ENGINEERINGNET.BE - Aan bod kwam eerst Altair, dat engineeringsoftware bouwt dat gebruik maakt van machine learning om allerhande simulaties en ‘virtuele prototypes’ uit te testen. Met AI nu in seconden in de plaats van uren of dagen.
Vervolgens ook Sepp Hochreiter, oprichter van NXAI, dat xLMTS uitbracht dat in allerlei toepassingen, zoals het aansturen van robots, een pak lichter en sneller blijkt dan GPT en consorten. Nauwelijks waren we bekomen van het nieuws over de prestaties van het Chinese Deepseek of we kregen te horen dat we gewoon Europees kunnen gaan.
“Artificiële intelligentie heeft een impact op productontwikkeling en dus ons leven”, stelde Fatma Kocer-Poyraz, vice-president Engineering Science bij het softwarebedrijf Altair dat zijn hoofdkwartier al 40 jaar in Michigan heeft. Altair telt zo’n 3.500 computational en engineering scientists die software bouwen voor nu zo’n 16.000 gebruikers in de wereld, van automotive tot ruimtevaart, elektronica, banking & verzekeringen.
“Vrijwel al wat we aanraken werd ooit ge-engineered”, aldus Kocer-Poyraz. Dagelijks zijn er ontwerpbeslissingen die producten verbeteren, hun energieverbruik verminderen,… van mobiele telefoons tot auto’s. Het gaat daarbij niet enkel om de vorm maar ook om functionaliteit. Zo ook de verpakking van producten, bijvoorbeeld. In het verleden werden producten ontworpen en dan ondergingen prototypes fysieke testen. Dat was een duur en tijdverslindend proces. Het vergde weken of maanden om een nieuw product te ontwikkelen.
“Computationele wetenschappen maken virtuele testen -simulaties- mogelijk. Dat brengt het ontwikkelingsproces terug naar uren en dagen. Plots zijn zoveel meer ontwerpen mogelijk. De ontwikkelingstijd van een nieuw automodel is meer dan gehalveerd. Nu, met AI is de tijd die verloopt tussen ‘het hebben van een idee’ en het nagaan of uittesten of het wel zo’n goed idee is, nauwelijks nog minuten of seconden. Het gaat hierbij niet echt om large language models of 3D generatie.
“Ingenieurs zijn niet geïnteresseerd in het genereren van een willekeurig 3D-model. Wel in een zeer gedetailleerde weergave van de onderdelen die ze ontwerpen, met hun specifieke prestaties, zodat ze ontwerpbeslissingen kunnen maken. 3D generatie kan je helpen een satelliet te ontwerpen maar het zal je niet helpen om die te engineeren.” Generatieve modellen kennen immers de details niet, de materialen, de bedrading, de krachten die het ontwerp moet doorstaan,… Het gaat er uiteindelijk om nieuwe maar ‘haalbare’ ontwerpen te genereren.
Altair is sterk in engineering en data expertise. Het levert software voor ingenieurs. Kocer-Poyraz illustreert dat met twee use cases. De eerste handelt om Continental, de bandenproducent die ook airbags maakt. AI vermindert de looptijd van een simulatie van een nieuw airbagontwerp -verhoogt die de veiligheid of niet?- van een paar uur naar minder dan 30 seconden.
“Je hebt minder dan een minuut nodig om te testen of je idee wel een goed idee is.” Een andere gebruikscase is van CNH die nagaat of men het tractorrijden met een ploeg comfortabeler kan maken. “Met een ploeg rondrijden hoeft niet comfortabel te wezen maar als je dat acht uur op een dag moet doen -je moet ook kunnen recupereren- kan je toch maar beter voor wat comfort zorgen.”
Er zijn meerdere variabelen: de snelheid van de tractor, de diepte die de ploeg moet halen,… Je moet dus al die verschillende combinaties van snelheid en ploegdiepte uittesten/simuleren. Elke simulatie kan wel een halve dag vergen. Met Altairs geometric machine learning technologie kan het nu op drie seconden. “Eigenlijk is dat ‘real time’. Dat is onze technologie.”
Kocer-Poyraz gaf nog een voorbeeld in automotive. Het ontwerp van de plaat die onder de motorkap van een auto komt. Rekening houdend met allerhande functionaliteiten die die moet hebben -veiligheid bij een aanrijding, mogelijke belasting- kom je al makkelijk aan een 10.000 verschillende mogelijke configuraties. Maar zo ook andere elementen, zoals de temperatuur in de auto, en de aerodynamica van het koetswerk. “Met AI vergt de simulatie geen uren of dagen meer maar seconden of minuten.”
De dageraad van industriële AI: van groter naar slimmer
“Wij staan aan de rand van de industrialisatie van AI. De derde fase van de moderne AI, na basisontwikkeling en opschaling.” Zo stak Sepp Hochreiter, oprichter van NXAI en hoofd van het Institute for Machine Learning aan de Johannes Kepler Universiteit van Linz (Oostenrijk), van wal.
Eerst schetste hij de groei in de gekende taalmodellen. GPT-1 -General Pretrained Transformer van OpenAI- kwam er aan in juni 2018. Het begon met 1,3 miljard data tokens en een modelgrootte van 117 miljoen parameters. Op acht maanden tijd groeide dat met GPT-2 naar 10 miljard tokens en 1,5 miljard parameters. Met GPT-3, in mei 2020 of nog eens 15 maanden later, waren dat al 175 miljard parameters. Hoe meer data worden gebruikt, des te groter de modellen… “Het leverde ridicuul grote modellen op met triljoenen parameters die steeds meer data nodig hebben. Maar ondertussen hebben we alle data op internet en in teksten reeds opgebruikt”, stelt Hochreiter.
“Dit loopt dus vast. Opschalen zal niet meer lukken. Dat betekent dat de hele community omschakelt van ‘steeds groter’ naar ‘slimmer werken’.” Ondertussen gebruikt men echter die grote modellen voor toepassingen in de industrie en is die nieuwe fase van de industrialisering van AI eigenlijk al begonnen.
“Dat is belangrijk omdat het meer dan wat dan ook de ‘productiviteit’ zal opdrijven. Kortom, wil je nog groeien, dan moet je wel AI inzetten.” Maar er zijn, zoals reeds aangegeven, problemen om de productiviteitsgroei van AI aan te houden. “De huidige transformertechnologie is immers té traag en té inefficiënt met het geheugen voor de industrie.” OpenAI in de industrie noemt Hochreiter ‘nonsens’. “Het is té traag.”
Hochreiter werd aangekondigd als de uitvinder van ‘het lange- en kortetermijn geheugen’. Hij vond ooit LSTM (Long Short Term Memory) uit. Het was niet zo krachtig in die tijd maar het was snel en werd wel gebruikt in velel industrieën om tijdreeksen te voorspellen. Een bedrijf als Apple gebruikt het trouwens nog steeds voor vertalingen, gaf hij trots mee. Precies omdat het zo snel is. “Nu hebben we met xLSTM het vroegere LSTM uitgebreid. Daarin zijn problemen binnen LSTM opgelost en enkele nieuwe ideeën geïntegreerd.”
xLSTM is supersnel, heeft een kleine geheugenvoetafdruk en verbruikt minder energie. Het wordt in het bedrijf NXAI in Linz ontwikkeld. “xLSTM is veel sneller dan transformertechnologie bij het infereren, het trekken van conclusies. Het is perfect geschikt voor embedded en edge toepassingen. Denk aan robotica. Maar ook zelfrijdende auto’s, drones en autonome productiesystemen.” Het wordt al gebruikt door sommige bedrijven, geeft Hochreiter mee. Hij noemt Festo en Spleenlab die het inzet voor drones.
Hij vergelijkt het 7B model met Llama van Meta en wat Google voortbrengt. “Het zit in dezelfde klasse maar is zoveel sneller, tokens per seconde.” Hij toont een grafiek. Naarmate de sequentielengte toeneemt, daalt de snelheid van Llama, Gemini, Chat GPT,… kortom van de Transformer technologieën. “Ze produceren niet binnen een redelijke tijd en zijn dus niet geschikt voor robotica.”
xLSTM blijkt sneller in visietoepassingen, in life sciences (vb proteïnes modelleren), voor robotica. “We zijn sneller en kennen dan ook betere resultaten.” Dan rijst onvermijdelijk de vraag waarom de oude technologie, die te traag is voor industriële toepassingen, nog steeds gebruikt wordt. “Wij hebben een Europese oplossing. xLSTM is sneller dan Transformer in inferentietijd, je kunt het gebruiken voor robots, het heeft een constant geheugen, het is sneller getraind, met minder CPU’s, minder energie,… Voor industriële toepassingen heeft het super potentieel.”
Ondertussen steekt Hochreiter zijn teleurstelling niet onder stoelen of banken
over het gebrek aan enthousiasme in Europa om van dergelijke technologieën gebruik te maken. “In Europa zouden we meer moeten doen. Meer investeren.” Hij vertelt dat hij benaderd werd door een start-up van Saudi Aramco, de grootste olieproducent ter wereld, die met hem wil samenwerken.
Maar ook het Chinese Huawei weet wat hij in huis heeft. Ook Amerikaanse bedrijven kloppen aan de deur. Apple, bijvoorbeeld, die de technologie in mobieltjes wil inbouwen… “Maar we willen onze technologie in Europa houden. We willen een Europees AI-ecosysteem uitbouwen. We willen onze technologie bij Europese bedrijven binnenkrijgen. Daarom bezoeken we de Hannover Messe, bijvoorbeeld. We zijn goed gekend in de onderzoeksgemeenschap maar vooral de Europese industrie moet het nu gaan oppikken.”
Lees ook: Hannover Messe 2025: Van onzekerheid naar duidelijkheid (1)
