Laplace Intelligence: Dùng AI để ‘red-team’ robot và xe tự lái trước khi ra thực tế

Sự cố liên quan đến các tác nhân AI gần đây đã gióng lên hồi chuông cảnh báo về tính khó đoán của công nghệ này. Howie Sun, CEO và đồng sáng lập của Laplace Intelligence, nhấn mạnh: “Khi các tác nhân AI bắt đầu bước ra khỏi máy tính để tương tác với thế giới vật lý, chúng ta cần đảm bảo rằng chúng không gặp lỗi trong môi trường thực tế”.

Laplace Intelligence, startup có trụ sở tại Ann Arbor, đang xây dựng giải pháp red-teaming tự động — phương pháp kiểm thử bằng cách cố tình tạo ra các tình huống gây lỗi — dành riêng cho lĩnh vực robot và AI vật lý. Mục tiêu của công ty là giúp các doanh nghiệp phát hiện và khắc phục lỗ hổng ngay từ giai đoạn mô phỏng, tạo ra một nền tảng bằng chứng đáng tin cậy cho khách hàng, đơn vị bảo hiểm và các cơ quan quản lý.

Cơ chế hoạt động: Mô phỏng thế giới thực

Nền tảng của Laplace dựa trên các mô phỏng có độ trung thực cao, kết hợp với các tác nhân AI liên tục tìm kiếm điểm yếu. Hệ thống này sử dụng phiên bản tùy chỉnh của Nvidia Cosmos để tái tạo môi trường thực tế, từ các tuyến đường cao tốc đến các khu vực đông đúc. Thay vì tạo ra dữ liệu ngẫu nhiên, hệ thống kết hợp bản đồ thực tế để đảm bảo tỷ lệ chính xác cao.

Điểm độc đáo của Laplace nằm ở khả năng tự động thiết kế các corner cases (những tình huống hiếm gặp hoặc phức tạp có thể gây lỗi hệ thống). Thay vì dựa vào con người để thiết kế kịch bản, AI của Laplace tự học từ các báo cáo tai nạn hoặc tin tức để tạo ra các thử thách khắc nghiệt cho xe tự lái hoặc robot.

Tiềm năng ứng dụng và thị trường

Hiện tại, Laplace đã bắt đầu tạo ra doanh thu với các khách hàng trong lĩnh vực xe tải tự hành và các nhà sản xuất ô tô lớn. Công ty cũng đang hợp tác với Nvidia và T-Mobile trong dự án thí điểm về thành phố thông minh tại San Jose, đồng thời mở rộng sang lĩnh vực robot hình người cho kho bãi.

Dù phải đối mặt với sự cạnh tranh từ các đối thủ lớn như Applied Intuition, Howie Sun tin rằng phương pháp sử dụng AI để kiểm thử AI chính là “bức tường thành” (moat) vững chắc nhất của Laplace. Cách tiếp cận này biến quy trình kiểm thử truyền thống thành một quá trình tương tác động, giúp đảm bảo an toàn tối đa cho các hệ thống AI trước khi chúng được đưa vào vận hành thực tế.

Nguồn tham khảo: TechCrunch