Laplace Intelligence проводит роботов и беспилотные автомобили через тесты на проникновение (red-team) до их выхода в реальный мир. Стартап из Анн-Арбора, выросший из Мичиганского университета, разрабатывает автоматические тесты «красной команды» (red-teaming) для физических систем ИИ, намеренно доводя их до отказа и выявляя слабые места до выхода в реальный мир. Цель — обнаружить уязвимости заранее. Компания входит в число 20 стартапов, участвующих в конкурсе Startup Battlefield 200 на TechCrunch Disrupt, который проходит в Сан-Франциско с 13 по 15 октября, и выступит с презентацией на сцене Disrupt во вторник, 13 октября, во второй половине дня.
CEO и соучредитель Howie Sun заявил, что инцидент с OpenAI и Hugging Face показал, что ИИ-агенты могут быть непредсказуемыми, и что подобный сбой в физическом мире нежелателен. Он восемь лет проработал в академической среде. В этот период Sun, испытывавший на прочность ИИ автономного вождения в симуляциях, в 2023 году опубликовал статью, написанную вместе с Henry Liu, который в то время был его научным руководителем по докторантуре, и работа попала на обложку журнала Nature. После этого ими начали интересоваться компании, занимающиеся автономными автомобилями. Дуэт основал Laplace год назад. Название компании происходит от мысленного эксперимента Pierre-Simon Laplace 1814 года — «демона Лапласа».
В основе Laplace лежат высокоточная симуляция, воссозданная по реальному миру, и агент ИИ, который непрерывно ищет уязвимости. Система воссоздаёт реальность. Симуляционная среда работает как дообученная версия платформы моделирования мира Cosmos от Nvidia. Можно воссоздать любую среду — от шоссе в Аризоне до пешеходного перехода в Париже. Система опирается на изображения Google Street View. На основе реальных картографических данных создаются среды с точным соблюдением масштаба. Разработчики могут мгновенно вносить такие изменения, как послеполуденный трафик, с помощью языковых команд. Компания получает данные о дорожном движении в реальном времени от навигационных провайдеров, таких как TomTom. Другие автомобили также реагируют. В одной из демонстраций, когда тестовый автомобиль вынесло на встречную полосу, другой автомобиль уклонился от столкновения.
Главное отличие — она создаёт агентов, которые автоматически проектируют сложные и редкие сценарии (corner case). Эти агенты используют новости и полицейские отчёты о ДТП. Они собирают сценарии из разных источников. Сегодня автон
Почему это важно
Один из самых сложных вопросов для команд, разрабатывающих автономные автомобили и роботов, — узнать, как система отреагирует на редкие аварийные сценарии, не испытывая её на реальной дороге; подход Laplace пытается заполнить этот пробел, автоматически генерируя в симуляции негативные сценарии, собранные из полицейских отчётов и новостей, то есть тестирование безопасности больше не ограничено воображением человека, проектирующего тест. Выход работы основателей на обложку Nature показывает академическую основу технологии, а интерес со стороны компаний, занимающихся автономными автомобилями, — что это отвечает коммерческой потребности. Ссылка на инцидент OpenAI-Hugging Face отражает опасение, что при переносе непредсказуемости программных агентов в физические системы риск вырастет многократно. Открытым остаётся вопрос о том, в какой мере слабые места, выявленные в симуляции, могут отражать безопасность в реальных дорожных условиях.
Предыстория
Intelligence — не новое имя в архиве FikirPilot: за последние 90 дней мы опубликовали 6 новостей, в которых упоминается это имя; самая свежая — от 6 октября 2026 года.
Термин: агент
Агент искусственного интеллекта — это программное обеспечение, которое вместо того, чтобы выдавать единственный ответ, вызывает инструменты и выполняет многошаговую работу для достижения цели.