Entrevista com o cofundador da OpenAI, Karpathy: LLM é um novo tipo de computador, tudo precisa ser "reescrito"

Título original: Entrevista com Karpathy, cofundador da OpenAI: LLM é uma nova forma de computador, tudo precisa ser "reescrito"

Autor original:律动BlockBeats

Fonte original:

Reprodução: Mars Finance

Andrej Karpathy, cofundador da OpenAI, afirmou na última entrevista que os grandes modelos de linguagem estão reformulando completamente a arquitetura de computação como uma "nova forma de computador".

Em 29 de abril, Andrej Karpathy, uma figura de destaque na IA que liderou o desenvolvimento do Autopilot da Tesla e tem uma posição influente na OpenAI, participou de um evento organizado pela AI Sent, onde fez uma análise aprofundada sobre a transição tecnológica atual dos agentes de IA e seu impacto profundo no ecossistema de hardware e software.

Karpathy afirmou que, desde dezembro do ano passado, começou a perceber que o fluxo de trabalho baseado em agentes realmente se tornou viável, marcando a chegada da era Software 3.0.

Ele disse: "Muitas pessoas ainda tinham a impressão de AI no ano passado baseada no ChatGPT, mas você precisa reavaliar isso, especialmente a partir de dezembro — as coisas mudaram de forma fundamental."

Ele também apresentou um novo conceito chamado "engenharia de agentes" (agentic engineering), para diferenciar do que ele chamou no ano passado de "programação de vibe" (vibe coding), sendo o primeiro uma continuação e aceleração dos padrões de qualidade na engenharia de software profissional.

Ele afirmou abertamente que uma grande quantidade de código e aplicações existentes "não deveriam existir" sob esse novo paradigma, e que os processos de recrutamento, ferramentas de desenvolvimento e infraestrutura atuais ainda são projetados para humanos, não para agentes.

O amanhecer do Software 3.0: a transferência de poder na arquitetura de computação fundamental

A indústria de tecnologia está em uma encruzilhada de uma mudança de quantidade para qualidade.

Dezembro do ano passado foi um ponto de inflexão crucial, e Karpathy admitiu que, diante dos modelos de IA mais recentes, passou por uma profunda surpresa:

"O código gerado pelo sistema está cada vez mais perfeito, eu nem me lembro da última vez que o modifiquei. Confio cada vez mais nesse sistema... (isso me fez) sentir que estou muito atrasado como programador."

Esse impacto representa uma revolução completa na paradigma de computação. Para Karpathy, o mercado atualmente subestima a profundidade dessa mudança.

Ele apontou que estamos nos despedindo do "software 1.0 (escrever código)" e do "software 2.0 (organizar conjuntos de dados para treinar redes neurais)", entrando oficialmente na era "software 3.0".

Neste novo período, os grandes modelos de linguagem são eles próprios uma "nova forma de computador".

Ele afirmou: "Seu modo de programar agora virou escrever prompts, e o conteúdo dentro da janela de contexto é a alavanca que você usa para manipular esse grande modelo de linguagem como interpretador, fazendo com que ele execute cálculos no espaço de informações digitais."

Ainda mais impressionante é sua previsão audaciosa sobre a evolução futura da arquitetura de hardware fundamental.

Atualmente, redes neurais ainda operam virtualmente em computadores existentes, mas ele acredita que essa relação de dependência será invertida no futuro: imagine que as redes neurais se tornem o processo principal, enquanto a CPU se transforme em um tipo de co-processador. As redes neurais assumirão a maior parte do trabalho pesado.

Isso significa que o "poder de cálculo inteligente", que lidera os gastos de capital no mercado, consolidará ainda mais sua posição estratégica no futuro.

Próxima geração de infraestrutura: reconstruindo uma ecologia "nativa de agentes"

Quando execução e codificação forem tomadas por máquinas, qual será o valor central da humanidade e a forma futura de infraestrutura?

Karpathy afirmou claramente: "Tudo precisa ser reescrito."

Atualmente, a documentação de vários frameworks e bibliotecas da internet ainda é "escrita para humanos", o que o incomoda profundamente.

Karpathy reclamou: "Por que ainda tenho que me dizer o que fazer? Eu não quero fazer nada. De que texto eu deveria copiar e colar para meu agente de IA?"

A grande oportunidade de mercado no futuro está na construção de uma infraestrutura "prioritariamente de agentes".

Nesse mundo, o sistema será dividido em "sensores" que percebem o mundo e "atuadores" que transformam o mundo, com estruturas de dados altamente legíveis para grandes modelos de linguagem, e agentes de máquina representando indivíduos e organizações interagindo na nuvem.

Em um futuro altamente automatizado assim, a escassez central da humanidade voltará a se concentrar na estética, julgamento e na compreensão empresarial mais profunda.

Karpathy citou uma frase que ele repete refletindo: "Você pode terceirizar seu pensamento, mas não pode terceirizar sua compreensão."

Engenharia de agentes: uma explosão de produtividade muito além de "10 vezes a capacidade de um engenheiro"

No que diz respeito ao aspecto mais importante para aumentar a produtividade, Karpathy diferencia dois conceitos centrais: "programação de vibe" (Vibe coding) e "engenharia de agentes" (Agentic engineering).

Ele apontou que "programação de vibe" eleva o limite inferior do desenvolvimento de software por todos, enquanto "engenharia de agentes" visa manter o limite superior da qualidade do software profissional.

"Engenharia de agentes" não é apenas uma aceleração; ela exige que os desenvolvedores coordenem esses agentes de IA "um pouco propensos a erros, com alguma aleatoriedade, mas extremamente poderosos", avançando em alta velocidade sem sacrificar a qualidade.

Isso também ampliará enormemente o espaço de possibilidades para a produção empresarial.

Karpathy afirmou: "As pessoas costumavam falar em um 'engenheiro 10x', mas 10x já não é suficiente para descrever a velocidade de avanço que você consegue. Na minha opinião, aqueles que se destacam nesse campo podem alcançar uma produção muito superior a 10x."

Diante dessa explosão de produtividade, a estrutura organizacional e a lógica de seleção de talentos das empresas precisarão ser reformuladas.

Ele sugeriu que as empresas abandonem as tradicionais entrevistas de resolução de problemas com algoritmos e passem a avaliar como os candidatos utilizam múltiplos agentes de IA para colaborar na construção de grandes projetos, além de resistir a ataques de outros agentes de IA.

Ponto de impulso para a implementação de IA nos negócios

Para empreendedores e investidores ansiosos por aplicar IA em cenários reais, Karpathy oferece uma estrutura prática de avaliação: a verificabilidade.

Atualmente, a capacidade da IA apresenta um padrão extremamente estranho de "dente de serra".

Ele exemplificou: "Os modelos mais avançados hoje podem reconstruir simultaneamente 100 mil linhas de código ou encontrar vulnerabilidades zero-day, mas ao mesmo tempo me dizem para ir a um lava-rápido a 50 metros de distância lavar o carro, o que é simplesmente loucura."

A causa dessa disparidade está no fato de que laboratórios de ponta (como OpenAI) concentram vastos recursos de aprendizado por reforço em áreas cujas resultados são facilmente verificáveis, como "matemática" e "código".

Portanto, enquanto estiverem inseridos em cenários comerciais cujos resultados podem ser verificados, a IA pode exercer um impacto enorme.

Karpathy sugeriu que ainda há muitos ambientes de aprendizado por reforço altamente valiosos, mas que ainda não receberam atenção suficiente dos principais laboratórios, representando um enorme mercado de oportunidades para startups fazerem ajustes finos (fine-tuning) e monetizar.