Hiçbir sinir ağı eğitilmedi! Büyük model, el yazısı kontrol kurallarıyla akışkanlar dinamiği endüstrisine girdi, tüm strateji 14 dolarla çalıştırıldı. OpenAI'nın son eğitim ekibinden翁家翌, "sadece büyük model ile kod yazarak Atari oyunlarını geçmek" mümkün olduğunu kanıtladı; şimdi araştırmacı Paul Garnier bu yöntemi daha da zorlu bir alana, akışkanlar dinamiği kontrolüne taşıdı. O, hiç bir sinir ağı eğitmedi. Sadece Codex 5.5'i bir programcı olarak kullanarak, akışkan simülasyon videolarını izleyip Python betiklerini tekrar tekrar düzenledi. Bu el yazısı kontrol kurallarıyla, AI, onlarca fiziksel testte, üst düzey pekiştirmeli öğrenme (DRL) temellerinin çoğunluğunu alt etti. Araba sürtünmesini azaltmak, borulardaki türbülansı yatıştırmak için endüstri, önceye kadar sadece hesaplama gücüyle, anlaşılmaz bir kara kutu modeli eğiterek hava valflerini kontrol etmeye çalışmıştı. Codex, bu çaresiz yola girmeden kaçtı. Yazdığı kurallar son derece açık: örneğin, "yerel eğrilik aşırı büyükse, püskürtmeyi geciktir". Fiziksel bilgiye dayalı birkaç satır kod, sinir ağıların kaba deneme-yanılma yöntemini tamamen yerine geçirdi. Kara kutuyu kodla değiştirmek, sinir ağlarının sert, kolay kırılan zayıf noktasını ortadan kaldırdı. Daha önce donanımda küçük bir değişiklik yapıldığında (örneğin, püskürtme nozulları 5'ten 10'a çıkarıldığında), eski model hemen bozulur ve yeniden maliyetli bir eğitim gerekirdi. Şimdi sadece kodda bir sabiti değiştirmek yeterliydi; sistem anında yeni cihazlara bağlanabilirdi. Test süresi dört katına çıkarıldığında, deneyim alanının dışına çıkan geleneksel DRL modelleri tamamen çöktü; ancak büyük modelin yazdığı kod, fiziksel mantığı doğrudan takip ettiği için sürekli kararlı kaldı. Bu tam kontrol stratejisini çalıştırmak için büyük model sadece 21,25 milyon token tüketti ve toplam maliyet 14 doların altındaydı. #AI #AIAgent