Laplace Intelligence dùng AI kiểm thử robot và xe tự hành trước khi ra thực tế

Startup Laplace Intelligence tách ra từ Đại học Michigan đang xây dựng giải pháp red-teaming tự động — tức kiểm thử căng thẳng bằng cách cố tình tìm cách khiến hệ thống thất bại — cho robot và AI vật lý. Công ty đặt cược rằng cách duy nhất để đảm bảo an toàn cho AI vật lý là dùng chính AI để kiểm thử nó.

Minh họa hệ thống AI vật lý

Bài học từ sự cố OpenAI và Hugging Face

Nếu có một bài học từ sự cố giữa OpenAI và Hugging Face, thì đó là các tác nhân AI có thể hành xử khó lường.

"Hãy tưởng tượng nếu điều gì đó tương tự xảy ra trong thế giới vật lý. Các tác nhân AI đang chuyển từ máy tính ra thế giới thực, và chúng ta thực sự không muốn AI vật lý thất bại ngoài đời thực."

Đó là chia sẻ của Howie Sun, CEO kiêm đồng sáng lập Laplace Intelligence, với TechCrunch. Công ty có trụ sở tại Ann Arbor này đang xây dựng giải pháp red-teaming tự động cho robot và AI vật lý.

"Mục tiêu của chúng tôi là giúp các công ty phát hiện và khắc phục vấn đề trước khi triển khai — và theo thời gian, xây dựng một nền tảng bằng chứng chung mà khách hàng, đơn vị bảo hiểm và cơ quan quản lý có thể tin tưởng", Sun nói.

Laplace là một trong 20 startup tranh tài tại Startup Battlefield, cuộc thi gọi vốn kéo dài ba ngày của TechCrunch Disrupt ở trung tâm San Francisco.

Từ nghiên cứu học thuật đến sản phẩm thực tế

Sun cùng đồng sáng lập kiêm nhà khoa học trưởng Henry Liu thành lập Laplace cách đây một năm từ Đại học Michigan. Sun đã dành tám năm trong giới học thuật nghiên cứu cách thách thức AI lái xe tự hành trong môi trường mô phỏng.

Năm 2023, ông và Liu — người từng là cố vấn tiến sĩ của ông — công bố một bài báo về chủ đề này và lọt lên trang bìa của tạp chí khoa học hàng đầu Nature. Đó là lúc các công ty xe tự hành bắt đầu liên hệ để muốn triển khai ý tưởng của họ.

"Tôi nhận ra mình muốn xây dựng điều này và đưa nó từ nghiên cứu thuần học thuật thành một sản phẩm hữu ích ngoài thực tế", Sun nói.

Lấy nền tảng từ nghiên cứu học thuật, Sun và Liu xây dựng Laplace — được đặt tên theo "con quỷ Laplace", một thí nghiệm tư tưởng năm 1814 của học giả người Pháp Pierre-Simon Laplace, hình dung rằng nếu biết chính xác trạng thái của mọi thứ trong vũ trụ, ta có thể dự đoán tương lai với độ chính xác tuyệt đối.

"Về cơ bản, chúng tôi dùng mô phỏng để dự đoán tương lai của thế giới thực", Sun nói.

Cách công nghệ vận hành

Cốt lõi của startup là một mô phỏng độ trung thực cao được tái tạo từ thế giới thực, kết hợp với một tác nhân AI liên tục dò tìm điểm yếu và điểm thất bại. Mục tiêu là đảm bảo mọi AI vật lý — dù là robot, xe tự hành hay giải pháp thành phố thông minh — đều an toàn trong mô phỏng trước khi triển khai ngoài thực tế.

Môi trường mô phỏng là phiên bản được huấn luyện thêm của Cosmos do Nvidia phát triển — một nền tảng mô phỏng thế giới bằng AI — được neo vào thế giới thực, cho phép Laplace tái tạo mọi thứ từ xa lộ ở Arizona đến lối qua đường dành cho người đi bộ ở Paris. Các mô phỏng được tạo ra bằng cách pha trộn nhiều nguồn thông tin thực tế khác nhau. Một hình ảnh Google Street View có thể đóng vai trò tham chiếu để tạo ra cả một con phố. Nhưng thay vì tạo ra thứ gì đó ngẫu nhiên, trình mô phỏng kết hợp dữ liệu bản đồ thực để tái tạo môi trường đúng tỷ lệ.

Mô phỏng môi trường giao thông thực tế

Lập trình viên sau đó có thể dùng câu lệnh ngôn ngữ để thay đổi bối cảnh theo thời gian thực, chẳng hạn thêm giao thông giờ cao điểm buổi chiều. Sun cho biết Laplace lấy thông tin giao thông và ùn tắc theo thời gian thực từ các nhà cung cấp dẫn đường như TomTom.

Trong mô phỏng của Laplace, không chỉ môi trường được mô phỏng mà cả hành vi của các tác nhân khác. Ví dụ, trong một buổi demo, Sun điều khiển xe kiểm thử lao sang làn ngược chiều. Chiếc xe lẽ ra bị đâm — hoặc bị chạy xuyên qua, như thường thấy ở một số mô hình thế giới tạo sinh — đã né sang một bên để tránh va chạm.

"Đây thực sự là một môi trường mô phỏng tương tác. Mọi thứ đều phản ứng với mọi thứ. Điều này giống một mô hình thế giới với các bên tham gia tương tác hơn", Sun nói.

Điểm khác biệt: AI tự thiết kế tình huống éo le

Dù môi trường mô phỏng là phần quan trọng của sản phẩm, điểm bán hàng độc đáo thực sự là các tác nhân AI mà startup đang phát triển để tự động thiết kế các tình huống biên — những kịch bản hiếm gặp, khó xử có thể khiến hệ thống AI mắc lỗi — qua đó đưa con người ra khỏi vòng lặp ngày càng nhiều.

"Chúng có thể thiết kế dựa trên tin tức, báo cáo cảnh sát về va chạm — mọi loại thông tin để chủ động thách thức xe tự hành và các tác nhân AI vật lý khác", Sun nói.

Hiện nay, các nhà phát triển xe tự hành chủ yếu huấn luyện AI xử lý các tình huống biên bằng cảnh quay ghi lại rồi biến nó thành mô phỏng, hoặc dựa vào con người để nghĩ ra ý tưởng mới và thiết kế. Dù nhiều công ty xe tự hành đã bắt đầu đón nhận AI để tạo tình huống biên cho huấn luyện — như công ty xe tải tự hành Waabi — nhu cầu về công nghệ kiểu này sẽ thực sự rõ ràng khi chúng ta bắt đầu đưa robot tổng quát ra thế giới thực.

"Có ít dữ liệu hơn về robot tổng quát. Không ai biết các tình huống biên ngoài thực tế sẽ là gì", Sun nói.

Đã có doanh thu và lợi nhuận khiêm tốn

Dù Sun và Liu xuất thân từ học thuật, không có lý lịch hào nhoáng từ các công ty công nghệ Thung lũng Silicon, hai người đã tạo được doanh thu và thậm chí có lợi nhuận khiêm tốn. Phần lớn tiền đến từ các trường hợp sử dụng xe tự hành, với khách hàng gồm nhà sản xuất xe tải Nhật Bản Isuzu và công ty xe tải tự hành Bot Auto có trụ sở tại Texas.

Sun cho biết Nvidia cũng là khách hàng. Hai công ty, cùng với T-Mobile, đang hợp tác trong một dự án thí điểm thành phố thông minh miễn phí cho thành phố San Jose nhằm cung cấp hoạt động giao thông cấp cao. Laplace cũng đang trong giai đoạn đầu làm việc với các đối tác xây dựng robot hình người cho nhà kho.

Hầu hết hợp đồng khách hàng của Laplace hiện nay theo dạng dự án, và công ty đang hướng tới biến nó thành doanh thu định kỳ. Mục tiêu ngắn hạn — mà công ty hy vọng sẽ được hỗ trợ nhờ tranh tài tại Disrupt — là gọi vốn và mở rộng quy mô để cạnh tranh với các đối thủ.

Đối thủ và lợi thế cạnh tranh

Đối thủ chính là Applied Intuition, một startup giai đoạn muộn đình đám đã gọi được 1,2 tỷ USD với định giá sau gọi vốn 15 tỷ USD. Isuzu cũng là khách hàng của Applied.

Sun không quá lo lắng. Ông tin rằng phương pháp cốt lõi của Laplace — dùng AI để kiểm thử AI — là một "mô hình mới thay đổi hoàn toàn cách kiểm thử AI vật lý", biến nó thành một "quá trình kiểm thử động, tương tác".

"Đó sẽ là lợi thế cạnh tranh lớn nhất", ông nói.