代码和数学中的 AI 进步：Karpathy 的论点

# 为什么 AI 进步只在代码和数学中显而易见：剖析 Karpathy 的论点

Andrey Karpathy，OpenAI 联合创始人、前特斯拉 AI 总监，解释了现代模型能力评估中的差距。进步集中在编程、数学和研究领域，AI 在这些领域取得了顶尖成果。在日常任务如搜索信息或生成文本中，改进微乎其微。

两种不同体验的用户群体

用户分为两大阵营：依赖去年免费 ChatGPT 的普通用户，以及使用高级工具如 Codex 或 Claude Code 的专业人士。

• 第一类用户基于过时模型判断：高级语音模式在简单场景中就出错，比如选择步行还是开车去 50 米外的洗车店。
• 第二类用户见证了“AI 狂热”：具有终端访问权限的模型能重构整个代码库，或在一小时内发现漏洞——这些任务人类需要耗费数日。

这种分歧导致误解：旧模型的病毒式失败视频，并不能反映代理系统（agentic systems）的真正潜力。

代码和数学主导的技术原因

编程和数学非常适合 RLHF（人类反馈强化学习）和基于可验证指标的强化学习。

• 明确的奖励：单元测试要么通过要么失败——这是优化的二元信号，不像文本质量那样充满主观性。
• 经济重点：B2B（企业对企业）任务驱动大部分收入，因此 AI 实验室将资源大量投入代码生成和计算能力。
• 可扩展性：配备工具（终端、API）的代理系统，能自主处理复杂任务。

结果，像 Codex 这样的顶级模型能在几小时内彻底改造项目，而语音界面则难以应对非结构化查询。

AI 的平行现实

Karpathy 强调：两种观点都正确。语音 ChatGPT 在处理 meme 时手足无措，但专业代理系统已主导工作流程。这不是矛盾——而是进步在不同领域分布不均。

专业人士强调：

• 重构遗留代码，同时保留原有功能。
• 自动化安全审计，包括零日漏洞。
• 以博士级研究水平解决数学难题。

对于中高级开发者，这意味着将 AI 集成到 CI/CD（持续集成/持续部署）管道和代码审查中，可验证性能显著加速迭代。

关键点

• AI 进步是不对称的：代码和数学中的峰值源于基于二元指标的强化学习。
• B2B 优先级决定了发展重点——日常任务相对滞后。
• 具有终端访问的代理系统，解决问题速度比人类快几个数量级。
• 感知差距源于人们使用的模型不同。
• 对于 IT 专业人士，关键是采用 Codex 等工具处理生产工作负载。

— Editorial Team