Andrej Karpathy beskriver i et opslag fra 11. oktober en voksende kløft i, hvordan mennesker oplever kunstig intelligens: som en “skarp tragt”. De fleste har kun lidt erfaring med store sprogmodeller, mens en mindre teknisk gruppe arbejder med de mest avancerede modeller. Endnu færre har ifølge ham adgang til mere avancerede agentsystemer i AI-laboratorierne. Tallene er Karpathys egne grove overslag – ikke resultatet af en måling af, hvor mange der bruger AI.
8
16
Karpathys fire niveauer
Tragten handler om, hvor meget folk bruger AI, og hvilke systemer de har adgang til. Den er ikke en dokumenteret opgørelse over, hvad hver enkelt person eller model kan.
8
16
- Omkring 6 milliarder mennesker – cirka 75 procent af verdens befolkning: har næsten ikke været i kontakt med store sprogmodeller, eller LLM’er.
2
16
- Omkring 1–2 milliarder lejlighedsvise brugere: bruger gratis chatbotter en gang imellem, ofte som hjælp til søgning eller tekst.
4
16
- Omkring 20 millioner fagfolk: bruger avancerede modeller, især inden for matematik og software.
6
8
- Cirka 5.000 insidere: har intern adgang til systemer på forkant med udviklingen.
6
20
Forskellen handler ifølge Karpathy blandt andet om opgaven. At bede en chatbot om et hurtigt svar er ikke det samme som at sætte AI-agenter til et større projekt med mange trin. De, der primært møder almindelige chatbots, kan derfor have et helt andet billede af AI end dem, der bruger mere avancerede systemer til omfattende opgaver.
3
16
Derfor oplever folk AI forskelligt
Opgavens størrelse betyder noget. Et kort spørgsmål eller en tekst, der skal finpudses, viser ikke nødvendigvis de samme evner som et længere projekt. Karpathys pointe fremhæver, at opgavens omfang og ambition kan gøre folks erfaringer med AI meget forskellige.
3
17
Fagområdet spiller også ind. Den beskrevne udvikling står særligt tydeligt i programmering og matematik, hvor resultater ofte kan kontrolleres. Det betyder ikke, at AI bliver bedre lige hurtigt inden for alle typer arbejde.
17
Adgang til værktøjerne er forskellig. Karpathys niveauer skelner mellem lejlighedsvis brug af gratis chatbotter, professionel brug af avancerede modeller og intern adgang til systemer i AI-laboratorier. Hvilket billede man får af AI, afhænger derfor også af, hvilke værktøjer man kan bruge – og hvordan man bruger dem.
6
16
Karpathy har desuden advaret om, at menneskers evne til at gennemgå og forstå resultater kan sakke bagud, når agenternes arbejde bliver mere omfattende. Det er en bekymring om menneskelig kontrol og forståelse – ikke dokumentation for, at agenternes arbejde automatisk er korrekt.
7
Hvad tallene fortæller – og ikke fortæller
Tragten kan bruges til at beskrive, hvorfor mennesker møder meget forskellige versioner af AI. Men tallene bør ikke læses som verificerede optællinger: Karpathy kalder dem selv grove overslag, og opslaget bygger ikke på en undersøgelse af brugen af teknologien.
8
16
Modellen peger samtidig på, hvorfor almindelig brug af chatbots ikke nødvendigvis giver et fuldstændigt billede af værktøjer, der kan arbejde med større projekter. Men Karpathys skøn dokumenterer hverken, hvor godt sådanne værktøjer klarer sig på tværs af opgaver, eller om deres resultater kan stoles på uden grundig kontrol.
7
16
Et særskilt spørgsmål: Hvad koster AI-agenter?
En prognose fra Morgan Stanley, omtalt i forbindelse med AI-agenter, anslår, at agentopgaver kan øge det potentielle marked for datacenteres processorer og hukommelse med 32,5–60 milliarder dollar frem mod 2030. Det er en prognose for efterspørgslen efter infrastruktur – ikke et bevis på, at alle løsninger med AI-agenter bliver økonomisk rentable.
31
De to skøn handler altså om forskellige ting: Karpathys tragt beskriver, hvem der oplever hvilke niveauer af AI, mens Morgan Stanleys prognose handler om mulig efterspørgsel efter datacenterudstyr. Ingen af vurderingerne bekræfter den anden.