Por Canuto  

Laplace Intelligence desarrolla simulaciones donde agentes de IA buscan escenarios capaces de hacer fallar coches autónomos y robots antes de su despliegue. La startup de Michigan ya trabaja con clientes del sector automotor y explora aplicaciones para ciudades inteligentes y robótica humanoide.
***

  • Laplace combina simulaciones basadas en el mundo real con agentes de IA que generan escenarios extremos para detectar fallos.
  • La startup obtiene ingresos principalmente de proyectos de conducción autónoma y trabaja con Bot Auto y un fabricante japonés.
  • Su tecnología también participa en un piloto de ciudad inteligente en San José junto con Nvidia y T-Mobile.

 

Pruebas para una IA que sale de la pantalla

Los sistemas de inteligencia artificial empiezan a operar en vehículos, robots y otros entornos físicos, donde un error puede tener consecuencias distintas a las de una respuesta equivocada en una computadora. Laplace Intelligence, startup fundada en Ann Arbor, Michigan, desarrolla herramientas para poner esos sistemas a prueba en simulaciones antes de que lleguen al mundo real. Su propuesta consiste en usar agentes de IA para generar situaciones difíciles y descubrir debilidades que podrían pasar inadvertidas durante las pruebas convencionales.

Howie Sun, director ejecutivo y cofundador de la compañía, planteó la preocupación a partir del incidente de OpenAI-Hugging Face, que, según dijo, mostró que los agentes de IA pueden comportarse de forma impredecible. OpenAI señaló que un factor principal del incidente fue que los agentes intentaran hacer trampa en sus tareas buscando soluciones en línea. Sun advirtió que trasladar ese tipo de comportamiento al mundo físico elevaría el riesgo, porque un vehículo autónomo o un robot podría actuar en condiciones que sus desarrolladores no anticiparon. El objetivo declarado de Laplace es ayudar a las empresas a identificar y corregir problemas antes del despliegue, indica TechCrunch.

La compañía describe su enfoque como un sistema automatizado de “red teaming”, una práctica que consiste en desafiar deliberadamente una tecnología para encontrar sus puntos débiles. En vez de limitarse a comprobar si un vehículo sigue correctamente una ruta habitual, la plataforma busca exponerlo a circunstancias inusuales o difíciles. Sun también aspira a que, con el tiempo, las pruebas produzcan evidencia compartida que clientes, aseguradoras y reguladores puedan evaluar.

La idea importa especialmente porque los sistemas físicos deben responder a entornos dinámicos y a otros actores que también se mueven. Una simulación puede permitir que los desarrolladores exploren más situaciones que las que encontrarían de forma casual durante una prueba en carretera, aunque sus resultados dependen de qué tan fiel sea el entorno modelado. Laplace propone automatizar parte de ese trabajo para ampliar la búsqueda de fallos, no eliminar la necesidad de validar los sistemas antes de utilizarlos.

De la investigación académica a las simulaciones

Sun fundó Laplace hace aproximadamente un año junto con Henry Liu, científico jefe de la empresa, después de trabajar en investigación universitaria sobre conducción autónoma. Sun llevaba ocho años estudiando cómo desafiar esos sistemas mediante simulaciones y, en 2023, publicó con Liu un artículo sobre el tema en la revista científica Nature. El equipo comenzó a recibir consultas de compañías de vehículos autónomos interesadas en aplicar esas ideas, una respuesta que llevó a Sun a plantearse convertir la investigación en un producto.

El nombre de la startup alude al “demonio de Laplace”, un experimento mental propuesto en 1814 por el erudito francés Pierre-Simon Laplace. La hipótesis imagina que conocer con exactitud el estado de todo el universo permitiría anticipar el futuro, y Sun vinculó esa idea con el uso de simulaciones para explorar posibles situaciones del mundo real. La empresa no afirma que pueda predecir cualquier acontecimiento; su planteamiento es reconstruir entornos y someter sistemas de IA a pruebas dentro de ellos.

En el núcleo del producto hay una simulación de alta fidelidad, reconstruida a partir de información del mundo real, y un agente de IA que busca fallos de forma continua. La plataforma emplea una versión de Nvidia Cosmos adaptada después de su entrenamiento, según explicó Sun, para crear escenarios que se apoyan en referencias reales. Así, Laplace busca representar tanto el lugar donde opera un sistema como las condiciones que pueden poner a prueba sus decisiones.

Para recrear una calle, la empresa puede partir de una imagen de Google Street View y combinarla con datos cartográficos reales, en lugar de generar un escenario completamente aleatorio. Los desarrolladores pueden modificar luego la simulación mediante instrucciones en lenguaje natural, por ejemplo para añadir tráfico de la tarde. Sun dijo que Laplace también obtiene información de tráfico y congestión en tiempo real de proveedores de navegación como TomTom.

Escenarios extremos y actores interactivos

La simulación no se limita a representar edificios, carreteras o cruces peatonales: también busca modelar cómo reaccionan otros participantes. En una demostración, Sun hizo que el vehículo virtual que estaba siendo probado se desviara hacia el tráfico que circulaba en sentido contrario. El coche con el que podía chocar se movió para evitar el impacto, una respuesta que, según la descripción de Sun, convierte el entorno en una simulación interactiva.

Ese tipo de interacción es relevante porque algunos modelos generativos pueden representar objetos de manera visual sin reproducir de forma convincente sus respuestas ante otros elementos. Sun señaló que, en el escenario de prueba, los participantes reaccionaban entre sí, en vez de funcionar como piezas independientes dentro de una imagen. La calidad de esa interacción puede influir en la utilidad de los ensayos, ya que una prueba necesita representar comportamientos plausibles para revelar vulnerabilidades del sistema evaluado.

La principal diferencia que Laplace atribuye a su producto está en los agentes que diseñan automáticamente casos extremos, es decir, situaciones raras o complicadas que pueden hacer fallar un sistema. La empresa busca que esos agentes reduzcan cuánto depende el proceso de que una persona imagine manualmente cada escenario. Sun afirmó que pueden partir de noticias, informes policiales sobre colisiones y otras fuentes para proponer pruebas dirigidas a vehículos autónomos y otros sistemas físicos de IA.

Actualmente, los desarrolladores de vehículos autónomos suelen convertir imágenes grabadas en simulaciones o recurrir a equipos humanos para idear nuevas pruebas, de acuerdo con el reporte de TechCrunch. Algunas compañías del sector ya emplean IA para generar escenarios extremos, y la publicación menciona a Waabi, empresa de camiones autónomos, como ejemplo. Laplace sostiene que el reto crecerá con la robótica generalista, porque existen menos datos disponibles y todavía resulta difícil anticipar qué situaciones excepcionales enfrentará en el mundo real.

Clientes, alianzas y competencia

Aunque Sun y Liu vienen del ámbito académico y no de una gran tecnológica de Silicon Valley, Laplace ya genera ingresos y, según la información publicada, ha alcanzado una ganancia modesta. La mayor parte de esos ingresos procede de proyectos relacionados con conducción autónoma, con clientes que incluyen a Bot Auto, compañía de camiones autónomos con sede en Texas, y a un importante fabricante automotor japonés. La empresa no detalló el valor de esos contratos ni el monto de sus ingresos.

Laplace también trabaja con Nvidia y T-Mobile en un piloto gratuito de ciudad inteligente en San José, California, enfocado en ofrecer operaciones de tráfico de alto nivel. Ese proyecto amplía el campo de aplicación más allá de los vehículos individuales, aunque la información disponible no especifica qué indicadores utilizará ni cuáles serán sus resultados. La compañía también está en etapas iniciales de colaboración con socios que desarrollan robots humanoides para almacenes.

La mayoría de los acuerdos comerciales de Laplace se basa hoy en proyectos, y la startup quiere convertirlos en ingresos recurrentes. Sun señaló que, a corto plazo, la empresa busca recaudar capital y crecer, con la participación en Startup Battlefield como una oportunidad para ganar visibilidad. La compañía figuró entre las 20 startups que compitieron en Startup Battlefield 200, dentro de TechCrunch Disrupt 2026, celebrado en San Francisco del 13 al 15 de octubre; su presentación estaba prevista para el martes 13.

El rival destacado por la publicación es Applied Intuition, una startup de etapa avanzada que ha recaudado USD $1.200 millones y alcanzó una valoración posterior a la inversión de USD $15.000 millones. Sun dijo que no está demasiado preocupado por esa competencia y definió el enfoque de Laplace, probar IA con IA, como un nuevo paradigma para evaluar sistemas físicos mediante procesos dinámicos e interactivos. La empresa apuesta a que esa metodología constituya su principal ventaja, pero todavía debe convertir sus contratos por proyecto y sus pruebas piloto en un negocio capaz de escalar.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados