Nenhum modelo neural foi treinado durante todo o processo! Um grande modelo escrevendo regras de controle à mão invade a indústria da mecânica dos fluidos, executando toda a estratégia por apenas 14 dólares. O ex-membro central da pós-treinamento da OpenAI, Weng Jiayi, acabou de provar que “um grande modelo pode passar em jogos Atari apenas escrevendo código”. Agora, o pesquisador Paul Garnier aplicou esse método ao campo ainda mais desafiador do controle da mecânica dos fluidos. Durante todo o processo, nenhum modelo neural foi treinado. Apenas o Codex 5.5 foi usado como programador, analisando vídeos de simulações de fluidos e reescrevendo repetidamente scripts em Python. Com essas regras de controle escritas manualmente, a IA superou os melhores modelos de aprendizado por reforço (DRL) em mais da metade dos cenários em mais de dez testes físicos. Reduzir a resistência de automóveis, controlar turbulências em tubulações — antes, a indústria dependia apenas de poder computacional massivo para treinar modelos opacos e ininteligíveis que controlavam válvulas de fluxo. O Codex evitou esse beco sem saída. As regras que ele escreveu são extremamente diretas, como: “quando a curvatura local for muito alta, atrasar o jato”. Dezenas de linhas de código curto, baseadas em conhecimento físico, substituíram diretamente a tentativa e erro cega das redes neurais. Substituir o modelo opaco por código eliminou a fraqueza rígida e frágil das redes neurais. Anteriormente, qualquer pequena alteração no hardware (por exemplo, mudar de 5 para 10 bicos de controle) tornava o modelo antigo inutilizável, exigindo treinamento caro novamente. Agora, basta alterar uma constante no código para que o sistema se adapte imediatamente ao novo equipamento. Quando o tempo de teste foi forçadamente estendido em quatro vezes, os modelos tradicionais de DRL, que saíram da zona de experiência, entraram em colapso total; mas o código escrito pelo grande modelo, que segue diretamente a lógica física, manteve-se estável e funcional. Para executar toda essa estratégia de controle, o grande modelo consumiu apenas 21,25 milhões de tokens, com um custo total inferior a 14 dólares. #AI #AIAgent