Engenheiros de IA testam as habilidades de direção de modelos de linguagem com toyota corolla

Três engenheiros de IA da Axiom, Aditya Ramabadran, Simon Mahns e Tobias Gessler, utilizaram o GPT-6 Astra da OpenAI para dirigir um Toyota Corolla de 2024 até um restaurante In-N-Out Burger na região de São Francisco. O modelo de IA, normalmente projetado para geração de texto e código, navegou o carro até a janela do drive-thru usando câmeras e direção hidráulica, com um motorista de segurança supervisionando. O experimento destaca a crescente compreensão física dos modelos de IA baseados em linguagem. Os pesquisadores argumentam que, embora os modelos atuais se destaquem em tarefas virtuais, suas capacidades no mundo real ainda são limitadas. Andrew Dai da Elorian AI enfatizou a importância do raciocínio físico para robótica e automação residencial. Um novo benchmark, Humanity’s Sixth Sense, avalia a capacidade dos modelos de entender cenas físicas. Os engenheiros também desenvolveram DrivingBench, que demonstra que modelos como Astra podem completar um curso simples de estacionamento, embora lentamente. Apesar do progresso, os modelos ainda lutam com tarefas de direção complexas. Ramabadran observou que os modelos se adaptam em tempo real, sugerindo capacidades emergentes provenientes do treinamento multimodal. No entanto, o experimento do trio destaca a lacuna entre o desempenho de IA virtual e real.