RespostasPublicado20 fontes
O funil da IA de Karpathy: bilhões quase não usam LLMs; poucos veem os sistemas mais avançados
Na estimativa informal publicada em 11 de outubro, Karpathy vai de cerca de 6 bilhões de pessoas com pouco contato com LLMs a aproximadamente 5 mil com acesso interno a sistemas de ponta. A ideia central é que usar um chatbot para pesquisar ou escrever é muito diferente de delegar a um agente um projeto complexo de...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- Na estimativa informal publicada em 11 de outubro, Karpathy vai de cerca de 6 bilhões de pessoas com pouco contato com LLMs a aproximadamente 5 mil com acesso interno a sistemas de ponta.
- A ideia central é que usar um chatbot para pesquisar ou escrever é muito diferente de delegar a um agente um projeto complexo de software ou pesquisa.
Prompt de IA
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 diz que a compreensão sobre o que a inteligência artificial pode fazer está se dividindo em um “funil acentuado”. No post publicado em 11 de outubro, o pesquisador contrapõe a experiência da maioria com chatbots à de um pequeno grupo que trabalha com modelos avançados e agentes capazes de lidar com tarefas mais extensas. 8
16
Os números são uma estimativa informal — o próprio Karpathy a chamou de “conta de guardanapo” — e não o resultado de uma pesquisa de adoção medida de forma independente. 8
16
Os quatro níveis estimados por Karpathy
O funil organiza as pessoas pelo contato que têm com a IA e pelos sistemas a que conseguem acessar. Não é uma medição verificada do que cada pessoa ou modelo consegue fazer. 8
16
- Cerca de 6 bilhões de pessoas, ou aproximadamente 75% da população mundial: quase não tiveram contato com modelos de linguagem de grande escala, conhecidos pela sigla LLMs.
2
16
- De 1 bilhão a 2 bilhões de usuários ocasionais: recorrem de vez em quando a chatbots gratuitos, muitas vezes como ferramenta de busca ou de escrita.
4
- Cerca de 20 milhões de profissionais: usam modelos de ponta, sobretudo em matemática e desenvolvimento de software.
6
8
- Aproximadamente 5 mil pessoas: têm acesso interno a sistemas avançados usados em laboratórios de IA.
20
A diferença, na visão de Karpathy, está entre pedir uma resposta rápida a um chatbot e usar agentes para tocar projetos maiores, com várias etapas. Quem conhece principalmente interações simples pode ter uma visão bem diferente da IA em comparação com profissionais que a usam em tarefas mais ambiciosas. 3
16
Por que as experiências com IA variam tanto
O tamanho da tarefa faz diferença. Uma pergunta curta ou um pedido para revisar um texto não testa as mesmas capacidades de um projeto longo. A análise do argumento de Karpathy destaca a escala e a ambição do trabalho como fatores que ajudam a explicar a diferença entre as experiências. 3
17
A área de atuação também importa. A explicação publicada ressalta atividades como programação e matemática, nas quais é possível verificar resultados com mais clareza. Isso não significa que a IA avance no mesmo ritmo em todos os tipos de trabalho. 17
O acesso às ferramentas é desigual. O funil separa o uso ocasional de chatbots gratuitos do trabalho profissional com modelos de ponta e do acesso interno a sistemas de laboratório. Assim, a experiência de cada pessoa depende, em parte, das ferramentas disponíveis e de como ela as utiliza. 6
16
Karpathy também alertou que a capacidade humana de revisar e compreender os resultados pode ficar para trás à medida que o trabalho dos agentes se torna mais extenso. É uma preocupação sobre supervisão e entendimento — não uma prova de que o trabalho produzido por um agente esteja automaticamente correto. 7
O que os números mostram — e o que não mostram
O funil ajuda a descrever como diferentes grupos podem encontrar a IA, mas seus números não devem ser tratados como contagens confirmadas. Karpathy os apresentou como estimativas aproximadas, sem citar uma pesquisa de adoção por trás dos valores. 8
16
A comparação também ajuda a entender por que testar a IA apenas em conversas casuais pode deixar de fora capacidades de ferramentas voltadas a projetos mais complexos. Mas as estimativas de Karpathy não demonstram o desempenho desses sistemas em todas as tarefas nem permitem concluir que seus resultados dispensem revisão cuidadosa. 7
16
A discussão à parte sobre custos dos agentes
Uma projeção do Morgan Stanley citada na cobertura de IA agêntica estima que as cargas de trabalho com agentes podem acrescentar US$ 32,5 bilhões a US$ 60 bilhões ao mercado potencial de CPUs e memória para data centers até 2030. Trata-se de uma projeção sobre infraestrutura, não de prova de que toda implementação de agentes será econômica ou lucrativa. 31
São duas questões diferentes: o funil de Karpathy descreve quem tem contato com cada nível de capacidade da IA; a estimativa do Morgan Stanley trata da possível demanda por infraestrutura. Uma projeção não confirma a outra.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "O funil da IA de Karpathy: bilhões quase não usam LLMs; poucos veem os sistemas mais avançados"?
Na estimativa informal publicada em 11 de outubro, Karpathy vai de cerca de 6 bilhões de pessoas com pouco contato com LLMs a aproximadamente 5 mil com acesso interno a sistemas de ponta.
Quais são os pontos-chave para validar primeiro?
Na estimativa informal publicada em 11 de outubro, Karpathy vai de cerca de 6 bilhões de pessoas com pouco contato com LLMs a aproximadamente 5 mil com acesso interno a sistemas de ponta. A ideia central é que usar um chatbot para pesquisar ou escrever é muito diferente de delegar a um agente um projeto complexo de software ou pesquisa.
Fontes