Wawancara dengan salah satu pendiri OpenAI, Karpathy: LLM adalah komputer baru, semua hal harus "ditulis ulang"

Judul asli: Wawancara dengan Karpathy, Co-creator OpenAI: LLM adalah Komputer Baru, Segala Sesuatu Harus “Ditulis Ulang”

Penulis asli:律动BlockBeats

Sumber asli:

Repost: Mars Finance

Andrej Karpathy, salah satu pendiri bersama OpenAI, dalam wawancara terbaru menunjukkan bahwa model bahasa besar sedang secara menyeluruh merombak arsitektur komputasi sebagai “komputer baru”.

Pada 29 April, Andrej Karpathy, tokoh utama AI yang pernah memimpin pengembangan Autopilot Tesla dan memiliki posisi penting di OpenAI, dalam acara yang diselenggarakan oleh AI Sent, melakukan analisis mendalam tentang lonjakan teknologi agen AI saat ini dan dampaknya yang mendalam terhadap ekosistem perangkat lunak dan perangkat keras.

Karpathy menyatakan bahwa sejak Desember tahun lalu, dia mulai menyadari bahwa alur kerja berbasis agen benar-benar dapat digunakan, dan perubahan ini menandai kedatangan era Software 3.0 yang sebenarnya.

Dia mengatakan: Banyak orang tahun lalu masih menganggap AI sebagai ChatGPT, tetapi Anda harus meninjau kembali, terutama sejak Desember—perubahan fundamental telah terjadi.

Dia juga memperkenalkan konsep baru “rekayasa agen” (agentic engineering), untuk membedakannya dari “pemrograman suasana” (vibe coding) yang dia beri nama tahun lalu, yang pertama merujuk pada kelanjutan dan percepatan standar kualitas dalam pengembangan perangkat lunak profesional.

Dia secara langsung menyatakan bahwa banyak kode dan aplikasi yang ada “seharusnya tidak ada” di bawah paradigma baru ini, dan proses perekrutan, alat pengembangan, serta infrastruktur saat ini masih dirancang untuk manusia, bukan agen.

Fajar Software 3.0: Pergantian Kekuasaan dalam Arsitektur Komputasi Dasar

Industri teknologi sedang berada di persimpangan jalan dari kuantitas menuju kualitas.

Desember tahun lalu adalah titik balik penting, kata Karpathy, dan dia mengaku mengalami kejutan mendalam terhadap model AI terbaru:

Potongan kode yang dihasilkan sistem semakin sempurna, saya bahkan tidak ingat kapan terakhir kali mengubahnya. Saya semakin percaya pada sistem ini… (Ini membuat saya) merasa tidak pernah tertinggal sebagai seorang programmer.

Guncangan ini adalah revolusi total dalam paradigma komputasi. Menurut Karpathy, pasar saat ini meremehkan kedalaman perubahan ini.

Dia menunjukkan bahwa kita sedang mengucapkan selamat tinggal pada “Software 1.0 (menulis kode)” dan “Software 2.0 (mengatur dataset untuk melatih neural network)”, dan secara resmi memasuki era “Software 3.0”.

Dalam era baru ini, model bahasa besar sendiri adalah sebuah “komputer baru”.

Dia mengatakan: Sekarang, pemrograman Anda berubah menjadi menulis petunjuk, dan isi dalam jendela konteks adalah leverage yang Anda gunakan untuk mengendalikan model bahasa besar sebagai interpreter, membiarkannya melakukan perhitungan di ruang informasi digital.

Yang lebih menarik perhatian pasar adalah prediksi berani tentang evolusi arsitektur perangkat keras dasar di masa depan.

Saat ini, neural network masih berjalan dalam bentuk virtualisasi di atas komputer yang ada, tetapi dia percaya bahwa hubungan ini akan berbalik di masa depan: Anda bisa membayangkan neural network akan menjadi proses utama, sementara CPU akan menjadi semacam koprosesor. Neural network akan menangani sebagian besar pekerjaan berat.

Ini berarti, “kekuatan komputasi cerdas” yang memimpin pengeluaran modal di seluruh pasar akan semakin mengukuhkan posisi strategisnya di masa depan.

Infrastruktur Generasi Berikutnya: Membangun Ulang Ekosistem “Asli Agen”

Ketika eksekusi dan pengkodean diambil alih oleh mesin, nilai inti manusia dan bentuk infrastruktur masa depan akan menuju ke mana?

Karpathy secara lugas mengatakan: Segala sesuatu harus ditulis ulang.

Dokumentasi berbagai kerangka dan pustaka internet saat ini masih “ditulis untuk manusia”, yang membuatnya sangat mengganggu baginya.

Karpathy mengeluh: Mengapa masih harus memberi tahu saya apa yang harus dilakukan? Saya tidak ingin melakukan apa pun. Saya harus menyalin dan menempel teks apa ke agen AI saya?

Kesempatan besar di masa depan terletak pada pembangunan infrastruktur “prioritas agen”.

Dalam dunia ini, sistem dipecah menjadi “sensor” yang menangkap dunia dan “aktor” yang mengubah dunia, struktur data harus sangat terbaca oleh model bahasa besar, dan agen mesin mewakili individu dan lembaga untuk berinteraksi di cloud.

Di masa depan yang sangat otomatis ini, kelangkaan utama manusia akan kembali ke estetika, kemampuan penilaian, dan pemahaman bisnis yang paling mendalam.

Karpathy mengutip sebuah kalimat yang sering dia renungkan sebagai rangkuman: Anda bisa mengalihdayakan pemikiran Anda, tetapi Anda tidak bisa mengalihdayakan pemahaman Anda.

Rekayasa Agen: Melampaui “10 Kali Kapasitas Insinyur” dengan Ledakan Produksi

Dalam hal meningkatkan produktivitas, dimensi yang paling diperhatikan pasar, Karpathy membedakan dua konsep inti: “pemrograman suasana” (Vibe coding) dan “rekayasa agen” (Agentic engineering).

Dia menunjukkan bahwa “pemrograman suasana” meningkatkan batas bawah pengembangan perangkat lunak oleh semua orang, sementara “rekayasa agen” bertujuan menjaga batas atas kualitas perangkat lunak profesional.

“Rekayasa agen” bukan hanya tentang percepatan, tetapi juga menuntut pengembang untuk mengoordinasikan agen AI yang “agak rentan terhadap kesalahan, memiliki elemen acak tetapi sangat kuat”, dan melakukannya dengan kecepatan penuh tanpa mengorbankan kualitas.

Ini juga akan secara besar-besaran memperluas ruang imajinasi output perusahaan.

Karpathy menyatakan: “Orang dulu sering membicarakan insinyur 10 kali lipat”, tetapi 10 kali lipat sudah tidak cukup untuk menggambarkan percepatan yang Anda dapatkan. Menurut saya, mereka yang tampil luar biasa di bidang ini, output puncaknya jauh melebihi 10 kali lipat.

Menghadapi ledakan produktivitas ini, struktur organisasi dan logika seleksi talenta perusahaan harus dirombak.

Dia menyarankan perusahaan meninggalkan wawancara berbasis algoritma tradisional, dan beralih menilai bagaimana kandidat memanfaatkan beberapa agen AI untuk berkolaborasi membangun proyek besar, serta mampu melindungi diri dari serangan agen AI lain.

Titik Kunci Implementasi AI dalam Bisnis

Bagi pengusaha dan investor yang saat ini sangat ingin menemukan aplikasi AI yang nyata, Karpathy menawarkan kerangka evaluasi yang sangat praktis: verifiabilitas.

Saat ini, kemampuan AI menunjukkan pola yang sangat aneh “bertingkat gigi gigi”.

Dia memberi contoh: model paling canggih saat ini mampu merekonstruksi 100.000 baris kode sekaligus atau mencari celah zero-day, tetapi malah menyuruh saya berjalan 50 meter ke tempat cuci mobil, ini benar-benar gila.

Alasan munculnya ketidaksesuaian ini adalah karena laboratorium terdepan (seperti OpenAI) menginvestasikan sumber daya reinforcement learning dalam bidang yang hasilnya mudah diverifikasi seperti “matematika” dan “kode”.

Oleh karena itu, selama berada dalam skenario bisnis yang hasilnya dapat diverifikasi, AI dapat menunjukkan kekuatan besar.

Karpathy menyiratkan bahwa masih banyak lingkungan reinforcement learning yang bernilai tinggi namun belum menjadi fokus utama laboratorium terkemuka, dan ini adalah lahan subur bagi startup untuk melakukan fine-tuning dan monetisasi.