AnswersPublished20 sources
AI przypomina lejek: większość zna chatboty, nieliczni widzą możliwości agentów
W szacunkach Karpathy’ego około 6 mld ludzi ma niewielki kontakt z LLM ami, a około 5 tys. Jego główna teza: okazjonalne pytanie chatbota o odpowiedź to zupełnie inne doświadczenie niż zlecenie agentowi rozbudowanego projektu programistycznego czy badawczego.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- W szacunkach Karpathy’ego około 6 mld ludzi ma niewielki kontakt z LLM ami, a około 5 tys.
- Jego główna teza: okazjonalne pytanie chatbota o odpowiedź to zupełnie inne doświadczenie niż zlecenie agentowi rozbudowanego projektu programistycznego czy badawczego.
- Podane liczby są orientacyjnymi szacunkami, nie wynikami niezależnego badania adopcji AI.
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 opisuje rosnącą różnicę w tym, jak ludzie doświadczają możliwości sztucznej inteligencji. Dla jednych AI to chatbot, któremu można zadać pytanie albo zlecić napisanie tekstu. Niewielka grupa korzysta z modeli granicznych przy pracy zawodowej, a jeszcze mniej osób ma wgląd w systemy rozwijane wewnątrz laboratoriów AI. Karpathy nazywa ten układ „ostrym lejkiem”. 8
16
Cztery poziomy doświadczenia z AI
Liczby pochodzą z własnych, orientacyjnych wyliczeń Karpathy’ego — określił je jako „rachunek na serwetce”. Nie są to potwierdzone wyniki badania populacyjnego ani precyzyjne dane o liczbie użytkowników. 8
16
- Około 6 mld ludzi, czyli mniej więcej 75 proc. ludzkości: ma znikomy kontakt z dużymi modelami językowymi (LLM-ami).
2
16
- Około 1–2 mld okazjonalnych użytkowników: sięga po darmowe chatboty, często jako pomoc w wyszukiwaniu informacji lub pisaniu.
4
- Około 20 mln specjalistów: korzysta z modeli granicznych, szczególnie w matematyce i programowaniu.
6
8
- Około 5 tys. osób: ma wewnętrzny dostęp do zaawansowanych systemów w laboratoriach AI.
20
Różnica nie sprowadza się tylko do tego, kto ma dostęp do chatbota. Liczy się też, do czego go używa. Krótkie pytanie albo prośba o poprawienie tekstu nie pokazują tych samych możliwości co praca nad dużym, wieloetapowym projektem. Osoby, które znają AI głównie z prostych interakcji, mogą mieć więc zupełnie inny obraz jej możliwości niż użytkownicy agentów pracujących nad ambitnymi zadaniami. 3
16
Skąd bierze się ta rozbieżność?
Ważna jest skala zadania. Prośba o odpowiedź w kilku zdaniach to coś innego niż powierzenie systemowi rozbudowanego projektu. Relacje o argumentacji Karpathy’ego podkreślają, że znaczenie mają zarówno skala, jak i ambicja pracy. 3
17
Liczy się dziedzina. W przywoływanych omówieniach mocny rozwój możliwości wiąże się między innymi z programowaniem i matematyką, gdzie wyniki można sprawdzać według konkretnych kryteriów. Nie oznacza to, że AI rozwija się równie szybko w każdej dziedzinie. 17
Znaczenie ma dostęp do narzędzi. Okazjonalne korzystanie z darmowego chatbota, profesjonalna praca z modelami granicznymi i wewnętrzny dostęp do systemów laboratoryjnych to różne poziomy doświadczenia. To, co użytkownik sądzi o AI, zależy więc także od tego, z jakich narzędzi korzysta i w jaki sposób. 6
16
Karpathy ostrzegał również, że wraz z rozrostem pracy agentów ludzie mogą nie nadążać z jej sprawdzaniem i rozumieniem. To obawa o zdolność człowieka do oceny coraz obszerniejszych wyników, a nie dowód, że praca agenta jest automatycznie poprawna. 7
Co ten lejek pokazuje — a czego nie
Szacunki Karpathy’ego pomagają opisać, dlaczego różni ludzie mogą mieć tak odmienne doświadczenia z AI. Nie należy jednak traktować podanych liczb jako niezależnie zweryfikowanych danych: sam autor określił je jako przybliżone, a jego wpis nie przedstawiał badania adopcji. 8
16
Podział zwraca też uwagę, że testowanie AI wyłącznie przez okazjonalne rozmowy z chatbotem może nie dać pełnego obrazu narzędzi projektowanych do dłuższej, wieloetapowej pracy. Nie przesądza jednak, jak dobrze sprawdzają się one we wszystkich zadaniach ani czy ich wynikom można ufać bez starannej kontroli. 7
16
Osobno: koszty agentów i infrastruktura
W prognozie Morgan Stanley przywołanej w relacjach o AI agentowej oszacowano, że obciążenia związane z agentami mogą do 2030 r. zwiększyć potencjalny rynek procesorów CPU i pamięci dla centrów danych o 32,5–60 mld dolarów. To projekcja dotycząca rynku infrastruktury, a nie dowód, że każde wdrożenie agentów będzie opłacalne. 31
To dwa odrębne tematy: lejek Karpathy’ego dotyczy tego, kto doświadcza poszczególnych poziomów możliwości AI, a prognoza Morgan Stanley — potencjalnego popytu na infrastrukturę. Żaden z tych szacunków nie potwierdza drugiego.
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 "AI przypomina lejek: większość zna chatboty, nieliczni widzą możliwości agentów"?
W szacunkach Karpathy’ego około 6 mld ludzi ma niewielki kontakt z LLM ami, a około 5 tys.
What are the key points to validate first?
W szacunkach Karpathy’ego około 6 mld ludzi ma niewielki kontakt z LLM ami, a około 5 tys. Jego główna teza: okazjonalne pytanie chatbota o odpowiedź to zupełnie inne doświadczenie niż zlecenie agentowi rozbudowanego projektu programistycznego czy badawczego.
What should I do next in practice?
Podane liczby są orientacyjnymi szacunkami, nie wynikami niezależnego badania adopcji AI.
Sources