لاپلاس اینتلیجنس ربات‌ها و ماشین‌های خودران را قبل از اینکه به دنیای واقعی برسند، تشکیل می‌دهند

اگر یک درسی که حادثه OpenAI-Hugging Face به ما آموخت، این است که عوامل هوش مصنوعی می توانند غیرقابل پیش بینی باشند.

هاوی سان، مدیرعامل و یکی از بنیانگذاران هوش لاپلاس، به TechCrunch گفت: «تصور کنید اگر چنین چیزی در دنیای فیزیکی اتفاق بیفتد. "عوامل AI در حال حرکت از رایانه ها به دنیای واقعی هستند و ما واقعا نمی خواهیم هوش مصنوعی فیزیکی در دنیای واقعی شکست بخورد."

لاپلاس مستقر در Ann Arbor در حال ساخت تیم قرمز خودکار - اساسا آزمایش استرس یک سیستم با تلاش عمدی برای شکست آن - برای رباتیک و هوش مصنوعی فیزیکی است. این شرکت شرط می‌بندد که تنها راه برای اطمینان از ایمن بودن هوش مصنوعی آزمایش هوش مصنوعی آن است.

سان گفت: «هدف ما کمک به شرکت‌ها برای کشف و رفع مشکلات قبل از استقرار است - و در طول زمان، پایه‌ای مشترک از شواهدی ایجاد کنیم که مشتریان، بیمه‌گران و قانون‌گذاران بتوانند به آن اعتماد کنند.»

لاپلاس یکی از 20 استارت آپی است که در Startup Battlefield، رقابت سه روزه TechCrunch Disrupt در مرکز شهر سانفرانسیسکو با هم رقابت می کنند. بعدازظهر دوشنبه 13 اکتبر در استیج Startup Battlefield ارائه خواهد شد.

سان به همراه یکی از بنیانگذاران و دانشمند ارشدش هنری لیو، یک سال پیش لاپلاس را در خارج از دانشگاه میشیگان تأسیس کردند. Sun هشت سال گذشته را در دانشگاه صرف تحقیق در مورد چگونگی به چالش کشیدن هوش مصنوعی رانندگی خودمختار در شبیه سازی کرده است. در سال 2023، او و لیو - مشاور دکترای وقتش - مقاله‌ای در این زمینه منتشر کردند که روی جلد مجله علمی برتر Nature قرار گرفت. این زمانی بود که تماس‌ها از سوی شرکت‌های خودروهای خودمختار که علاقه‌مند به اجرای ایده‌هایشان بودند شروع شد.

سان گفت: "من متوجه شدم که می خواهم این را بسازم و آن را از تحقیقات کاملا آکادمیک به محصولی تبدیل کنم که در دنیای واقعی مفید است."

سان و لیو با استفاده از تحقیقات آکادمیک خود به عنوان پایه، لاپلاس را ساختند که به نام "دیو لاپلاس" نامگذاری شد، آزمایشی فکری در سال 1814 توسط محقق فرانسوی پیر-سیمون لاپلاس که تصور می کرد اگر وضعیت دقیق همه چیز در جهان را بدانید، می توانید آینده را با دقت کامل پیش بینی کنید.

سان گفت: «ما اساسا از شبیه‌سازی برای پیش‌بینی آینده دنیای واقعی استفاده می‌کنیم.

در هسته استارت آپ یک شبیه سازی با وفاداری بالا است که از دنیای واقعی بازسازی شده است، همراه با یک عامل هوش مصنوعی که به طور مداوم نقاط ضعف و نقاط شکست را بررسی می کند. هدف این است که اطمینان حاصل شود که هر هوش مصنوعی فیزیکی - خواه ربات، وسیله نقلیه خودران یا راه حل شهر هوشمند - در شبیه سازی قبل از استقرار در دنیای واقعی ایمن باشد.

محیط شبیه‌سازی نسخه‌ای پس از آموزش از Nvidia’s Cosmos، یک پلت‌فرم شبیه‌سازی دنیای هوش مصنوعی است که در دنیای واقعی مستقر است و به لاپلاس اجازه می‌دهد هر چیزی را از بزرگراه آریزونا تا گذرگاه عابر پیاده پاریس بازسازی کند. شبیه سازی ها با ترکیب شبکه ای از اطلاعات مختلف دنیای واقعی ایجاد می شوند. یک تصویر نمای خیابان Google می تواند به عنوان مرجعی باشد که از آن یک خیابان کامل ایجاد می شود. اما به جای تولید چیزی تصادفی، شبیه‌ساز داده‌های نقشه دنیای واقعی را ترکیب می‌کند تا محیطی را بازسازی کند که در مقیاس واقعی باشد.

سپس توسعه‌دهندگان می‌توانند از اعلان‌های زبان برای تغییر تنظیمات در زمان واقعی، مانند اضافه کردن ترافیک بعد از ظهر، استفاده کنند. سان می‌گوید لاپلاس اطلاعات ترافیک و ازدحام را در زمان واقعی از ارائه‌دهندگان ناوبری مانند TomTom می‌گیرد.

در شبیه‌سازی‌های لاپلاس، نه تنها محیط، بلکه رفتار سایر بازیگران نیز شبیه‌سازی می‌شود. به عنوان مثال، در طی یک نمایش آزمایشی، Sun به وسیله نقلیه عامل آزمایشی هدایت کرد تا به سمت ترافیک مقابل منحرف شود. ماشینی که می‌خواست برخورد می‌کرد - یا از آن عبور می‌کرد، همانطور که در بین برخی از مدل‌های تولیدکننده جهان رایج است - برای جلوگیری از برخورد از مسیر خود خارج شد.

سان گفت: «این واقعا یک محیط شبیه‌سازی تعاملی است. "همه به همه چیز واکنش نشان می دهند. ... این بیشتر شبیه یک مدل جهانی با شرکت کنندگان تعاملی است."

در حالی که محیط شبیه سازی شده بخش مهمی از محصول لاپلاس است، نقطه فروش منحصر به فرد واقعی، عوامل هوش مصنوعی است که استارت آپ در حال توسعه برای طراحی خودکار موارد گوشه ای است (سناریوهای پیچیده و نادری که می تواند یک سیستم هوش مصنوعی را خراب کند) که انسان را بیشتر از حلقه خارج می کند.

سان گفت: «آن‌ها می‌توانند از اخبار، از گزارش‌های پلیس در مورد برخورد - همه نوع اطلاعات برای به چالش کشیدن خودروهای خودمختار و سایر عوامل فیزیکی هوش مصنوعی طراحی کنند.»

امروزه، توسعه دهندگان وسایل نقلیه خودمختار عمدتا هوش مصنوعی را آموزش می‌دهند تا با استفاده از فیلم‌های ضبط‌شده که آن‌ها را به شبیه‌سازی تبدیل می‌کنند یا با تکیه بر انسان‌ها ایده‌های جدید ارائه کرده و آن‌ها را طراحی کنند، موارد لبه را مدیریت کند. در حالی که بسیاری از شرکت‌های AV کاری را انجام داده‌اند که لاپلاس مطرح می‌کند و شروع به استقبال از هوش مصنوعی برای ایجاد قاب‌های لبه برای آموزش کرده‌اند - شرکت کامیون‌های خودران Waabi به ذهن می‌رسد - نیاز به این نوع فناوری واقعا زمانی آشکار می‌شود که ما شروع به قرار دادن ربات‌های تعمیم‌یافته در دنیای واقعی کنیم.

سان گفت: «اطلاعات کمتری در مورد روباتیک تعمیم یافته وجود دارد. "هیچ کس نمی داند که موارد لبه در دنیای واقعی چه خواهند بود."

علی‌رغم اینکه سان و لیو از دانشگاه‌ها آمده‌اند، بدون شجره‌نامه‌های درخشان شرکت فناوری دره سیلیکون، این دو توانسته‌اند شروع به درآمدزایی کنند و حتی سود کمی داشته باشند. بیشتر پول از موارد استفاده از رانندگی خودران، با مشتریانی از جمله سازنده ژاپنی حمل‌ونقل Isuzu و شرکت حمل‌ونقل خودمختار مستقر در تگزاس، Bot Auto، به دست می‌آید.

سان می گوید انویدیا نیز یک مشتری است. این دو شرکت، در کنار T-Mobile، در حال کار روی یک پایلوت رایگان شهر هوشمند برای شهر سن خوزه برای ارائه عملیات ترافیکی سطح بالا هستند. لاپلاس همچنین در مراحل اولیه کار با شرکای ساخت رباتیک انسان نما برای انبارها است.

امروزه بیشتر قراردادهای مشتریان لاپلاس مبتنی بر پروژه است و این شرکت در تلاش است تا آن را به درآمد تکراری تبدیل کند. هدف کوتاه مدت این استارت آپ - که امیدوار است با رقابت در Disrupt به آن کمک شود - جمع آوری سرمایه و مقیاس است تا بتواند با رقبای خود رقابت کند.

سان خیلی نگران نیست. او معتقد است که روش اصلی لاپلاس برای استفاده از هوش مصنوعی برای آزمایش هوش مصنوعی «پاردایم جدیدی است که آزمایش هوش مصنوعی فیزیکی را به طور کامل تغییر می‌دهد» و آن را به یک «فرایند تست تعاملی پویا» تبدیل می‌کند.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

ربکا بلان یک گزارشگر ارشد در TechCrunch است که در آن تجارت، سیاست و روندهای نوظهور در شکل گیری هوش مصنوعی را پوشش می دهد. آثار او همچنین در فوربس، بلومبرگ، آتلانتیک، دیلی بیست و سایر نشریات ظاهر شده است.

می‌توانید با ارسال ایمیل به [email protected] یا از طریق پیام رمزگذاری‌شده در rebeccabellan.491 در Signal با ربکا تماس بگیرید یا آن را تأیید کنید.

حمله ایلان ماسک به آمبانی به دلیل تاخیر در پرتاب استارلینک هند جگمیت سینگ

باتری‌ها در حال حاضر ارزان‌تر از توربین‌های گاز طبیعی هستند که در بسیاری از مراکز داده تیم د چانت استفاده می‌شوند

Orkut را به خاطر دارید؟ بنیانگذار آن می‌خواهد جگمیت سینگ را بازگرداند

ایالات متحده مایکروسافت، ادوبی و شرکت های بزرگ فناوری اطلاعات را از برنامه گرین کارت برای کارگران خارجی ماهر عایشه مالک محروم کرد.

ایلان ماسک تأثیر آمبانی را زیر سوال می برد زیرا استارلینک هند در غرفه های جاگمیت سینگ راه اندازی می کند

گوگل اولین رقیب محلی گرانولا، ایوان مهتا را منتشر کرد