Pokrok AI v kódu a matematice: teze Karpatyho

# Proč je pokrok v AI viditelný pouze v kódu a matematice: rozbor tezí Karpatyho

Andrej Karpathy, spoluzakladatel OpenAI a bývalý ředitel AI v Tesla, vysvětluje rozdíl v hodnocení schopností současných modelů. Pokrok je soustředěn v programování, matematice a výzkumu, kde AI dosahuje špičkových výsledků. V běžných úkolech jako vyhledávání informací nebo generování textů jsou zlepšení minimální.

Dvě skupiny s různou zkušeností

Uživatelé se dělí na ty, kteří spoléhají na bezplatný ChatGPT z minulého roku, a profesionály pracující s pokročilými nástroji jako Codex nebo Claude Code.

• První skupina soudí podle zastaralých modelů: Advanced Voice Mode se ztrácí v jednoduchých scénářích, například při volbě mezi pěšky a autem do myčky v 50 metrech.
• Druhá skupina vidí 'AI psychózu': modely s přístupem k terminálu za hodinu restrukturalizují kodovou bázi nebo najdou zranitelnosti – úkoly, které člověka vyžadují dny.

Tento rozdíl vede k nedorozumění: virální selhání starých modelů neodrážejí potenciál agentních systémů.

Technické důvody dominance kódu a matematiky

Programování a matematika jsou ideální pro RLHF (Reinforcement Learning from Human Feedback) a RL na ověřitelných metrikách.

• Jasné odměny: unit-test projde nebo selže – binární signál pro optimalizaci, na rozdíl od subjektivní kvality textu.
• Ekonomický fokus: B2B úkoly přinášejí hlavní příjem, proto jsou zdroje AI laboratoří směřovány na generování kódu a výpočty.
• Škálovatelnost: agentní systémy s nástroji (terminál, API) řeší komplexní úkoly autonomně.

V důsledku toho špičkové modely jako Codex přestavují projekty za hodiny, zatímco hlasové rozhraní zůstávají slabá v nestrukturovaných požadavcích.

Paralelní reality AI

Karpathy zdůrazňuje: oba obrazy jsou správné. Hlasový ChatGPT 'zahltí' v memech, ale specializovaní agenti dominují v profesionálních scénářích. To není protiklad, ale distribuce pokroku podle domén.

Profesionálové zaznamenávají:

• Restrukturalizace legacy kódu bez ztráty funkcionality.
• Automatický audit bezpečnosti s exploitací zero-day.
• Řešení matematických úkolů na úrovni PhD výzkumů.

Pro middle/senior vývojáře to znamená integraci AI do CI/CD pipelineů a code review, kde ověřitelnost urychluje iterace.

Co je důležité

• Pokrok AI je asymetrický: špičky v kódu/matematice díky RL na binárních metrikách.
• B2B priorita určuje fokus – běžné úkoly zaostávají.
• Agentní systémy s terminálním přístupem řeší úkoly několikrát rychleji než člověk.
• Rozdíl ve vnímání vzniká z rozdílu v používaných modelech.
• Pro IT specialisty je klíč – přechod na nástroje jako Codex pro production úkoly.

— Editorial Team