فراتر از چت‌بات‌ها؛ بررسی فنی هدایت تویوتا کورولا توسط مدل‌های زبانی بزرگ در پروژه DrivingBench

در آزمایشی ساختارشکنانه که در پاییز ۱۴۰۵ توجه جامعه مهندسی را به خود جلب کرد، گروهی از توسعه‌دهندگان تحت عنوان پروژه DrivingBench موفق شدند با اتصال مستقیم مدل‌های زبانی بزرگ (LLM) به سیستم کنترل یک تویوتا کورولا، این خودرو را در یک مسیر مارپیچ در پارکینگ هدایت کنند. این دستاورد، مرزهای جدیدی از «قابلیت‌های نوظهور» (Emergent Capabilities) در مدل‌های هوش مصنوعی عمومی را به نمایش می‌گذارد که پیش‌تر تنها در محیط‌های شبیه‌سازی‌شده یا سیستم‌های اختصاصی نظیر Tesla FSD و Waymo دیده می‌شد.

معماری پیاده‌سازی و کنترل سخت‌افزار

تفاوت بنیادین این پروژه با سیستم‌های خودران متعارف در رویکرد نرم‌افزاری آن نهفته است. در حالی که سیستم‌های Waymo بر پایه میلیون‌ها ساعت داده‌های سنسوری و آموزش‌های تخصصی (End-to-End Deep Learning) طراحی شده‌اند، پروژه DrivingBench از مدل‌های عمومی نظیر GPT-6 Astra، Claude Fable 5.1، Grok 4.6 و GPT-5.6 Sol استفاده کرده است. این مدل‌ها که به‌صورت محلی بر روی یک لپ‌تاپ اجرا می‌شدند، از طریق واسط‌های برنامه‌نویسی به سیستم فرمان، پدال گاز و ترمز خودرو متصل شدند. این یعنی LLM به جای دریافت داده‌های بصری خام به‌صورت مستقیم، از طریق توصیفات متنی و یا داده‌های پردازش‌شده‌ی بصری، محیط اطراف را تحلیل کرده و دستورات کنترلی ارسال می‌کرد.

چالش‌های عملکردی و قابلیت‌های نوظهور

نتایج آزمایش نشان‌دهنده تفاوت فاحش در کارایی مدل‌های مختلف بود. مدل‌های Grok، Sol و Fable در همان مراحل اولیه با شکست مواجه شدند و نتوانستند مسیر را تکمیل کنند. با این حال، GPT-6 Astra توانست با استفاده از قابلیت یادگیری در لحظه (In-context Learning) و اصلاح رفتارهای خود پس از چندین تلاش متوالی، مسیر را با موفقیت طی کند. تیم DrivingBench گزارش داده است که مدل پس از چند خطا در پیچ‌ها، توانست الگوی حرکتی خود را اصلاح کند؛ این پدیده نشان‌دهنده «یادگیری تقویتی مبتنی بر بازخورد لحظه‌ای» در سطح مدل‌های زبانی است که برای هدایت اشیاء در دنیای فیزیکی به‌کار گرفته شده است.

تحلیل فنی و ابعاد کاربردی

این آزمایش لزوماً به معنای جایگزینی سیستم‌های خودران اختصاصی نیست، بلکه اثباتی بر این مدعاست که «هوش عمومی مصنوعی» (AGI) در حال انتقال از محیط‌های انتزاعی متنی به کنترل محیط‌های فیزیکی است. این «جرقه» نشان می‌دهد که مدل‌های زبانی دیگر محدود به تولید متن نیستند و می‌توانند به عنوان مغز متفکر در سیستم‌های سایبرنتیک عمل کنند.

نتیجه‌گیری و آینده‌نگری

آنچه تیم DrivingBench ارائه کرده، فراتر از یک سرگرمی مهندسی است؛ این یک سند زنده از شتاب پیشرفت هوش مصنوعی است. حرکت از دنیای «یقه سفیدها» (White Collar tasks) به سمت دنیای واقعی، تغییری پارادایمیک در توسعه نرم‌افزار است. با انتشار کدها و پرامپت‌های این آزمایش، انتظار می‌رود شاهد موج جدیدی از تحقیقات در حوزه تعامل هوش مصنوعی با سخت‌افزارهای دنیای واقعی باشیم.