Generierung von Laufstrecken mit GPT‑6 Astra und ChatGPT Work

Simon Willison beschreibt, wie er mit ChatGPT Work das Modell GPT‑6 Astra (auch Max genannt) nutzte, um 5‑km‑ und 10‑km‑Routen zu erstellen, die bei seiner Adresse beginnen und enden, basierend auf OpenStreetMap‑Daten. Innerhalb von weniger als einer halben Stunde generierte der Agent sowohl eine eingebettete Visualisierung als auch herunterladbare GPX‑ und GeoJSON‑Dateien. Die 5‑km‑Route führt durch den Hafen von Granada und mehrere lokale Boulevards, wobei die Kartendaten von OSM‑Mitwirkenden stammen.

Bei der Nachfrage nach dem Ablauf erklärte das Modell, dass es Nominatim zur Adressfindung und Overpass zur Extraktion von Straßen und Wegen benutzte und die Schleifen lokal berechnete. Willison bemängelt, dass der ausgeführte Python‑Code in der ChatGPT‑Schnittstelle nicht zugänglich sei, was er als mangelnde Transparenz empfindet. Als er versuchte, das verwendete Skript abzurufen, war die Unterhaltung bereits komprimiert und das Modell konnte es nicht wiederherstellen. Das deutet darauf hin, dass Systeme, die Kompression einsetzen, den Originaltext erhalten und über Agenten‑Werkzeuge abrufbar machen sollten.

Die Visualisierung wurde mit der Funktion „visualize“ erzeugt, die eine HTML‑Datei im Arbeitsbereich speicherte und direkt im Chatfenster einbettete. Willison stellt den HTML‑Code über ein Gist zur Verfügung, damit andere ihn prüfen können.

Diese Demonstration zeigt das Potenzial von LLMs, maßgeschneiderte Routen aus geospatiale Daten zu generieren, und unterstreicht gleichzeitig die Notwendigkeit größerer Offenheit bei der Codeausführung, ein entscheidender Aspekt für Nutzer, die Ergebnisse reproduzieren oder auditieren müssen.

Originalartikel lesen auf Simon Willison

Diese Zusammenfassung ist eine informationelle Synthese von dataqbs.com. Alle Rechte am Originalinhalt liegen beim Autor und dem genannten Medienunternehmen. Wir handeln ausschließlich als Kuratoren von Technologie-Nachrichten und beanspruchen keine Urheberschaft.