Laplace Intelligence: Dùng AI để kiểm thử robot và xe tự hành trước khi ra thế giới thực

Sự cố giữa OpenAI và Hugging Face đã cho thấy các tác nhân AI có thể hành xử khó lường đến mức nào. Câu hỏi đặt ra là điều gì sẽ xảy ra nếu kịch bản tương tự diễn ra trong thế giới vật lý — nơi một sai sót có thể gây hậu quả thực sự. Đó chính là khoảng trống mà Laplace Intelligence, startup đến từ Đại học Michigan, đang cố gắng lấp đầy bằng cách dùng AI để kiểm thử chính AI vật lý.

Đội ngũ Laplace Intelligence

Kiểm thử tự động cho AI vật lý

Laplace xây dựng giải pháp red-teaming tự động — về bản chất là liên tục tấn công, tìm cách làm hệ thống thất bại — dành riêng cho robot và AI vật lý. Công ty đặt cược rằng cách duy nhất để đảm bảo an toàn là để AI kiểm tra AI.

"Chúng tôi muốn giúp doanh nghiệp phát hiện và khắc phục vấn đề trước khi triển khai, và về lâu dài xây dựng nền tảng bằng chứng chung mà khách hàng, hãng bảo hiểm và cơ quan quản lý có thể tin tưởng."

Howie Sun, CEO kiêm đồng sáng lập, cho biết như vậy trong trao đổi với TechCrunch.

Sun cùng nhà đồng sáng lập kiêm giám đốc khoa học Henry Liu thành lập Laplace cách đây một năm từ Đại học Michigan. Trong tám năm nghiên cứu hàn lâm, Sun tìm cách thách thức AI lái tự động trong môi trường mô phỏng. Năm 2023, ông và Liu — khi đó là người hướng dẫn tiến sĩ của ông — công bố một bài báo được đưa lên trang bìa tạp chí Nature. Từ đó, các công ty xe tự hành bắt đầu liên hệ với mong muốn ứng dụng ý tưởng này.

Mô phỏng độ trung thực cao và tác nhân AI chủ động

Cốt lõi sản phẩm là một môi trường mô phỏng độ trung thực cao được tái dựng từ thế giới thực, kết hợp với tác nhân AI liên tục dò tìm điểm yếu. Môi trường này dựa trên phiên bản hậu huấn luyện của Cosmos — nền tảng mô phỏng thế giới của Nvidia — cho phép tái tạo mọi bối cảnh, từ đường cao tốc ở Arizona đến vạch sang đường ở Paris.

Các mô phỏng được tạo bằng cách kết hợp nhiều nguồn dữ liệu thực: một ảnh Google Street View có thể là điểm tham chiếu để dựng lại toàn bộ con phố với tỷ lệ chính xác. Nhà phát triển có thể dùng câu lệnh ngôn ngữ tự nhiên để thay đổi bối cảnh theo thời gian thực, chẳng hạn thêm kịch bản giao thông buổi chiều. Laplace còn lấy dữ liệu ùn tắc trực tiếp từ các nhà cung cấp bản đồ như TomTom.

Điểm khác biệt nằm ở chỗ không chỉ môi trường được mô phỏng mà cả hành vi của các đối tượng khác. Trong một buổi demo, Sun yêu cầu xe thử nghiệm lao sang làn ngược chiều. Chiếc xe lẽ ra bị tông — thường bị xuyên qua trong nhiều mô hình thế giới tạo sinh — đã chủ động né tránh.

"Đây thực sự là một môi trường mô phỏng tương tác. Mọi thứ đều phản ứng với mọi thứ… Giống như một mô hình thế giới có các bên tham gia tương tác vậy."

Tác nhân AI tự thiết kế các tình huống hiểm hóc

Lợi thế cạnh tranh cốt lõi của Laplace chính là các tác nhân AI có khả năng tự động thiết kế corner case — những tình huống hiếm gặp và oái oăm có thể khiến hệ thống AI mất kiểm soát — qua đó giảm dần vai trò của con người trong quy trình.

Theo Sun, các tác nhân này có thể thiết kế kịch bản dựa trên tin tức, báo cáo tai nạn của cảnh sát và nhiều nguồn thông tin khác để chủ động thách thức xe tự hành.

Mô phỏng tương tác của Laplace Intelligence

Hiện nay, phần lớn nhà phát triển xe tự hành huấn luyện AI xử lý các tình huống biên bằng cách chuyển video ghi lại thành mô phỏng, hoặc dựa vào con người nghĩ ra kịch bản mới. Nhu cầu về công nghệ kiểu này sẽ càng rõ rệt khi robot đa dụng bắt đầu xuất hiện trong thế giới thực.

"Dữ liệu về robot đa dụng còn ít hơn nhiều. Không ai biết các tình huống biên trong thế giới thực sẽ là gì."

Từ hàn lâm đến doanh nghiệp có lãi

Dù xuất thân từ môi trường hàn lâm và không có lý lịch từ các công ty công nghệ lớn ở Thung lũng Silicon, Sun và Liu đã xây dựng được doanh thu và thậm chí có lãi khiêm tốn. Phần lớn nguồn thu đến từ các ca sử dụng xe tự hành, với khách hàng gồm Bot Auto (hãng xe tải tự hành ở Texas) và một nhà sản xuất ô tô lớn của Nhật Bản.

Laplace cũng đang hợp tác với Nvidia và T-Mobile trong dự án thí điểm thành phố thông minh miễn phí tại San Jose, California, nhằm cung cấp giải pháp vận hành giao thông cấp cao. Công ty đang trong giai đoạn đầu làm việc với các đối tác xây dựng robot hình người cho nhà kho.

Hầu hết hợp đồng hiện nay mang tính theo dự án, và Laplace đang hướng tới mô hình doanh thu định kỳ. Mục tiêu ngắn hạn — hy vọng được hỗ trợ nhờ cuộc thi tại Disrupt — là gọi vốn và mở rộng quy mô để cạnh tranh với các đối thủ.

Cạnh tranh và tham vọng

Đối thủ đáng gờm nhất là Applied Intuition, startup giai đoạn muộn đã huy động 1,2 tỷ USD với định giá 15 tỷ USD sau gọi vốn. Tuy vậy, Sun không quá lo lắng. Ông tin rằng phương pháp luận cốt lõi — dùng AI để kiểm thử AI — là một hình mẫu mới thay đổi hoàn toàn cách kiểm thử AI vật lý, biến nó thành một quá trình động và tương tác.

"Đó sẽ là hào bảo vệ lớn nhất của chúng tôi."

Laplace Intelligence nằm trong nhóm 20 startup tranh tài tại Startup Battlefield 200, cuộc thi gọi vốn diễn ra trong khuôn khổ TechCrunch Disrupt tại San Francisco từ ngày 13 đến 15 tháng 10, và sẽ trình bày trên sân khấu Disrupt vào chiều thứ Ba, ngày 13/10.

Với bối cảnh Việt Nam đang đẩy mạnh thử nghiệm xe tự hành và các dự án thành phố thông minh, những giải pháp kiểm thử an toàn trước khi triển khai như của Laplace có thể là bài học tham khảo đáng chú ý cho các doanh nghiệp công nghệ trong nước.