OpenAI Modeli GPT-6 Astra İlk Kez Direksiyona Geçti: Yapay Zeka Otomobil Kullanabilir mi?

Yapay zeka ekosisteminin sınırları her geçen gün zorlanırken, büyük dil modellerinin (LLM) fiziksel dünyayla etkileşimi üzerine yapılan deneyler şaşırtıcı sonuçlar doğurmaya devam ediyor. Bilgisayar bilimcileri tarafından yürütülen DrivingBench projesi kapsamında, piyasadaki en gelişmiş ticari yapay zeka modelleri direksiyon başına geçirildi. Daha önce GPT-5.6 Sol, Grok 4.6 ve Claude Fable 5.1 gibi modellerin başarısızlıkla sonuçlanan parkur denemeleri, OpenAI'ın en yeni amiral gemisi modeli GPT-6 Astra ile kırıldı. Boş bir otoparkta gerçekleştirilen bu testlerde, yapay zekanın gerçek dünyadaki sürüş kabiliyetleri tüm çıplaklığıyla gözler önüne serildi.

DrivingBench Projesi ve Toyota Corolla Testleri

Araştırmacılar Tobias Gessler, Aditya Ramabadran ve Simon Mahns tarafından hayata geçirilen DrivingBench projesi, genel amaçlı büyük dil modellerinin otomobil kontrolünü ne derece başarabileceğini test etmeyi amaçlıyor. Bu kapsamda bir Toyota Corolla, openpilot yazılımını çalıştıran bir comma four sürücü destek cihazı, bir dizüstü bilgisayar ve CAN veri yolu üzerinden araç sistemlerine bağlandı. Araç içindeki bir cep telefonu ise xAI ve OpenAI sunucularında barındırılan yapay zeka modellerine canlı görüntü aktararak komut döngüsü sağladı.

Önceki testlerde duvara çarpan veya ilk virajı bile dönemeyen modellerin aksine, GPT-6 Astra ikinci denemesinde parkuru tamamlamayı başardı. Araç, toplamda 134.7 metrelik parkuru 5 dakika 22 saniyede kat etti. Ortalama saatte 0.94 mil (yaklaşık 1.5 kilometre) hızla hareket eden araç, sürücüsüz otonom sürüş teknolojileri dünyasında yavaş ama tarihi bir adım olarak kaydedildi.

Yüksek Maliyetler ve Token Ekonomisi

GPT-6 Astra'nın bu sürüş deneyimi, teknoloji dünyasında maliyet tartışmalarını da beraberinde getirdi. Parkur boyunca yapılan çıkarım (inference) operasyonları için 6.6 milyon token harcandı. Bu süreçte araştırmacılar toplamda 7.74 dolarlık bir token maliyeti ile karşılaştı. Küresel pazarda standart girdi ve çıktı maliyetleri yüksek olsa da, sohbet uygulamasının her dönüşte tüm konuşma geçmişini ve görselleri yeniden göndermesi nedeniyle tokenlerin büyük kısmı önbelleğe (caching) alındı. Önbelleğe alınan girdiler üzerinden hesaplanan maliyet, mil başına yaklaşık 92.47 dolarlık devasa bir rakama denk geliyor.

Karşılaştırma yapmak gerekirse, standart bir benzinli aracın mil başına yakıt maliyeti ortalama 0.184 dolar civarındayken, yapay zeka token maliyetleri geleneksel yakıttan yaklaşık 500 kat daha pahalıya mal oldu. Bu durum, genel amaçlı büyük dil modellerinin ham haliyle günlük sürüşler için ekonomik olarak sürdürülebilir olmadığını net bir şekilde ortaya koyuyor.

Güvenlik Refleksleri ve Yapay Zekanın Çekinceleri

Test sürecindeki en ilginç detaylardan biri de yapay zekanın güvenlik protokolleri oldu. GPT-6 Astra ve diğer bazı modeller, tamamen boş bir otoparkta ve son derece düşük hız sınırlarına rağmen, güvenlik gerekçesiyle fiziksel aracı sürmeyi defalarca reddetti. Yapay zeka ajanları, gerçek dünya koşullarını algıladıklarında "panikleyerek" operasyonu durdurma eğilimi gösterdi.

Araştırmacılar bu engeli aşmak için yapay zekaya psikolojik bir hile yapmak zorunda kaldı. Egzersizin bir "simülasyon" olduğu yönünde yönlendirilen modeller, ancak bu sayede fren yapmayı veya komut vermeyi reddetmekten vazgeçti. Model Context Protocol (MCP) sunucusunun adını "DrivingBench Sandbox" olarak değiştirmek, yapay zekanın gerçek yollarda olmadığını zannetmesini sağlayarak testi tamamlamasının önünü açtı.

Bitter Lesson ve Geleceğin Otonom Sürüş Mimarisi

Uzmanlara göre, günümüzdeki genel amaçlı frontier (sınır) modellerinin doğrudan araçlara entegre edilmesi pratik değil. Model gecikmeleri (latency) en büyük darboğazı oluşturuyor. GPT-6 Astra, her 5 ila 6 saniyede bir kamera görüntülerini inceleyen gözlem aracını kullanırken, Claude Fable 5.1 gibi modeller parkurun büyük kısmında durarak "düşünmekle" vakit kaybetti.

Uzun vadede ise yapay zekadaki "Bitter Lesson" (Acı Ders) prensibi geçerliliğini koruyor. Bilgisayar gücünün ucuzlamasına dayanan genel araştırma yöntemlerinin en etkili yol olduğu belirtilirken, devasa bir genel frontier modelinin eğitilip, ardından otomobilin donanımına sığacak kadar küçük ve verimli özel bir modele damıtılması (distillation) olası bir rota olarak gösteriliyor. Waymo gibi şirketlerin milyarlarca dolarlık yatırımlarla geliştirdiği özel otonom sürüş sistemleri kısa vadede pazarın hakimi olmaya devam edecek olsa da, gelecekte ChatGPT veya Claude gibi yapay zekaların otomobillerimizi yönettiği bir senaryo simülasyon olmaktan çıkıp gerçeğe dönüşebilir.