🚨 СРОЧНО: Исследователи Meta показали модели 2 миллиона часов видео. Без меток. Без учебника по физике. Без какого-либо надзора. Затем они показали ей клип, где объект исчезает за стеной и больше не возвращается. Модель отметила это как ошибку. 🤯 Она научилась постоянству объектов. Согласованности форм. Динамике столкновений. Совершенно только от наблюдения. Что еще более удивительно: даже модель, обученная всего на одной неделе уникального видео, достигла производительности выше случайной на обнаружении нарушений физики. Это не случайность. Это принцип. Ключевое понимание из статьи: это работает только тогда, когда модель предсказывает в пространстве обученных представлений, а не в сырых пикселях. Модель должна построить внутреннюю модель мира, сжатую и абстрактную, и предсказывать на основе этого. Прогнозирование в пиксельном пространстве терпит неудачу. Мультимодальные LLM, которые рассуждают через текст, терпят неудачу. Только архитектура, которая строит абстрактные представления, предсказывая недостающий сенсорный ввод, что-то близкое к тому, как нейробиологи описывают предсказательное кодирование, на самом деле приобретает интуицию физики. Что означает, что основные знания, которые исследователи предполагали, должны быть жестко закодированы, могут быть просто наблюдением в масштабе. Младенцы учат постоянству объектов, наблюдая за вещами. Оказывается, тот же принцип работает и здесь. Теперь вот часть, о которой никто не говорит. Если одно лишь наблюдение учит модель правилам физического мира, что произойдет, если применить тот же принцип к производственным системам? В производстве тоже есть физика. Не гравитация. Но правила, столь же последовательные: какие развертывания вызывают инциденты в 3 часа ночи, какие комбинации конфигураций взаимодействуют опасно, какие пути кода тихо деградируют под нагрузкой, какие изменения в сервисе вызывают сбои на два перехода дальше. Эти паттерны встроены в тысячи траекторий. Пуши кода, изменения метрик, заявки клиентов, временные линии инцидентов. В значительной степени не наблюдаются. Определенно не имеют меток. Никто не пишет руководство, которое говорит: "если сервис A развертывается с активным флагом X, и сервис B выше 70% ЦП, задержка на сервисе C ухудшается на 40% в течение 6 минут." Но этот паттерн существует. Он повторяемый. И он сейчас находится в ваших данных наблюдаемости, невидимый, потому что никто не построил модель, чтобы его найти. Вот разрыв, который @playerzeroai пытается закрыть. Не еще один тестовый запуск. Не еще один порог оповещения. Модель мира производства, которая учится, какие вещи ломаются на основе накопленного наблюдения, так же как модель Meta научилась гравитации. Она не проверяет ваше покрытие тестами. Она предсказывает траектории сбоев. Одной недели видео было достаточно, чтобы узнать, что твердые объекты не проходят сквозь стены. Вопрос в том, сколько наблюдений в производстве вашей системе нужно, прежде чем модель начнет предсказывать, где она сломается в следующий раз. ...