Un modello linguistico AI può guidare un'auto? La sfida vinta da GPT-6 Astra

Centotrenta metri di tracciato, una fila di coni arancioni e cinque minuti e ventidue secondi di marcia a passo d’uomo. È il bilancio del test condotto da GPT-6 Astra, l’ultimo modello di intelligenza artificiale firmato OpenAI, al volante di una Toyota Corolla.

Per la prima volta, un software nato per elaborare testi e non per muoversi nel mondo fisico ha preso il controllo di un’automobile vera, portandola al traguardo in un parcheggio deserto senza che nessuno toccasse volante o pedali. Un traguardo storico, certo, ma che analizzato da vicino racconta soprattutto quanto siamo ancora lontani (forse meglio) dal vedere un’AI generica al posto di un tassista.

Quattro AI al volante: il test DrivingBench

L’esperimento porta la firma di tre ricercatori, Tobias Gessler, Aditya Ramabadran e Simon Mahns, ideatori di DrivingBench, un benchmark nato per mettere alla prova le capacità di guida dei grandi modelli linguistici. La sfida era identica per tutti: completare un percorso di 130 metri tra curve strette e ostacoli.

In pista sono scesi quattro dei modelli più avanzati sul mercato: oltre a GPT-6 Astra, si sono candidati il suo predecessore GPT-5.6 Sol, Grok 4.6 di xAI e Claude Fable 5.1 di Anthropic.

I risultati sfiorano il fallimento di massa. La maggior parte dei concorrenti ha alzato bandiera bianca alla prima curva. Claude Fable 5.1 si è piantato a metà percorso. Astra ce l’ha fatta, ma solo al secondo tentativo e con una velocità media imbarazzante: circa 1,5 km/h. Al primo giro si era fermato a metà strada, paralizzato dall’incertezza.

Come un software di testo muove un’auto vera

Ma come fa un modello linguistico a sterzare e frenare? L’auto non riceveva comandi diretti dall’AI. I ricercatori hanno installato sulla Corolla un kit hardware per la guida assistita (quello utilizzato solitamente dal sistema open source openpilot), collegato direttamente al bus CAN della vettura, la rete elettronica che gestisce sterzo, acceleratore e freni.

L’interfaccia funzionava attraverso tre comandi base inseriti all’interno di una chat continua:

• Un comando chiedeva all’AI di “guardare" l’immagine scattata dalla telecamera di bordo, leggendo velocità e angolo di sterzo.
• Un altro le permetteva di impostare traiettoria, velocità (tra 0,5 e 3,5 metri al secondo) e durata del movimento.
• Il terzo azionava il freno di emergenza.

Il problema principale? La lentezza di calcolo. Come ha spiegato Aditya Ramabadran a The Register, usare un modello generico per guidare nel mondo reale “è oggi del tutto impraticabile". La latenza ha congelato il test: Astra doveva fermarsi ogni cinque o sei secondi per elaborare l’immagine e decidere la manovra successiva. Claude Fable 5.1 ha fatto persino di peggio: in tre minuti e dieci secondi di test, ne ha passati solo 31 in movimento e ben 159 completamente immobile a “pensare".

Un conto da 1.000 euro per 100 metri

Se la lentezza rende il sistema inutilizzabile nel traffico, i costi lo rendono insostenibile sul piano economico.

I due tentativi di Astra hanno consumato 6,6 milioni di token, generando una fattura di 7,74 dollari (e solo grazie al prezzo ridotto applicato al contesto di conversazione già aperto). Parametrato sulla distanza, il conto sale a 92 dollari a miglio, ovvero più di 57 dollari per ogni chilometro percorso. Una cifra centinaia di volte superiore al costo della benzina necessaria per coprire lo stesso tragitto. Se si aggiungono i 999 dollari dell’hardware di bordo, si arriva a sfiorare i mille euro per far fare a un’auto poco più di cento metri in un parcheggio.

Quando il freno è l’etica dell’AI (e il trucco per ingannarla)

Ad aggravare la situazione si è messo anche il rigido sistema di sicurezza interno dei modelli. Astra, in particolare, ha opposto una resistenza quasi ostinata all’idea di guidare: continuava a rifiutare i comandi segnalando pericoli e rischi inesistenti, persino di fronte a un piazzale vuoto e a velocità prossime allo zero. Non appena capivano dalle immagini di trovarsi a bordo di un veicolo reale, le AI tendevano a bloccarsi o a rifiutare l’operazione.

Per portare a termine l’esperimento, gli studiosi hanno dovuto ricorrere a un inganno: hanno rinominato il server di gestione DrivingBench Sandbox, facendo credere al software di trovarsi all’interno di un simulatore virtuale e non su strada.

Anche sul piano dell’analisi visiva sono emersi limiti evidenti: nessuna delle AI riuscite a partire è stata in grado di interpretare correttamente i coni disposti in diagonale, finendo per non capire da che parte della carreggiata doversi posizionare.

Cosa resta dell’esperimento

I limiti di questa prova sono enormi e ammessi dagli stessi autori: un numero irrisorio di tentativi, campo visivo ridotto al minimo, parametri di guida volutamente ultra-prudenti e un operatore umano con il piede costantemente appoggiato al freno di sicurezza.

Eppure, il valore di questo test sta tutto nell’aspetto concettuale. Ha dimostrato che un’intelligenza artificiale generalista è in grado di chiudere il cerchio tra percezione, decisione e azione meccanica nel mondo reale, senza aver mai ricevuto un addestramento specifico per la guida.

I colossi del settore non cambieranno rotta dall’oggi al domani. Google, ad esempio, ha investito tra i 35 e i 40 miliardi di dollari dal 2009 a oggi per sviluppare Waymo, un sistema specializzato e customizzato. Per gli esperti, la strada per il futuro potrebbe essere la “distillazione”: addestrare un modello gigante per poi ricavarne una versione alleggerita e specializzata da installare direttamente sul computer di bordo delle auto.

Il salto da un parcheggio deserto alle strade di città resta un abisso di costi, ritardi di risposta e dubbi sulla sicurezza. Ma GPT-6 Astra ha appena dimostrato che l’idea di un’AI tuttofare capace di mettersi al volante non appartiene più soltanto alla fantascienza.