"Imaginează-te ce s-ar întâmpla dacă ceva de genul incidentului OpenAI-Hugging Face ar avea loc în lumea fizică", spune Howie Sun, CEO și co-fondator al Laplace Intelligence, într-o discuție pentru TechCrunch la Disrupt 2024. Referința este la un eveniment din noiembrie 2023, când un agent AI a început să se comporte imprevizibil pe platforma Hugging Face, evidențiind riscurile sistemelor autonome care acționează fără supraveghere umană constantă. "Agienții AI migrează din computere în lumea reală, și nu vrem deloc ca AI-ul fizic să eșueze în lumea reală."
Ann Arbor, Michigan – nu Silicon Valley – este baza de plecare a acestei companii care participă la Startup Battlefield 200, competiția de pitche a TechCrunch Disrupt din San Francisco. Sun, alături de co-fondatorul și chief scientist Henry Liu, profesor la Universitatea din Michigan, au fondat Laplace acum un an, transformând ani de cercetare academică într-un produs comercial. Sun a petrecut opt ani studiind cum să provoace AI-ul conducerii autonome în simulare, iar în 2023, împreună cu Liu, a publicat o lucrare care a ajuns pe coperta revistei Nature – un moment care a adus la ușă companiile de vehicule autonome.
"Am realizat că vreau să construiesc asta și să o duc de la cercetare pur academică la un produs util în lumea reală", explică Sun. Numele companiei vine de la "Demonul lui Laplace", un experiment de gândire din 1814 al savantului francez Pierre-Simon Laplace, care imagină că dacă ai cunoaște starea exactă a fiecărei particule din univers, poți prezice viitorul cu precizie totală. "Esential, folosim simularea pentru a prezice viitorul lumii reale", adaugă Sun.
Arhitectura tehnică a Laplace se bazează pe două piloni: un mediu de simulare de înaltă fidelitate, reconstruit din date reale, și un agent AI care probează constant acest mediu căutând puncte de eșec. Simularea este o versiune post-antrenată a platformei Nvidia Cosmos, un "world model" capabil să genereze medii fizice coerente. Dar Laplace nu se bazează pe generație aleatorie. Combină date de hartă reale, imagini Street View, informații de trafic în timp real de la furnizori precum TomTom, pentru a reface scenarii la scară reală – de la o autostradă din Arizona la o trecere de pietoni din Paris.
Ce face simularea Laplace diferită de alte medii de test (cum ar fi CARLA sau simulatoarele interne ale companiilor mari) este interactivitatea. Într-o demonstrație, Sun a îndreptat vehiculul test să se abată brusc pe sensul opus. Mașina care ar fi fost lovită – sau traversată, lucru comun în modelele generative mai simple – a reacționat evasiv, frânând sau schimbând banda. "Este un mediu de simulare autentic interactiv", subliniază Sun. "Toți actorii reacționează la totul… Aceasta este mai mult un model de lume cu participanți interactivi."
Dar inovația reală – "secretul" companiei, după cum o numește Sun – sunt agenții AI de red-teaming automat. Red-teaming-ul, termen împrumutat din securitatea cibernetică (și din strategia militară), înseamnă testarea unui sistem încercând deliberat să-l spui. Pentru softwarul clasic, există unelte automate. Pentru robotică și AI fizic, procesul a fost până acum manual, lent și limitat de imaginația inginerilor. Laplace construiește agenți care inventează singuri corner cases – scenarii rare, perverse, de tip "ciudat de neașteptat" – care pot face un sistem autonom să ia o decizie greșită.
De ce este asta critic? Pentru că statistica eșecurilor în conducere autonomă nu se află în scenariile comune (mergi drept, oprești la semafor), ci în coada lungă a distribuției: un copil care alergă după mingea, un ciclist care semnalizează greșit, o ploaie torențială care ascunde semnele rutiere, un pieton care traversează în afara trecerii exact când soarele orbeste senzorii. Un om nu poate imagina toate combinațiile. Un agent AI care explorează spațiul de stare al simulării poate.
"Obiectivul nostru este să ajutăm companiile să descopere și să repare problemele înainte de deploy", spune Sun. "Și, pe termen lung, să construim o bază comună de dovezi pe care clienții, asigurătorii și regulatorii să le poată încrede." Ultima parte este strategică. Industria vehiculelor autonome a suferit de o criză de încredere după accidentele mediatizate (Uber 2018, Tesla multiple, Cruise 2023). Asigurătorii nu știu cum să prime polizei pentru riscuri pe care nu le pot modela. Regulatorii (NHTSA în SUA, autoritățile europene sub AI Act) cer dovezi de siguranță care depășesc "am testat multe mile". Laplace vinde, esențial, evidență – nu doar soft.
Modelul de business este B2B: licențiere de platformă pentru OEM-uri auto (Ford, GM, Mercedes, dar și startups ca Waymo, Zoox, Aurora), companii de robotică (Boston Dynamics, Figure, Agility), chiar inițiative de smart city. Sun nu dezvăluie clienți actuali, dar menționează că după publicarea din Nature "telefoanele au început să sune". Ronda de seed (suma nedivulgată) a fost condusă de fonduri cu experienză în deep tech și robotică.
Competiția nu lipsește. Nvidia își vinde propriile unelte de simulare (Omniverse, Cosmos). Applied Intuition, o unicorn valutată la 3,6 miliarde USD, domine simularea pentru AV. Foretellix, Israeli, face scenario testing automat. Dar Sun argumentează că Laplace este singura care combină world model generativ, grounding în date reale și agenți adversariali care învăță să caute eșecuri – o buclă de feedback continuu între simulator și red-teamer.
Există, bineînțeles, scepticism. Modelele de lume (world models) au încă halucinații fizice: obiecte care traversă pereți, fizică nerealistă la impact, comportamente neplauzibile pe termen lung. Sun recunoaște: "Nu pretendăm că simularea e perfectă. Pretendem că e destul de bună să prindem erori care altfel ar fi descoperite pe stradă." Filozofia este defense in depth: simulare masivă + red-teaming automat + testare reală limitată = siguranță mai mare.
Pe termen mediu, Laplace vizează extinderea dincolo de auto: roboți mobili în depozite, drone de livrare, exoschelete medicale, infrastructură critică. Orice sistem AI care acționează fizic are nevoie de același rigor. "AI-ul fizic e următoarea frontieră", concluzionează Sun. "Și nu putem să ne permitem să învățăm din greșeli pe corpurile oamenilor."
La Disrupt, Laplace are 6 minute pe scenă să convingă investitorii că red-teaming-ul automat pentru AI fizic nu e doar o caracteristică nice-to-have, ci o infrastructură necesară pentru următoarea decenie de robotică. Dacă reușesc, nu vor fi doar o startup de succes – vor fi compania care a stabilit standardul de siguranță pentru mașinile care se mișcă printre noi.
De ce este important:
Laplace Intelligence adresază cel mai critic bottleneck al adopției masive a roboticii și a conducerii autonome: încrederea. Fără o metodologie riguroasă, scalabilă și independentă de a testa sistemele AI în scenarii extreme înainte de deploy, industria rămâne blocată în ciclu de "testează pe stradă → accident → oprire → reglementare mai strictă". Red-teaming-ul automat în simulări grounded în realitate oferă o cale de ieșire: transformă siguranța dintr-un artă subiectivă într-un proces de inginerie cuantificabil, auditabil și asigurabil. Pentru investitori, semnalul e clar: companiile care vând păzitori pentru revoluția AI fizică (securitate, conformitate, verificare) pot deveni la fel de valoroase ca cele care vând motoarele revoluției. Pentru societate, e diferența dintre un viitor în care roboții ne ajută și unul în care ne amenință – pentru că am uitat să le testăm cum trebuie.
