Corticaは、イスラエルのテルアビブに本社を置く人工知能企業であり、自動運転技術を専門としている。2007年に設立された同社は、脳に着想を得た機械知覚と意思決定へのアプローチを開発し、膨大なラベル付きデータセットのみに依存するのではなく、経験から学習する自動運転システムの構築を目指している。その技術は商用車に導入されており、大手自動車メーカーとの提携を含み、主流の深層学習手法に代わるパラダイムを代表している。
同社は計算神経科学の学術研究から生まれ、教師なし学習とスパース表現への焦点によって特徴づけられる。広範な手動アノテーションを必要とする従来のニューラルネットワークとは異なり、Corticaのアルゴリズムは視覚データ内のパターンや物体を自律的に識別するように設計されており、生物学的な脳が感覚情報を処理する方法を模倣している。この基礎的な哲学は製品ロードマップと企業提携を形成し、競争の激しい自動運転分野においてCorticaを注目すべきプレーヤーとして位置づけている。
設立と初期の開発
Corticaは、イガル・ライヘルガウツ、カリーナ・オディナエフ、エホシュア・ゼエビを含む神経科学者とコンピュータ科学者のチームによって共同設立され、彼らはテクニオン・イスラエル工科大学で出会った。初期の研究は視覚皮質の階層的処理をモデル化することを目的とし、物体の不変表現を生成する特許取得済みの手法につながった。2010年、同社は技術を商業化するために民間投資家から600万ドルを調達し、最初の大規模な資金調達ラウンドを確保した。
初期の数年間は、消費者向け製品の画像認識や医療診断を含むさまざまなアプリケーションを通じてコンセプトを実証することに焦点を当てた。2013年までに、Corticaは高度運転支援システムへの需要の高まりを認識し、自動車アプリケーションへと方向転換した。2015年には、標準的な車載カメラを使用して交通標識と歩行者をリアルタイムで認識できるプロトタイプを実証し、広範なトレーニングデータを必要とせずにDeep learningシステムに匹敵する精度を達成したことで、マイルストーンとなった。
技術と脳に着想を得たAI
Corticaのアプローチの中核は、Cortica Cognitive Engineとして知られる独自のアルゴリズムであり、スパースコーディングと階層的時系列記憶を用いて皮質機能を模倣している。このシステムは視覚入力を複数の層を通じて処理し、各層が脳に見られるNeural networkアーキテクチャと同様に、ますます抽象的な特徴を抽出する。重要な革新は教師なし学習の使用であり、システムがラベル付き例で再トレーニングすることなく新しい環境に適応できるようにする。
Cognitive Engineは、同社が「シグネチャ」と呼ぶもの、つまり物体とイベントのコンパクトな表現を使用して世界の動的モデルを構築し、効率的に保存および呼び出しを行う。この設計により、組み込みハードウェア上でのリアルタイム処理が可能になり、これは自動運転車にとって重要な制約である。Corticaは、そのシステムが同等のMachine learningモデルよりも大幅に少ない計算能力を必要とし、エネルギー消費とコストを削減できる可能性があると主張している。独立した評価では、さまざまな照明や気象条件下での堅牢性が指摘されており、その特性は脳に着想を得た処理パイプラインに起因するとされている。
自動運転システム
Corticaの自動車部門向け主力製品は「Cortica Drive」プラットフォームであり、レベル4〜5の自動運転のための完全なソフトウェアスタックである。このシステムは、カメラ、レーダー、ライダーを含む複数のセンサーモダリティを統合し、中央処理ユニットを通じて融合する。物体検出、車線維持、経路計画、他の道路利用者の予測モデリングなどのタスクを、安全認証済みのフレームワーク内で実行する。
2019年には、Corticaが大手ヨーロッパの自動車メーカーと提携し、都市環境で技術をテストしたことで、重要な展開が始まった。2021年までに、フリートは複数の国で100万キロメートル以上の自動運転を記録し、安全ドライバーが運用を監視した。同社はまた、テストを加速するために合成シナリオを生成するシミュレーション環境を開発し、物理的な道路走行の必要性を減らした。2023年には、プラットフォームの量産準備版が特定の地域での限定的な商用利用について規制承認を受け、研究から展開への移行を示した。
提携と商業化
Corticaは技術を市場に出すために戦略的提携の戦略を追求してきた。2019年には、日産関連の研究者と協力して次世代車両に知覚ソフトウェアを統合することを発表したが、契約の詳細は開示されなかった。2021年には、地図会社であるTomTomとのより目に見える提携が生まれ、高精細地図とCorticaのリアルタイム知覚データを組み合わせてナビゲーションを改善した。
同社はまた、技術の非自動車アプリケーションも探求している。2018年に医療画像企業との合弁事業は、そのアルゴリズムを放射線学に適用することを目的としていたが、このプロジェクトは後に棚上げされた。2020年、CorticaはCognitive Engineのライセンスプログラムを開始し、他の企業がロボティクスや監視システムに技術を組み込むことを可能にした。これらの取り組みは、中核の自動車ビジネスが成熟する間、代替の収益源を生み出している。
リーダーシップとチーム
Corticaのリーダーシップは設立以来安定しており、ライヘルガウツがCEO、オディナエフが最高技術責任者を務めている。経営陣には、IntelやQualcommの元エンジニアを含む自動車および航空宇宙産業のベテランが含まれており、ソフトウェア重視にハードウェアの専門知識を補完している。同社は約150人のエンジニアと研究者を雇用しており、多くは神経科学、数学、コンピュータ科学の高度な学位を保持している。
著名なアドバイザーにはMIT CSAILやStanford AI Labの学者が含まれており、脳に着想を得たアプローチに信頼性を与えている。チームはスパースコーディングや視覚的注意などのトピックに関する査読付きジャーナルに論文を発表しており、純粋に商業的なベンチャーとは一線を画している。この学術的な方向性は、才能を引き付け、組織内で厳格な研究文化を維持するのに役立っている。
業界の状況と競合他社
自動運転業界は非常に競争が激しく、主要プレーヤーにはWaymo、Cruise、Teslaが含まれ、これらは一般的に深層学習と広範なラベル付きデータセットに依存している。Corticaは、データアノテーションへの依存を減らすことで差別化を図っており、これはこの分野でコストのかかるボトルネックである。しかし、この逆張りのアプローチは懐疑的な見方に直面しており、主流の成功はほぼ深層学習手法を検証している。
CerebrasやGroqとの比較がしばしば行われ、これらも効率的なAI推論に焦点を当てているが、エッジセンシングではなくデータセンターのワークロードを対象としている。自動車部門では、[[mobileye]が知覚チップの支配的なサプライヤーであるが、そのアーキテクチャはより従来的である。Corticaのニッチは、生物学的に妥当な学習の主張にあり、予測不可能な運転条件での継続的な適応を可能にする可能性がある。これは、完全な自動運転に不可欠であると支持者が主張する機能である。
課題と論争
その有望性にもかかわらず、Corticaは重大なハードルに直面している。自動運転業界は、安全性の懸念と規制上の監視により広範な減速を経験しており、Corticaも例外ではない。2022年、同社は認証の遅延とサプライチェーンの問題を理由に、米国市場への計画された拡大を延期した。一部のアナリストは、明示的なトレーニングなしでまれなエッジケースを処理する際に、教師なし学習アプローチのスケーラビリティに疑問を呈している。
同社はまた、大手テクノロジー企業との特許紛争にも関与してきたが、ほとんどはライセンス契約を通じて解決されている。2020年、元従業員が投資家向けレポートで特定のパフォーマンス指標が誇張されていると主張し、同社は否定したが、信頼の一時的な低下につながった。それ以来、Corticaは安全性記録の第三者監査を公開することで透明性を強調しているが、より大きな競合他社と同じレベルの公的信頼はまだ確保していない。
将来の見通し
2024年現在、Corticaは技術の開発と商業提携の追求を続けている。同社は累計で約4000万ドルを調達しており、ベンチャーキャピタル企業と自動車部門の戦略的投資家からの支援を受けている。自動運転車の規制枠組みが急速に進化しているアジア市場での存在感を拡大する計画である。リーダーシップは、計算効率の向上と複雑な都市シナリオを処理するシステムの能力拡大に焦点を当てることを示している。
長期的な存続可能性は、大規模な製造契約の確保と大規模での安全性の実証に依存している。アナリストは、Corticaの技術は独特であるが、同社はテクノロジー大手と確立された自動車メーカーが支配する資本集約型産業で運営されていると指摘している。しかし、教師なし学習におけるニッチは、教師ありアプローチの限界が明らかになるにつれてますます価値が高まる可能性がある。成功すれば、Corticaは脳に着想を得たアルゴリズムが完全な自動運転への実行可能な道を提供することを証明し、現在のDeep learning正統派に挑戦する可能性がある。
Corticaは、AIのための応用神経科学における説得力のあるケーススタディであり続けている。学術的な好奇心から商業展開への旅は、代替AIパラダイムの課題と機会を示している。広範な採用を達成するかどうかは、技術的ブレークスルー、規制の進展、そして今後数年間に行われる戦略的選択に依存するだろう。