มาโอร์ ฟาริด ผู้ก่อตั้งและซีอีโอของ Leo AI – สัมภาษณ์系列

ดร. มาโอร์ ฟาริด ผู้ก่อตั้งและซีอีโอของ Leo AI เป็นวิศวกรและนักวิจัยด้านปัญญาประดิษฐ์ สังคมกิจกรรม และผู้ประกอบการ เขาทำการวิจัยด้านปัญญาประดิษฐ์และวิศวกรรมเครื่องกลที่ MIT ในฐานะนักวิจัยหลังปริญญาเอกของ Fulbright และกลายเป็นนักศึกษาระดับ博士ที่อายุน้อยที่สุดในประวัติศาสตร์ของ Technion – Israel Institute of Technology เขาได้สร้างชุมชนของวิศวกรมากกว่า 60,000 คน และสนับสนุนเยาวชนที่ด้อยโอกาสผ่านองค์กรไม่แสวงหาผลกำไร

Leo AI เป็นปัญญาประดิษฐ์สำหรับวิศวกรรมเครื่องกล – โมเดลเครื่องกลขนาดใหญ่สำหรับการออกแบบผลิตภัณฑ์ทางกายภาพ ซึ่งช่วยให้ทีมสามารถเปลี่ยนความคิดเห็นเป็นแบบจำลอง 3 มิติที่พร้อมสำหรับการผลิตภายในเวลาไม่กี่วินาที แพลตฟอร์มนี้ช่วยให้บริษัทต่างๆ ลดเวลาในการวิศวกรรมลง 70% และเร่งเวลาในการเข้าสู่ตลาดขึ้น 18% ก่อตั้งขึ้นในปี 2023 Leo AI ได้ถูกใช้โดยวิศวกรในบริษัทระดับโลก รวมถึง Toyota, HP, Mobileye (โดย Intel (INTC )), Philips และ Scania เพียงไม่กี่เดือนหลังจากรอบการระดมทุน (นำโดย Flint Capital) ARR ของบริษัทเพิ่มขึ้น 300% ใน Q1

คุณสร้างพื้นหลังของคุณข้ามวิศวกรรมเครื่องกล การวิจัยปัญญาประดิษฐ์ MIT และ Technion ก่อนที่จะก่อตั้ง Leo AI สิ่งใดนำคุณมุ่งเน้นไปที่การสร้างปัญญาประดิษฐ์สำหรับวิศวกรเครื่องกล และปัญหาใดที่คุณรู้สึกว่าอุตสาหกรรมยังไม่สามารถแก้ไขได้

ความไม่พอใจ

ก่อนที่จะมาเป็น Leo ฉันทำงานเป็นวิศวกรเครื่องกลในอุตสาหกรรมป้องกันประเทศ และฉันรู้สิ่งหนึ่งที่น่าประหลาดใจว่า วิศวกรใช้เวลาทำทุกอย่างนอกจากวิศวกรรม จริงๆ แล้ว เราใช้เวลาค้นหาโฟลเดอร์เก่า ค้นหาในแค็ตตาล็อกของซัพพลายเออร์ ค้นหามาตรฐาน การใช้การออกแบบเก่าซ้ำๆ และถามวิศวกรอาวุโสที่จำเหตุผลที่ตัดสินใจในปี 2011 ได้

วิศวกรซอฟต์แวร์มี GitHub Copilot และนักเขียนมี ChatGPT ในขณะที่วิศวกรเครื่องกลยังคงเปิด PDF จากไดรฟ์ที่ใช้ร่วมกันซึ่งเรียกว่า “FINAL_v7_REAL_FINAL.pdf” อุตสาหกรรมยังคงพูดถึง “การเปลี่ยนแปลงดิจิทัล” แต่ทีมวิศวกรรมส่วนใหญ่ยังคงทำงานเหมือนในปี 1998

สิ่งนั้นกลายเป็นความหลงใหลเบื้องหลัง Leo: เราสามารถสร้างปัญญาประดิษฐ์ที่เข้าใจวิศวกรรมได้หรือไม่ ไม่ใช่แค่ภาษา แต่ยังรวมถึงเรขาคณิต ข้อจำกัด ค่าความทนทาน การผลิตตรรกะ ฟิสิกส์ สิ่งที่วิศวกรสามารถไว้วางใจในการทำงานจริงๆ ไม่ใช่แค่ตัวอย่างเล่นๆ

เพราะถ้าคุณเขียนย่อหน้าการตลาดผิด ไม่มีใครตาย แต่ถ้าคุณคำนวณค่าความทนทานผิดในอุตสาหกรรมอวกาศหรืออุปกรณ์ทางการแพทย์ ผู้คนจะเสียชีวิตจริงๆ

ทำไมระบบปัญญาประดิษฐ์ทั่วไปอย่าง ChatGPT และ Gemini จึงต้องดิ้นรนในการทำงานวิศวกรรมเครื่องกลที่ต้องใช้ฟิสิกส์จริง ข้อจำกัด ค่าความทนทาน และการผลิต

เพราะพวกมันไม่ได้ถูกสร้างขึ้นสำหรับสิ่งนี้ ระบบปัญญาประดิษฐ์ทั่วไปส่วนใหญ่ถูกฝึกฝนจากข้อความบนอินเทอร์เน็ต: Reddit, บล็อก, วิกิพีเดีย, สื่อสังคม และฟอรัมสุ่มๆ สิ่งนี้ดีถ้าคุณกำลังเขียนอีเมลหรือสรุปเอกสาร แต่มันเป็นหายนะถ้าคุณกำลังคำนวณอายุการใช้งานของการเชื่อมต่อที่จะเข้าไปในระบบป้องกันประเทศ

วิศวกรรมเครื่องกลไม่ใช่การเติมคำสมบูรณ์ มันเป็นการแก้ปัญหาโดยมีข้อจำกัดภายใต้ฟิสิกส์ ระบบทั่วไปไม่สามารถให้เหตุผลเกี่ยวกับการผลิต การขยายตัวทางความร้อน การจัดตำแหน่งทางเรขาคณิต พฤติกรรมของวัสดุ ปัจจัยความปลอดภัย หรือการสะสมของค่าความทนทานได้ ส่วนใหญ่ไม่สามารถเปิดไฟล์ CAD ได้โดยตรง

สิ่งที่น่ากลัวคือ แม้ว่าพวกเขาจะฟังดูเหมือนจริง แต่พวกเขาก็ไม่สามารถให้เหตุผลเกี่ยวกับการผลิตได้ วิศวกรไม่ได้ไม่ชอบปัญญาประดิษฐ์ แต่พวกเขาก็ไม่ชอบการหลอกลวง

นั่นเป็นเหตุผลที่เราได้ฝึกฝน Leo AI แตกต่าง โดยใช้แหล่งข้อมูลวิศวกรรมมากกว่าหนึ่งล้านแหล่งที่ผ่านการตรวจสอบแล้ว เราได้บูรณาการเข้ากับระบบวิศวกรรมโดยตรงและทำให้ทุกคำตอบสามารถย้อนกลับไปสู่มาตรฐาน สูตร และอ้างอิงที่วิศวกรสามารถตรวจสอบได้เอง

วิศวกรรมเครื่องกลมีการนำปัญญาประดิษฐ์มาใช้น้อยกว่าการพัฒนาซอฟต์แวร์ อะไรคืออุปสรรคที่ยิ่งใหญ่ที่สุดที่ขัดขวางวิศวกรและผู้ผลิตจากการยอมรับกระบวนการทำงานที่ขับเคลื่อนด้วยปัญญาประดิษฐ์อย่างเต็มที่

ฉันคิดว่าอุปสรรคที่ยิ่งใหญ่ที่สุดคือความไว้วางใจทางวัฒนธรรม มันไม่ใช่เรื่องเทคนิคเลย วิศวกรถูกฝึกให้คิดถึงโหมดความล้มเหลวตั้งแต่วันแรก เราเติบโตมาโดยได้ยินเรื่องราวเกี่ยวกับสะพานที่พังเพราะใครบางคนตัดสินใจผิด

เมื่อ Silicon Valley มาและพูดว่า “แค่ให้วิศวกรทำมัน” วิศวกรเครื่องกลก็ปฏิเสธมันทันที

อุปสรรคที่สองคือ บริษัทผู้ผลิตนั่งอยู่บนความรู้ที่ไม่ได้ถูกบันทึกที่ซ่อนอยู่ใน PLM, PDF, ไฟล์ CAD, ระบบ ERP และหัวของวิศวกรที่กำลังจะเกษียณ ปัญญาประดิษฐ์ทั่วไปไม่สามารถเข้าถึงหรือให้เหตุผลเกี่ยวกับบริบทนั้นได้

และอุปสรรคที่สาม ฉันไม่ต้องการจะฟังดูโหดร้าย แต่จากมุมมองของฉัน ส่วนใหญ่ของผลิตภัณฑ์ปัญญาประดิษฐ์สำหรับอุตสาหกรรมเป็นเพียงการแสดงละครอัตโนมัติ ที่มีแดชบอร์ดที่หรูหรา แต่แบบจำลองที่ไม่สามารถวิศวกรรมได้จริงๆ วิศวกรสามารถมองผ่านสิ่งนี้ได้อย่างรวดเร็ว

Leo AI มุ่งเน้นไปที่สิ่งที่คุณเรียกว่า “ปัญญาเครื่องกล” สิ่งนี้หมายความว่าอะไรสำหรับคุณ และมันแตกต่างจากคลื่นปัญญาประดิษฐ์ที่กว้างขึ้นซึ่งเข้ามาในตลาดองค์กรอย่างไร

“ปัญญาเครื่องกล” หมายถึง ปัญญาประดิษฐ์ที่เข้าใจโลกทางกายภาพ ไม่ใช่แค่ภาษา

เช่นเดียวกับที่ฉันกล่าวไว้ ระบบทั่วไปส่วนใหญ่เป็นระบบข้อความ พวกมันสรุป เรียบเรียง และสร้างเนื้อหาใหม่ สิ่งนี้มีประโยชน์ แต่ยังคงทำงานภายในสภาพแวดล้อมดิจิทัล ปัญญาเครื่องกลต้องการการให้เหตุผลภายใต้ฟิสิกส์เรขาคณิต ข้อจำกัด การผลิต พฤติกรรมของวัสดุ ตรรกะการประกอบ ต้นทุน ความน่าเชื่อถือ ประสิทธิภาพทางความร้อน และความปลอดภัย

เรากำลังใกล้จะถึงระบบปัญญาประดิษฐ์ที่สามารถออกแบบเครื่องจักรที่ซับซ้อน เช่น เครื่องยนต์เจ็ต ระบบหุ่นยนต์ทางอุตสาหกรรม หรือหุ่นยนต์มนุษย์รูปได้หรือไม่

มันใกล้กว่าที่คนส่วนใหญ่คิด แต่ไม่ใช่แบบที่ฮอลลีวูดจินตนาการ

คนคิดถึงการพูดคุยกับคอมพิวเตอร์และเครื่องจักรที่สมบูรณ์แบบปรากฏขึ้นทันที สิ่งที่เกิดขึ้นจริงๆ คือ ปัญญาประดิษฐ์กำลังลบชั้นการทำงานที่ซ้ำซ้อนออกจากวิศวกรรม และมันทำได้เร็วมาก ดังนั้นเราจึงได้การฉายภาพที่ออกแบบได้ดีเชื่อมโยงกับเอกสารที่เหมาะสมที่มนุษย์สามารถตรวจสอบและปรับเปลี่ยนได้ – และด้วยปัญญาประดิษฐ์ การฉายภาพนี้ทำได้ภายในไม่กี่นาทีแทนที่จะเป็นเดือน

ปัญญาประดิษฐ์สามารถสร้างส่วนสำคัญของโครงสร้างเครื่องเจ็ตได้หรือไม่ ในอนาคตอันใกล้ แน่นอน เราได้ลองทำสิ่งนี้ในซิมูเลชันแบบเล่นๆ กับ Leo AI และเราก็ใกล้มาก แต่การวิศวกรรมที่เป็นอิสระโดยไม่มีการกำกับดูแลของมนุษย์ ฉันไม่สามารถคาดการณ์ได้ว่าจะเกิดขึ้นเมื่อไหร่ ปัญญาประดิษฐ์จะไม่แทนวิศวกร แต่วิศวกรที่ใช้ปัญญาประดิษฐ์อาจแทนที่ผู้ที่ไม่ทำ

โครงสร้างพื้นฐานปัญญาประดิษฐ์เองก็สร้างความท้าทายด้านวิศวกรรมที่สำคัญเกี่ยวกับการบริโภคพลังงานและการจัดการความร้อนอย่างไร คุณเห็นว่าปัญญาประดิษฐ์ขับเคลื่อนวิศวกรรมเครื่องกลมีส่วนร่วมในพื้นที่ต่างๆ เช่น ระบบทำความเย็นขั้นสูงและออกแบบศูนย์ข้อมูลรุ่นต่อไป

หนึ่งในบริษัทที่เราทำงานด้วย คือ ZutaCore ซึ่งสร้างระบบทำความเย็นที่ไม่ใช้น้ำสำหรับศูนย์ข้อมูลปัญญาประดิษฐ์ โดยที่การจัดการความร้อนกลายเป็นหนึ่งในอุปสรรคที่ยิ่งใหญ่ที่สุดในการขยายโครงสร้างพื้นฐานปัญญาประดิษฐ์ วิศวกรของพวกเขาพบปัญหาอย่างไม่คาดคิดว่า การติดตั้งใหม่แต่ละครั้งต้องออกแบบการกำหนดค่าของท่อใหม่ ซึ่งใช้เวลาในการวิศวกรรมและเพิ่มความซับซ้อนในการผลิต

พวกเขาขอคำตอบที่สร้างสรรค์จาก Leo ที่ได้รับแรงบันดาลใจจากธรรมชาติ และ Leo ช่วยสร้างแนวคิดท่อที่เรียบง่ายและปรับเปลี่ยนได้ ซึ่งกำจัดความจำเป็นในการออกแบบระบบใหม่สำหรับโครงการทุกครั้ง แทนที่จะผลิตแบบกำหนดเองทุกครั้ง ทีมสามารถใช้ส่วนประกอบมาตรฐานที่มีอยู่ได้ สิ่งนี้ลดต้นทุนลงประมาณ $400 ต่อหน่วยและกำจัดระยะการทำงานซ้ำซ้อนออกจากกระบวนการ

ดังนั้น ตามที่เราจะเห็น ปัญญาประดิษฐ์พร้อมที่จะแก้ไขปัญหาบางอย่างที่สร้างขึ้นโดยโครงสร้างพื้นฐานของมันเอง

การออกแบบที่มีข้อผิดพลาดสามารถมีผลกระทบอย่างจริงจังต่อโลกแห่งความเป็นจริง คุณสร้างสมดุลระหว่างความเร็วและผลประโยชน์ของการทำงานอัตโนมัติของปัญญาประดิษฐ์กับความต้องการความน่าเชื่อถือ การตรวจสอบ และความปลอดภัยใน môi trườngวิศวกรรมได้อย่างไร

คุณไม่เคยลบวิศวกรออกจากความรับผิดชอบ ไม่เคย เราไม่เชื่อใน “การวิศวกรรมกล่องดำ” ทุกคำแนะนำที่ Leo ให้มาเป็นไปตามหลักการ สามารถอธิบายได้ และตรวจสอบได้ วิศวกรสามารถตรวจสอบแหล่งที่มา สูตร มาตรฐาน และสมมติฐาน

ในทางปฏิบัติ ระบบปัญญาประดิษฐ์ที่ดีที่สุดในวิศวกรรมไม่ได้แทนที่ความเข้มงวด แต่พวกมันกำลังบีบอัดงานที่น่าเบื่อๆ ที่อยู่รอบๆ ความเข้มงวด แนวคิดที่อันตรายในขณะนี้คือ “ความเร็วเหนือสิ่งอื่นใด” มันตรงกันข้ามเมื่อคุณออกจากโลกดิจิทัลและเริ่มสร้างระบบทางกายภาพ โลกทางกายภาพไม่มีการให้อภัย

คุณกล่าวว่าปัญญาประดิษฐ์จะไม่แทนวิศวกร แต่วิศวกรที่ใช้ปัญญาประดิษฐ์อาจแทนที่ผู้ที่ไม่ทำ ทักษะใหม่ใดที่คุณเชื่อว่าวิศวกรเครื่องกลรุ่นต่อไปจะต้องมีเพื่อให้สามารถแข่งขันได้

ทักษะที่สำคัญที่สุดจะเป็นตัวตัดสินวิศวกรรมที่ลึกซึ้งยิ่งขึ้น

ในทางกลับกัน เมื่อปัญญาประดิษฐ์ทำให้การทำงานซ้ำซ้อนมากขึ้น วิศวกรมนุษย์กลายเป็นผู้รับผิดชอบมากขึ้นในการกำหนดข้อจำกัด ตรวจสอบเอาต์พุต เข้าใจการแลกเปลี่ยน cathing โหมดความล้มเหลว

วิศวกรรุ่นใหม่ที่เชื่อใจปัญญาประดิษฐ์โดยไม่คิดจะกลายเป็นอันตรายอย่างรวดเร็ว วิศวกรที่ดีที่สุดจะเป็นคนที่รู้วิธีจัดการระบบปัญญาประดิษฐ์ขณะยังคงรักษาความเข้าใจที่ลึกซึ้งเกี่ยวกับหลักการแรกๆ

ฉันคิดว่าเราจะเห็นการเปลี่ยนแปลงครั้งใหญ่ไปสู่การคิดแบบระบบ วิศวกรเครื่องกลจะทำงานข้ามซอฟต์แวร์ อิเล็กทรอนิกส์ การผลิต การจำลอง และปัญญาประดิษฐ์ วิศวกรเครื่องกลที่แยกออกมาอาจหายไป แต่วิศวกรที่มีความสามารถหลายอย่างจะกลายเป็นคนที่มีค่ามาก

เรากำลังเห็นแรงผลักดันที่เพิ่มขึ้นรอบๆ หุ่นยนต์ ปัญญาประดิษฐ์ที่มีรูปร่าง และระบบปัญญาประดิษฐ์ทางกายภาพ คุณเชื่อว่าความก้าวหน้าครั้งถัดไปในด้านปัญญาประดิษฐ์จะมาจากระบบที่โต้ตอบกับโลกแห่งความเป็นจริงมากกว่าเพียงแค่ผู้ช่วยดิจิทัล

ใช่ ฉันคิดว่าเรากำลังเคลื่อนไปในทิศทางนี้ แต่ยังไม่ถึงที่นั่น

คลื่นแรกของปัญญาประดิษฐ์เกี่ยวกับภาษาและข้อมูล คลื่นต่อไปจะเกี่ยวกับการโต้ตอบกับความเป็นจริง เมื่อปัญญาประดิษฐ์ออกจากจอและเข้าสู่โลกทางกายภาพ ระดับความยากจะเปลี่ยนแปลงไปอย่างมาก เพราะความเป็นจริงนำความเสี่ยง ความไม่แน่นอน ความแปรผันของวัสดุ และผลกระทบด้านความปลอดภัยที่แท้จริง บริษัทที่ชนะทศวรรษหน้าของปัญญาประดิษฐ์จะไม่เพียงแต่สร้างระบบที่ดีกว่า แต่ยังสร้างระบบที่สามารถให้เหตุผลและโต้ตอบกับโลกทางกายภาพได้อย่างน่าเชื่อถือ

เมื่อปัญญาประดิษฐ์กลายเป็นส่วนหนึ่งของกระบวนการออกแบบและนวัตกรรม ส่วนใดของกระบวนการเหล่านี้ที่คุณเชื่อว่าจะต้องมีความคิดสร้างสรรค์และการตัดสินใจของมนุษย์อย่างแท้จริง

ความรับผิดชอบ นั่นเป็นคำตอบเดียว ตามที่ฉันกล่าวไว้ โลกทางกายภาพไม่มีการให้อภัยต่อข้อผิดพลาดในการวิศวกรรม แม้ว่าปัญญาประดิษฐ์จะมีการให้เหตุผลในระดับสูง แต่ก็ไม่สามารถแทนที่กระบวนการตัดสินใจของมนุษย์ได้

ปัญญาประดิษฐ์สามารถเพิ่มประสิทธิภาพ สร้างสรรค์ ค้นหาพื้นที่การออกแบบขนาดใหญ่เร็วกว่ามนุษย์ แต่มนุษย์ควรตัดสินใจว่าสิ่งใดควรอยู่ในโลก สิ่งใดที่ยอมรับได้ สิ่งใดที่มีความเสี่ยงและข้อจำกัดที่สำคัญที่สุด

จริงๆ แล้ว บางไอเดียวิศวกรรมที่ดีที่สุดมาจาก直觉ที่สร้างขึ้นจากการล้มเหลว

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Leo AI