Ερευνητές έδωσαν τον έλεγχο μιας Toyota Corolla σε γνωστά AI chatbots, για να δουν αν μπορούν να οδηγήσουν μόνα τους. Τα αποτελέσματα ήταν εντυπωσιακά αλλά και ανησυχητικά.
Τα επίπεδα εμπιστοσύνης των ανθρώπων απέναντι στα AI chatbots διαφέρουν σημαντικά, με κάποιους να αντιμετωπίζουν με δυσπιστία τα μεγάλα γλωσσικά μοντέλα, ενώ άλλοι τους αναθέτουν ακόμη και εργασίες για τις οποίες δεν έχουν σχεδιαστεί. Το τελευταίο παράδειγμα έρχεται από ένα πείραμα της ομάδας DrivingBench, η οποία έδωσε σε γνωστά μοντέλα τεχνητής νοημοσύνης τον έλεγχο μιας πραγματικής Toyota Corolla.
Τα GPT-6 Astra, Claude Fable 5.1, Grok 4.6 και GPT-5.6 Sol έπρεπε να κινηθούν σε μια διαδρομή 130 μέτρων, χρησιμοποιώντας κάμερες που τους μετέφεραν εικόνες από το περιβάλλον με στόχο να διαπιστωθεί αν ένα γενικής χρήσης AI μπορεί να αντιληφθεί την πορεία και να ελέγξει ένα αυτοκίνητο. Το πρώτο πρόβλημα ήρθε πολύ νωρίς, καθώς ορισμένα μοντέλα δεν δεχόντουσαν να οδηγήσουν.
Παρά τα μέτρα ασφαλείας, ορισμένα μοντέλα αρνήθηκαν αρχικά να αναλάβουν τον έλεγχο του αυτοκινήτου, με το GPT-6 Astra να επικαλείται λόγους ασφαλείας και αρνούνταν να οδηγήσει ακόμη και σε άδειο χώρο, όπου το αυτοκίνητο είχε περιοριστεί σε πολύ χαμηλή ταχύτητα και υπήρχε άνθρωπος έτοιμος να πατήσει φρένο. Η ομάδα δοκίμασε διαφορετικές οδηγίες, φτάνοντας ακόμη και στο σημείο να παρουσιάσει τη διαδικασία ως «προσομοίωση». Ωστόσο, όταν τα μοντέλα αντιλαμβάνονταν από τις εικόνες ότι βρίσκονταν σε πραγματικό αυτοκίνητο, ορισμένα σταματούσαν ξανά, όμως στο τέλος, οι ερευνητές διαπίστωσαν ότι η προσθήκη της λέξης «sandbox» σε μία από τις ονομασίες των εξαρτημάτων αρκούσε ώστε τα μοντέλα να δέχονται πιο σταθερά να οδηγήσουν.
Από την εκκίνηση μέχρι την πρώτη στροφή
Όταν τελικά ανέλαβαν το τιμόνι, οι επιδόσεις τους απείχαν αρκετά από την αυτόνομη οδήγηση. Το GPT-5.6 Sol ήταν το πιο σταθερό μοντέλο, αλλά με την αρνητική έννοια αφού στις τρεις προσπάθειές του κατάφερε να διανύσει μόλις περίπου 6% της διαδρομής των 130 μέτρων. Η συνολική απόσταση που διένυσε ήταν λίγο μεγαλύτερη, καθώς έκανε αρκετές κινήσεις μπρος-πίσω και αποκλίσεις από τη γραμμή της διαδρομής.
Το Grok 4.6 κατάφερε στην καλύτερη προσπάθειά του να διανύσει 22,6 μέτρα, δηλαδή περίπου το 11% της διαδρομής. Αντίθετα, τα GPT-6 Astra και Claude Fable 5.1 παρουσίασαν καλύτερη εικόνα, καθώς το πρώτο ήταν το μοναδικό μοντέλο που ολοκλήρωσε ολόκληρη τη διαδρομή, ενώ στην τρίτη του προσπάθεια, το Fable έφτασε περίπου μέχρι τη μέση της.
Οι ερευνητές ζήτησαν από τα μοντέλα να «αναλογιστούν» τα λάθη τους μετά από κάθε προσπάθεια, ώστε να βελτιωθούν στην επόμενη. Το Astra και το Fable παρουσίασαν κάποια βελτίωση μεταξύ των προσπαθειών.
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
Εντυπωσιακό πείραμα, αλλά με μεγάλους περιορισμούς
Παρά τις χαμηλές ταχύτητες και τα περιορισμένα ποσοστά επιτυχίας, οι ερευνητές θεωρούν αξιοσημείωτο το γεγονός ότι τα chatbots κατάφεραν να χειριστούν ένα πραγματικό αυτοκίνητο και να μάθουν να χρησιμοποιούν τις εντολές του τιμονιού. Ταυτόχρονα, επισημαίνουν ότι το πείραμα ήταν περιορισμένο, καθώς Κάθε μοντέλο αξιολογήθηκε σε έναν μικρό αριθμό προσπαθειών και σε μία μόνο διαδρομή, ενώ μια πιο ολοκληρωμένη μελέτη θα απαιτούσε περισσότερες επαναλήψεις και διαφορετικές πίστες.
Η ομάδα εκτιμά ότι οι επιδόσεις σε αυτόν τον τομέα μπορούν να βελτιωθούν όσο αυξάνονται τα σχετικά δεδομένα εκπαίδευσης, μειώνεται η καθυστέρηση των μοντέλων και εξελίσσονται οι δυνατότητές τους στον σχεδιασμό και τη μάθηση μέσα από το ίδιο το πλαίσιο της δοκιμής. Παράλληλα, όμως, υπογραμμίζει ότι τα αποτελέσματα δημιουργούν την ανάγκη για περισσότερη έρευνα σχετικά με την ασφάλεια, την ευθυγράμμιση και την αξιολόγηση των AI συστημάτων πριν αυτά χρησιμοποιηθούν σε πραγματικές συνθήκες οδήγησης.
ΤΙ ΔΙΑΒΑΖΕΤΑΙ
