nooit. Dat is het kernprincipe. We geloven niet in “black box engineering”: elk aanbeveling dat Leo geeft, is traceerbaar, verklarend en verifieerbaar. Ingenieurs kunnen de bron, formules, standaarden en aannamen inspecteren.

In de praktijk zijn de beste AI-systemen in ingenieurswetenschappen niet het vervangen van rigor. Ze zijn het compressen van het saaie werk rond rigor. Het gevaarlijke verhaal op dit moment is “snelheid boven alles”. Die mentaliteit werkt totdat je de digitale wereld verlaat en fysieke systemen begint te bouwen. De fysieke wereld is onvergevingsgezind.

U hebt gezegd dat AI ingenieurs niet zal vervangen, maar ingenieurs die AI gebruiken, kunnen wel degene vervangen die dat niet doen. Welke nieuwe vaardigheden denkt u dat de volgende generatie mechanische ingenieurs nodig zal hebben om concurrerend te blijven?

De belangrijkste vaardigheid zal eigenlijk dieper ingenieursoordeel worden.

Ironisch genoeg, terwijl AI meer van het uitvoerende werk automatiseert, worden menselijke ingenieurs meer verantwoordelijk voor het definiëren van beperkingen, het valideren van uitvoer, het begrijpen van compromissen en het opvangen van foutmodi.

Jonge ingenieurs die blindelings AI vertrouwen, worden snel gevaarlijk. De beste ingenieurs zullen degene zijn die weten hoe ze AI-systemen moeten orkestreren, terwijl ze nog steeds een diep begrip van eerste principes behouden.

Ik denk dat we ook een enorme verschuiving zullen zien naar systeemdenken. Mechanische ingenieurs zullen steeds vaker gelijktijdig werken aan software, elektronica, fabricage, simulatie en AI. De geïsoleerde mechanische ingenieur kan verdwijnen, maar de multidisciplinaire ingenieur zal extreem waardevol worden.

We zien een toenemende impuls rondom robotica, geïncorporeerde AI en fysieke AI-systemen. Gelooft u dat de volgende grote doorbraak in AI zal komen van systemen die met de fysieke wereld omgaan, in plaats van zuiver digitale co-pilots?

Ja. Ik denk dat we zeker die kant op gaan, maar we zijn er nog niet.

De eerste golf van AI was over taal en informatie. De volgende zal over interactie met de realiteit gaan. Zodra AI het scherm verlaat en de fysieke wereld betreedt, verandert het moeilijkheidsniveau dramatisch, omdat de realiteit wrijving, onzekerheid, materiaalvariabiliteit en echte veiligheidsgevolgen introduceert. De bedrijven die de volgende decennia van AI zullen winnen, zullen niet alleen beter genereren, maar ook systemen bouwen die kunnen redeneren over en interactie hebben met de fysieke wereld op een betrouwbare manier.

Als AI dieper geïntegreerd raakt in ingenieurswerkstromen, welke delen van het ontwerp- en innovatieproces denkt u dat altijd uniek menselijke creativiteit en oordeel zullen vereisen?

Verantwoordelijkheid. Dat is het enige antwoord. Zoals ik al zei, is de fysieke wereld onvergevingsgezind voor ingenieursfouten, en zelfs op een heel hoog niveau van AI-redenering, zal het nooit in staat zijn om het menselijke beslissingsproces te vervangen.

AI kan optimaliseren, genereren, enorm ontwerpruimtes sneller doorzoeken dan mensen ooit konden – maar mensen moeten nog steeds beslissen wat er in de wereld moet bestaan, welke compromissen acceptabel zijn, welke risico’s moreel verantwoord zijn en welke beperkingen het meest belangrijk zijn.

Eerlijk gezegd, enkele van de beste ingenieursideeën komen van intuïtie opgebouwd over jaren van falen, ervaring en vreemde menselijke patronen die moeilijk te formaliseren zijn. Dus ja, ik denk niet dat AI ooit de menselijke verantwoordelijkheid achter ingenieursbeslissingen zal vervangen. Dat is wat het eigenlijk onmogelijk maakt om te vervangen.

Dank u voor het geweldige interview, lezers die meer willen leren, moeten Leo AI bezoeken.