Karpathy 4/30 No Sequoia Ascent, resumiu as explicações mais úteis de IA deste ano em três argumentos. Depois de ler, sua visão sobre IA mudará.

1. IA não é apenas "mais rápido", é um novo paradigma
Nos últimos 2 anos, todos falaram que IA acelera as coisas.
Karpathy diz que isso é uma leitura errada.
Dê 3 exemplos de como a IA redefine tarefas:
- menugen: entrada e saída de imagens, sem código tradicional, todo o app é engolido pelo LLM
- habilidades .md: instalar software sem escrever scripts .sh, apenas descrevendo em chinês/inglês, deixando o LLM entender seu ambiente para instalar
- base de conhecimento LLM: coisas que código tradicional não consegue fazer — transformar textos não estruturados de qualquer formato em conhecimento computável
A primeira categoria é "reduzir código", a segunda é "usar inglês como código",
a terceira é "coisas que o código tradicional simplesmente não consegue fazer".
2. Borda Irregular — Por que IA é ao mesmo tempo versátil e burra
O argumento mais central.
Por que o mesmo AI consegue refatorar 100 mil linhas de código,
e sugerir que você vá lavar o carro? Não é um erro do modelo.
Karpathy disse:
"Você está ou nos trilhos dos circuitos de RL e voando,
ou fora de estrada na selva com um facão."
Ou você está voando dentro do círculo treinado de RL,
ou cortando na selva com um facão.
Dois fatores que determinam quais tarefas entram na distribuição de treinamento:
verifiability (resultados verificáveis) + economics (vale a pena, fronteira de investimento da Frontier Labs em RL)
Competições de matemática / programação / prova de teoremas:
Alta verificabilidade + alto TAM → entram no círculo → quando você usa, está voando
Sugestões do dia a dia / línguas menos comuns / tarefas de cauda longa:
Baixo TAM → não entram no RL → você está na selva com o facão
Não é uma narrativa linear de "IA ficando mais forte".
São fronteiras irregulares, você precisa saber onde está.
3. Economia nativa de agentes
Por fim, o último argumento: o futuro do software será dividido em
sensor (entrada) + atuador (execução) + lógica (raciocínio)
A camada de lógica toda rodando em LLM,
sensor / atuador usando código tradicional como co-processador.
Significado: tornar a informação mais fácil de ler para o LLM,
é a restrição central do próximo design de software.
---
Os três argumentos formam uma estrutura coerente:
O novo paradigma mostra o que IA pode fazer que antes era impossível,
a borda irregular ajuda a identificar onde a IA ainda não consegue,
a economia nativa de agentes mostra como envolver o restante na IA.
Não é "IA ficando mais forte".
É "quais tarefas estão no círculo, quais tarefas na selva".