Laplace Intelligenceは、ロボットが道路や職場へ出る前に重大な誤りを見つけるAIの対戦相手を作ろうとしている。ミシガン大学発の同社は、試験エージェントが条件を変え、対象の反応を観察し、再探索する対話型シミュレーションを開発する。重要なのは映像の説得力ではなく、発見した失敗が現実でも意味を持つかだ。
同社はサンフランシスコで10月13～15日に開催されたTechCrunch DisruptのStartup Battlefield 200で、20社の競争参加企業として発表した。CEOのHowie Sunは、主任科学者Henry Liuと約1年前に設立し、売上、小幅黒字、Isuzu、Bot Auto、Nvidiaなどの顧客があるという。売上額、契約期間、更新率は非公開だ。
これは初期の商業的関心で、独立した安全認証ではない。大手との競争で、固定シナリオ集より適応的対戦相手が良い証拠を生み、物理検証を置き換えないことを示す必要がある。
まれな事象を待たず探す
レッドチームは現実の事故の前に意図的に弱点を探る。対象は自動運転、倉庫ロボット、交通システムだ。開発者は場所を再構築し、対象を入れ、自然言語で条件を変えられる。
一つの歩行者横断を反復する代わりに、時機、視界、道路形状、参加者行動を変える。午後の渋滞、異常な運転、難しい交差点を組み合わせ、方策の限界を探す。目的と制約は人間が定める。
Sunによれば衝突報告やニュースも手掛かりになる。しかし実行可能な状況へ変えることは自動的な事実再現ではない。時機や視界、意図が欠けていれば判断を記録し、生成した細部を観測事実にしてはいけない。
日常走行でまれな危険を集めるのは非効率だ。2023年の大学研究は自然条件で人間並みの安全を示すには数億マイルが必要になり得るとした。大半は平穏で、危険へ集中するのは試験当たりの情報を増やすためであり通常走行を無価値とはしない。
Natureの2023年研究は、行動の反応から学ぶ密な強化学習で安全上重要な環境に集中した。平穏な場合を除き、仮想危険と実車を物理試験場で接続した。3月23日号の表紙となり、研究場面では桁違いの加速を報告した。
別の2026年ニアミス研究はMcity試験で安全90%改善、必要走行距離99.9%削減を報告した。その研究設定の数字であり、Laplace製品の測定値でも全ロボットへの効果でもない。
世界モデルは描くだけでなく反応する
TechCrunchはNvidia Cosmosの後学習版を使うと報じた。後学習は広い初期学習後に特定作業へ適応することだ。Cosmos世界基盤モデルは文字、画像、映像などから物理環境を生成・予測し、合成データと試験に使える。
Laplaceは地図と参照を加える。Street Viewは外観、地図は縮尺と道路構造、交通情報は活動を支える。見栄えがよくても物体位置や規則が不可能なら有用な検証にならない。
対話性も重要だ。評価対象が行動で世界を変え、他の参加者が一貫して反応する必要がある。報道された実演でSunが車を対向交通へ向けると、別の車は重なって通過せず避けた。
そのループの上で試験エージェントは対象の限界を知る変更を選ぶ。密度、速度、視界、他者行動を変え、ためらい、違反、回復不能を観察して次の場面へつなぐ。
これがAIによるAI試験の機構だ。全組み合わせを人に予測させない適応探索が利点で、両側が誤ることが弱点になる。危険の見落とし、不自然な場面、現実へ移らない目的の最適化があり得る。
再現性は必須だ。世界の版、固定基準、詳細ログで修正後に同じ失敗を再実行する。場面が変わっただけで方策改善と見なさず、生成世界とロボットの誤りを分ける必要がある。
物理機械は証拠の責任を広げる
誤ったチャットが必ず機械を動かすわけではないが、物理AIは感知と判断を車両、貨物、人へ結ぶ。天候、照明、道路参加者、物体、人間の行動を事前にすべて制御できない。
Liuは無保護左折や歩行者への譲りを含む、人の免許試験に相当する能力試験を主張してきた。原稿は米国がメーカー自己認証へ強く依存し、欧州や中国の一部でより直接の第三者要件があるとする。すべての法域が同一制度という意味ではない。
試験は最低能力と良い証拠を示せても全事故を防げない。顧客、保険、規制、導入者は反復可能な方法と理解できる結果を必要とし、リアルな映像だけでは信頼基盤にならない。
汎用ロボットには走行企業より構造化事故データが少ない可能性がある。倉庫は場所や勤務ごとに配置、物、人、作業が変わる。通路閉塞、落下、人の突然の動きは高速道路と違う。
分野間移行には限界がある。車は衝突、規則、介入、倉庫は作業者距離、落下、完了、安全回復を見る。運転研究の成功は荷物を扱う人型の検証ではない。
特化手法と広い商用基盤
Applied Intuitionは自動車、防衛、トラック、装置向けにシミュレーション、検証、データ、組込みを提供する主要比較だ。2025年シリーズFは6億ドル、評価150億ドル。長期顧客は実績、支援、安全審査、統合を重視する。
Laplaceの入口は全シミュレーター交換でなく既存試験が逃した重大失敗だ。案件契約は収益と学習を生むが専用作業へ依存し得る。同社は反復ソフト売上と更新間の継続試験へ移りたいという。
SunはNvidiaを顧客に挙げる。両社とT-Mobileはサンノゼの無料スマートシティ実証で上位交通運営を扱い、倉庫人型も探索する。無料実証を有料契約と数えず、探索を広域実装としないことが重要だ。
WaabiのWaabi Worldは自社トラック用で、全開発者へ中立層を売るものではない。買い手は内部試験、広い基盤、公開ツール、専門レッドチームを併用できる。
NvidiaはCosmos供給、顧客との主張、実証協力という機会と依存を持ち、他社にも工具を提供する。Applied Intuitionや社内チームも対戦者を追加できる。Laplaceにはモデル上の差別化された探索知能と実用統合が必要だ。
失敗場面は機微な知財で、弱点を渡す前に所有とアクセスを定める必要がある。初期利益は支払意思であって継続採算の規模化の証明ではない。
現実との差が試験数の価値を決める
仮想世界はセンサー、物理、人間を単純化する。自然な見た目でも動きが不自然だったり、地域の交通習慣に反したりする。地図と反応する参加者は助けるが実験を不要にしない。
派手な衝突への報酬は、反復躊躇、不快な動き、業務停止、悪い退避を逃す。無限の誤報を調査できないため、もっともらしさ、重大度、新規性、再現性で順位を付ける。有限探索は既知の危険を繰り返し仮定外を逃すこともある。
最も強い証拠は未知の失敗を仮想で見つけ、実物で再現し、新たな問題なしに修正することだ。独立評価者、試験場、大学、保険、中立組織が生成、記録、人の設計を比較できる。
商業の三指標もそこから導かれる。案件から継続利用へ、仮想と物理結果をつなぐ公開証拠、大手が対応した後も残る優位または統合上の役割だ。
実物試験の代替を証明する必要はない。技術者がよりよい物理実験を選ぶ助けという方が信頼できる。重要な弱点一つで次の試験を正当化できるが、それは再現可能で妥当で、画面の外でも意味を持つ必要がある。