Visione difficile, visione facile: cosa rivela GPT-6 Astra nei diversi ambiti della visione artificiale

Abstract degli autori

I sistemi generalisti di frontiera stanno rapidamente estendendo le proprie capacità oltre la comprensione visiva, verso compiti tradizionalmente affidati a modelli specializzati di visione artificiale. Con l’ampliarsi di queste capacità, per la comunità della visione artificiale diventa centrale capire fin dove arrivino e che cosa resti difficile. Valutiamo GPT-6 Astra insieme a cinque sistemi generalisti di IA di frontiera, esaminando 34 capacità e 55 benchmark in nove ambiti della visione artificiale. Dove sono disponibili riferimenti adeguati, confrontiamo le loro prestazioni con quelle di modelli specializzati e di esseri umani. Astra dimostra ampie capacità visive, con miglioramenti sostanziali rispetto agli altri sistemi di frontiera nel ragionamento visivo e spaziale e in diverse forme di predizione strutturata. Tra i sistemi più avanzati emerge uno schema ricorrente: le capacità che richiedono interpretazione semantica, ragionamento e predizione incentrata sugli oggetti si avvicinano sempre più ai livelli di riferimento disponibili, o li raggiungono. Restano invece divari più ampi quando i compiti richiedono precisione geometrica metrica, ricostruzione fedele, predizione densa coerente nel tempo o conoscenze visive specialistiche e dettagliate. Il ragionamento aggiuntivo e gli strumenti specialistici colmano alcuni di questi divari, ma i loro benefici variano a seconda delle capacità. Questi risultati delineano un panorama della visione artificiale in evoluzione, in cui compiti visivi sempre più sofisticati diventano accessibili attraverso un’interfaccia generalista, mentre la percezione che richiede precisione e fedeltà resta un’importante frontiera.