AnswersPublished20 sources
Karpathy mener AI-forståelsen blir en stadig smalere trakt
Karpathys anslag fra 11. oktober spenner fra rundt seks milliarder mennesker med svært liten kontakt med språkmodeller til omtrent 5 000 med intern tilgang til de mest avanserte systemene.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Karpathys anslag fra 11. oktober spenner fra rundt seks milliarder mennesker med svært liten kontakt med språkmodeller til omtrent 5 000 med intern tilgang til de mest avanserte systemene.
- Hovedpoenget hans er at en chatbot brukt til søk eller skriving er noe helt annet enn en AI agent satt til å jobbe med et større programvare eller forskningsprosjekt.
AI Prompt
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
Andrej Karpathy mener at folks forståelse av hva kunstig intelligens kan gjøre, spriker stadig mer. I et innlegg 11. oktober beskrev han utviklingen som en «skarp trakt»: De fleste har liten erfaring med store språkmodeller (LLM-er), mens en mindre teknologisk gruppe bruker de mest avanserte modellene. Enda færre har innsyn i systemene som utvikles inne i AI-laboratoriene. Tallene er Karpathys egen grove «serviettmatte», ikke resultatet av en representativ undersøkelse. 8
16
Fire nivåer av AI-erfaring
Trakten handler om hvilke verktøy folk har tilgang til, og hvordan de bruker dem – ikke om en verifisert måling av hva alle personer eller modeller kan prestere. 8
16
- Rundt 6 milliarder mennesker, eller om lag 75 prosent av verdens befolkning: har knapt vært i kontakt med LLM-er.
2
16
- Rundt 1–2 milliarder sporadiske brukere: bruker gratis chatbot-tjenester av og til, gjerne som søke- eller skrivehjelp.
4
- Omtrent 20 millioner fagfolk: bruker avanserte modeller, særlig innen matematikk og programvareutvikling.
6
8
- Rundt 5 000 innsidere: har intern tilgang til systemer på fronten av utviklingen.
20
Forskjellen går blant annet mellom å be en chatbot om et svar og å sette AI-agenter til å håndtere større oppgaver over flere trinn. Ifølge Karpathys innlegg kan de som først og fremst møter vanlige chatbot-samtaler, derfor ha et ganske annet bilde av AI enn dem som bruker mer avanserte systemer til omfattende arbeid. 3
16
Hvorfor folk får ulike inntrykk av AI
Oppgavens størrelse spiller inn. Et kort spørsmål eller en enkel skrivejobb prøver ikke de samme evnene som et omfattende prosjekt. Omtale av Karpathys argument trekker fram hvor stor og ambisiøs oppgaven er, som en del av forklaringen på at erfaringene spriker. 3
17
Fagområdet har betydning. Forklaringen som er gjengitt, peker særlig på områder som programmering og matematikk, der resultatene ofte kan kontrolleres tydelig. Det betyr ikke at framgangen er like stor på alle typer arbeid. 17
Tilgang til verktøyene varierer. Karpathys nivåer skiller mellom sporadisk bruk av gratis chatboter, faglig bruk av de mest avanserte modellene og intern tilgang til systemer i AI-laboratorier. Hvilke verktøy man har – og hvordan man bruker dem – påvirker dermed erfaringen man får. 6
16
Han advarte også om at menneskers evne til å kontrollere og forstå arbeidet kan sakke akterut når agentene får mer omfattende oppgaver. Det er en bekymring for menneskelig oversikt, ikke et bevis på at agentenes resultater automatisk er riktige. 7
Hva tallene sier – og ikke sier
Trakten kan være nyttig for å beskrive hvorfor ulike mennesker møter ulike sider av AI. Men tallene bør ikke leses som uavhengig bekreftede opptellinger. Karpathy omtaler dem selv som grove anslag, og innlegget viser ikke til noen underliggende undersøkelse av AI-bruk. 8
16
Skillet viser også hvorfor det kan gi et ufullstendig bilde å vurdere AI bare ut fra sporadisk chatbot-bruk, når mer avanserte verktøy brukes til større prosjekter. Anslagene sier likevel ikke hvor godt slike verktøy presterer på ulike oppgaver, eller om resultatene kan stoles på uten grundig kontroll. 7
16
Et annet spørsmål: Hva koster AI-agentene?
En prognose fra Morgan Stanley, omtalt i forbindelse med AI-agenter, anslår at agentbasert arbeidslast kan øke det mulige markedet for datasentrenes CPU-er og minne med 32,5–60 milliarder dollar innen 2030. Dette er en prognose for infrastrukturmarkedet – ikke et bevis på at alle agentløsninger vil være kostnadseffektive eller lønnsomme. 31
Det dreier seg altså om to ulike spørsmål: Karpathys trakt handler om hvem som møter hvilke nivåer av AI-kapasitet, mens prognosen handler om mulig etterspørsel etter datasenterinfrastruktur. Ingen av anslagene bekrefter det andre.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Karpathy mener AI-forståelsen blir en stadig smalere trakt"?
Karpathys anslag fra 11. oktober spenner fra rundt seks milliarder mennesker med svært liten kontakt med språkmodeller til omtrent 5 000 med intern tilgang til de mest avanserte systemene.
What are the key points to validate first?
Karpathys anslag fra 11. oktober spenner fra rundt seks milliarder mennesker med svært liten kontakt med språkmodeller til omtrent 5 000 med intern tilgang til de mest avanserte systemene. Hovedpoenget hans er at en chatbot brukt til søk eller skriving er noe helt annet enn en AI agent satt til å jobbe med et større programvare eller forskningsprosjekt.
Sources