AI chatbots δοκιμάζουν την οδήγηση: επιτυχίες και αποτυχίες στις στροφές (vid)
Ερευνητές διερεύνησαν τη δυνατότητα αυτονομίας των AI chatbots, δίνοντάς τους τον έλεγχο μιας Toyota Corolla, με στόχο τη δοκιμή των δεξιοτήτων τους στην οδήγηση. Το αποτέλεσμα του πειράματος ήταν ταυτόχρονα εντυπωσιακό και ανησυχητικό.
Οι επίπεδα εμπιστοσύνης του κοινού προς τα AI chatbots ποικίλουν σημαντικά, καθώς ορισμένοι άνθρωποι τα προσεγγίζουν με σκεπτικισμό, ενώ άλλοι τους αναθέτουν καθήκοντα για τα οποία δεν έχουν σχεδιαστεί. Ένα πρόσφατο πείραμα της ομάδας DrivingBench εξερεύνησε αυτή τη δυναμική, αναθέτοντας σε γνωστά μοντέλα τεχνητής νοημοσύνης τον έλεγχο μιας πραγματικής Toyota Corolla.
Τα AI μοντέλα GPT-6 Astra, Claude Fable 5.1, Grok 4.6 και GPT-5.6 Sol κλήθηκαν να διανύσουν μια διαδρομή 130 μέτρων με τη βοήθεια καμερών που τους παρείχαν εικόνες του περιβάλλοντος, στοχεύοντας στη διαπίστωση αν μπορούν να χειριστούν ένα αυτοκίνητο. Ωστόσο, οι δυσκολίες εμφανίστηκαν νωρίς, με ορισμένα από τα μοντέλα να αρνούνται να αναλάβουν τον έλεγχο.
Παρά τα μέτρα ασφαλείας που είχαν ληφθεί, μερικά μοντέλα εμφανίστηκαν επιφυλακτικά και απέφυγαν να οδηγήσουν, με το GPT-6 Astra να αναφέρει λόγους ασφαλείας και να μην δέχεται να κινηθεί, ακόμη και σε κενό χώρο όπου ο επιβάτης μπορούσε να πατήσει το φρένο. Η ομάδα επιχείρησε να τροποποιήσει τις οδηγίες, παρουσιάζοντας τη διαδικασία ως «προσομοίωση», με περιορισμένη επιτυχία. Τελικά, η προσθήκη της λέξης «sandbox» σε μία παράμετρο φάνηκε να ανοίγει το δρόμο για μια πιο σταθερή εκδοχή οδήγησης.
Από την εκκίνηση στην πρώτη στροφή
Όταν τα μοντέλα τελικά ανέλαβαν τον έλεγχο, οι επιδόσεις τους ήταν υποδεέστερες της αυτόνομης οδήγησης. Το GPT-5.6 Sol κατέγραψε τις πιο σταθερές επιδόσεις, ενώ ταυτόχρονα εμφάνιζε και τα χαμηλότερα ποσοστά επιτυχίας, διανύοντας μόλις το 6% της διαδρομής. Το Grok 4.6 σημείωσε καλύτερη επίδοση, καλύπτοντας 22,6 μέτρα ή 11% της συνολικής διαδρομής. Τα GPT-6 Astra και Claude Fable 5.1 ήταν πιο επιτυχημένα, με το πρώτο να ολοκληρώνει τη διαδρομή και το Fable να φτάνει σχεδόν στη μέση.
Αφού ολοκλήρωναν τις προσπάθειές τους, οι ερευνητές ζήτησαν από τα μοντέλα να «αναλογιστούν» τα λάθη τους, προκειμένου να βελτιωθούν στην επόμενη προσπάθεια. Τα Astra και Fable παρουσίασαν κάποια θετική εξέλιξη με τις επαναλαμβανόμενες δοκιμές.
We gave ChatGPT, Claude, and Grok control of a real Toyota Corolla 🚗, steering/gas/brakes, no human driving (just a foot over the brake).
Only one model was able to complete our entire driving course. Introducing DrivingBench. 🔥⌛️🏁 pic.twitter.com/HhukXrByus
— DrivingBench (@DrivingBench) September 21, 2026
Εντυπωσιακή, αλλά περιορισμένη δοκιμή
Αν και οι ταχύτητες ήταν χαμηλές και οι επιτυχίες περιορισμένες, οι ερευνητές θεωρούν σημαντικό ότι τα chatbots κατάφεραν να χειριστούν ένα πραγματικό αυτοκίνητο. Ωστόσο, επισημαίνουν ότι το πείραμα είναι περιορισμένο καθώς κάθε μοντέλο δοκιμάστηκε σε μόλις έναν αριθμό προσπαθειών και σε μία διαδρομή. Μια πλήρως εμπεριστατωμένη μελέτη θα απαιτούσε πολλαπλές επαναλήψεις και διαφορετικά σενάρια.
Η ομάδα διαβλέπει ότι η απόδοση των μοντέλων μπορεί να βελτιωθεί καθώς αξιοποιούνται περισσότερα δεδομένα εκπαίδευσης και μειώνεται η καθυστέρηση στις αποκρίσεις τους, καθώς και η εξέλιξή τους στην κατανόηση και στην εφαρμογή των ασκήσεων. Παράλληλα, επισημαίνεται ότι τα αποτελέσματα ενισχύουν την ανάγκη για περαιτέρω έρευνα όσον αφορά την ασφάλεια και την αξιολόγηση των AI συστημάτων προτού αυτά χρησιμοποιηθούν στην πραγματική οδήγηση.
ΤΙ ΔΙΑΒΑΖΕΤΑΙ
