उत्तरप्रकाशित20 स्रोत
AI की दुनिया का ‘शार्प फ़नल’: 6 अरब लोग LLM से दूर, 5,000 को सबसे उन्नत सिस्टम की पहुँच
कार्पथी के 11 अक्टूबर के मोटे अनुमान में करीब 6 अरब लोग LLM से लगभग अनजान हैं, जबकि लगभग 5,000 लोगों को लैब के भीतर अत्याधुनिक सिस्टम की पहुँच है। उनका मुख्य तर्क है कि चैटबॉट से कभी कभार खोज या लेखन में मदद लेना, एजेंट से बड़ा सॉफ़्टवेयर या शोध कार्य करवाने जैसा अनुभव नहीं है।
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- कार्पथी के 11 अक्टूबर के मोटे अनुमान में करीब 6 अरब लोग LLM से लगभग अनजान हैं, जबकि लगभग 5,000 लोगों को लैब के भीतर अत्याधुनिक सिस्टम की पहुँच है।
- उनका मुख्य तर्क है कि चैटबॉट से कभी कभार खोज या लेखन में मदद लेना, एजेंट से बड़ा सॉफ़्टवेयर या शोध कार्य करवाने जैसा अनुभव नहीं है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI co-founder and former Tesla AI head Andrej Karpathy argue in his October 11 X post about the widening gap between everyday A. Article summary: Karpathy’s October 11 argument was that people increasingly experience different levels of AI capability: most encounter little more than a chatbot, while a tiny technical minority uses agents for substantial projects an. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
AI को लेकर लोगों की समझ और अनुभव एक जैसे नहीं हैं—आंद्रेज कार्पथी ने 11 अक्टूबर की अपनी पोस्ट में इस अंतर को “शार्प फ़नल” कहा। उनके मुताबिक, अधिकतर लोगों का सामना बड़े भाषा मॉडल (LLM) से बहुत कम होता है; कुछ लोग मुफ़्त चैटबॉट कभी-कभार इस्तेमाल करते हैं; और बहुत छोटा तकनीकी समूह अधिक उन्नत मॉडल व एजेंट सिस्टम के साथ काम करता है। 8
16
कार्पथी ने साफ़ किया कि ये आँकड़े उनका मोटा-मोटा “नैपकिन मैथ” हैं—किसी बड़े, मापे गए उपयोगकर्ता सर्वेक्षण के नतीजे नहीं। 8
16
कार्पथी का चार-स्तरीय अनुमान
यह फ़नल लोगों को AI तक उनकी पहुँच और इस्तेमाल के आधार पर बाँटता है। इसे हर व्यक्ति या AI सिस्टम की क्षमता का प्रमाणित माप नहीं समझना चाहिए। 8
16
- करीब 6 अरब लोग—दुनिया की लगभग 75% आबादी: LLM के संपर्क में बहुत कम आए हैं।
2
16
- करीब 1–2 अरब कभी-कभार इस्तेमाल करने वाले: मुफ़्त चैटबॉट का अनियमित इस्तेमाल करते हैं, अक्सर खोज या लेखन में मदद के लिए।
4
- करीब 2 करोड़ पेशेवर: खासकर गणित और सॉफ़्टवेयर के क्षेत्र में, अधिक उन्नत मॉडल इस्तेमाल करते हैं।
6
8
- करीब 5,000 अंदरूनी लोग: जिन्हें लैब के भीतर अत्याधुनिक सिस्टम तक पहुँच है।
20
इस अंतर को समझने का आसान तरीका है—चैटबॉट से एक सवाल का जवाब लेना बनाम एजेंट को कई चरणों वाला बड़ा काम सौंपना। कार्पथी की बात के मुताबिक, जो लोग AI को सामान्य चैटबॉट के रूप में देखते हैं, उनकी तस्वीर उन लोगों से अलग हो सकती है जो अधिक सक्षम सिस्टम से बड़े काम करवाते हैं। 3
16
AI को लेकर राय अलग क्यों हो सकती है?
काम का आकार मायने रखता है। एक छोटा सवाल या लेखन-सहायता, लंबे और जटिल प्रोजेक्ट जैसी क्षमता नहीं परखती। कार्पथी के तर्क पर रिपोर्टिंग में भी काम के पैमाने और महत्व को अनुभवों के अलग होने की वजहों में गिना गया है। 3
17
क्षेत्र भी मायने रखता है। उपलब्ध विवरण में प्रोग्रामिंग और गणित जैसे कामों पर ज़ोर है, जहाँ नतीजों को अपेक्षाकृत साफ़ तरीके से जाँचा जा सकता है। इससे यह निष्कर्ष नहीं निकलता कि AI हर तरह के काम में एक समान तेज़ी से बेहतर हो रहा है। 17
किस टूल तक पहुँच है, यह भी अहम है। कार्पथी के स्तर मुफ़्त चैटबॉट के कभी-कभार इस्तेमाल से लेकर पेशेवरों के उन्नत मॉडल और लैब के अंदरूनी सिस्टम तक जाते हैं। इसलिए AI से किसी का अनुभव इस बात पर भी निर्भर करता है कि वह कौन-से टूल इस्तेमाल कर सकता है और किस काम के लिए करता है। 6
16
कार्पथी ने यह चिंता भी जताई कि एजेंटों के काम का दायरा बढ़ने पर इंसानों की समीक्षा और समझ पीछे छूट सकती है। यह नतीजों को जाँचने और समझने की मानवीय क्षमता को लेकर चिंता है—इस बात का सबूत नहीं कि एजेंट का काम अपने-आप सही होता है। 7
इन आँकड़ों से क्या पता चलता है—और क्या नहीं
यह फ़नल इस बात का उपयोगी खाका देता है कि अलग-अलग लोग AI से किस तरह रूबरू हो सकते हैं। लेकिन इसकी आबादी-संबंधी संख्याओं को स्वतंत्र रूप से सत्यापित गिनती नहीं मानना चाहिए। कार्पथी ने इन्हें मोटा अनुमान कहा है और पोस्ट में इनके पीछे कोई उपयोग-अध्ययन नहीं दिया। 8
16
यह अंतर यह भी समझाता है कि केवल सामान्य चैटबॉट इस्तेमाल से AI को परखना, प्रोजेक्ट पर काम करने वाले अधिक उन्नत टूल की पूरी तस्वीर नहीं दिखा सकता। फिर भी, कार्पथी के अनुमान यह साबित नहीं करते कि ऐसे टूल हर काम में कितने अच्छे हैं या सावधानी से जाँचे बिना उनके नतीजों पर भरोसा किया जा सकता है। 7
16
एजेंटों की लागत का अलग सवाल
AI एजेंटों पर चर्चा से जुड़े मॉर्गन स्टेनली के एक पूर्वानुमान के मुताबिक, एजेंट-आधारित काम 2030 तक डेटा सेंटरों में CPU और मेमोरी की संभावित बाज़ार माँग में 32.5 अरब से 60 अरब डॉलर जोड़ सकता है। यह बुनियादी ढाँचे के बाज़ार का अनुमान है—इसका अर्थ यह नहीं कि हर एजेंट का इस्तेमाल किफ़ायती या मुनाफ़े वाला होगा। 31
दोनों दावे अलग सवालों का जवाब देते हैं: कार्पथी का फ़नल बताता है कि AI की अलग-अलग क्षमताओं तक किसकी पहुँच है, जबकि मॉर्गन स्टेनली का अनुमान संभावित बुनियादी ढाँचा-माँग के बारे में है। इनमें से कोई भी दूसरे अनुमान को प्रमाणित नहीं करता।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"AI की दुनिया का ‘शार्प फ़नल’: 6 अरब लोग LLM से दूर, 5,000 को सबसे उन्नत सिस्टम की पहुँच" का संक्षिप्त उत्तर क्या है?
कार्पथी के 11 अक्टूबर के मोटे अनुमान में करीब 6 अरब लोग LLM से लगभग अनजान हैं, जबकि लगभग 5,000 लोगों को लैब के भीतर अत्याधुनिक सिस्टम की पहुँच है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
कार्पथी के 11 अक्टूबर के मोटे अनुमान में करीब 6 अरब लोग LLM से लगभग अनजान हैं, जबकि लगभग 5,000 लोगों को लैब के भीतर अत्याधुनिक सिस्टम की पहुँच है। उनका मुख्य तर्क है कि चैटबॉट से कभी कभार खोज या लेखन में मदद लेना, एजेंट से बड़ा सॉफ़्टवेयर या शोध कार्य करवाने जैसा अनुभव नहीं है।
सूत्र