Adam Sadilek. Grunnlegger og CEO av AIM – Intervju-serie

Adam Sadilek er grunnlegger og CEO av AIM. Som barn var han besatt av robotikk og automatisering – drevet av en ønske om å bygge systemer som kan lære på egen hånd og gjøre fysisk arbeid smartere, raskere og sikrere. Denne tidlige fascinasjonen ledet ham til Google (GOOGL ), der han bidro til banebrytende arbeid på planetær skala AI og autonome kjøretøy, som senere utviklet seg til Waymo. Ved å erkjenne en ubenyttet mulighet, grunnla han AIM for å bringe autonomi til jordflytting — en sektor som understøtter nesten all menneskelig infrastruktur, men har sett lite automatisering siden introduksjonen av hydraulisk maskineri.

AIM er en pionér innen verdens første AI-drevne plattform for tungt utstyr, og transformerer hvordan jorden flyttes i stor skala. Ved å kombinere avansert persepsjon, planlegging og kontrollsystemer, automatiserer AIM utgraving, graving og materialebevegelse over konstruksjons-, gruve- og klimaresiliensprosjekter. Selskapets teknologi løser kritiske globale utfordringer som arbeidskraftmangel, infrastrukturmodernisering og katastrofeberedskap — og legger grunnlaget for en fremtid der autonome maskiner kan bygge både på jorden og utover.

Du tilbrakte mer enn et tiår i Google[x], og arbeidet med store AI-initiativer, inkludert det som ble Waymo. Hvilke spesifikke erfaringer under denne perioden overbeviste deg om at automatisering av den fysiske verden — og ikke bare digitale miljøer — var riktig grense?

Jeg hadde privileget til å bli med i Google like etter at jeg tok min doktorgrad i AI. Arbeidet i Google[x] og Alphabet (GOOG ) ga meg hånd på erfaring til å se potensialet for AI i virkelige verdensmiljøer. Men det var ikke før jeg skiftet til å bygge fysiske infrastrukturprosjekter at jeg virkelig forsto hvor mye av en spillende automatisering kunne være i den bygde verden. 

Å se hvor utfordrende det var å flytte jord, jord og materiale hver dag – selv for erfarne byggere – førte meg til den åpenbaringen: ingen tok tak i dette essensielle problemet på en skalerbar måte. Autonom jordflytting ville ikke bare radikalt forbedre sikkerheten for bakkepersonale og akselerere massive industrier som gruvedrift, konstruksjon og sivile arbeider, men kunne også løse noen av jordens største utfordringer, som terraforming og å gjøre opp for skadene som historisk er gjort mot vår planet. 

Så under pandemien begynte jeg å konvertere manuelle maskiner til autonome i min garasje, og det var der AIM ble født.  

Med AIM Intelligent Machines har du valgt en sektor som har sett lite robotikk eller autonomi siden introduksjonen av hydraulisk maskineri. Kan du beskrive den avgjørende øyeblikket eller innsikten når du bestemte deg for å lansere AIM?

Alt vi bygger, som vi avhenger av hver dag, begynner med jord. Fra enheten du leser dette på nå til bygningene, veiene og maskinene vi bruker hver dag, alt er enten utvunnet eller dyrket, og vår evne til å flytte jord er nøkkel til alt dette. 

Jeg forsto først hånd på arbeid i konstruksjon at jordflyttingsindustrier som gruvedrift og konstruksjon har sett lite av teknologien og automatiseringen som hadde forandret andre industrier. Mens lager hadde konveyorsystemer, fabrikker automatiserte monteringslinjer og shipping containerisering og sporingsystemer – metodene vi bruker for å flytte store mengder jord, har ikke forandret seg mye på lang tid. 

Jeg begynte også å forstå det enorme behovet for å forbedre jordflytting. Å operere tungt maskineri er ett av de farligste jobbene i verden, og fører til både akutte og kroniske arbeidskraftmangler for kvalifiserte arbeidere (konstruksjonsindustrien må tiltrekke nærmere en million arbeidere over de neste to årene for å møte prosjektetterspørsel). Det er også et enormt behov over hele verden for autonom jordflytting for å forbedre alt fra materialeforsyningskjeder til å bygge bedre infrastruktur, beskytte og restaurere områder truet eller skadet av naturkatastrofer, og utover. 

Alt dette ledet meg til den åpenbaringen at vår sivilisasjon trenger autonom jordflytting. Vi trenger visjonen, farten og intelligensen til å forme jorden med presisjon og skala for å møte jordens største utfordringer og muligheter. Det er det som ledet meg til å lansere AIM og det vi løser. 

Autonomi for gruvedrift eller konstruksjonsutstyr presenterer enorme kompleksiteter: ru terreng, uforutsigbare forhold, tungt maskineri bygget for årtier. Hva var de avgjørende tekniske gjennombruddene som gjorde din plattform mulig — i sanntid, kartlegging, maskinlæring eller integrasjon?

Å designe inkarnert AI for å flytte jord i noen av de hardeste forholdene på vår planet, er ikke enkelt. Ikke bare måtte vi designe for miljøer der det ikke er noen veier, gatefelt eller andre regelstrukturer for AI å følge – vi måtte også utvikle systemer som kan gjøre dette i steder med ekstreme varme og kulde, mørke, dårlig til ikke-eksisterende internetttilkobling og værforhold som snø, hagl eller sandstormer. 

En av de avgjørende tekniske gjennombruddene for AIM var å løse utfordringen med sanntid og kartlegging i ru terreng. Sensorteknologi kan være utsatt for å bli ødelagt når den er utstyrt på maskiner som opplever mye vibrasjon og impakt. Så hva vi har gjort, er å eliminere disse skjøre delene og innbygge all AIMs beregning og kritiske komponenter i en proprietær pansret struktur, som også er forseglet for å forhindre skitt og sand fra å komme inn. Vi har også sveisset sensorer inn i maskinens skjelett for å gi enda mer holdbarhet. 

Dette robustheten, i kombinasjon med kraftig sluttlæring ombord, er det som muliggjør at AIM-maskiner kan automatisere jordflyttingsoppgaver i noen av de mest ekstreme miljøene, på virkelige produksjonsarbeidsplasser over hele verden. Det er en enorm forskjell mellom en prototype og et system som er kommersielt utviklet med noen av verdens største gruve-, bygge- og regjeringer, som avhenger av det hver dag over sine steder.

AIMs strategi er å tilpasse eksisterende tungt maskineri med sensorer, LiDAR og kameraer. Hvorfor valgte du å utnytte eksisterende maskineri i stedet for å utvikle helt nye autonome maskiner fra bunnen av?

Det enkle svaret er at vi ønsker at automatisering skal være tilgjengelig for alle jordflyttingsoperasjoner i dag. Sted- og eiendomsledere har allerede investert millioner til milliarder i tungt maskineri. Bare en av disse maskinene kan koste mer enn 1 million dollar og har en lang driftstid. Så det er ikke mulig eller bærekraftig å erstatte hele flåten med nye maskiner for å bli autonome. 

Vår tilpasningsstrategi adresserer hundredtusener av disse legacy-maskinene i drift over hele verden. AIM muliggjør at organisasjoner, store eller små, kan øke sine evner til å forbedre materialeforsyningskjeder, bygge infrastruktur, beskytte og restaurere områder truet eller skadet av naturkatastrofer, og utover. Dette er å låse opp kraften av automatisering for operatører med den hastigheten og skalaen det trengs for i dag, ikke om 10 år.

Din plattform bruker sluttlæring slik at maskiner kan “lære seg selv” til å grave raskere og mer effektivt. Hvor nøyaktig fungerer denne tilbakemeldingsløkken i feltet, og hva operasjonelle forbedringer har du observert så langt?

Vår tilnærming var å plassere all AI-beregning ombord. I kombinasjon med vår forsterkede plattform som opererer selv uten GPS eller internett, leverer vi avansert autonomi gjennom sluttlæring utført på kanten. Dette muliggjør at maskinene blir smartere og raskere jo mer de utfører arbeidet. Faktisk, på mindre enn en time, lærer en AIM-utstyrt maskin å grave virkelig godt! AI-robotkontrollen blir ekstremt nøyaktig ettersom den lærer, for eksempel, kjører med en to-centimeters nøyaktighet, selv uten GPS.

Sluttlæringen er nøkkel til at AIM-maskiner kan nå det kommersielle nivået av autonomi for å utføre jordflyttingsoppgaver på produksjonsarbeidsplasser over hele verden. Det betyr også at all data, analyse og ytelsesovervåking er ombord for å redusere slitasje, kutte ned tid og forlenge maskinens arbeidsliv enda mer. 

Du argumenterer for at anvendelsen av AI her er kritisk for infrastruktur, klimaresiliens, selv forsvar. Hva er de mest slående virkelige anvendelsene du jobber med nå — og hvordan ser du deres samfunnsmessige innvirkning?

Nå bor en milliard mennesker mindre enn 10 meter over stigende havnivå, en av seks bor i områder med betydelig brannrisiko, og over 3 milliarder er berørt av degradert land som trenger restaurering. Det er ingen tvil om at arbeidskraftmangel har en alvorlig innvirkning på hastigheten som kritisk infrastruktur bygges, reparasjoner utføres og hvordan raskt prosjekt kan fullføres. Disse arbeidskraftmanglene gjør det vanskeligere enn noen gang å reversere de negative effektene av klimaendringer og å forebygge fremtidige utfordringer.

Den eneste måten vi kan møte disse utfordringene på, er å bringe mer kraft og autonomi til arbeidsplassene — så operasjoner ikke er begrenset av arbeidskraftsbegrensninger, værforhold eller farlige arbeidsmiljøer.

For eksempel øker skogbrannene i frekvens på grunn av de negative effektene av klimaendringer. I stedet for å reagere på skadene som disse brannene forårsaker, stopper AIM dem før de skjer. AIM-utstyrte bulldosere kan plasseres direkte i dype skoger for å lage brannveier som forhindrer at skogbrannene sprenger, samtidig som de opereres på avstand. Liksom måten du bygger en demning eller en sjømur er å meget bevisst stable opp materiale langs kysten for å løfte den. Det er analogt med jordarbeidene vi allerede gjør.

AI vil transformere hvordan vi reagerer på og forebygger disse naturkatastrofene og klimautfordringene fra å skje.

Gruve- og konstruksjonsindustriene har ofte inngrodde praksiser, tung regulering og høy risikotoleranse, men lav automatiseringsgrad. Hva ikke-tekniske barrierer (kulturelle, regulative, operative) møter AIM i å skalerer løsningen?

Det er alltid en utfordring når en transformasjons teknologi kommer inn i et område hvor praksisene har vært etablert i årtier. AI-drevet teknologi bringer alltid en liten skepsis til ikke-tekhniske industrier. Men med AIM har vi vært i stand til å overvinne disse utfordringene ved å vise operatørene hvordan AIM fungerer, hvordan det gir dem muligheter, og hvordan de flytter seg til tryggere, mer tilfredsstillende og bærekraftige karrierer. 

Disse industrene føler effekten av arbeidskraftmangel og økende etterspørsel først hånd på. Og når de kan se hvordan AIM-utstyrte kjøretøy kan fullføre en full skift autonomt med presisjon, eller operere i områder som er for farlige for deres mannskap å gå, forsvinner disse bekymringene. I stedet for å være fanget inne i maskiner, er operatører ivrige etter å lære at de kan operere autonome flåter på trygg avstand (og i klimaanlegg eller oppvarming) for å øke både utgang og oppetid. 

Det voksende behovet for operasjonell effisiens veier over de tradisjonelle hindringene som tidligere har forhindret adopsjon. 

Du grunnla AIM på et tidspunkt da få så på å anvende AI i tungt maskineri og jordflytting. Hvordan kristalliserte du den langsiktige visjonen for AIM — og hvordan balanserte du tidlig eksperimentering med den større industrinarrativen rundt automatisering i gruvedrift og konstruksjon?

Da jeg forlot Google, begynte jeg å bygge tungt fysisk infrastrukturprosjekter som krevde lav forsinkelse og ekstrem hastighet – dette var da jeg visste at vi måtte bringe autonome operasjoner inn i den fysiske verden.

Automatisering var alltid mer av en drøm for gruvedrifts- og konstruksjonsindustriene; alle håpet på at en løsning ville dukke opp, men ingen gjorde det. Med en teknisk og bransjespesifikk bakgrunn, var visjonen for AIM klar. Jeg forsto de operative gapene som måtte løses og hvordan AI kan anvendes i den fysiske verden, og jeg visste at markedet for denne optimaliseringen var der.

Gitt ditt arbeid på både planetær skala AI (i Google/Waymo) og nå jordflyttingsautonomi, hvordan sammenligner du potensialet for AI i den fysiske verden sammenlignet med hva vi har sett i den digitale domenen?

AI har allerede transformert hvordan vi opererer i den digitale verden, og vi ser en lignende verdi i den fysiske verden — men på en enda større skala. Liksom hvordan AI transformerer hvordan mennesker kan utføre forskning, håndtere oppgaver og redusere menneskelig tilsyn, transformerer AIM hvordan fysiske maskiner opererer, lærer av erfaringer og tilpasser seg endrede miljøer.

Vi muliggjør at menneskelige operatører kan gjøre jobben bedre ved å utstyre dem med autonome maskiner som kan operere i områder de fysisk ikke kan nå, operere i værforhold som normalt ville stenge ned en byggeplass, og opprettholde kontinuerlig produktivitet. Verken digitale eller fysiske anvendelser av AI er ment å erstatte mennesker fullstendig — det handler om å forbedre hvordan mennesker kan arbeide.

Du har foreslått at AIMs visjon går utover jorden — inn i utenomjordisk konstruksjon og terraforming. Hvor realistisk er denne horisonten i din mening, og hva rolle ser du AIM spiller i denne fremtiden?

Å bringe denne automatiseringen til alle hjørner av jorden er det første skrittet — men når utenomjordisk konstruksjon og ressursutnyttelse blir en realitet, vil behovet for autonome, fjernstyrte tungt maskineri bli enda mer kritisk. Vi kan ikke sende et menneskelig byggeteam til Mars, men vi kan sende AIM-utstyrte maskiner som kan operere i disse ekstreme værforholdene, samtidig som de lærer av sin egen erfaring på hvordan å operere bedre for dette landskapet. Vi trenger maskiner som ikke bare opererer via fjernkontroll; vi trenger maskiner som kan operere fullstendig autonomt i områder mennesker ikke kan.