Un experimento trascendental ha puesto a prueba los límites de la inteligencia artificial al asignarles el control directo de un vehículo físico. En un circuito cerrado, los modelos GPT-6 Astra, Claude Fable 5.1, Grok 4.6 y GPT-5.6 Sol fueron desafiados a conducir un Toyota Corolla. Esta iniciativa de DrivingBench no solo evaluó la capacidad de estos sistemas para interpretar entornos visuales y ejecutar órdenes, sino que también arrojó luz sobre los desafíos de integrar la IA en tareas del mundo real, un paso crucial hacia la **Conducción Autónoma** segura.
La fase inicial reveló una inesperada reticencia de algunos modelos, como GPT-6 Astra, a tomar control de un automóvil real. Esta precaución, manifestada por la negativa a conducir al detectar la fisicalidad del vehículo, subraya una capa emergente de ‘alineación’ ética y de seguridad en la IA avanzada. Los investigadores tuvieron que emplear modificaciones ingeniosas, incluyendo la palabra ‘sandbox’ para simular un entorno controlado y lograr que los sistemas superaran su hesitación, abriendo un debate sobre la percepción de la realidad por parte de la IA.
Superado el bloqueo inicial, emergió un reto técnico mayor: mantener el vehículo dentro de una trayectoria predefinida. La dificultad de esta tarea, incluso a velocidades mínimas y en un recorrido de apenas 130 metros, expuso las deficiencias de estos modelos de propósito general en el control motor fino y la navegación espacial precisa. A diferencia de las simulaciones, la interacción física real introduce variables como fricción e inercia, exigiendo una sofisticación algorítmica y capacidad de adaptación en tiempo real considerablemente mayores.
Las diferencias de rendimiento entre los modelos fueron notables. GPT-5.6 Sol exhibió un desempeño limitado, avanzando apenas un 6% del trazado en sus intentos, incluso tras recibir instrucciones para analizar sus errores. Similarmente, Grok 4.6 no superó el primer tramo del circuito. Estos resultados sugieren que, si bien algunos modelos pueden procesar y ‘reflexionar’ sobre sus fallos, la traducción de ese análisis en mejoras prácticas y tangibles en el control motor sigue siendo un obstáculo formidable para el ‘aprendizaje’ en estos sistemas.
En contraste, Claude Fable 5.1 y, especialmente, GPT-6 Astra demostraron una evolución superior. Claude logró cubrir aproximadamente la mitad del circuito, mientras que GPT-6 Astra fue el único modelo capaz de completar la totalidad de los 130 metros. Este logro es significativo, pues pone de manifiesto el potencial de los sistemas de inteligencia artificial de propósito general para interpretar información visual compleja y ejecutar acciones motoras con un grado de competencia que, hasta hace poco, se consideraba exclusivo de las IA diseñadas para tareas de conducción autónoma.
A pesar de este avance, los investigadores de DrivingBench recalcan las importantes limitaciones del experimento, como la evaluación única, que demanda repeticiones y variaciones en los circuitos para conclusiones robustas. Subrayan la necesidad de futuras mejoras en la latencia, la capacidad de planificación de los modelos y el volumen de datos de entrenamiento relacionados con la conducción. Antes de considerar cualquier aplicación real, la comunidad científica aboga por pruebas exhaustivas centradas en la seguridad, el alineamiento ético y la evaluación rigurosa de estos sistemas.
Si le ha parecido interesante este análisis, le invitamos a compartirlo y a dejar su opinión en los comentarios.
