¡Justo ahora! El cofundador de OpenAI, Karpathy, causa revuelo: 'Ingeniería de proxies' aumenta la eficiencia de los programadores en más de 10 veces, ¿la última barrera humana solo queda en la estética? ¡El 99% del código será reescrito!

El 29 de abril, un experto en el campo de la IA, Andrej Karpathy, dijo algunas verdades en un evento privado. Este tipo fue quien creó de la nada el Autopilot de Tesla, y tiene una posición influyente en OpenAI. Él afirmó claramente que, desde diciembre del año pasado, los flujos de trabajo centrados en agentes de IA ya son realmente utilizables; esto no es un concepto, sino un avance tecnológico sustancial. Dijo que muchas personas todavía tienen la impresión de la IA basada en ChatGPT, pero hay que reevaluar — las cosas ya han cambiado fundamentalmente.

Karpathy propuso un concepto completamente nuevo: 「ingeniería de agentes」 (agentic engineering), para diferenciarlo de la 「programación de ambiente」 (vibe coding), que él mismo nombró el año pasado. La segunda es para elevar el nivel mínimo de desarrollo de todos, mientras que la primera es una continuación y aceleración de los estándares de calidad del software profesional. Él afirmó que muchas de las líneas de código y aplicaciones existentes, bajo el nuevo paradigma, “no deberían existir”. Además, la mayoría de los procesos de reclutamiento, herramientas de desarrollo e infraestructura en las organizaciones actuales todavía están diseñados para humanos, no para agentes.

La arquitectura computacional subyacente está experimentando una transferencia de poder. Diciembre del año pasado fue un punto de inflexión clave, y Karpathy confesó que, ante los últimos modelos de IA, experimentó un impacto profundo — los bloques de código generados por sistemas son cada vez más perfectos, y ya no recuerda cuándo fue la última vez que modificó algo manualmente. Confía cada vez más en el sistema, y nunca se había sentido tan atrasado como programador. Esto no es una optimización, sino una revolución de paradigma.

Estamos dejando atrás 「Software 1.0 (escribir código)」 y 「Software 2.0 (organizar conjuntos de datos para entrenar redes neuronales)」, y entrando oficialmente en 「Software 3.0」. En esta nueva era, los grandes modelos de lenguaje son en sí mismos una nueva clase de computadoras. La programación se convierte en escribir instrucciones, y la ventana de contexto es la palanca para controlar este intérprete. Karpathy predice que en el futuro, las redes neuronales serán el proceso principal, y la CPU se convertirá en un coprocesador. Las redes neuronales asumirán la mayor parte del trabajo pesado. Esto significa que la estrategia de “poder de cálculo inteligente” se consolidará aún más.

Todo debe ser reescrito. Actualmente, los marcos de trabajo y la documentación de las bibliotecas en Internet todavía están “escritos para humanos”, lo cual molesta mucho a Karpathy. Él dice: “¿Por qué todavía me dicen qué hacer? No quiero hacer nada. ¿Qué texto debo copiar y pegar a mi agente de IA?” La gran oportunidad futura está en construir infraestructura 「prioritaria para agentes」. Los sistemas se descomponen en sensores que perciben el mundo y actuadores que transforman el mundo, y las estructuras de datos deben diseñarse para que los grandes modelos de lenguaje sean altamente legibles, permitiendo que los agentes de máquina interactúen en la nube en nombre de individuos y organizaciones.

En este futuro altamente automatizado, la escasez central de los humanos volverá a centrarse en la estética, el juicio y la comprensión empresarial más profunda. Karpathy citó una frase que le ha dado vueltas: “Puedes externalizar tu pensamiento, pero no puedes externalizar tu comprensión.”

Sobre la explosión de productividad, Karpathy distingue claramente entre 「programación de ambiente」 y 「ingeniería de agentes」. La primera eleva el nivel mínimo, mientras que la segunda mantiene el nivel máximo de calidad del software profesional. La ingeniería de agentes no solo acelera, sino que requiere que los desarrolladores coordinen esos “agentes de IA que son algo propensos a errores, con cierta aleatoriedad pero extremadamente poderosos”, avanzando a toda velocidad sin sacrificar calidad. Antes se hablaba mucho de “ingenieros 10x”, pero 10 veces ya no es suficiente para describir la aceleración lograda. En su opinión, los que destacan en este campo tienen un rendimiento que supera con creces esas cifras.

Frente a esta explosión de productividad, las estructuras organizativas y la lógica de selección de talento en las empresas deben ser reconstruidas. Él recomienda que las empresas abandonen las entrevistas tradicionales de resolución de problemas con algoritmos y en su lugar evalúen cómo los candidatos utilizan múltiples agentes de IA para colaborar en proyectos grandes, y cómo resisten ataques de otros agentes de IA.

Para emprendedores e inversores, Karpathy ofrece un marco de evaluación muy práctico: la verificabilidad. Actualmente, las capacidades de la IA muestran un patrón muy extraño de “dientes de sierra”: los modelos más avanzados pueden reconstruir simultáneamente 100,000 líneas de código o buscar vulnerabilidades de día cero, pero al mismo tiempo te dicen que debes caminar 50 metros para lavar el coche en una lavandería cercana, lo cual es una locura. La causa de esta desconexión radica en que los laboratorios de vanguardia invierten recursos masivos en aprendizaje reforzado en áreas donde los resultados son fáciles de verificar, como las matemáticas y el código. Por lo tanto, en escenarios comerciales donde los resultados son verificables, la IA puede desplegar un poder enorme. Todavía existen muchos entornos de aprendizaje reforzado verificables de alto valor que no han sido el foco de los principales laboratorios, y estos representan un gran océano azul para startups que quieran hacer ajuste fino y monetización.

Sígueme para más análisis y perspectivas en tiempo real del mercado de criptomonedas! $BTC $ETH $SOL

#WCTC交易王PK #La Reserva Federal mantiene las tasas sin cambios, pero aumenta la discordia interna #Polymarket热点 diario