L’episodio che ha coinvolto OpenAI e Hugging Face ha lasciato una lezione chiara: gli agenti AI possono comportarsi in modo imprevedibile. Howie Sun, amministratore delegato e cofondatore di Laplace Intelligence, sposta il ragionamento su un terreno più concreto. “Immagina se qualcosa di simile accadesse nel mondo fisico. Gli agenti AI si stanno spostando dai computer al mondo reale, e non vogliamo che l’AI fisica fallisca nel mondo reale”, ha dichiarato.
La società, con sede ad Ann Arbor, sviluppa un red-teaming automatizzato per la robotica e l’AI fisica: in pratica, sottopone un sistema a stress test cercando deliberatamente di farlo fallire. La scommessa di Laplace è che l’unico modo per certificare la sicurezza dell’AI fisica sia affidare la verifica a un’altra AI. “Il nostro obiettivo è aiutare le aziende a scoprire e correggere i problemi prima del rilascio e, nel tempo, costruire una base condivisa di evidenze di cui clienti, assicuratori e regolatori possano fidarsi”, ha spiegato Sun.
Laplace è una delle 20 startup in gara al Startup Battlefield, la competizione di pitch di tre giorni del Disrupt nel centro di San Francisco. La presentazione sul palco è prevista lunedì pomeriggio, 13 ottobre.
Dalla ricerca accademica al prodotto
Sun ha fondato Laplace un anno fa insieme a Henry Liu, cofondatore e chief scientist, partendo dall’University of Michigan. Prima di questo passaggio ha trascorso otto anni in accademia studiando come mettere alla prova l’AI della guida autonoma in simulazione. Nel 2023 lui e Liu — all’epoca suo relatore di dottorato — hanno pubblicato un paper sull’argomento finito in copertina su Nature, una delle principali riviste scientifiche. Da lì sono arrivate le chiamate delle aziende di veicoli autonomi interessate ad applicare le loro idee.
“Mi sono reso conto che volevo costruire questo progetto e portarlo da ricerca puramente accademica a un prodotto utile nel mondo reale”, ha raccontato Sun. Sulla base di quel lavoro i due hanno dato vita a Laplace, il cui nome richiama il “demone di Laplace”, esperimento mentale del 1814 del filosofo francese Pierre-Simon Laplace: conoscendo lo stato esatto di ogni cosa nell’universo, sarebbe possibile prevedere il futuro con precisione totale. “Stiamo essenzialmente usando la simulazione per prevedere il futuro del mondo reale”, ha sintetizzato Sun.
Un world model fondato sul mondo vero
Il cuore dell’azienda è una simulazione ad alta fedeltà ricostruita dal mondo reale, abbinata a un agente AI che cerca senza sosta debolezze e punti di guasto. L’obiettivo è garantire che ogni forma di AI fisica — robot, veicolo autonomo o soluzione smart city — sia sicura in simulazione prima dell’impiego effettivo.
L’ambiente simulato è una versione post-trained di Nvidia Cosmos, la piattaforma di simulazione mondiale a base AI, ancorata al mondo reale: Laplace può ricostruire qualsiasi contesto, da un’autostrada dell’Arizona a un attraversamento pedonale di Parigi. Le simulazioni nascono combinando una maglia di informazioni reali: un’immagine di Google Street View può fare da riferimento per generare un’intera strada. Il simulatore però non produce ambienti casuali, ma incrocia dati cartografici reali per ricreare scenari fedeli alla scala.
Gli sviluppatori possono poi modificare l’ambiente in tempo reale tramite prompt in linguaggio naturale, per esempio aggiungendo il traffico del pomeriggio. Sun riferisce che Laplace attinge a dati sul traffico e sulla congestione in tempo reale da provider di navigazione come TomTom.
Dentro le simulazioni non viene riprodotto solo l’ambiente, ma anche il comportamento degli altri attori. Durante una demo, Sun ha fatto sbandare il veicolo agente di test verso il traffico contromano: l’auto che avrebbe dovuto colpire — o attraversare, come capita spesso nei world model generativi — si è spostata per evitare la collisione. “È davvero un ambiente di simulazione interattivo. Tutti reagiscono a tutto… È più simile a un world model con partecipanti interattivi”, ha detto.
Agenti AI che inventano i casi limite
Se l’ambiente simulato è una parte importante del prodotto, il vero elemento distintivo sono gli agenti AI che l’azienda sta sviluppando per progettare in automatico i corner case, quegli scenari rari e insidiosi capaci di far inciampare un sistema AI, riducendo il coinvolgimento umano. “Possono progettare scenari partendo dalle notizie, dai rapporti di polizia sugli incidenti — ogni tipo di informazione — per sfidare attivamente i veicoli autonomi e gli altri agenti AI fisici”, ha spiegato Sun.
Oggi gli sviluppatori di veicoli autonomi addestrano per lo più l’AI a gestire i casi limite usando riprese registrate trasformate in simulazioni, oppure affidandosi a persone che escogitano e disegnano nuovi scenari. Diverse aziende del settore hanno già imboccato la strada proposta da Laplace, usando l’AI per creare casi limite a fini di addestramento — un esempio è la società di camion a guida autonoma Waabi — ma il bisogno di questa tecnologia diventerà evidente soprattutto quando si inizieranno a collocare robot generalizzati nel mondo fisico. “Ci sono meno dati sulla robotica generalizzata. Nessuno sa quali saranno i corner case nel mondo reale”, ha osservato Sun.
Clienti e concorrenza
Pur venendo dal mondo accademico, senza curriculum da grandi compagnie della Silicon Valley, Sun e Liu sono già riusciti a generare ricavi e perfino a chiudere con un modesto profitto. La maggior parte dei soldi arriva dai casi d’uso legati alla guida autonoma, con clienti come il costruttore giapponese di camion Isuzu e l’azienda texana di trucking autonomo Bot Auto.
Nvidia è un altro cliente, secondo Sun. Le due società, insieme a T-Mobile, stanno lavorando a un pilota smart city gratuito per la città di San Jose dedicato alle operazioni di traffico ad alto livello. Laplace è inoltre nelle fasi iniziali di collaborazioni con partner che sviluppano robot umanoidi per i magazzini.
Oggi gran parte dei contratti con i clienti è a progetto, e l’azienda punta a trasformarli in ricavi ricorrenti. L’obiettivo di breve periodo — che la partecipazione al Disrupt dovrebbe aiutare a raggiungere — è raccogliere capitali e crescere per competere con i rivali. Il principale è Applied Intuition, startup in fase avanzata che ha raccolto finora 1,2 miliardi di dollari con una valutazione post-money di 15 miliardi. Tra i suoi clienti figura anche Isuzu.
Sun non appare troppo preoccupato. Ritiene che la metodologia centrale di Laplace — usare l’AI per testare l’AI — sia un “nuovo paradigma che cambia completamente il test dell’AI fisica”, trasformandolo in un “processo di test interattivo e dinamico”. “Quello sarà il nostro più grande vantaggio competitivo”, ha concluso.
