Maor Farid, Założyciel i Dyrektor Generalny Leo AI – Wywiad

Dr Maor Farid, założyciel i dyrektor generalny Leo AI, jest izraelsko-amerykańskim inżynierem, badaczem AI, aktywistą społecznym i przedsiębiorcą. Prowadził badania nad AI i inżynierią mechaniczną w MIT jako stypendysta Fulbrighta i został najmłodszym absolwentem doktoratu w historii Instytutu Technologicznego w Izraelu. Zbudował społeczność 60 tys. inżynierów i wspiera młodzież z ubogich środowisk poprzez inicjatywę non-profit.

Leo AI to pierwszy system AI dla inżynierii mechanicznej – duży model mechaniczny do projektowania produktów fizycznych, umożliwiający zespołom przekształcenie pomysłów w gotowe do produkcji modele 3D w ciągu kilku sekund. Platforma pomaga firmom skrócić czas inżynierski o 70% i przyspieszyć czas wprowadzenia na rynek o 18%. Założona w 2023 roku, Leo AI jest już używana przez inżynierów w globalnych firmach, w tym Toyota, HP, Mobileye (Intel (INTC )), Philips i Scania. Zaledwie kilka miesięcy po rundzie seed (prowadzonej przez Flint Capital), jej ARR wzrosła o 300% w Q1.

Budowałeś swoją karierę w dziedzinie inżynierii mechanicznej, nieliniowej dynamiki, badań AI, MIT i Technionu przed założeniem Leo AI. Co skłoniło Cię do skoncentrowania się na budowaniu AI dla inżynierów mechanicznych, a jaki problem Twoim zdaniem branża wciąż nie potrafi rozwiązać?

Szczerze mówiąc, frustracja.

Przed Leo pracowałem jako inżynier mechaniczny w branży obronnej i zorientowałem się, że coś jest nie tak: inżynierowie spędzają absurdalną ilość czasu na wszystkim, tylko nie na inżynierii. Serio. Spędzamy czas na przeglądaniu starych folderów, przeszukiwaniu katalogów dostawców, szukaniu standardów, ręcznym ponownym wykorzystywaniu starych projektów i pytaniu starszych inżynierów, którzy pamiętają, dlaczego konkretna decyzja została podjęta w 2011 roku. Możesz wymienić.

Inżynierowie oprogramowania mają GitHub Copilot, a pisarze mają ChatGPT. Tymczasem inżynierowie mechaniczni wciąż otwierali pliki PDF z dysków współdzielonych o nazwach „FINAL_v7_REAL_FINAL.pdf”. Branża ciągle mówiła o „transformacji cyfrowej”, ale większość zespołów inżynierskich nadal działała tak, jakby to był 1998 rok.

To stało się obsesją za Leo: czy możemy zbudować AI, które naprawdę rozumie inżynierię? Nie tylko język, ale geometrię, ograniczenia, tolerancje, logikę produkcji, fizykę. Coś, czym inżynierowie mogliby zaufać w prawdziwej pracy, a nie tylko w demonstracjach.

Ponieważ jeśli popełnisz błąd w paragrafie marketingowym, nikt nie umiera. Ale jeśli popełnisz błąd w stosie tolerancji w branży lotniczej lub medycznej, ludzie naprawdę umierają.

Dlaczego ogólne systemy AI, takie jak ChatGPT i Gemini, mają trudności z zadaniami inżynierskimi, które wymagają prawdziwej fizyki, ograniczeń, tolerancji i możliwości produkcji?

Ponieważ nie zostały one zbudowane z myślą o tym. Ogólne modele AI są szkolone głównie na tekstach z internetu: Reddit, blogach, Wikipedii, mediach społecznościowych i losowych forach. To wystarcza, jeśli piszesz e-maile lub podsumowujesz dokumenty, ale to katastrofa, jeśli obliczasz żywotność elementu zespawanego w systemie obronnym.

Inżynieria mechaniczna to nie tylko automatyczne uzupełnianie. To rozwiązywanie problemów z ograniczeniami podlegającymi fizyce. Ogólny model nie może prawdziwie rozumieć produkcji, rozszerzalności cieplnej, GD&T, zachowania materiału, czynników bezpieczeństwa czy akumulacji tolerancji. Większość z nich nie może nawet otworzyć pliku CAD w sposób natywny.

Niebezpieczna jest to, że pomimo wszystkiego, brzmią oni przekonywająco. Inżynierowie nie są przeciwni AI. Są przeciwni głupim rzeczom. Obecnie, jeśli chodzi o zadania inżynierskie, większość ogólnych systemów AI jest niezwykle płynnymi generatorami głupich rzeczy.

Dlatego szkoliliśmy Leo AI inaczej, używając ponad miliona sprawdzonych źródeł inżynierskich. Zintegrowaliśmy go bezpośrednio z systemami inżynierskimi i uczyniliśmy każdą odpowiedź śledzalną do standardów, wzorów i odniesień, które inżynierowie mogą samodzielnie zweryfikować.

Inżynieria mechaniczna z historii była wolniejsza w przyjmowaniu AI niż rozwój oprogramowania. Jakie są największe bariery, które uniemożliwiają inżynierom i producentom w pełni korzystanie z AI w swojej pracy?

Myślę, że największą barierą jest zaufanie kulturowe. Nie jest to w ogóle techniczne. Oprogramowanie może zawieść i zostać naprawione jutro, ale systemy fizyczne nie działają w ten sposób. Jeśli Twoje AI wygenerowane kod spowoduje awarię aplikacji, użytkownicy będą zirytowani. Jeśli Twoje AI wygenerowany błąd inżynierski znajdzie się w samolocie, implantach medycznych lub fabrycznym robocie, konsekwencje są zupełnie inne.

Inżynierowie są szkoleni od pierwszego dnia, aby myśleć o trybach awaryjnych. Wyrastamy, słuchając historii o mostach, które zawaliły się, ponieważ ktoś popełnił błędne założenie. Kiedy więc Dolina Krzemowa przychodzi i mówi „po prostu inżyniersko to”, inżynierowie mechaniczni od razu to odrzucają.

Druga bariera polega na tym, że firmy produkcyjne siedzą na dziesięcioleciach nieudokumentowanej wiedzy plemiennej uwięzionej w systemach PLM, plikach PDF, plikach CAD, systemach ERP i umysłach odchodzących inżynierów. Ogólne AI nie mogą uzyskać dostępu ani rozumieć tego kontekstu.

I trzecia: nie chcę brzmieć zbyt brutalnie, ale z mojego punktu widzenia większość produktów AI dla przemysłu to po prostu teatr automatyzacji. Efektowne pulpity na górze płytkich modeli, których nie można naprawdę inżyniersko wykorzystać. Inżynierowie szybko to zauważają.

Leo AI koncentruje się na tym, co nazywasz „Inteligencją Mechaniczną”. Co to znaczy dla Ciebie, i jak różni się to od szerszego trendu AI-kopilotów wchodzących na rynek przedsiębiorstw?

„Inteligencja mechaniczna” oznacza AI, które rozumie świat fizyczny, a nie tylko język.

Jak wspomniałem, większość kopilotów dzisiaj jest fundamentalnie systemami tekstowymi. Streszczają, przebudowują i generują treści. To jest użyteczne, ale nadal działa w abstrakcji cyfrowej. Inteligencja mechaniczna wymaga rozumowania podlegającego fizyce, geometrii, ograniczeniom, produkcji, zachowaniu materiału, logice montażu, kosztom, niezawodności, wydajności cieplnej i bezpieczeństwu.

Dla nas inteligencja mechaniczna oznacza budowanie systemów, które mogą odpowiedzialnie uczestniczyć w procesach inżynierskich. Oznacza to odczytywanie plików CAD w sposób natywny, zrozumienie zestawów, rozwiązywanie równań, walidację w odniesieniu do standardów i łączenie bezpośrednio z systemami PLM i ERP.

Jak blisko jesteśmy do systemów AI, które mogą niezależnie projektować bardzo złożone maszyny, takie jak silniki odrzutowe, systemy robotyki przemysłowej lub humanoidy?

To jest bliżej, niż większość ludzi myśli, choć niekoniecznie w sposób, w jaki to Hollywood wyobraża sobie.

Ludzie wyobrażają sobie bohatera rozmawiającego z komputerem, a idealna maszyna pojawia się natychmiast. To, co naprawdę się dzieje, to AI stopniowo usuwa powtarzalne warstwy w inżynierii, i robi to tak szybko. Zatem otrzymujemy dobrze zaprojektowaną projekcję połączoną z odpowiednią dokumentacją, którą ludzie mogą przejrzeć i dostosować – a z AI ta projekcja jest wykonywana w ciągu kilku minut, zamiast miesięcy.

Czy AI może wygenerować znaczną część architektury silnika odrzutowego w najbliższej przyszłości? Zdecydowanie. Próbowaliśmy tego na symulacjach z Leo AI i jesteśmy dość blisko. Ale w pełni autonomiczna inżynieria bez nadzoru ludzkiego? Nie mogę przewidzieć, że to się wydarzy w najbliższej przyszłości. AI nie zastąpi inżynierów, ale inżynierowie korzystający z AI mogą zastąpić tych, którzy nie korzystają.

Infrastruktura AI sama w sobie tworzy duże wyzwania inżynierskie w zakresie zużycia energii i zarządzania ciepłem. Jak, Twoim zdaniem, inżynieria mechaniczna napędzana przez AI przyczyni się do obszarów takich jak zaawansowane systemy chłodzenia i projektowanie centrów danych następnej generacji?

Jedna z firm, z którymi pracujemy, ZutaCore, buduje bezwodne systemy chłodzenia dla centrów danych AI, gdzie zarządzanie ciepłem staje się jednym z największych problemów podczas skalowania infrastruktury AI. Ich inżynierowie spotkali się z zaskakująco drogim problemem: każde nowe wdrożenie wymagało ręcznego przebudowania konfiguracji rurociągów, aby dopasować system, co pochłaniało czas inżynierski i zwiększało złożoność produkcji.

Poprosili Leo o kreatywne rozwiązanie zainspirowane naturą, a Leo pomógł wygenerować prostą, dostosowywalną koncepcję rury, która wyeliminowała potrzebę przebudowy systemu dla każdego projektu. Zamiast tworzenia niestandardowych części przy każdym wdrożeniu, zespół mógł używać standardowych, gotowych części. To zmniejszyło koszty o około 400 dolarów za jednostkę i wyeliminowało całą powtarzalną fazę inżynierską z procesu.

Widzimy więc, że AI jest gotowa rozwiązać niektóre problemy, które sama stworzyła.

Jak inżynierowie równoważą korzyści szybkości i automatyzacji AI z potrzebą niezawodności, walidacji i bezpieczeństwa w środowiskach inżynierskich?

Nigdy nie usuwasz inżyniera z odpowiedzialności. To jest podstawowa zasada. Nie wierzymy w „inżynierię czarnej skrzynki”: każda rekomendacja Leo jest śledzalna, wyjaśnialna i weryfikowalna. Inżynierowie mogą sprawdzić źródło, wzory, standardy i założenia.

W praktyce najlepsze systemy AI w inżynierii nie zastępują rygoru. One kompresują nudną pracę wokół rygoru. Niebezpieczna narracja obecnie brzmi „szybkość za wszelką cenę”. To podejście działa, dopóki nie opuścisz świata cyfrowego i nie zaczniesz budować systemów fizycznych. Świat fizyczny jest nieprzejednany.

Powiedziałeś, że AI nie zastąpi inżynierów, ale inżynierowie korzystający z AI mogą zastąpić tych, którzy nie korzystają. Jakie nowe umiejętności, Twoim zdaniem, będą potrzebne przyszłym inżynierom mechanicznym, aby pozostać konkurencyjnymi?

Najważniejszą umiejętnością stanie się głębszy osąd inżynierski.

Ironicznie, im więcej AI automatyzuje wykonywanie pracy, tym bardziej inżynierowie ludzcy stają się odpowiedzialni za definiowanie ograniczeń, walidację wyników, zrozumienie kompromisów i wykrywanie trybów awaryjnych.

Młodzi inżynierowie, którzy bezkrytycznie ufają AI, staną się niebezpieczni bardzo szybko. Najlepsi inżynierowie będą tymi, którzy wiedzą, jak orkiestrować systemy AI, jednocześnie zachowując głębokie zrozumienie zasad pierwszych.

Myślę, że zobaczymy ogromny zwrot w stronę myślenia systemowego. Inżynierowie mechaniczni będą coraz częściej pracować jednocześnie nad oprogramowaniem, elektroniką, produkcją, symulacją i AI. Izolowany inżynier mechaniczny może zniknąć, ale inżynier wielodyscyplinarny stanie się bardzo cennym.

Obserwujemy rosnące zainteresowanie robotyką, AI ucieleśnioną i systemami AI fizycznymi. Czy uważasz, że następny wielki przełom w AI nastąpi dzięki systemom interakcji ze światem fizycznym, a nie tylko z cyfrowymi kopilotami?

Tak, myślę, że idziemy w tym kierunku, ale jeszcze tam nie jesteśmy.

Pierwsza fala AI dotyczyła języka i informacji. Kolejna będzie dotyczyła interakcji z rzeczywistością. Gdy AI opuści ekran i wejdzie w świat fizyczny, poziom trudności zmienia się dramatycznie, ponieważ rzeczywistość wprowadza tarcie, niepewność, zmienność materiału i prawdziwe konsekwencje bezpieczeństwa. Firmy, które wygrają następną dekadę AI, nie tylko wygenerują lepiej, ale zbudują systemy, które mogą rozumieć i wchodzić w interakcje ze światem fizycznym w sposób niezawodny.

Gdy AI staje się coraz bardziej zintegrowane z procesami inżynierskimi, które części procesu projektowania i innowacji zawsze będą wymagać wyjątkowej kreatywności i osądu ludzkiego?

Odpowiedzialność. To jest jedyna odpowiedź. Jak powiedziałem, świat fizyczny jest nieprzejednany wobec błędów inżynierskich, i nawet na bardzo wysokim poziomie rozumowania AI, nigdy nie będzie w stanie zastąpić procesu decyzyjnego człowieka.

AI może optymalizować, generować, badać ogromne przestrzenie projektowe szybciej niż ludzie kiedykolwiek mogli – ale ludzie powinni nadal decydować, co powinno istnieć na świecie, jakie kompromisy są akceptowalne, jakie ryzyka są etyczne, i które ograniczenia mają największe znaczenie.

Szczerze mówiąc, niektóre z najlepszych pomysłów inżynierskich pochodzą z intuicji zbudowanej przez lata porażek, doświadczenia i dziwnej ludzkiej rozpoznawalności wzorców, które są bardzo trudne do sformalizowania. Tak, nie myślę, że AI kiedykolwiek zastąpi ludzką odpowiedzialność za decyzje inżynierskie. To jest to, co sprawia, że jest to naprawdę niemożliwe do zastąpienia.

Dziękuję za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Leo AI.