OpenAI допомагає команді Ganassi з налаштуваннями автомобіля.
OpenAI допоміг Палоу здобути поул на новому треку у Вашингтоні, округ Колумбія. Однак перегони склалися не так вдало.
За останні кілька років у світі автоспорту відбулися певні зміни, пов’язані з джерелами фінансування. Раніше це були тютюнові компанії, а меншою мірою — виробники алкоголю. Сьогодні такі речі переважно заборонені, і коли ви дивитеся на болід, вкритий спонсорськими логотипами, ви, ймовірно, побачите щось, пов’язане з криптовалютами, кібертехнологіями або штучним інтелектом.
Це логічно, оскільки дедалі більша частка ВВП пов’язана з цими сегментами. Саме вони мають усі гроші, а для перегонів потрібні кошти. Тому на аматорському рівні ми бачимо, як технічні директори замінюють стоматологів як приватних спонсорів: на минулих вихідних на змаганнях Petit Le Mans були співзасновники GitHub, CrowdStrike, Shopify та розробник Ruby on Rails, і це лише декілька прикладів.
Однак є випадок, коли ртнеру в автоспорті, окрім фінансової підтримки. Саме це демонструють команда Chip Ganassi Racing (CGR) та OpenAI в IndyCar цього року.
Ganassi, можливо, не найбагатша команда в пелотоні, але вона є найдомінантнішою: її пілоти вигравали чемпіонат 13 разів за останні два десятиліття. Спочатку це був Даріо Франкітті, потім Скотт Діксон. Але сьогодні великі трофеї приносить Алекс Палоу, який цього року здобув свій п’ятий титул за шість сезонів. І на деяких перегонах саме його автомобіль носив кольори OpenAI.
Сезон 2026 року був складнішим для Палоу, ніж попередні: він виграв лише третину з 18 перегонів IndyCar. Але це все одно було вдвічі більше, ніж у будь-кого іншого. Вісім полів також були кращим показником, ніж у будь-кого іншого. І виявляється, що OpenAI та один з її дослідників працювали з CGR та Палоу над оптимізацією налаштувань автомобіля. Ця співпраця стала темою документального серіалу на YouTube, другий епізод якого вийшов сьогодні вранці. (Перша, довша частина, тут.)
Це не перший приклад того, як інструменти на основі штучного інтелекту/машинного навчання демонструють свою цінність у наукомістких та керованих даними перегонах. Кілька років тому ми розглядали, як General Motors використовувала інструменти ШІ для прогнозування виїздів машини безпеки на основі радіопереговорів — одне з небагатьох застосувань LLM (великих мовних моделей) на відміну від інших підходів до ШІ/ML. GM Motorsport також розробила інструмент для аналізу даних про аварії, зібраних трековими фотографами за лічені секунди, і тепер координує все це зі своєї нової бази в Шарлотті, Північна Кароліна. Звідти ж підтримується нова команда Cadillac F1, а також більшість найближчих суперників Ganassi в IndyCar. (Ganassi, однак, використовує двигуни Honda.)
На початку цього року IBM та Dallara, яка виробляє боліди IndyCar, а також чимало інших гоночних автомобілів з карбонового волокна, які можна побачити у надто багатьох серіях, опублікували дослідження, що демонструють можливість тренування ШІ на даних обчислювальної гідродинаміки для прискорення аеродинамічної розробки. Це також те, чим займається більше однієї команди Формули-1 з компанією під назвою Neural Concept.
У 1975 році покійний гонщик Марк Донох’ю назвав свою автобіографію “Нечесна перевага” (The Unfair Advantage), і в ній він детально описав, як його методичний підхід до інженерії гоночного автомобіля давав йому цю перевагу. Можна сказати, що навіть до цієї співпраці Палоу мав її: найдомінантніша команда та сезони з більшою кількістю перемог і полів, ніж у всіх інших. Цікаво, чи зможе хтось його наздогнати?
Джерело новини: arstechnica.com