ニューラルネットワークを一切トレーニングせずに！大規模モデルが手書きの制御ルールで流体力学の産業分野に突入、14ドルで一連の戦略を実行成功 OpenAIの後トレーニングコアメンバーである翁家翌が「大規模モデルだけでコードを書けばAtariゲームをクリアできる」ことを証明した直後、研究者Paul Garnierはこの手法をさらにハードコアな流体力学制御に応用した。 彼はニューラルネットワークを一切トレーニングしていない。単にCodex 5.5をプログラマーとして使い、流体シミュレーションの映像を観察しながらPythonスクリプトを繰り返し修正した。この手書きの制御ルールだけで、AIは10以上の物理テストにおいて、過半数のシナリオで最先端の強化学習（DRL）ベースラインを上回った。 自動車の空気抵抗低減や配管内の乱流の制御など、産業界はこれまで計算リソースを大量に投入して、理解できないブラックボックスモデルを訓練し、気流バルブを制御してきた。Codexはこの行き止まりを回避した。彼が書き出したルールは極めて明確で、例えば「局所的な曲率が大きすぎる場合、噴射を遅らせる」などだ。物理的常識を含む数十行の簡潔なコードが、ニューラルネットワークによる無差別な試行錯誤を一気に置き換えた。 ブラックボックスをコードに置き換えることで、ニューラルネットワークの硬直性や脆弱性という致命的な欠点を排除した。以前はハードウェアがわずかに変更されただけ（例：噴嘴が5個から10個に変更）でも、旧モデルは即座に機能しなくなり、再び高額なトレーニングが必要だった。今ではコード内の定数を変更するだけで、システムは即座に新しい装置と連携可能だ。 テスト時間を意図的に4倍に延長した際、経験領域から外れた従来のDRLモデルは全面的に崩壊したが、大規模モデルが書いたコードは物理的ロジックに直接従っていたため、安定して動作し続けた。この一連の制御戦略を実行するのに、大規模モデルは2125万トークンしか消費せず、総コストは14ドル未満だった。 #AI #AIAgent