Η συναρμολόγηση ενός επίπλου IKEA κάθε άλλο παρά εύκολη υπόθεση είναι. Ένα λάθος βήμα στις οδηγίες, μια βίδα στη λάθος θέση ή ένα κομμάτι τοποθετημένο ανάποδα και η συρταριέρα, το κρεβάτι ή η βιβλιοθήκη μπορεί να μετατραπεί σε πραγματικό πονοκέφαλο.
Αυτός ακριβώς ο πονοκέφαλος φαίνεται, όμως, ότι μπορεί να αποκτήσει και μια πιο… χρήσιμη διάσταση. Η λογική, η χωρική αντίληψη και η ικανότητα εντοπισμού λαθών που απαιτούνται για τη συναρμολόγηση ενός επίπλου χρησιμοποιούνται πλέον ως κριτήριο για να αξιολογηθεί πόσο καλά «σκέφτεται» η Τεχνητή Νοημοσύνη.
Ερευνητές του μη κερδοσκοπικού οργανισμού έρευνας AI Epoch AI, οι Έιντεν Έιμεντ και Γκρεγκ Μπέρνχαμ, παρουσίασαν το Furniture Assembly Benchmark, ένα πείραμα σχεδιασμένο για να μετρήσει τις δυνατότητες των μοντέλων τεχνητής νοημοσύνης σε μια δραστηριότητα που συνδέεται άμεσα με τον πραγματικό κόσμο: τον εντοπισμό λαθών στη συναρμολόγηση επίπλων IKEA.
Η λογική πίσω από το τεστ είναι απλή. Τα μοντέλα καλούνται να εξετάσουν εικόνες από διαφορετικά στάδια συναρμολόγησης και να εντοπίσουν τι έχει γίνει λάθος, σε ποιο σημείο και για ποιον λόγο.
Γιατί IKEA;
Σε μια περίοδο κατά την οποία οι εταιρείες τεχνολογίας παρουσιάζουν συνεχώς ισχυρότερα μοντέλα και νέες δυνατότητες, η πραγματική σύγκριση των επιδόσεών τους δεν είναι πάντα εύκολη.
Οι ερευνητές της Epoch AI αναζήτησαν έναν τρόπο να δοκιμάσουν την AI σε μια δραστηριότητα που απαιτεί όχι μόνο κατανόηση κειμένου, αλλά και οπτική και χωρική αντίληψη, λογική και επίλυση προβλημάτων.
Η αρχική ιδέα ήταν να ζητήσουν από τα μοντέλα να δώσουν οδηγίες για τη συναρμολόγηση και στη συνέχεια να τις ακολουθήσουν. Τα αποτελέσματα, όπως περιγράφει ο Μπέρνχαμ, ήταν συχνά χαοτικά.
Η τελική προσέγγιση ήταν διαφορετική: οι ερευνητές αποφάσισαν να βάλουν την AI στη θέση του… ελεγκτή. Αντί να ζητήσουν από τα μοντέλα να συναρμολογήσουν τα ίδια τα έπιπλα, τους ζήτησαν να εντοπίσουν τα λάθη που είχαν κάνει οι άνθρωποι.
Η προσέγγιση αυτή θεωρήθηκε πιο κοντά σε πραγματικές συνθήκες. Ένα λάθος κατά τη συναρμολόγηση δεν είναι απαραίτητα πρόβλημα, εφόσον μπορεί να αναγνωριστεί και να διορθωθεί εγκαίρως.
Τρία έπιπλα, δεκάδες εικόνες και πολλά λάθη
Για το πείραμα επιλέχθηκαν τρία προϊόντα της IKEA, διαφορετικής βαθμίδας δυσκολίας σύμφωνα με τον δείκτη πολυπλοκότητας της εταιρείας.
Στο εύκολο επίπεδο χρησιμοποιήθηκε η παπουτσοθήκη Stall, στο μεσαίο το πλαίσιο κρεβατιού Tonstad, ενώ για το πιο απαιτητικό στάδιο επιλέχθηκε η συρταριέρα Gullaberg.
Οι ερευνητές συναρμολόγησαν τα έπιπλα, εισάγοντας σκόπιμα λάθη σε διαφορετικά στάδια της διαδικασίας. Στη συνέχεια κατέγραψαν 60 φωτογραφίες, τις οποίες τροφοδότησαν στα μοντέλα AI των OpenAI, Anthropic, Google, Moonshot και Alibaba.
Τα μοντέλα είχαν στη διάθεσή τους, εκτός από τις φωτογραφίες, και το PDF με τις οδηγίες συναρμολόγησης, εργαλείο μεγέθυνσης των εικόνων και διερμηνέα Python.
Η αποστολή τους ήταν να εντοπίσουν τα λάθη, να προσδιορίσουν σε ποιο στάδιο έγιναν και να εξηγήσουν στον χρήστη τι ακριβώς είχε πάει στραβά.
Ποιο μοντέλο τα κατάφερε καλύτερα;
Τα αποτελέσματα δείχνουν ότι τα μοντέλα έχουν κάνει σημαντικά βήματα προόδου, χωρίς όμως να έχουν φτάσει ακόμη σε επίπεδο απόλυτης ακρίβειας.
Στην αρχική φάση της αξιολόγησης, το Claude Opus 4.5 της Anthropic κατέγραψε την υψηλότερη επίδοση, με ακρίβεια μόλις 28%.
Μέσα σε περίπου δέκα μήνες, ωστόσο, η εικόνα άλλαξε σημαντικά. Το GPT-6 Astra της OpenAI έφτασε σε ποσοστό ακρίβειας 80%, καλύπτοντας γρήγορα την απόσταση.
Εντυπωσιακή ήταν και η ταχύτητα. Το GPT-6 Astra χρειάστηκε περίπου τρία λεπτά ανά φωτογραφία, χρόνος που ήταν έως και δέκα φορές μικρότερος σε σχέση με άλλα μοντέλα που συμμετείχαν στη δοκιμή.
Τα κινεζικά μοντέλα, σύμφωνα με τα ευρήματα του τεστ, εμφάνισαν μικρότερη πρόοδο και παρέμειναν πίσω από τα αμερικανικά μοντέλα.
Από τα έπιπλα στις πραγματικές εργασίες
Το ενδιαφέρον του πειράματος, πάντως, δεν περιορίζεται στο ερώτημα αν ένα chatbot μπορεί να καταλάβει πού μπήκε λάθος μια βίδα.
Οι ερευνητές θεωρούν ότι παρόμοιες δυνατότητες μπορούν να αξιοποιηθούν σε πολύ πιο σύνθετες εργασίες, οι οποίες απαιτούν οπτική και χωρική αντίληψη.
Μια AI που μπορεί να εντοπίσει ένα λάθος στη συναρμολόγηση ενός επίπλου θα μπορούσε, θεωρητικά, να χρησιμοποιηθεί στο μέλλον για την παροχή καθοδήγησης σε εργασίες όπως η επισκευή αυτοκινήτων ή ο εντοπισμός προβλημάτων σε οικιακές συσκευές.
Οι Έιμεντ και Μπέρνχαμ υποστηρίζουν ότι το συγκεκριμένο benchmark μπορεί να αποτελέσει ένδειξη για το κατά πόσο τα μοντέλα είναι σε θέση να καθοδηγούν ανθρώπους σε πιο σύνθετες εργασίες φυσικής συναρμολόγησης και επισκευής.
Παρά την εντυπωσιακή βελτίωση, όμως, η AI εξακολουθεί να έχει σημαντικούς περιορισμούς, κυρίως στην ταχύτητα και στη σταθερότητα της ακρίβειας.
Και αυτό έχει σημασία όχι μόνο για την τεχνολογία, αλλά και για την οικονομία. Όπως επισημαίνει ο Μπέρνχαμ, εάν η AI μπορούσε να ενισχύσει τις δεξιότητες εργαζομένων σε εργοστάσια, βοηθώντας τους να επισκευάζουν σύνθετα μηχανήματα, θα μπορούσε να μειώσει τον χρόνο κατά τον οποίο οι παραγωγικές μονάδες παραμένουν εκτός λειτουργίας.
Μέχρι τότε, πάντως, υπάρχει ένα ασφαλές συμπέρασμα: η συναρμολόγηση των επίπλων IKEA παραμένει ανθρώπινη υπόθεση. Τουλάχιστον προς το παρόν, η AI μπορεί να βρει το λάθος στη βιβλιοθήκη μας, αλλά δεν έχει καταφέρει ακόμη να μας απαλλάξει από την τελευταία βίδα που πάντα… περισσεύει.
Διαβάστε ακόμη
Το κρίσιμο 15ήμερο για την ενέργεια: Στη θέρμανση το βάρος, στην Ευρώπη οι επόμενες κινήσεις
Τραμπ: «Εξετάζω κάθε μέρα το ενδεχόμενο απαγόρευσης εξαγωγών ντίζελ» για να μειωθούν οι τιμές
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφθείτε το Πρώτο ΘΕΜΑ