Postęp AI w kodzie i matematyce: tezy Karpathy

Dlaczego postęp AI jest widoczny tylko w kodzie i matematyce: analiza tez Karpatiego

Andrzej Karpathy, współzałożyciel OpenAI i były dyrektor ds. AI w Tesla, wyjaśnia rozbieżność w ocenach możliwości współczesnych modeli. Postęp koncentruje się w programowaniu, matematyce i badaniach, gdzie AI osiąga szczytowe wyniki. W codziennych zadaniach, takich jak wyszukiwanie informacji czy generowanie tekstów, ulepszenia są minimalne.

Dwie grupy o różnym doświadczeniu

Użytkownicy dzielą się na tych, którzy korzystają z darmowego ChatGPT z zeszłego roku, oraz profesjonalistów pracujących z zaawansowanymi narzędziami typu Codex czy Claude Code.

• Pierwsza grupa ocenia na podstawie przestarzałych modeli: Advanced Voice Mode myli się w prostych scenariuszach, na przykład przy wyborze między spacerem a samochodem do myjni oddalonej o 50 metrów.
• Druga grupa doświadcza „AI-psychozy”: modele z dostępem do terminala w godzinę restrukturyzują bazę kodu lub znajdują luki – zadania, które u człowieka zajmują dni.

Ta rozbieżność prowadzi do nieporozumień: viralowe wpadki starych modeli nie odzwierciedlają potencjału systemów agentowych.

Techniczne powody dominacji kodu i matematyki

Programowanie i matematyka są idealne dla RLHF (Reinforcement Learning from Human Feedback) oraz RL na weryfikowalnych metrykach.

• Wyraźne nagrody: test jednostkowy przechodzi lub odpada – binarny sygnał do optymalizacji, w przeciwieństwie do subiektywnej jakości tekstu.
• Fokus ekonomiczny: zadania B2B generują główne przychody, dlatego zasoby laboratoriów AI kierowane są na generowanie kodu i obliczenia.
• Skalowalność: systemy agentowe z narzędziami (terminal, API) rozwiązują złożone zadania autonomicznie.

W rezultacie topowe modele jak Codex przebudowują projekty w godziny, podczas gdy interfejsy głosowe pozostają słabe w nieustrukturyzowanych zapytaniach.

Równoległe rzeczywistości AI

Karpathy podkreśla: obie perspektywy są prawdziwe. Głosowy ChatGPT „głupieje” przy memach, ale specjalistyczne agenty dominują w scenariuszach profesjonalnych. To nie sprzeczność, lecz rozkład postępu po domenach.

Profesjonaliści zauważają:

• Restrukturyzację legacy-kodu bez utraty funkcjonalności.
• Automatyczny audyt bezpieczeństwa z eksploatacją zero-day.
• Rozwiązywanie zadań matematycznych na poziomie badań PhD.

Dla middle/senior-developerów oznacza to integrację AI w potoki CI/CD i code review, gdzie weryfikowalność przyspiesza iteracje.

Co ważne

• Postęp AI jest asymetryczny: szczyty w kodzie/matematyce dzięki RL na metrykach binarnych.
• Priorytet B2B określa fokus – codzienne zadania odstają.
• Systemy agentowe z dostępem do terminala rozwiązują zadania wielokrotnie szybciej niż człowiek.
• Rozbieżność w postrzeganiu wynika z różnic w używanych modelach.
• Dla specjalistów IT kluczowy jest przeskok na narzędzia jak Codex do zadań production.

— Editorial Team