Šta pojam “fizička AI” konkretno znači u industrijskom kontekstu?
Timo Kistner: Kada govorimo o tome, mislimo na kombinaciju bilo kojeg AI modela s fizički zasnovanom simulacijom. Na primjer: ako danas na svom pametnom telefonu koristim jezički model – bez obzira koji alat to bio – taj alat je vrlo moćan i daje mi generirane odgovore kakve prije nekoliko godina ne bih mogao dobiti. Međutim, ograničenje koje ti alati danas imaju je da nemaju prostorni kontekst. Dakle, alat ne zna u kojem se okruženju trenutno nalazim i ne daje mi odgovore koji uzimaju taj kontekst u obzir.
To je upravo ono što podrazumijevamo pod pojmom Physical AI: mi uspostavljamo vezu između AI modela i fizičkog prostora u kojem se nalazimo.
Šta to znači za industrijsko okruženje?
Na primjer, dok sam do sada model za kontrolu kvaliteta trenirao pomoću podataka sa mašine, u budućnosti ću moći kreirati digitalnog blizanca mašine i fizički ga simulirati. To je bitno: ne samo kao grubu aproksimaciju, već kao fizički tačnu, na fizici zasnovanu simulaciju.
Na taj način mogu trenirati AI model direktno u digitalnom blizancu, koji tačno odražava fizičko ponašanje. Dakle, ne moram više trenirati AI model s realnim podacima sa same mašine – već to mogu raditi u digitalnom blizancu, zasnovanom na fizički preciznom modelu.
Omniverse i industrijski metaverzum
Vaša kompanija ima i tehnologiju za to. Nvidia Omniverse je platforma za industrijski metaverzum i kreiranje digitalnih blizanaca. Koje prednosti Omniverse nudi mašinskim inženjerima?
Kistner: Prije svega treba razumjeti čemu Omniverse služi. To je platforma za kolaboraciju i razvoj. Kolaboraciju u smislu da povezuje različite razvojne alate.
Ako danas kao mašinski inženjer ili industrijska kompanija razvijam proizvode, koristim čitav niz alata – za dizajn proizvoda, planiranje i optimizaciju fabrike, uvođenje proizvoda u proizvodnju, itd. Ti alati međusobno često ne “razgovaraju”.
Upravo to želimo prevazići kroz Omniverse – povezati sve te podatke (mehaničke, električne i druge vrste) u jedan virtuelni prostor. Time mogu u ranoj fazi razvoja vidjeti kako moj proizvod zapravo izgleda, prepoznati moguće kolizije između mašina ili robota u fabrici, i time značajno povećati efikasnost.
Iz iskustva znamo da sama činjenica da se svi alati povežu u jednu platformu donosi 20–30% veću efikasnost i brži izlazak proizvoda na tržište.
Razvoj Physical AI unutar Omniverse
Drugi važan aspekt je razvojna strana: Omniverse kao platforma za razvoj fizičke AI. Dakle, mogu objediniti sve izvore podataka i u tom virtuelnom prostoru trenirati svoj pametni uređaj, robota ili sistem.
Time je moguće virtuelno raditi od početka razvoja do certificiranja proizvoda, što donosi dodatnu efikasnost.
Ekonomsku vrijednost Physical AI već potvrđuju industrijski primjeri
Kistner: Apsolutno. Postoji više primjera. BMW, jedan od naših partnera, koristi Omniverse kako bi unaprijedio kolaboraciju i fizički zasnovane simulacije. Primjer je nova fabrika u Debrecenu (Mađarska), gdje su postigli 20–30% veću efikasnost jer svi fabriki planeri u Omniverse-u vide jedinstvenu sliku fabrike.
Ranije su vidjeli samo pojedine dijelove fabrike u različitim alatima koje su morali spajati ručno – sada mogu vizualizirati kompletnu fabriku u realnom vremenu.
Još jedan primjer je saradnja sa Siemensom na projektu broda kompanije HD Hyundai: korištenjem Omniverse-a spojili su podatke iz različitih alata i vizualizirali ih u realnom vremenu – radi se o 7 miliona pojedinačnih dijelova broda, što ranije nije bilo moguće prikazati. Danas se svaka promjena u alatima automatski i trenutno prikazuje u Omniverse-u.
Rezultat: efikasniji i brži razvoj, bolja saradnja timova i jasno razumijevanje kompletnog sistema.
AI u robotici i optimizaciji lanaca snabdijevanja
Nvidia naglašava i važnost AI-vođene robotike za povećanje produktivnosti i smanjenje grešaka u proizvodnji. U ovom segmentu sarađujete s Kion i Accenture na optimizaciji lanaca snabdijevanja pomoću AI robota i digitalnih blizanaca. Koja su dosadašnja iskustva?
Kistner: Sve se ponovo svodi na kolaboraciju, razvoj i upravljanje složenim procesima.
U saradnji s Kionom simuliramo optimizaciju skladišta – sada možemo automatski generisati i testirati stotine različitih scenarija pomoću sintetičkih podataka, umjesto da ih ručno modeliramo.
Drugo, možemo simulirati robotske sisteme (AMR, AGV) sa znatno većom preciznošću i u većem broju nego ranije. To omogućava upravljanje složenijim sistemima i povećava ukupnu efikasnost.
Srednjoročni i dugoročni potencijal AI u industriji
Kistner: Uvjereni smo da bez AI-a u budućnosti neće biti ozbiljne industrijske aktivnosti. AI će postati suštinski dio svake proizvodnje, razvoja i svakog proizvoda.
Teško je precizno reći kakav će uticaj imati na svaku firmu – bilo da se radi o povećanju prodaje ili efikasnosti – ali jedno je sigurno: ko ne počne sada, zaostajat će za konkurencijom.
To se odnosi i na AI i na fizičke simulacije.
Ljudi ostaju ključni – kako graditi prihvatanje AI-a u kompanijama?
Kistner: Najvažnije je početi sada. Uvesti jednostavne AI alate u svakodnevni rad – poput različitih “copilota”. Ali ne koristiti ih samo kao pametnu pretragu, već uz jasno definisane parametre kako bi davali relevantne rezultate.
Zatim treba trenirati zaposlene – pokazati im konkretne mogućnosti i početi s manjim grupama koje će kasnije biti multiplikatori i širiti znanje unutar firme.
Da, početak može biti težak, ali rezultati su impresivni – povećanje efikasnosti i zadovoljstva je očigledno, i još nismo vidjeli projekat u kojem zaposleni nisu na kraju bili oduševljeni novim alatima.
Najčešće zablude o AI u industriji
Kistner: Mnoge zablude su već nestale. Ranije su se ljudi često pitali: Hoće li AI preuzeti moj posao?
Odgovor je jasan – neće, jer nemamo dovoljno stručne radne snage ni sada. AI je nužan da bismo uopće mogli efikasno voditi kompanije.
Pravo pitanje glasi: Hoće li osoba koja zna koristiti AI jednog dana zamijeniti mene koji ga ne znam koristiti?
Zato je ključno početi sada. Ne radi se o tome da odmah pokrenemo veliki projekt u nekoliko sedmica – nego da razumijemo gdje su naši potencijali i kako ih AI može podržati.
