Origini e motivazione della startup

Il caso OpenAI‑Hugging Face ha dimostrato quanto gli agenti di intelligenza artificiale possano comportarsi in modo imprevedibile. “Immaginate se qualcosa del genere accadesse nel mondo fisico”, ha dichiarato Howie Sun, CEO e co‑fondatore di Laplace Intelligence, a TechCrunch. “Gli agenti AI stanno passando dal computer al mondo reale e non vogliamo che falliscano fisicamente.”

Laplace, con sede ad Ann Arbor, ha sviluppato un approccio di red‑team automatizzato, cioè una stress‑test del sistema cercando deliberatamente di farlo fallire, specificamente per robotica e AI fisica. L’obiettivo è garantire che l’AI operi in sicurezza prima di essere distribuita, creando al contempo una base di evidenze condivisa per clienti, assicuratori e regolatori.

Il percorso accademico che ha dato vita a Laplace

Howie Sun e Henry Liu hanno fondato Laplace un anno fa, uscendo dall’Università del Michigan. Sun ha trascorso otto anni in ambito accademico a studiare come mettere alla prova l’AI di guida autonoma in simulazione. Nel 2023, Sun e Liu, allora relatore di dottorato di Liu, hanno pubblicato un articolo sulla rivista Nature che è comparso sulla copertina, attirando l’interesse di numerose aziende di veicoli autonomi.

“Mi sono reso conto che volevo trasformare questa ricerca in un prodotto utile nel mondo reale”, ha spiegato Sun. Il nome “Laplace” richiama il “demone di Laplace”, esperimento mentale del 1814 di Pierre‑Simon Laplace, secondo cui conoscere lo stato esatto dell’universo permette di prevederne il futuro con precisione assoluta. “Usiamo la simulazione per prevedere il futuro del mondo reale”, afferma Sun.

La tecnologia di base

    • Simulazione ad alta fedeltà ricostruita dal mondo reale.
    • Versione post‑addestrata di Nvidia Cosmos, piattaforma di simulazione AI.
    • Ricostruzione di ambienti reali, da autostrade dell’Arizona a attraversamenti pedonali di Parigi, combinando dati di mappe, immagini Google Street View e informazioni sul traffico in tempo reale da fornitori come TomTom.
    • Interazione dinamica: gli attori virtuali reagiscono in tempo reale alle azioni dell’AI testata.

Come funziona la simulazione interattiva

Nel simulatore, non solo l’ambiente è riprodotto fedelmente, ma anche il comportamento di altri attori. Durante una dimostrazione, Sun ha ordinato al veicolo agente di sterzare verso il traffico in arrivo; l’auto che avrebbe dovuto essere colpita ha evitato l’impatto, dimostrando un ambiente veramente interattivo dove “tutti reagiscono a tutti”.

Gli sviluppatori possono modificare lo scenario in tempo reale mediante prompt linguistici, ad esempio aggiungendo traffico pomeridiano o condizioni meteorologiche avverse, grazie all’integrazione di dati di traffico in tempo reale.

Gli agenti AI che generano casi limite

Il vero valore distintivo di Laplace risiede negli agenti AI capaci di progettare automaticamente corner case, ovvero scenari rari e complessi che possono far vacillare un sistema AI. Questi agenti attingono a fonti quali notizie, rapporti di polizia su incidenti e altre informazioni per creare sfide realistiche per veicoli autonomi e robot.

Attualmente, la maggior parte dei produttori di veicoli autonomi addestra le proprie AI usando filmati registrati trasformati in simulazioni o affidandosi a umani per ideare nuovi scenari. Alcune aziende, come Waabi, hanno già iniziato a utilizzare AI per generare casi limite, ma la necessità di questa tecnologia diventerà cruciale quando i robot generali saranno impiegati nel mondo reale, dove i dati sui casi limite sono scarsi.

Clienti, partnership e modello di business

Nonostante i fondatori non provengano da grandi aziende della Silicon Valley, Laplace ha già iniziato a generare ricavi e a registrare un modesto profitto. I principali clienti includono:

    • Bot Auto, azienda texana di camion autonomi.
    • Un importante produttore automobilistico giapponese.
    • Progetto pilota gratuito per una “smart city” a San Jose, in collaborazione con Nvidia e T‑Mobile, volto a ottimizzare le operazioni di traffico.
    • Partner in fase iniziale per robot umanoidi destinati a magazzini.

Attualmente i contratti sono prevalentemente basati su progetti; la startup sta lavorando per trasformarli in entrate ricorrenti. La partecipazione al Startup Battlefield 200 di TechCrunch Disrupt (13‑15 ottobre) è vista come un’opportunità per raccogliere fondi e scalare il modello.

Concorrenza e prospettive future

Il principale concorrente è Applied Intuition, una startup avanzata che ha raccolto 1,2 miliardi di dollari, valutata a 15 miliardi di dollari post‑money. Sun non è preoccupato: “Il nostro metodo di usare AI per testare AI è un nuovo paradigma che cambia completamente il testing dell’AI fisica, trasformandolo in un processo dinamico e interattivo. Questo sarà il nostro più grande vantaggio competitivo”.

Laplace intende continuare a sviluppare la sua piattaforma, espandere le partnership con produttori di robotica e veicoli autonomi, e consolidare una base di clienti ricorrenti. La capacità di generare automaticamente scenari di test realistici e di adattare l’ambiente in tempo reale dovrebbe posizionare la startup come punto di riferimento per la sicurezza dell’AI nel mondo fisico.

Conclusioni

Con la crescita rapida di robot e veicoli autonomi, la necessità di test approfonditi prima del rilascio è più pressante che mai. Laplace Intelligence propone un approccio innovativo basato su simulazioni ad alta fedeltà e agenti AI capaci di creare casi limite, riducendo il rischio di fallimenti fisici. Se riuscirà a trasformare il suo modello di progetto in entrate ricorrenti e a superare la concorrenza di colossi finanziati, potrebbe definire lo standard per la verifica della sicurezza dell’AI nel mondo reale.