«Представьте, если бы что-то подобное произошло в реальном мире», — сказал TechCrunch Хоуи Сан, генеральный директор и соучредитель Laplace Intelligence. «ИИ-агенты выходят из компьютеров в реальный мир, и мы не хотим, чтобы физический ИИ терпел неудачу в реальном мире».
Компания Laplace из Анн-Арбора разрабатывает автоматизированное «красное тестирование» — по сути, стресс-тестирование системы путем намеренных попыток вызвать сбой — для робототехники и физического ИИ. Компания делает ставку на то, что единственный способ убедиться в безопасности физического ИИ — это позволить ИИ тестировать его.
«Наша цель — помочь компаниям обнаружить и исправить проблемы до развертывания, а со временем создать общую основу доказательств, которой могут доверять клиенты, страховщики и регулирующие органы», — сказал Сан.
Laplace — один из 20 стартапов, участвующих в Startup Battlefield, трехдневном конкурсе питчей TechCrunch Disrupt в центре Сан-Франциско. Компания выступит на сцене Startup Battlefield в понедельник днем, 13 октября.
Сан вместе со своим соучредителем и главным научным сотрудником Генри Лю основал Laplace год назад на базе Мичиганского университета. Последние восемь лет Сан занимался в академических кругах исследованиями по тестированию автономных систем вождения в симуляции. В 2023 году он и Лю, его тогдашний научный руководитель, опубликовали статью по этой теме, которая попала на обложку ведущего научного журнала Nature. Именно тогда начали поступать звонки от компаний, занимающихся автономными транспортными средствами, заинтересованных в реализации их идей.
«Я понял, что хочу создать это и вывести из чисто академических исследований в продукт, полезный в реальном мире», — сказал Сан.
Опираясь на свои академические исследования, Сан и Лю создали Laplace, названную в честь «Демона Лапласа» — мысленного эксперимента французского ученого Пьера-Симона Лапласа 1814 года, который предполагал, что если бы было известно точное состояние всего во Вселенной, можно было бы предсказать будущее с абсолютной точностью.
«По сути, мы используем симуляцию для прогнозирования будущего реального мира», — сказал Сан.
В основе стартапа лежит высокоточная симуляция, реконструированная из реального мира, в сочетании с ИИ-агентом, который постоянно ищет уязвимости и точки отказа. Цель состоит в том, чтобы убедиться, что любой физический ИИ — будь то робот, автономный автомобиль или решение для умного города — безопасен в симуляции до его развертывания в реальном мире.
Среда симуляции представляет собой пост-обученную версию Nvidia Cosmos, платформы симуляции ИИ-миров, основанную на реальном мире, что позволяет Laplace реконструировать что угодно — от шоссе в Аризоне до пешеходного перехода в Париже. Симуляции генерируются путем смешивания различных данных из реального мира. Изображение из Google Street View может служить ориентиром, по которому генерируется целая улица. Но вместо случайной генерации симулятор объединяет реальные картографические данные для воссоздания масштабированной среды.
Затем разработчики могут использовать текстовые запросы для изменения настроек в реальном времени, например, добавляя дневной трафик. Сан говорит, что Laplace получает информацию о трафике и пробках в реальном времени от навигационных провайдеров, таких как TomTom.
В симуляциях Laplace моделируется не только среда, но и поведение других участников. Например, во время демонстрации Сан направил тестовый автомобиль так, чтобы он выехал на встречную полосу. Автомобиль, который он должен был бы столкнуться (или проехать сквозь, как это часто бывает в некоторых генеративных моделях мира), увернулся, чтобы избежать столкновения.
«Это действительно интерактивная среда симуляции», — сказал Сан. «Все реагируют на все… Это больше похоже на модель мира с интерактивными участниками».
Хотя симулированная среда является важной частью продукта Laplace, настоящим уникальным торговым предложением являются ИИ-агенты, разрабатываемые стартапом для автоматического создания «крайних случаев» (сложных, редких сценариев, которые могут поставить в тупик систему ИИ), что позволяет человеку меньше участвовать в процессе.
«Они могут создавать сценарии на основе новостей, полицейских отчетов об авариях — всевозможной информации, чтобы активно тестировать автономные транспортные средства и другие физические ИИ-агенты», — сказал Сан.
Сегодня разработчики автономных транспортных средств в основном обучают ИИ для обработки крайних случаев с использованием записанных видеоматериалов, которые затем преобразуются в симуляцию, или полагаются на людей, которые придумывают новые идеи и разрабатывают их. Хотя многие компании, занимающиеся автономными транспортными средствами, уже делают то, что предлагает Laplace, и начали использовать ИИ для создания крайних случаев для обучения (например, компания Waabi, занимающаяся производством самоуправляемых грузовиков), потребность в подобных технологиях станет очевидной, когда мы начнем размещать обобщенных роботов в реальном мире.
«Данных по обобщенной робототехнике меньше», — сказал Сан. «Никто не знает, какими будут крайние случаи в реальном мире».
Несмотря на то, что Сан и Лю пришли из академической среды, не имея блестящих регалий технологических компаний Кремниевой долины, им удалось начать получать доход и даже получить скромную прибыль. Большая часть денег поступает от использования в автономных транспортных средствах, среди клиентов — японский производитель грузовиков Isuzu и техасская фирма Bot Auto, занимающаяся автономными грузоперевозками.
Nvidia также является клиентом, говорит Сан. Обе компании вместе с T-Mobile работают над бесплатным пилотным проектом «умного города» для города Сан-Хосе по обеспечению высокоуровневых операций дорожного движения. Laplace также находится на ранних стадиях сотрудничества с партнерами, разрабатывающими человекоподобных роботов для складов.
Сегодня большинство контрактов Laplace носят проектный характер, и компания работает над тем, чтобы перейти к регулярному доходу. Ближайшая цель стартапа, в достижении которой, как он надеется, поможет участие в Disrupt, — привлечь средства и масштабироваться, чтобы конкурировать с соперниками.
Среди главных конкурентов — Applied Intuition, нашумевший стартап на поздней стадии развития, привлекший на данный момент 1,2 миллиарда долларов при оценке в 15 миллиардов долларов после инвестиций. Isuzu также является одним из клиентов Applied.
Сан не слишком беспокоится. Он считает, что основной метод Laplace — использование ИИ для тестирования ИИ — это «новая парадигма, которая полностью меняет тестирование физического ИИ», превращая его в «динамичный интерактивный процесс тестирования».
«Это будет самый большой ров», — сказал он.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Rebecca Bellan
