Під час всього процесу не навчалося жодної нейромережі! Велика модель з ручними правилами керування вривається в промислову гідродинаміку — повний набір стратегій працює за 14 доларів. Он Цзяй, колишній ключовий член команди OpenAI з післянавчання, щойно довів, що «великі моделі, що пишуть код без навчання, можуть пройти гру Atari». Дослідник Пол Гарньє переніс цей підхід у ще більш складну галузь — керування гідродинамікою. Під час всього процесу не навчалося жодної нейромережі. Просто Codex 5.5 виконував роль програміста, постійно переписуючи Python-скрипти, спостерігаючи за відео симуляції потоку. Саме ці ручні правила керування дозволили AI випередити найкращі базові моделі підсиленого навчання (DRL) у більшості з десятка фізичних тестів. Зменшення опору автомобіля, приглушення турбулентності в трубопроводах — раніше промисловість змушена була витрачати величезні обчислювальні ресурси, щоб «накормити» чорну скриньку, яка незрозуміло керує клапанами потоку. Codex уникнув цього мертвого шляху. Він створив надзвичайно прості правила, наприклад: «коли локальна кривизна занадто велика — затримати вприскування». Десятки рядків короткого коду з фізичним змістом замінили слепий перебір нейромереж. Заміна чорної скриньки на код усунула головний недолік нейромереж — їхню жорсткість і вразливість. Раніше, якщо мали змінити обладнання (наприклад, збільшити кількість форсунок з 5 до 10), стара модель миттєво ставала непридатною, і потрібно було знову витрачати гроші на навчання. Зараз достатньо змінити одну константу в коді — і система миттєво підключається до нового обладнання. Коли час тестування був намагано збільшений у чотири рази, традиційні моделі DRL, що вийшли за межі досвіду, повністю розвалилися; але код, написаний великою моделлю, оскільки прямо дотримувався фізичних законів, працював стабільно. Повний цикл цих керуючих стратегій виконався лише за 21,25 мільйона токенів — загальні витрати менше 14 доларів. #AI #AIAgent