Massimiliano Moruzzi, Người sáng lập và Giám đốc điều hành của Xaba – Loạt phỏng vấn

Massimiliano Moruzzi, người sáng lập và Giám đốc điều hành của Xaba, là một chuyên gia lâu năm trong lĩnh vực tự động hóa công nghiệp và trí tuệ nhân tạo với chuyên môn sâu sắc bao gồm robot, hệ thống sản xuất, máy CNC và điều khiển công nghiệp dựa trên trí tuệ nhân tạo. Trước khi thành lập Xaba vào năm 2022, ông đã giữ các vị trí lãnh đạo tại Augmenta, nơi ông dẫn đầu các nỗ lực nghiên cứu và phát triển tập trung vào tự động hóa dựa trên trí tuệ nhân tạo, và trước đó đã từng giữ các vị trí kỹ sư và phát triển phần mềm tại Ingersoll Machine Tools và IMTA. Trong hơn hai thập kỷ trong lĩnh vực công nghệ công nghiệp, Moruzzi đã tập trung vào việc bắc cầu giữa robot tiên tiến và triển khai sản xuất thực tế, với重点 đặc biệt là cho phép máy móc hoạt động thông minh, thích nghi và tự động hơn.

Xaba là một công ty trí tuệ nhân tạo công nghiệp có trụ sở tại Toronto, đang phát triển những gì họ mô tả là “bộ não tổng hợp” cho robot công nghiệp và hệ thống nhà máy. Nền tảng của công ty kết hợp trí tuệ nhân tạo tạo sinh, học tăng cường, điều khiển robot và tự động hóa công nghiệp để cho phép robot, máy CNC và hệ thống điều khiển PLC tự lập trình và thích nghi trong thời gian thực mà không cần mã hóa thủ công. Các công nghệ hàng đầu của công ty, bao gồm xCognition và PLCfy, được thiết kế để tự động hóa lập trình robot, tối ưu hóa quy trình sản xuất và tăng tốc triển khai trên các ngành công nghiệp như hàng không vũ trụ, ô tô và sản xuất tiên tiến. Xaba định vị công nghệ của mình như một cách để hiện đại hóa tự động hóa nhà máy bằng cách thay thế các hệ thống được lập trình cứng và thủ công bằng điều khiển nhận thức dựa trên trí tuệ nhân tạo có thể học hỏi từ dữ liệu hoạt động và điều chỉnh động theo môi trường sản xuất thay đổi.

Điều gì đầu tiên đã kích thích ý tưởng cho Xaba, và khi nào bạn nhận ra rằng robot công nghiệp cần một cách tiếp cận khác biệt – về cơ bản là một bộ não tổng hợp chứ không phải nhiều dòng mã?

Ngọn lửa đã được kích thích từ việc quan sát thấy hầu hết các robot công nghiệp thất bại ở mức độ cơ bản của sự thay đổi. Những máy móc này chính xác về mặt cơ học, nhưng dễ vỡ về mặt nhận thức.

Phản ứng của ngành công nghiệp đã nhất quán: viết nhiều mã hơn, thêm các bộ phận cứng nhắc đắt tiền để loại bỏ sự thay đổi, thêm nhiều quy tắc, dựa vào sự giám sát của con người và liên tục hiệu chỉnh lại hệ thống.

Đó là khi nhận thức đã đến với tôi: đây không phải là một vấn đề về phần mềm – nó là một bộ não bị thiếu.

Hôm nay, các robot công nghiệp và bộ điều khiển thực hiện các lệnh một cách mù quáng mà không hiểu liệu kết quả có thực sự tốt hay không. Họ không lý luận về thế giới vật lý xung quanh họ.

Các robot không thất bại vì họ thiếu hướng dẫn; họ thất bại vì họ thiếu hiểu biết. Con người không dựa vào hàng ngàn dòng mã để siết chặt một bu lông hoặc áp dụng chất dính. Chúng ta thích nghi một cách trực giác dựa trên lực, chuyển động và phản hồi vật lý.

Điều đó đã trở nên rõ ràng: các robot công nghiệp cần một hệ thống lý luận tổng hợp dựa trên vật lý, không chỉ là một lớp lập trình khác.

Làm thế nào kinh nghiệm của bạn tại Augmenta AI và các vai trò trước đó đã định hình quan điểm của bạn khi bước vào Xaba, và những khoảng trống hoặc hiểu biết cụ thể nào đã thúc đẩy bạn xây dựng công ty này?

Tại Augmenta AI, chúng tôi tập trung sâu vào việc ra quyết định dựa trên trí tuệ nhân tạo, tối ưu hóa và tự chủ. Điều gì đã trở nên rõ ràng là hầu hết các hệ thống trí tuệ nhân tạo đang hoạt động theo cách trừu tượng, nghĩa là chúng tối ưu hóa các biểu diễn dữ liệu chứ không tương tác với thực tế vật lý.

Trong các vai trò trước đó, tôi đã thấy các dự án tự động hóa bị đình trệ hoặc thất bại không phải vì các robot không có khả năng, mà vì gánh nặng kỹ thuật không bền vững. Khoảng trống là rõ ràng: không có lớp thông minh nào có thể kết nối ý định cấp cao với vật lý thực tế. Xaba tồn tại để bắc cầu đó, cho phép máy móc lý luận về lực, chuyển động, ràng buộc và kết quả theo cách mà con người có kỹ năng làm.

Xaba đang xây dựng hệ thống GenAI dựa trên vật lý đầu tiên trên thế giới cho robot công nghiệp. Cách tiếp cận này khác với lập trình robot truyền thống và các mô hình trí tuệ nhân tạo chính thống hiện nay như thế nào?

Lập trình robot truyền thống phụ thuộc vào các đường dẫn được định nghĩa trước, tham số quy trình, lực và trình tự hành động. Nó giả định rằng môi trường hành xử theo cùng một cách mọi lúc, như một mô hình CAD.

Các mô hình trí tuệ nhân tạo chính thống thực hiện một cách tiếp cận khác, nhưng chúng vẫn chủ yếu là thống kê. Chúng tốt trong việc dự đoán và bắt chước, nhưng chúng không thực sự hiểu nguyên nhân vật lý và kết quả.

Xaba giới thiệu một范式 thứ ba. Thay vì dựa vào dữ liệu hình ảnh hoặc hướng dẫn tĩnh, chúng tôi sử dụng dữ liệu cảm biến thời gian để hiểu các nguyên lý vật lý cơ bản của một quy trình.

Điều này cho hệ thống một sự hiểu biết về cách các hành động ảnh hưởng đến kết quả. Thay vì chỉ thực hiện theo hướng dẫn, máy móc có thể thích nghi trong thời gian thực khi điều kiện thay đổi.

Chúng tôi đang chuyển các robot công nghiệp từ tự động hóa cứng nhắc sang các hệ thống có thể lý luận về vật lý của công việc chúng đang thực hiện.

Làm thế nào lý luận tổng hợp cải thiện chất lượng, tính lặp lại và khả năng thích nghi trong thời gian thực trên sàn nhà máy?

Lý luận tổng hợp cho phép robot thích nghi trong quá trình thực hiện nhiệm vụ. Nếu sự kháng cự thay đổi, robot sẽ bù đắp cho phù hợp. Nếu hành vi vật liệu thay đổi, nó sẽ điều chỉnh chuyển động. Điều này dẫn đến chất lượng cao hơn vì robot phản ứng với thực tế, không phải là giả định.

Tính lặp lại được cải thiện vì hệ thống không phát lại các đường dẫn dễ vỡ; nó giải quyết lại nhiệm vụ mỗi lần dựa trên ý định vật lý. Và khả năng thích nghi trở nên bản địa, không phải là một ngoại lệ đòi hỏi phải lập trình lại.

Tại sao bạn tin rằng bước đột phá lớn tiếp theo trong trí tuệ nhân tạo sẽ xảy ra trong các hệ thống vật lý, chứ không phải chỉ trong các hệ thống số?

Bởi vì thế giới thực hoạt động dựa trên vật lý, không phải dựa trên mối tương quan. Hầu hết trí tuệ nhân tạo ngày nay được xây dựng xung quanh việc nhận dạng mẫu và dự đoán.

Những bước đột phá lớn nhất trong trí tuệ nhân tạo cho đến nay đã xảy ra trong các môi trường số nơi nhận dạng mẫu thường là đủ. Nhưng các hệ thống vật lý như hàn, gia công và lắp ráp hoạt động khác. Chúng phụ thuộc vào mối quan hệ nguyên nhân giữa lực, năng lượng, nhiệt độ, chuyển động và hành vi vật liệu. Trong những môi trường này, sự thay đổi nhỏ có thể làm hỏng một quy trình, và sai sót có hậu quả thực sự.

Điều này là lý do tại sao bước đột phá tiếp theo đòi hỏi một sự thay đổi từ dự đoán dựa trên dữ liệu đến lý luận dựa trên vật lý.

Trí tuệ nhân tạo dựa trên vật lý cho phép sự thay đổi này. Bằng cách sử dụng dữ liệu cảm biến thời gian để trích xuất các phương trình điều khiển của một quy trình, trí tuệ nhân tạo có thể chuyển từ việc đoán kết quả đến việc hiểu cách hệ thống hành xử. Điều này cho phép máy móc thích nghi trong thời gian thực, thậm chí dưới sự thay đổi.

• Trí tuệ nhân tạo số → chủ yếu được xây dựng xung quanh mối tương quan, dự đoán và tạo nội dung.
• Trí tuệ nhân tạo dựa trên vật lý → Cho phép máy móc lý luận, thích nghi và phản ứng với điều kiện thế giới thực trong thời gian thực.

Làn sóng tiếp theo của trí tuệ nhân tạo sẽ không được định nghĩa bởi các mô hình ngôn ngữ lớn hơn hoặc trò chơi bắt chước, mà bởi các máy móc có thể hiểu và kiểm soát thực tế.

Điều gì khiến cơ sở hạ tầng tự động hóa ngày nay trở nên lỗi thời, và cần gì để sửa chữa nó trên quy mô toàn ngành?

Cơ sở hạ tầng ngày nay được xây dựng dựa trên giả định rằng sự thay đổi là kẻ thù. Mọi thứ đều cứng nhắc, được thiết kế quá mức và tốn kém để duy trì. Nó không mở rộng quy mô tốt vì mọi thay đổi sản phẩm hoặc quy trình mới đòi hỏi sự can thiệp của con người lớn.

Để sửa chữa điều này, cần có một sự thay đổi từ lập trình sang nhận thức. Bạn cần một lớp thông minh phổ quát có thể đặt trên phần cứng hiện có và làm cho nó trở nên thích nghi. Đó là cách bạn hiện đại hóa tự động hóa mà không cần loại bỏ hàng thập kỷ đầu tư.

Nhiều nhà sản xuất gặp khó khăn với các nhiệm vụ vẫn đòi hỏi hàng ngàn dòng mã và hàng tuần hiệu chỉnh. Làm thế nào Xaba loại bỏ nút thắt này?

Các nhà sản xuất gặp phải nút thắt này vì hệ thống hiện tại được điều khiển bởi mã và dựa trên bắt chước, không phải dựa trên hiểu biết. Chúng phụ thuộc vào hàng ngàn dòng logic hoặc vào các mô hình trí tuệ nhân tạo được đào tạo trên pixel và video, điều mà chúng tôi thường gọi là trò chơi bắt chước. Những cách tiếp cận này bắt được mẫu, nhưng chúng không hiểu quy trình cơ bản.

Xaba thực hiện một con đường cơ bản khác.

Chúng tôi sử dụng dữ liệu cảm biến thời gian, lực, nhiệt độ, dòng điện và rung động để xây dựng một lớp mô hình mới dựa trên vật lý. Thay vì học mối tương quan, trí tuệ nhân tạo dựa trên vật lý của chúng tôi trích xuất các phương trình điều khiển của quy trình. Điều này cung cấp cho hệ thống một sự hiểu biết nguyên nhân thực sự về cách các hành động ảnh hưởng đến kết quả.

Từ đó, hệ thống tạo ra các hành động vật lý hợp lệ trong thời gian thực. Robot không phát lại các ví dụ hoặc theo dõi mã được định nghĩa trước; nó lý luận về quy trình trước khi hành động và liên tục thích nghi dưới sự thay đổi.

Trong thực tế, điều đó có nghĩa là không có hàng ngàn dòng mã, không dựa vào bắt chước dựa trên pixel và không cần hiệu chỉnh liên tục khi điều kiện thay đổi. Thay vào đó, bạn có được một hệ thống hiểu vật lý và kiểm soát nó. Đó là cách chúng tôi chuyển từ lập trình và bắt chước sang lý luận vật lý thực sự và kiểm soát tự động.

Robot học từ việc trình diễn là một bước chuyển đổi táo bạo. Những cột mốc kỹ thuật nào đã làm cho điều này trở nên khả thi, và những hạn chế nào vẫn tồn tại ngày nay?

Robot học từ việc trình diễn là một bước quan trọng, nhưng nó vẫn chủ yếu là một cách tiếp cận dựa trên bắt chước. Những hệ thống này ánh xạ quan sát (như pixel hoặc đường dẫn) đến hành động mà không hiểu nguyên lý vật lý cơ bản của nhiệm vụ.

Từ quan điểm của trí tuệ nhân tạo dựa trên vật lý, cột mốc thực sự là chuyển từ bắt chước sang hiểu biết nguyên nhân.

Điều gì đã làm cho điều này trở nên khả thi là:

• Tiến bộ trong nhận thức (mô hình ngôn ngữ-vision, dữ liệu đa phương tiện)
• Các tập dữ liệu lớn về hành vi của con người và robot
• Cải thiện các chính sách có thể ánh xạ quan sát đến hành động

Nhưng những hệ thống này vẫn chủ yếu được điều khiển bởi mối tương quan. Chúng có thể tái tạo lại những gì chúng đã thấy, nhưng chúng gặp khó khăn khi:

• Vật liệu hành xử khác nhau
• Tham số quy trình thay đổi
• Hình học hoặc dung sai thay đổi
• Vật lý thực tế khác với dữ liệu đào tạo

Đó là nơi những hạn chế trở nên rõ ràng.

Tại Xaba, chúng tôi thực hiện một cách tiếp cận khác. Thay vì học những gì để làm từ việc trình diễn, chúng tôi học tại sao nó hoạt động.

Sử dụng dữ liệu cảm biến thời gian, Xaba trích xuất các phương trình vật lý điều khiển của quy trình. Điều này tạo ra một mô hình trí tuệ nhân tạo dựa trên vật lý cơ bản hiểu cách hệ thống hành xử dưới các điều kiện khác nhau.

Sự đột phá thực sự đến từ khả năng của máy móc lý luận về lực, năng lượng và hành vi vật liệu, thích nghi trong thời gian thực và tạo ra các hành động vật lý hợp lệ.

Làm thế nào hệ thống của Xaba thích nghi với các điều kiện thực tế không thể đoán trước – sự thay đổi vật liệu, mài mòn công cụ hoặc thay đổi môi trường tinh vi?

Bởi vì hệ thống liên tục lý luận về lực, chuyển động và kết quả, nó có thể phát hiện khi thực tế khác với dự kiến và điều chỉnh trong thời gian thực. Mài mòn công cụ trở thành một biến, không phải là một sự cố. Thay đổi vật liệu trở thành một phần của vòng lý luận.

Điều này cơ bản khác với xử lý lỗi dựa trên ngưỡng – nó là sự thích nghi liên tục.

Nhìn về tương lai năm năm, bạn thấy trí tuệ nhân tạo dựa trên vật lý sẽ phát triển như thế nào, và một nhà máy tự động hoàn toàn được kích hoạt bởi lý luận tổng hợp sẽ trông như thế nào?

Từ quan điểm của tôi, năm năm tới sẽ đánh dấu sự chuyển đổi từ tự động hóa sang sản xuất nhận thức thực sự.

Trí tuệ nhân tạo dựa trên vật lý sẽ phát triển từ việc tối ưu hóa các nhiệm vụ riêng lẻ đến xây dựng các mô hình cơ bản cho toàn bộ hệ thống công nghiệp. Thay vì được đào tạo trên pixel hoặc đường dẫn trong quá khứ, những hệ thống này sẽ liên tục học hỏi từ lực, nhiệt độ, năng lượng và động lực học, cho phép hiểu biết nguyên nhân về mọi hoạt động.

Sự thay đổi là sâu sắc:

• Từ lập trình → chiến lược kiểm soát tự sinh
• Từ mô hình tĩnh → hệ thống học liên tục
• Từ mối tương quan → lý luận dựa trên vật lý

Một nhà máy tự động hoàn toàn được kích hoạt bởi lý luận tổng hợp sẽ trông khác biệt cơ bản. Máy móc sẽ tự lập trình dựa trên kết quả mong muốn, thích nghi trong thời gian thực với sự thay đổi trong vật liệu và hình học, và kiểm soát chất lượng một cách bản năng thay vì kiểm tra nó sau khi thực hiện. Kiến thức sẽ không bị cô lập – nó sẽ lan truyền trên máy móc, dòng sản xuất và thậm chí cả nhà máy, cải thiện hiệu suất liên tục.

Nhưng sự chuyển đổi quan trọng nhất là con người. Với một bộ não tổng hợp thực sự cho sản xuất, mối quan hệ giữa con người và máy móc trở nên song phương. Con người sẽ không chỉ lập trình máy móc, mà còn học hỏi từ chúng, giống như máy móc học hỏi từ ý định và kinh nghiệm của con người.

Tự động hóa ngừng là một chức năng công việc và trở thành một nền tảng cho sự phát triển sự nghiệp, học tập liên tục và khám phá. Kỹ sư, vận hành viên và kỹ thuật viên sẽ hợp tác với các hệ thống có thể giải thích, thích nghi và nâng cao hiểu biết của họ về các quy trình vật lý.

Trong thế giới đó, không có tuần hiệu chỉnh hoặc hàng ngàn dòng mã. Nhà máy hoạt động như một hệ thống phối hợp, nhận thức vật lý, khuếch đại khả năng và hiểu biết của con người.

Cuối cùng, chúng tôi chuyển từ các nhà máy thực hiện lệnh sang các nhà máy hiểu, lý luận và cùng tiến hóa với con người. Đó là tương lai chúng tôi đang xây dựng tại Xaba.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Xaba.