Không huấn luyện bất kỳ mạng nơ-ron nào trong suốt quá trình! Mô hình lớn viết tay các quy tắc điều khiển xâm nhập vào công nghiệp động lực học chất lỏng, chi phí chỉ 14 USD để triển khai toàn bộ chiến lược. Ông Giai Yi, cựu thành viên cốt lõi sau huấn luyện của OpenAI, vừa chứng minh rằng “chỉ cần mô hình lớn viết mã có thể vượt qua trò chơi Atari”. Ngay sau đó, nhà nghiên cứu Paul Garnier đã áp dụng phương pháp này vào lĩnh vực động lực học chất lỏng – một lĩnh vực còn khắc nghiệt hơn. Trong suốt quá trình, ông hoàn toàn không huấn luyện bất kỳ mạng nơ-ron nào. Thay vào đó, ông chỉ sử dụng Codex 5.5 như một lập trình viên, liên tục chỉnh sửa các đoạn mã Python dựa trên video mô phỏng dòng chảy. Nhờ những quy tắc điều khiển được viết tay này, AI đã vượt qua các mô hình học tăng cường (DRL) tiên tiến nhất trong hơn một nửa số bài kiểm tra vật lý. Giảm lực cản cho ô tô, ổn định dòng chảy rối trong đường ống – trước đây, ngành công nghiệp chỉ có thể dùng sức mạnh tính toán để “nhồi” ra một mô hình đen tối không thể hiểu được nhằm điều khiển van khí. Codex đã tránh được con đường chết này. Những quy tắc mà nó tạo ra cực kỳ rõ ràng, ví dụ: “Khi độ cong cục bộ quá lớn, hãy trì hoãn phun khí”. Chỉ với vài chục dòng mã ngắn mang tính chất vật lý, nó đã thay thế hoàn toàn việc thử nghiệm bạo lực vô thức của mạng nơ-ron. Việc thay thế mô hình đen bằng mã nguồn đã loại bỏ điểm yếu cứng nhắc và dễ vỡ của mạng nơ-ron. Trước đây, chỉ cần thay đổi nhỏ về phần cứng (ví dụ: thay đổi số vòi phun từ 5 thành 10), mô hình cũ sẽ lập tức hỏng và phải tốn tiền huấn luyện lại. Bây giờ, chỉ cần sửa một hằng số trong mã, hệ thống có thể lập tức kết nối với thiết bị mới. Khi thời gian kiểm tra bị kéo dài gấp bốn lần, các mô hình DRL truyền thống – vốn chỉ hoạt động trong phạm vi kinh nghiệm – hoàn toàn sụp đổ; nhưng mã do mô hình lớn viết ra, do tuân thủ trực tiếp logic vật lý, vẫn vận hành ổn định. Để triển khai toàn bộ chiến lược điều khiển này, mô hình lớn chỉ tiêu thụ 21,25 triệu Token, tổng chi phí dưới 14 USD. #AI #AIAgent