Laplace Intelligence somete a los robots y los coches sin conductor a pruebas de penetración (red-team) antes de que salgan al mundo real. La startup con sede en Ann Arbor, surgida de la Universidad de Míchigan, desarrolla pruebas automáticas de “equipo rojo” (red-teaming) para sistemas de inteligencia artificial física, haciéndolos fallar deliberadamente y revelando sus puntos débiles antes de su llegada al mundo real. El objetivo es detectar las debilidades a tiempo. La empresa es una de las 20 startups que participan en el concurso Startup Battlefield 200 del TechCrunch Disrupt, que se celebra en San Francisco del 13 al 15 de octubre, y realizará su presentación en el escenario de Disrupt la tarde del martes 13 de octubre.
Howie Sun, CEO y cofundador, afirmó que el incidente de OpenAI-Hugging Face demostró que los agentes de inteligencia artificial pueden ser impredecibles y que un fracaso de ese tipo no sería deseable en el mundo físico. Trabajó ocho años en el ámbito académico. Durante ese período, Sun, que ponía a prueba la inteligencia artificial de la conducción autónoma en simulación, publicó en 2023 un artículo escrito junto a Henry Liu, entonces su director de doctorado, y el estudio llegó a la portada de la revista Nature. A continuación, empezaron a recibir interés por parte de empresas de vehículos autónomos. El dúo fundó Laplace hace un año. El nombre de la empresa proviene del experimento mental “el demonio de Laplace”, de 1814, de Pierre-Simon Laplace.
En la base de Laplace se encuentran una simulación de alta fidelidad reconstruida a partir del mundo real y un agente de inteligencia artificial que busca debilidades constantemente. El sistema reconstruye la realidad. El entorno de simulación funciona como una versión post-entrenada de Cosmos, la plataforma de simulación de mundos de Nvidia. Se puede recrear cualquier entorno, desde una autopista de Arizona hasta un paso de peatones en París. El sistema toma como referencia imágenes de Google Street View. Se generan entornos fieles a la escala con datos cartográficos reales. Los desarrolladores pueden realizar cambios al instante mediante comandos de lenguaje, como el tráfico de la tarde. La empresa extrae datos de tráfico en tiempo real de proveedores de navegación como TomTom. Los demás vehículos también reaccionan. En una demostración, cuando el vehículo de prueba se desvió hacia el carril contrario, el otro vehículo evitó la colisión.
Su verdadera diferencia es que crea agentes que diseñan automáticamente escenarios difíciles y poco frecuentes (corner case). Estos agentes se basan en noticias e informes policiales de accidentes. Compila los escenarios a partir de distintas fuentes. Hoy oton
Por qué es importante
Una de las preguntas más difíciles para los equipos que desarrollan vehículos autónomos y robots es saber cómo reaccionará el sistema ante escenarios de accidentes poco frecuentes sin probarlo en la carretera real; el enfoque de Laplace intenta llenar ese vacío generando automáticamente en simulación los malos escenarios recopilados de informes policiales y noticias, es decir, la prueba de seguridad ya no queda limitada por la imaginación del humano que diseña la prueba. Que el trabajo de los fundadores haya llegado a la portada de Nature demuestra la base académica de la tecnología, y el interés procedente de las empresas de vehículos autónomos muestra que esto responde a una necesidad comercial. La referencia al incidente de OpenAI-Hugging Face refleja la preocupación de que el riesgo crecerá exponencialmente si la imprevisibilidad de los agentes de software se traslada a sistemas físicos. La pregunta que queda abierta es en qué medida las debilidades reveladas en la simulación pueden representar la seguridad en condiciones reales de carretera.
Contexto
Intelligence no es un nombre nuevo en el archivo de FikirPilot: en los últimos 90 días hemos publicado 6 noticias que mencionan este nombre; la más reciente es del 6 de octubre de 2026.
Término: agente
Un agente de inteligencia artificial es un software que, en lugar de generar una única respuesta, invoca herramientas y ejecuta tareas de múltiples pasos para alcanzar un objetivo.