
با وجود سال ها توسعه و سرمایه گذاری هنگفت در آموزش سیستم های پیچیده هوش مصنوعی، ماشین های خودران هنوز با موانع نسبتا ساده مبارزه می کنند.
این خودروها گاهی بدون هیچ دلیلی در وسط بزرگراه متوقف می شوند، با موانع ترافیکی برخورد می کنند، در اثر سدهای ساختمانی گیج می شوند و حتی وارد سیلاب می شوند.
بر این اساس، این سوال مطرح شده است که آیا مدل های پیشرفته هوش مصنوعی می توانند عملکرد بهتری داشته باشند یا خیر؟ برای یک آزمایش جدید، سه دانشمند کامپیوتر چندین مدل پیشرفته از جمله GPT-6 Astra از OpenAI، Grok 4.6 از xAI و Claude Fable 5.1 Anthropic را در سیستم کنترل تویوتا کرولا قرار دادند تا ببینند آیا این مدلها میتوانند یک دور کامل از یک مسیر طراحیشده را در پارکینگ کامل کنند.
تست DrivingBench چگونه انجام شد؟
ساختار پروژه به نام DrivingBench نسبتا ساده بود. یک لپ تاپ متصل به اینترنت به دستگاهی به نام کاما چهار متصل بود. این دستگاه به سیستم های کنترل تویوتا نیز متصل بود.
مدل های زبان بزرگ، بر اساس داده های تله متری GPS و اطلاعات مختلف خودرو، از جمله موقعیت فرمان و زاویه چرخ، دستورات لازم را به لپ تاپ ارسال می کردند. دستگاه ویرگول چهار این اطلاعات را در مورد وضعیت خودرو دریافت کرده و در اختیار سیستم قرار داده است.

نتایج نشان داد که تنها یکی از مدل ها توانسته مسیر را به طور کامل طی کند. GPT-6 Astra در تلاش دوم خود یک دور کامل را در پنج دقیقه کامل کرد. سرعت بسیار کم که با توجه به مسافت طی شده کمتر از 150 متر حتی کمتر از حد انتظار بود.
عملکرد سایر مدلها بسیار ضعیفتر بود و اکثر تلاشها حتی از پیچ اول پیست هم عبور نکردند. محققان توضیح دادند:
مشکل اصلی در بسیاری از موارد مربوط به تشخیص محیط بود. این مدل نتوانست به درستی تشخیص دهد که مسیر وسیله نقلیه در کدام سمت از اولین ردیف مورب مخروطهای جاده قرار دارد.
گروک همچنین در مورد مشکل بصری خودرو پس از اولین تلاش خود گفت:
ماشین عریض تر از آن چیزی است که دوربین نشان می دهد. هیچ مسیر روشن و مستقیمی وجود نداشت و مستقیم به جلو یا به سمت نزدیکترین گلدان، دیوار یا مخروط قرمز می رفت.
با وجود این شکست ها، این آزمایش یک دستاورد مهم برای تیم تحقیقاتی تلقی شد. زیرا پس از چندین بار تلاش ناموفق با نسل های قبلی مدل های پیشرفته هوش مصنوعی، توانستند یکی از این مدل ها را برای اولین بار به حرکت درآورند.
محققان در خلاصه این آزمایش نوشتند:
مدلهای پیشرفته اکنون به سطحی رسیدهاند که میتوانند خودروهای واقعی را در دنیای واقعی با سرعت کافی پایین برانند. موفقیت مدل ها در این آزمایش هم شگفت انگیز و هم هیجان انگیز بود، اما در عین حال نیاز به تحقیقات بیشتر در مورد ایمنی، همسویی و ارزیابی را نشان می دهد.
محققان اعلام کردند که برای همان دور کاملی که خودرو موفق به انجام آن شد، 6.6 میلیون توکن مصرف کرد و هزینه پردازش به 7.74 دلار رسید. این مقدار نشان میدهد که مدل هوش مصنوعی OpenAI به قدرت محاسباتی قابلتوجهی برای تجزیه و تحلیل دادهها و تصمیمگیری نیاز دارد، حتی زمانی که خودرو بسیار کند حرکت میکند.
در این تست، خودرو تنها با سرعتی حدود 1.5 کیلومتر بر ساعت حرکت کرد و مسافت طی شده کمتر از 150 متر بود. با این حال، این هزینه پردازش ناچیز به نظر نمی رسد. زیرا وقتی میزان مصرف توکن را نسبت به مسافت طی شده در نظر بگیریم، هزینه آن می تواند به سرعت افزایش یابد.
بر اساس محاسبات The Register، هزینه توکن های مصرف شده تقریباً 500 برابر هزینه سوخت خودرویی است که 25 مایل در هر گالن دریافت می کند و 4.60 دلار برای هر گالن هزینه دارد.
حتی مدل ها در مورد رانندگی هشدار دادند
نکته جالب دیگر این بود که برخی از مدلهای بزرگ زبان به محققان هشدار دادند که ممکن است نتوانند با خیال راحت با خودروی تویوتا رانندگی کنند. در نتیجه، اعضای تیم باید سخت تلاش میکردند تا مدلها را متقاعد کنند که کنترل خودرو را در دست بگیرند.

در گزارش تحقیق آمده است:
برخی از مدل ها، به ویژه GPT-6 Astra، گاهی اوقات به دلایل ایمنی از رانندگی با ماشین واقعی خودداری می کردند. حتی زمانی که خودرو در یک محوطه کاملاً خالی قرار داشت و تمام اقدامات ایمنی لازم از جمله محدودیت سرعت بسیار پایین و حضور انسانی آماده ترمز وجود داشت.
محققان همچنین روشهای مختلفی را برای تغییر نحوه ارائه دستورات امتحان کردند تا مدلها به طور مداوم کنترل خودرو را بپذیرند. آنها حتی سعی کردند در برخی آزمایشات محیط واقعی را مانند شبیه سازی ارائه کنند، اما مدل ها گاهی با مشاهده تصاویر واقعی به ماهیت آزمایش پی برده و از ادامه آن خودداری کردند.
این تیم تحقیقاتی در گزارش خود نوشت:
ما تغییرات زیادی را در متن دستورات انجام دادیم تا مدل ها به طور مداوم درایو شوند. به عنوان مثال، سعی کردیم محیط را شبیهسازی کنیم، اما در برخی آزمایشها مدلها تصاویر واقعی را دیدند، متوجه واقعی بودن محیط شدند و واکنش اضطرابی نشان دادند.
در نهایت، مدلهای پیشرفته هوش مصنوعی که بدون تغییرات تخصصی مورد استفاده قرار میگیرند، هنوز تا اینکه بتوانند شما را به کار ایمن برسانند، فاصله زیادی دارند. با توجه به عواقب بالقوه سنگین خطای رانندگی، علاوه بر مسائل حقوقی و مسئولیت، شاید ناتوانی فعلی این مدل ها در کنترل خودرو در جاده های واقعی چیز بدی نباشد.
















گفتگو در مورد این post