آزمایش GPT-6 Astra پشت فرمان یک Toyota Corolla

رانندگی هوش مصنوعی این‌بار در یک آزمایش محدود با GPT-6 Astra به صف خودروبر یک رستوران رسید: سه مهندس شرکت نوپای Axiom از این مدل برای هدایت یک Toyota Corolla مدل ۲۰۲۴ تا پنجره تحویل غذا در In-N-Out استفاده کردند. این تجربه که به‌تازگی در منطقه خلیج سان‌فرانسیسکو انجام شد، نمونه‌ای از تلاش پژوهشگران برای سنجش توانایی مدل‌های زبانی در تعامل با دنیای فیزیکی است؛ حوزه‌ای که با وجود پیشرفت مدل‌ها در کارهای رایانه‌ای، همچنان دشوار و پرخطر به‌شمار می‌آید.

به گزارش WIRED، Aditya Ramabadran، Simon Mahns و Tobias Gessler در خودرو نشستند، رابط گفت‌وگویی را روی لپ‌تاپ باز کردند و از GPT-6 Astra خواستند کنترل خودرو را برعهده بگیرد. رابط به یک سرور متصل بود که با چند دوربین نصب‌شده روی شیشه جلو و سامانه فرمان برقی خودرو ارتباط داشت. یک راننده ایمنی نیز در خودرو حضور داشت و پایش را بالای ترمز نگه می‌داشت تا در صورت لزوم بتواند فوراً مداخله کند.

رانندگی هوش مصنوعی در صف خودروبر

مدل خودرو را آهسته و مرحله‌به‌مرحله در مسیر صف پیش برد و به پنجره تحویل غذا رساند. این کار در مقیاس یک موقعیت مشخص انجام شد؛ نه سفری طولانی در خیابان‌ها و نه آزمایشی برای اثبات توانایی خودرو در رانندگی خودران عمومی. همین تمایز برای فهم اهمیت و محدودیت ماجرا ضروری است: خودرو حرکت کرد، اما آزمایش با نظارت انسانی و در شرایطی محدود انجام شد.

GPT-6 Astra مدلی است که کار معمولش تولید متن، کد و گاه تصویر است، نه رانندگی. به گفته سه مهندس، آن‌ها مدل را پیش از این تجربه برای انجام این مأموریت آموزش نداده بودند. بنابراین، نکته مورد توجه صرفاً حرکت خودرو نبود؛ بلکه این بود که یک مدل همه‌منظوره توانست در همان موقعیت، داده‌های دوربین را به کاری فیزیکی و قابل‌مشاهده پیوند دهد.

یکی از مهندسان پس از آزمایش با اشاره به مفهوم هوش عمومی مصنوعی گفت شاید این فناوری به آن نزدیک شده باشد. بااین‌حال، چنین اظهار نظری بیانگر برداشت او از تجربه است، نه نتیجه‌ای که آزمایش بتواند به‌تنهایی اثبات کند. یک حرکت موفق در صف رستوران، معیار کافی برای سنجش توانایی عمومی یا ایمنی یک سامانه هوش مصنوعی نیست.

از وظایف دیجیتال تا درک محیط فیزیکی

سامانه‌های خودران پیش از این هم خودروها را هدایت کرده‌اند، اما معمولاً از الگوریتم‌هایی استفاده می‌کنند که مشخصاً برای این هدف طراحی و آموزش داده شده‌اند. تفاوت آزمایش Axiom این بود که کنترل به مدلی سپرده شد که کاربرد اصلی‌اش تولید محتواست و به گفته مهندسان، برای همین مسیر از قبل آموزش ندیده بود.

مدل‌های پیشرفته امروزی می‌توانند به پرسش‌های پیچیده پاسخ دهند و بعضی وظایف را در محیط‌های دیجیتال به‌صورت خودکار انجام دهند. اما به گفته WIRED، انتقال این توانایی‌ها به محیط واقعی همچنان دشوار است و مدل‌ها ممکن است در برابر شرایط فیزیکی سردرگم شوند. «درک فیزیکی» در این بحث یعنی توانایی تفسیر صحنه‌ها و وضعیت‌های واقعی، نه فقط پردازش اطلاعاتی که روی صفحه رایانه دیده می‌شوند.

این توانایی می‌تواند برای کاربردهایی فراتر از خودرو اهمیت داشته باشد. Andrew Dai، مدیرعامل Elorian AI و پژوهشگر پیشین Google DeepMind، معتقد است بهبود استدلال دیداری می‌تواند به سامانه‌هایی کمک کند که صحنه‌های روزمره را بهتر بفهمند؛ برای مثال، تشخیص دهند مشتریان یک رستوران از غذای خود لذت می‌برند یا ربات‌های خانگی بتوانند در محیط خانه کار کنند. او رباتیک را آزمونی مهم برای سنجش مهارت‌های درک فیزیکی می‌داند.

بنچمارکی برای سنجش فهم صحنه‌های واقعی

توجه به این مسئله فقط به آزمایش خودرو محدود نیست. Elorian AI و Scale AI، شرکتی که داده‌های آموزشی در اختیار آزمایشگاه‌های بزرگ هوش مصنوعی می‌گذارد، بنچمارکی با نام Humanity’s Sixth Sense توسعه داده‌اند. بنچمارک، مجموعه‌ای از آزمون‌ها و معیارهاست که برای ارزیابی توانایی سامانه‌ها به کار می‌رود؛ در این مورد، موضوع سنجش توانایی مدل‌ها در فهم صحنه‌های فیزیکی است.

اطلاعات ارائه‌شده درباره این آزمایش، جزئیاتی از امتیاز مدل‌ها در بنچمارک یا نتیجه‌های مقایسه‌ای آن ارائه نمی‌کند. بااین‌حال، طرح چنین آزمونی نشان می‌دهد پژوهش درباره مدل‌های هوش مصنوعی فقط به پاسخ‌گویی متنی یا انجام کارهای اینترنتی محدود نمانده است. پرسش این است که مدل تا چه اندازه می‌تواند آنچه را در یک محیط واقعی می‌بیند به تصمیمی متناسب با همان محیط تبدیل کند.

توانایی محدود، ریسک واقعی

تجربه مهندسان Axiom به‌خوبی نشان می‌دهد چرا نمایش توانایی و آمادگی برای استفاده عملی را نباید یکی دانست. طبق گزارش WIRED، در این نوبت اتفاق نگران‌کننده‌ای رخ نداد؛ اما خود مهندسان نیز اذعان داشتند که سپردن کنترل یک خودروی سنگین و پرسرعت به مدلی همه‌منظوره، کاری پرمخاطره است. حضور راننده‌ای که آماده فشار دادن ترمز بود، بخشی از شرایط همین آزمایش بود و نباید از روایت آن حذف شود.

هرچه مدل‌ها در تفسیر محیط واقعی توانمندتر شوند، امکان استفاده از آن‌ها در کارهای فیزیکی نیز بیشتر می‌شود؛ اما خطا در چنین کارهایی می‌تواند پیامدهایی فراتر از پاسخ نادرست در یک گفت‌وگو داشته باشد. آزمایش خودرو به‌تنهایی میزان ایمنی GPT-6 Astra را در جاده‌ها مشخص نمی‌کند و منبع نیز ادعایی مبنی بر آماده‌بودن آن برای رانندگی عمومی مطرح نمی‌کند. ارزش اصلی تجربه، نمایش یک توانایی اولیه در شرایطی محدود و برجسته‌کردن فاصله آن با کاربردهای پرخطر است.

این خبر برای چه کسانی اهمیت دارد

این آزمایش برای پژوهشگران هوش مصنوعی و رباتیک، شرکت‌هایی که روی مدل‌های چندمنظوره کار می‌کنند و ناظران ایمنی فناوری اهمیت دارد. برای پژوهشگران، پرسش اصلی چگونگی سنجش درک فیزیکی مدل‌هاست؛ برای شرکت‌ها، مسئله تبدیل توانایی‌های دیجیتال به عملکرد در محیط واقعی است؛ و برای ناظران ایمنی، تفاوت میان یک نمایش کنترل‌شده و سامانه‌ای که بتوان با اطمینان وظایف پرخطر را به آن سپرد. حرکت آرام یک Corolla در صف غذا، نشانه‌ای از گسترش دامنه آزمایش‌هاست، نه گواهی ایمنی برای رانندگی خودکار.