AI laver løberuter på 27 minutter og skjuler arbejdet

Simon Willison fik ChatGPT til at lave to løberuter på 5 og 10 km fra hans hjem på 27 minutter. Det viser at åbne kort kan lave personlige ruter, men manglende adgang til koden gør resultatet svært at kontrollere. Han foreslår at gemme den oprindelige samtale, så koden altid kan findes igen.

Det tog 27 minutter at lave to løberuter på 5 og 10 kilometer lige fra egen hoveddør. Simon Willison spurgte ChatGPT Work-udgaven med modellen Generative Pre-trained Transformer 6 Astra Max, forkortet GPT-6 Astra Max, om runder der starter og slutter ved hans hjem. Runderne skulle bygges på data fra OpenStreetMap, som er et frit verdenskort lavet af frivillige. Det er lidt som at spørge en lokalkendt ven om en god tur. Svaret kom som et indlejret kort i chatten, altså et kort man kan se direkte i samtalen, og som filer til download i formaterne Global Positioning System Exchange Format, forkortet GPX, og Geographic JavaScript Object Notation, forkortet GeoJSON. Det er to måder at gemme punkter og linjer på, så et ur eller en telefon kan tegne turen op. Ruten på 5,1 kilometer fik navnet El Granada harbor loop.

Hvordan fandt den vej? Ruterne bygger på åbne kortdata, altså kortoplysninger alle må bruge, og lokal beregning, altså regnearbejde der sker på maskinen selv. Modellen forklarede at den brugte Nominatim, som er en slags adressebog der oversætter en adresse til et punkt på kortet, til at finde adressen. Så brugte den Overpass, som er et værktøj til at hente veje og stier fra det åbne kort, til at hente veje og stier. Derefter beregnede den runderne lokalt, lidt som at lægge puslespil på sit eget køkkenbord.

Men kan vi efterprøve arbejdet? Det er der nysgerrigheden for alvor vågner. Arbejdet kan ikke efterprøves, fordi koden er væk. Koden, altså opskriften computeren fulgte, kunne Willison ikke se i ChatGPTs brugerflade, altså det vindue man skriver i. Han kalder den manglende gennemsigtighed, altså at man ikke kan kigge ind i maskinrummet, for en fejl. Da han senere bad om Python-koden, altså opskriften skrevet i programmeringssproget Python, kunne modellen ikke levere den, fordi samtalen var komprimeret, altså presset sammen for at fylde mindre, lidt som en kuffert man har mast tøjet ned i. Han foreslår at systemer med komprimering gemmer den oprindelige tekst og giver agenten, altså den digitale hjælper der handler selv, adgang til den.

Kortet selv er også lidt af et detektivarbejde. Kortet er en HyperText Markup Language-fil, forkortet HTML, altså selve den type fil en internetside er lavet af, bygget med Data-Driven Documents, forkortet D3, som er et værktøj til at tegne med data. Filen hed /workspace/el-granada-5k-share.html og rummer både rute og kort som geometri, altså former og linjer, i et JavaScript Object Notation-element, forkortet JSON, som er en lille pakke med ordnet tekst computeren kan læse. D3 hentes fra cdn.jsdelivr.net, som står på listen over tilladte kilder i visualiseringsfunktionen, altså den del af systemet der får lov at vise billeder og kort frem.