Toyota Corolla’da yapay zekâ modelleri sürüş testine girdi

Yapay zekâ sistemleri uzun süredir metin oluşturma, görsel analiz ve kod yazma gibi dijital görevlerle sınanıyor. DrivingBench araştırmacılarının gerçekleştirdiği çalışma ise bu modelleri fiziksel dünyada bir araç kullanırken değerlendirmeyi amaçlıyor. Farklı yapay zekâ modelleri, Toyota Corolla üzerinde yapılan bir sürüş testi kapsamında direksiyon kontrolü ve parkur performansı açısından gözlemlendi.

Çalışmanın paylaşılması, yapay zekâ modellerinin yalnızca ekranda yanıt üretmekle sınırlı olmayan becerilerini gündeme getiriyor. Bir otomobili hareket ettirmek, modelin aldığı kararların gerçek bir araç üzerinde uygulanmasını gerektiriyor. Bu nedenle test, yapay zekânın çevresini değerlendirme, sürüş komutlarını uygulama ve araç kontrolünü koruma kapasitesine ilişkin bir inceleme olarak öne çıkıyor.

Testin merkezinde Toyota Corolla yer aldı

DrivingBench araştırmacıları, deney sırasında Toyota Corolla’yı kullandı ve otomobilin kontrolünü farklı yapay zekâ modellerine bıraktı. Modellerin belirlenen sürüş parkurunu tamamlayıp tamamlayamadığı gözlemlendi. Ancak mevcut bilgiler, parkurun nerede veya hangi koşullarda hazırlandığını açıklamıyor. Parkurun uzunluğu, sürüş sırasında kullanılan donanım ve modellerin aracı hangi yöntemle kontrol ettiği de paylaşılmış değil.

Testte kaç yapay zekâ modelinin yer aldığına ilişkin doğrulanmış bir bilgi bulunmuyor. Aynı şekilde kullanılan modellerin adları ve her birinin elde ettiği sonuçlar da açıklanmadı. Bu nedenle çalışmanın ardından belirli bir modelin diğerlerinden daha başarılı olduğunu söylemek mümkün değil. Paylaşılan veriler, yalnızca farklı modellerin bir Toyota Corolla üzerinde sürüş görevine tabi tutulduğunu ortaya koyuyor.

Bir modelin bir parkuru tamamlaması da tek başına güvenli sürüş yeteneğini kanıtlamıyor. Sürüş performansını değerlendirmek için testin hangi trafik düzeninde yapıldığı, araç çevresindeki nesnelerin nasıl algılandığı, hata durumlarında ne yaşandığı ve kontrolün hangi güvenlik sınırları içinde sürdürüldüğü gibi ayrıntıların bilinmesi gerekiyor. Bu bilgiler açıklanmadığı sürece deneyin gerçek yol koşullarındaki karşılığını değerlendirmek sınırlı kalıyor.

Fiziksel görevler, yapay zekâ değerlendirmesini zorlaştırıyor

Metin tabanlı bir soruya doğru yanıt vermek ile hareket hâlindeki bir aracı yönetmek aynı türden bir görev değil. Sürüş sırasında modelin çevreden gelen bilgileri değerlendirerek uygun bir komut üretmesi ve bu komutun araç üzerinde uygulanmasını sağlaması gerekiyor. Direksiyon hareketi, hız kontrolü ve parkur üzerindeki yön değişiklikleri gibi işlemler, kararların doğrudan fiziksel sonuçlar doğurduğu bir ortam oluşturuyor.

Toyota Corolla üzerinde gerçekleştirilen çalışma bu açıdan, yapay zekâ araştırmalarında fiziksel görevlerin de kullanılabildiğini gösteriyor. Bununla birlikte tek bir test, modellerin her koşulda nasıl davranacağını ortaya koymaya yetmez. Bir değerlendirme yapılabilmesi için farklı parkurların, değişen yol koşullarının ve beklenmedik durumların nasıl ele alındığının da bilinmesi gerekir. Mevcut açıklamada bu başlıklara ilişkin ayrıntılar yer almıyor.

Sonuçların karşılaştırılabilmesi için değerlendirme ölçütlerinin açık olması da önem taşıyor. Parkuru tamamlamak, en kısa sürede bitirmek veya en az hatayla ilerlemek birbirinden farklı başarı tanımları olabilir. DrivingBench çalışmasında hangi ölçütün kullanıldığı açıklanmadığından, testin modeller arasında nasıl bir karşılaştırma sunduğu şu aşamada net değil.

Başarılı model henüz açıklanmadı

Çalışmayla ilgili en büyük eksik, test sonucunun ayrıntılarının kamuoyuyla paylaşılmamış olması. Hangi yapay zekâ modelinin parkuru tamamladığı bilinmiyor. Modellerin performans farkları, başarısızlık nedenleri ve test sırasında karşılaşılan sorunlar hakkında da doğrulanmış bir bilgi bulunmuyor. Bu nedenle deneyden hareketle belirli bir modelin sürüş alanında üstünlük kurduğunu iddia etmek doğru olmaz.

Yine de araştırma, yapay zekâ sistemlerini yalnızca dijital çıktıları üzerinden değerlendirmeyen çalışmaların varlığını gösteriyor. Bir modelin fiziksel bir aracı kontrol edebilmesi, yazılı talimatları veya algıladığı çevre verilerini gerçek dünyadaki hareketlerle ilişkilendirmesini gerektiriyor. Bu tür testlerin anlamlı hâle gelmesi ise kullanılan sistemlerin, test koşullarının ve hata sonuçlarının ayrıntılı biçimde paylaşılmasına bağlı.

Şu an için doğrulanabilen bilgi, DrivingBench araştırmacılarının farklı yapay zekâ modellerini Toyota Corolla üzerinde bir sürüş parkurunda denediğiyle sınırlı. Başarılı modelin adı, yarışan model sayısı ve değerlendirme yöntemi açıklanırsa çalışmanın sonuçları daha sağlıklı biçimde yorumlanabilecek.