Generación de rutas de carrera con GPT‑6 Astra y ChatGPT Work
· Fuente: Simon Willison
Simon Willison describe cómo, usando ChatGPT Work con el modelo GPT‑6 Astra (también llamado Max), solicitó rutas de carrera de 5 km y 10 km que partieran y terminaran en su domicilio, basándose en datos de OpenStreetMap. En menos de medio hora el agente generó tanto una visualización incrustada como archivos GPX y GeoJSON listos para descargar. La ruta de 5 km mostrada recorre el puerto de Granada y varios bulevares locales, con la información de mapa provista por los colaboradores de OSM.
Al preguntar por el proceso, el modelo explicó que empleó Nominatim para localizar la dirección y Overpass para extraer carreteras y senderos cercanos, calculando los bucles de forma local. Willison señala que el código Python ejecutado no quedó accesible en la interfaz de ChatGPT, lo que considera una falta de transparencia. Además, cuando intentó obtener el script utilizado, la conversación ya había sido compactada y el modelo no pudo recuperarlo, lo que sugiere que los sistemas que usan compresión deberían preservar el texto original y permitir su consulta mediante herramientas de agente.
La visualización se creó con la habilidad “visualize”, que generó un archivo HTML alojado en el espacio de trabajo y lo insertó directamente en la ventana de chat. Willison comparte el código HTML a través de un gist para que otros puedan revisarlo.
Esta demostración muestra el potencial de los LLM para generar rutas personalizadas a partir de datos geoespaciales, pero también evidencia la necesidad de mayor apertura en la ejecución de código, aspecto crucial para usuarios que requieren reproducir o auditar los resultados.
Leer artículo original en Simon Willison
Este resumen es una síntesis informativa elaborada por dataqbs.com. Todos los derechos sobre el contenido original pertenecen a su autor y al medio de comunicación citado. Nosotros solo actuamos como curadores de noticias tecnológicas, sin reclamar autoría alguna.