ChatGPT és Grok volán mögött: melyikük vezetett jobban?

Néhány éve még az is meghökkentőnek számított, hogy egy csetbot képes használható programkódot írni. Most ott tartunk, hogy kutatók négy általános célú MI-modellre bízták egy valódi Toyota Corolla irányítását, majd megnézték, melyik jut végig egy bójákkal kijelölt pályán. A DrivingBench nevű kísérletben a GPT-6 Astra, a Claude Fable 5.1, a Grok 4.6 és a GPT-5.6 Sol vett részt.

Nem szimulátorban versenyeztek: egy 2022-es Toyota Corollát kellett végigvezetniük egy üres parkolóban felállított, nagyjából 130 méteres pályán. Az eredmény egyszerre lenyűgöző és kijózanító. Mindössze egyetlen modell jutott el a célig.

Ne maradj le cikkeinkről, like-olj minket a Facebookon is!

Követem!

Az MI tényleg irányította az autót

A kísérlethez a Corollát comma four eszközzel és openpilot rendszerrel szerelték fel. A modellek kameraképek mellett GPS-adatokat és az autó állapotára vonatkozó információkat kaptak, ezek alapján pedig utasításokat adhattak a kormányzásra, gyorsításra és fékezésre. Vagyis nem arról volt szó, hogy az MI közvetlenül egy kormánykereket forgatott, de a modellek döntései határozták meg, merre és hogyan haladjon az autó.

Biztonsági okokból a sebességet legfeljebb 3,5 méter/másodpercben, vagyis körülbelül 12,6 km/órában korlátozták, egy ember pedig végig a vezetőülésben maradt, készen arra, hogy szükség esetén fékezzen.

Már az indulás sem ment mindig könnyen. Egyes modellek időnként megtagadták a valódi autó irányítását biztonsági okokra hivatkozva. A fejlesztőknek végül a rendszer megfogalmazásán is változtatniuk kellett, hogy következetesen hajlandók legyenek vezetni.

Egyetlen MI jutott el a célig

Mindegyik modell legfeljebb három próbálkozást kapott, és a futamok után lehetőségük volt elemezni saját korábbi teljesítményüket. A különbségek látványosak voltak.

A GPT-6 Astra volt az egyetlen, amely teljesítette az egész pályát: második próbálkozására 5 perc 22 másodperc alatt jutott végig rajta, összesen 134,7 métert megtéve. A Claude Fable 5.1 legjobb próbálkozásával a pálya körülbelül 45 százalékáig jutott. A Grok 4.6 már csak 11 százalékot teljesített, míg a GPT-5.6 Sol eredménye mindössze 6 százalék volt. Utóbbi harmadik nekifutásra 17,1 métert tett meg, vagyis az előző próbálkozások elemzése sem hozott látványos fejlődést.

A kutatók szerint ugyanakkor már önmagában figyelemre méltó, hogy általános célú MI-modellek speciális autonómvezetési betanítás nélkül képesek voltak értelmezni a vizuális környezetet, megtanulni az irányítási parancsokat és ténylegesen mozgatni egy valódi autót.

Ettől még ne adjuk oda nekik a slusszkulcsot

A kísérlet természetesen nagyon messze áll a valódi közúti vezetéstől. Üres parkolóban, alacsony sebességgel zajlott, nem volt forgalom, gyalogos vagy kiszámíthatatlan közlekedési helyzet. A mintavétel is kicsi: modellenként mindössze néhány próbálkozás történt egyetlen pályán, így az eredményekből nem lehet általános következtetéseket levonni arról, melyik MI lenne a „jobb sofőr”.

A DrivingBench készítői inkább azt akarták megvizsgálni, meddig jutottak az általános MI-modellek olyan fizikai feladatokban, amelyekre eredetileg nem tervezték őket. Az eredmény alapján a válasz egyelőre nagyjából így hangzik: már képesek egy valódi autót vezetni – de ha haza is szeretnénk érni vele, még jobb, ha ember ül a volánnál.