🚨 BREAKING: Meta-forskare visade en modell på 2 miljoner timmars video. Inga etiketter. Ingen fysikbok. Ingen övervakning alls. Sedan visade de ett klipp där ett föremål försvinner bakom en vägg och aldrig kommer tillbaka. Modellen flaggade det som fel. 🤯 Den hade lärt sig objektpermanens. Formens konsistens. Kollisionsdynamik. Helt och hållet från att titta. Vad som är ännu mer förvånande: även en modell tränad på bara en veckas unik video uppnådde prestanda över slumpen vid upptäckt av fysiköverträdelser. Det är ingen slump. Det är en princip. Den viktigaste insikten från artikeln: detta fungerar bara när modellen förutsäger i ett inlärt representationsutrymme, inte i råa pixlar. Modellen måste bygga en intern världsmodell, komprimerad och abstrakt, och förutsäga mot den. Pixelrymdsprediktion misslyckas. Multimodala LLM:er som resonerar genom text misslyckas. Endast arkitekturen som bygger abstrakta representationer samtidigt som den förutsäger saknad sensorisk input, något som liknar hur neuroforskare beskriver prediktiv kodning, får faktiskt fysikens intuition. Vilket betyder att den kärnkunskap forskarna antog måste vara hårdkodad kanske bara är observation i stor skala. Bebisar lär sig objektpermanens genom att titta på saker. Det visar sig att samma princip gäller här. Nu kommer den delen som ingen pratar om. Om observation ensam lär en modell reglerna i den fysiska världen, vad händer då när man applicerar samma princip på produktionssystem? Produktion har också fysik. Inte gravitationen. Men regler är lika konsekventa: vilka deploys orsakar incidenter klockan 3 på morgonen, vilka konfigurationskombinationer interagerar farligt, vilka kodvägar som tyst försämras under belastning, vilka tjänsteändringar som orsakar fel två hopp bort. Dessa mönster är inbäddade i tusentals banor. Kodtryck, metriska skift, kundärenden, incident-tidslinjer. Till stor del obemärkt. Definitivt omärkt. Ingen skriver en runbook som säger "om tjänst A distribueras med flagga X aktiv och tjänst B är över 70 % CPU, försämras latensen på tjänst C med 40 % inom 6 minuter." Men det mönstret finns. Det är upprepbart. Och den ligger i din observerbarhetsdata just nu, osynlig eftersom ingen har byggt en modell för att hitta den. Det är det gap @playerzeroai försöker överbrygga. Inte ännu en testlöpare. Inte en till varningströskel. En produktionsvärldsmodell som lär sig vilka saker som går sönder genom ackumulerad observation, på samma sätt som Metas modell lärde sig gravitation. Den kontrollerar inte din testförsäkring. Den förutspår felbanor. En veckas video räckte för att lära sig att solida föremål inte går igenom väggar. Frågan är hur mycket produktionsobservation ditt system behöver innan en modell börjar förutsäga var ditt system kommer att gå sönder härnäst. ...