Индустрия глубокого обучения подсела на иглу маркетинговых графиков, игнорируя неприятную правду: старый добрый подход на основе правил (rule-based) зачастую работает лучше и обходится дешевле. Исследование RLSCALEBENCH, проведенное учеными Университета Джорджа Вашингтона, включая Гуйлиня Чжана и Чуанъи Суня, наглядно демонстрирует, что грамотно откалиброванный автоскейлер обходит по стоимости владения все шесть топовых алгоритмов глубокого обучения с подкреплением (DRL). Похоже, мифическое превосходство нейросетей в управлении ресурсами держится на «подтасовке» данных: исследователи сравнивают свои модели с ненастроенными базовыми линиями и публикуют результаты удачных единичных запусков, скрывая огромную дисперсию.
Главное в исследовании RLSCALEBENCH
В ходе бенчмарка PPO, DQN, A2C, SAC, TD3 и DDPG тестировались в равных условиях при одинаковых бюджетах на обучение. Классический контроллер Kubernetes Horizontal Pod Autoscaling (HPA) при правильной настройке показал минимальные затраты на всех шести типах нагрузки. Научные статьи обещают экономию в 30%, но на практике этот профит исчезает, как только инженеры корректно задают параметры целевой утилизации и окон охлаждения. Даже при резких скачках трафика алгоритм PPO хоть и снизил число нарушений ограничений на 54%, но увеличил инфраструктурные расходы на 25%.
«Сложность архитектуры не гарантирует возврат инвестиций (ROI). Главным тормозом адаптивного контроля ресурсов оказывается не выбор алгоритма, а отсутствие реалистичных протоколов оценки».
Для CTO и архитекторов облачных систем экономический вердикт суров: если дискретные алгоритмы на порядки обходят непрерывные просто из-за несоответствия пространства действий, стоит задаться вопросом — сколько корпоративных бюджетов сейчас сгорает в топке ИИ исключительно ради того, чтобы отчет выглядел современно? В бизнесе, где маржа имеет значение, «тупой» порог срабатывания, настроенный руками, всё еще остается королем эффективности.