AI-Fortschritt im Code und in der Mathematik: Karpathys Thesen

# Warum der KI-Fortschritt nur im Code und in der Mathematik spürbar ist: Karpathys Thesen zerlegt

Andrey Karpathy, Mitbegründer von OpenAI und ehemaliger KI-Direktor bei Tesla, erklärt die Lücke bei der Bewertung der Fähigkeiten moderner Modelle. Der Fortschritt konzentriert sich auf Programmierung, Mathematik und Forschung, wo KI Höchstleistungen erzielt. Bei alltäglichen Aufgaben wie der Suche nach Informationen oder der Textgenerierung sind die Verbesserungen minimal.

Zwei Gruppen mit unterschiedlichen Erfahrungen

Die Nutzer teilen sich in zwei Lager: Diejenigen, die auf letztes Jahres kostenloses ChatGPT setzen, und Profis, die fortschrittliche Tools wie Codex oder Claude Code nutzen.

• Die erste Gruppe urteilt nach veralteten Modellen: Der Advanced Voice Mode scheitert an einfachen Szenarien, wie der Wahl zwischen Laufen oder Fahren zu einer Autowaschanlage 50 Meter entfernt.
• Die zweite Gruppe erlebt den „KI-Wahnsinn“: Modelle mit Terminal-Zugang können eine gesamte Codebasis umstrukturieren oder in einer Stunde Schwachstellen aufdecken – Aufgaben, die Menschen Tage kosten.

Dieser Graben führt zu Missverständnissen: Virale Fehlschläge alter Modelle spiegeln nicht das Potenzial agentischer Systeme wider.

Technische Gründe für die Dominanz von Code und Mathematik

Programmierung und Mathematik eignen sich perfekt für RLHF (Reinforcement Learning from Human Feedback) und RL auf überprüfbaren Metriken.

• Klare Belohnungen: Ein Unit-Test schlägt entweder fehl oder besteht – ein binäres Signal für die Optimierung, im Gegensatz zur Subjektivität der Textqualität.
• Wirtschaftlicher Fokus: B2B-Aufgaben generieren den Großteil des Umsatzes, daher pumpen KI-Labore Ressourcen in Code-Generierung und Berechnungen.
• Skalierbarkeit: Agentische Systeme mit Tools (Terminal, API) meistern komplexe Aufgaben autonom.

Das Ergebnis: Top-Modelle wie Codex überholen Projekte in Stunden, während Sprachschnittstellen mit unstrukturierten Anfragen kämpfen.

Parallele Realitäten der KI

Karpathy betont: Beide Sichten sind richtig. Voice ChatGPT hapert bei Memes, aber spezialisierte Agenten beherrschen professionelle Workflows. Das ist kein Widerspruch – es ist Fortschritt, verteilt über verschiedene Domänen.

Profis heben hervor:

• Umstrukturierung von Legacy-Code ohne Funktionsverlust.
• Automatisierte Sicherheitsaudits, inklusive Zero-Day-Exploits.
• Lösung mathematischer Probleme auf PhD-Niveau.

Für Mid- und Senior-Entwickler bedeutet das: KI in CI/CD-Pipelines und Code-Reviews integrieren, wo Überprüfbarkeit Iterationen beschleunigt.

Was zählt

• Der KI-Fortschritt ist asymmetrisch: Höhepunkte in Code und Mathematik resultieren aus RL auf binären Metriken.
• B2B-Prioritäten bestimmen den Fokus – Alltagsaufgaben hinken hinterher.
• Agentische Systeme mit Terminal-Zugang lösen Probleme Ordnungen von Größe schneller als Menschen.
• Wahrnehmungslücken entstehen durch Unterschiede bei den genutzten Modellen.
• Für IT-Profis ist der Schlüssel: Tools wie Codex für Produktionsworkloads einsetzen.

— Editorial Team