ChatGPT para potenciar los coches autónomos

Los ingenieros de la Universidad de Purdue han informado que los vehículos autónomos (VA) pueden aprovechar ChatGPT y otros chatbots, impulsados por algoritmos de inteligencia artificial conocidos como modelos de lenguaje de gran tamaño (MLG), para mejorar sus capacidades de conducción.

Su estudio, que se presentará el 25 de septiembre en la 27ª Conferencia Internacional IEEE sobre Sistemas de Transporte Inteligentes, explora cómo los MLG ayudan a los VA a interpretar los comandos de los pasajeros de manera más natural, lo que podría marcar un avance en la interacción entre humanos y vehículos.

A diferencia de los sistemas AV actuales, que requieren entradas precisas, los LLM se entrenan para interpretar el habla humana de una manera más flexible y conversacional.

La Dra. Wang, investigadora principal del estudio, explica que las interfaces de vehículos tradicionales a menudo implican presionar botones o emitir comandos de voz explícitos. Por otro lado, los LLM permiten un diálogo más intuitivo y natural con los pasajeros.

Aunque las LLM no controlan directamente el vehículo, los investigadores explicaron que las LLM pueden ser utilizadas para asistir a los sistemas existentes del AV, haciendo que la experiencia de conducción sea más personalizada y receptiva a las necesidades del pasajero.

Para su experimento, el equipo de investigación entrenó a ChatGPT con una variedad de comandos, tanto directos como indirectos. Ejemplos incluyen, “Conduce más rápido” o “Me siento mareada”, enseñando al modelo a adaptarse a diferentes situaciones.

Los investigadores han probado otros chatbots, como Gemini de Google y Llama AI de Meta, pero descubrieron que ChatGPT es el que mejor funcionó.

El modelo procesó estos comandos teniendo en cuenta las condiciones de tráfico en tiempo real, el clima, y los datos de los sensores del vehículo.

El vehículo, que operaba con autonomía de nivel cuatro (solo un paso por debajo de la autonomía total), usaba instrucciones generadas por LLM para controlar su acelerador, frenos, engranajes y dirección.

En algunos experimentos, el equipo de Wang probó un módulo de memoria que añadieron al sistema. Esto permitió a los grandes modelos de lenguaje almacenar información sobre las preferencias pasadas del pasajero. Los modelos entonces usaban esos datos para personalizar sus respuestas a futuras órdenes.

Se realizaron experimentos en un entorno controlado, incluyendo una antigua pista de aterrizaje en Columbus, Indiana, donde se probaron las respuestas del AV a las órdenes a velocidades de autopista y en intersecciones.

Los investigadores informaron que los participantes encontraron sus viajes en el AV asistido por LLM más cómodos que en los sistemas AV tradicionales. El vehículo también superó consistentemente los estándares de seguridad de referencia, incluso cuando respondía a nuevas órdenes.

Esto es especialmente relevante dado que los coches autónomos se utilizan cada vez más como taxis, donde las experiencias personalizadas pueden mejorar la satisfacción del pasajero.

Los grandes modelos de lenguaje utilizados en este estudio tardaron un promedio de 1.6 segundos en procesar un comando del pasajero, lo cual está bien para la mayoría de las situaciones, pero necesita ser más rápido para emergencias, como señaló la Dra. Wang.

Aunque este estudio no se centró en ello, los modelos de lenguaje grandes como ChatGPT a veces pueden “alucinar”, lo que significa que malinterpretan la información y dan respuestas incorrectas.

Para abordar esto, el equipo estableció medidas de seguridad para proteger a los pasajeros cuando los modelos malinterpretaron comandos. Los modelos mejoraron en la comprensión de los comandos durante el viaje, pero las alucinaciones aún necesitan ser corregidas antes de que estos modelos puedan ser utilizados en VAs.

Los fabricantes de automóviles también necesitarán realizar más pruebas más allá de la investigación ya realizada por las universidades. Además, necesitarían la aprobación regulatoria antes de que los grandes modelos de lenguaje pudieran integrarse completamente en los AVs para controlar las funciones de conducción del vehículo, dijo Wang.