Laplace Intelligenceは、ロボットや自動運転車を実世界に投入する前に、侵入テスト（red-team）にかけている。ミシガン大学発でAnn Arborに本拠を置くこのスタートアップは、物理AIシステム向けの自動「レッドチーム」（red-teaming）テストを開発し、こうしたシステムを意図的に失敗させることで、実世界に出る前に弱点を明らかにしている。目的は、弱点を早期に見つけることだ。同社は、San Franciscoで10月13日〜15日に開催されるTechCrunch DisruptのStartup Battlefield 200コンテストに参加する20社のスタートアップのうちの1社で、10月13日火曜日の午後にDisruptのステージでプレゼンテーションを行う。
CEOで共同創業者のHowie Sunは、OpenAI-Hugging Faceの出来事がAIエージェントが予測不能になり得ることを示したとし、物理世界でこのような失敗が起きることは望ましくないと述べた。同氏は学術界で8年間働いた。この間、シミュレーションで自動運転AIを限界まで試していたSunは、2023年に当時博士課程の指導教官だったHenry Liuと執筆した論文を発表し、その研究はNature誌の表紙を飾った。その後、自動運転車企業から関心を集めるようになった。両氏は1年前にLaplaceを設立した。社名は、Pierre-Simon Laplaceの1814年の思考実験「ラプラスの悪魔」に由来する。
Laplaceの中核にあるのは、実世界から再構築された高精度なシミュレーションと、継続的に弱点を探し続けるAIエージェントだ。システムは現実を再構築する。シミュレーション環境は、NvidiaのCosmosワールドシミュレーションプラットフォームを事後学習したバージョンとして動作する。アリゾナの高速道路からパリの横断歩道まで、あらゆる環境を再現できる。システムはGoogle Street Viewの画像を参照している。実際の地図データを用いて、縮尺に忠実な環境が生成される。開発者は言語コマンドで、午後の交通状況といった変更を即座に加えることができる。同社はTomTomのようなナビゲーション事業者からリアルタイムの交通データを取得している。他の車両も反応する。あるデモでは、テスト車両が対向車線にそれると、もう1台の車両が衝突を回避した。
最大の特徴は、困難で稀なシナリオ（corner case）を自動的に設計するエージェントを生み出す点だ。これらのエージェントはニュースや警察の事故報告書を活用している。シナリオを複数の情報源から集約している。現在、自動
なぜ重要なのか
自動運転車やロボットを開発するチームにとって最も難しい問いの1つは、システムが稀に起こる事故シナリオにどう反応するかを、実際の道路で試すことなく知ることだ。Laplaceのアプローチは、警察の報告書やニュースから集められた最悪のシナリオをシミュレーション上で自動的に生成することで、この空白を埋めようとしている。つまり、安全性テストはもはや、テストを設計する人間の想像力によって制限されない。創設者たちの研究がNatureの表紙を飾ったことはこの技術の学術的基盤を、自動運転車企業から寄せられる関心は、これが商業的なニーズに合致していることを示している。OpenAI-Hugging Faceの事例への言及は、ソフトウェアエージェントにおける予測不可能性が物理的なシステムに持ち込まれた場合、リスクが倍増して大きくなるという懸念を反映している。残されている問いは、シミュレーションで明らかにされた弱点が、実際の道路状況における安全性をどの程度代表しうるかだ。
背景
IntelligenceはFikirPilotのアーカイブでは新しい名前ではない。過去90日間でこの名前が登場する記事を6本掲載しており、最新のものは2026年10月6日付だ。
用語：エージェント
AIエージェントとは、単一の応答を生成する代わりに、目標を達成するためにツールを呼び出し、複数のステップからなる作業を実行するソフトウェアだ。