Laplace Intelligence, robotları ve sürücüsüz otomobilleri gerçek dünyaya çıkmadan önce sızma testlerinden (red-team) geçiriyor. Michigan Üniversitesi’nden çıkan Ann Arbor merkezli girişim, fiziksel yapay zekâ sistemleri için otomatik “kırmızı takım” (red-teaming) testleri geliştirerek onları kasıtlı biçimde başarısızlığa uğratıyor ve zayıf noktalarını gerçek dünyaya çıkmadan önce ortaya çıkarıyor. Amaç, zayıflıkları erkenden bulmak. Şirket, San Francisco’da 13-15 Ekim’de düzenlenen TechCrunch Disrupt’taki Startup Battlefield 200 yarışmasına katılan 20 girişimden biri ve 13 Ekim Salı öğleden sonra Disrupt sahnesinde sunum yapacak.
CEO ve kurucu ortak Howie Sun, OpenAI-Hugging Face olayının yapay zekâ ajanlarının öngörülemez olabildiğini gösterdiğini ve fiziksel dünyada böyle bir başarısızlığın istenmeyeceğini söyledi. Akademide sekiz yıl çalıştı. Bu dönemde otonom sürüş yapay zekâsını simülasyonda zorlayan Sun, 2023’te o dönem doktora danışmanı olan Henry Liu ile yazdığı makaleyi yayımladı ve çalışma Nature dergisinin kapağına çıktı. Ardından otonom araç şirketlerinden ilgi görmeye başladılar. İkili bir yıl önce Laplace’ı kurdu. Şirketin adı, Pierre-Simon Laplace’ın 1814 tarihli “Laplace’ın iblisi” düşünce deneyinden geliyor.
Laplace’ın temelinde gerçek dünyadan yeniden inşa edilen yüksek doğruluklu bir simülasyon ile sürekli zayıflık arayan bir yapay zekâ ajanı bulunuyor. Sistem gerçekliği yeniden kuruyor. Simülasyon ortamı, Nvidia’nın Cosmos dünya simülasyon platformunun sonradan eğitilmiş bir sürümü olarak çalışıyor. Bir Arizona otoyolundan Paris’teki yaya geçidine kadar her ortam yeniden oluşturulabiliyor. Sistem, Google Street View görüntülerini referans alıyor. Gerçek harita verileriyle ölçeğine sadık ortamlar üretiliyor. Geliştiriciler, dil komutlarıyla öğleden sonra trafiği gibi değişiklikleri anlık yapabiliyor. Şirket, TomTom gibi navigasyon sağlayıcılarından gerçek zamanlı trafik verisi çekiyor. Diğer araçlar da tepki veriyor. Bir demoda test aracı karşı şeride savrulunca diğer araç çarpışmadan kaçındı.
Asıl farkı, zorlu ve nadir senaryoları (corner case) otomatik tasarlayan ajanlar yaratıyor. Bu ajanlar haberlerden ve polis kaza raporlarından yararlanıyor. Senaryoları farklı kaynaklardan derliyor. Bugün oton
Neden önemli
Otonom araç ve robot geliştiren ekiplerin en zor sorularından biri, sistemin nadir görülen kaza senaryolarına nasıl tepki vereceğini gerçek yolda denemeden bilebilmek; Laplace’ın yaklaşımı bu boşluğu, polis raporları ve haberlerden derlenen kötü senaryoları simülasyonda otomatik üreterek doldurmaya çalışıyor, yani güvenlik testi artık testi tasarlayan insanın hayal gücüyle sınırlı kalmıyor. Kurucuların çalışmasının Nature kapağına çıkması teknolojinin akademik temelini, otonom araç şirketlerinden gelen ilgi ise bunun ticari bir ihtiyaca denk düştüğünü gösteriyor. OpenAI-Hugging Face olayına yapılan atıf, yazılım ajanlarındaki öngörülemezliğin fiziksel sistemlere taşınması halinde riskin katlanarak büyüyeceği kaygısını yansıtıyor. Açık kalan soru ise simülasyonda ortaya çıkarılan zayıflıkların gerçek yol koşullarındaki güvenliği ne ölçüde temsil edebileceği.
Arka plan
Intelligence, FikirPilot arşivinde yeni bir ad değil: son 90 günde bu adın geçtiği 6 haber yayımladık; en yenisi 6 Ekim 2026 tarihli.
Terim: ajan
Yapay zekâ ajanı, tek bir yanıt üretmek yerine hedefe ulaşmak için araç çağırıp çok adımlı iş yürüten yazılımdır.