剛剛，Karpathy稱全球只有5000人，真正接觸過最前沿AI

有點出乎意料。

剛剛，Karpathy 據推文估計，現在，世界能夠真正接觸到最前沿的內部 AI 可能只有系統的人 5000 人左右。

在這些前沿實驗室里，有成千上萬的實驗室 Agent 它可以形成一個合作集群，連續運行數周，促進大型軟件項目，發現零天的漏洞，以機器的速度參與網絡攻擊和防禦，甚至促進科學發現和前沿數學研究。

更令人驚訝的是：大約有 60 億人幾乎沒有真正接觸過。 LLM。

鏈接：https://x.com/karpathy/status/2109361546505966046

Karpathy 我們繼續往下看推文里說了甚麼。

他提到，他最近又翻出了今年 4 月亮上的一條舊推文。當時，他已經注意到人們是對的 AI 對能力的理解正在明顯分化。

在 Karpathy 現在看來，不同的人是對的 LLM 能力的認知已經從兩組人各說各話，進一步演變成越來越陡的能力漏斗。

粗略估算，大約有 60 億人，也就是全球約 75% 人口幾乎沒有真正接觸過 LLM。

大約 10 億到 20 億人，也就是約會 20% 人口只是偶爾使用免費版 ChatGPT 一類產品。這部分人經常看到有點笨拙的聊天機器人，他們會把它當作更好的使用方式 Google 搜索、寫作輔助工具等。也許某個。 Agent 可以幫你訂票。Karpathy 有一些非技術背景的朋友合理地說，他們實際上沒有地方使用它。即使是數學和編程以外的許多專業人士也仍處於這一水平。例如，企業高管和許多其他職位花了很多時間與他人溝通，所以他們理性地知道 AI 正在發生的事情，但這種理解仍然是間接和抽象的。

再往下走，是數學與編程領域的前沿專業應用 LLM 的人。大約有 2000 萬人，也就是約會 0.2% 的人口，我親眼看到過去需要幾周甚至幾個月才能完成的大型複雜項目，現在 Agent 也許只需要一個 Prompt 可以完成。開發 App、複製 App、遷移 App、反編譯二進制文件 App…… 這一切發生得非常快，而且非常接近。不到一年前，我還在手動編寫代碼：一個字符，一個字符，把記住的計算機命令敲進代碼編輯器，偶爾按下 Tab，讓自動補充幫我補充一小段代碼。

最後，是大約 5000 人，也就是約定 0.00006% 對於人口，他們可以直接在內部使用前沿系統。事實上，外部世界已經看到了一些預演：成千上萬的 Agent 形成一個集群，在幾周內完成超大型軟件項目；自動發現零天漏洞；以機器速度啓動和防禦網絡攻擊；發現新的科學成果；促進數學研究的前沿。這些事情，如果給行業頂尖的專業人士，可能需要幾年的時間。

與此同時，人類的審查和理解能力也開始跟不上。

例如，發生在幾個月前的幾個月前 OpenAI-HF 到目前為止，人們仍在進行考古分析；數學家也可能需要很長時間來逐一研究它 722 前沿數學手稿。

為甚麼大多數人看不到真正的前沿？ AI？

這個漏斗主要由幾個因素共同推動:

隨著雄心壯志、問題規模和任務時間跨度的增加，影響力會擴大。

如果你只問一個最終答案只有一段的問題，幾乎不可能真正擠壓這些系統的能力。你需要有很多真正重要的問題，大規模和困難的問題。這主要決定了普通消費者和專業用戶之間的差距。

系統能力具有明顯的鋸齒狀特徵。

LLM 能力高峰集中在數字化、可驗證、經濟價值高的領域。

原因是大型模型能力主要來自基於可驗證獎勵的強化學習，培訓環境本身的選擇是由商業價值驅動的。這主要決定了不同專業領域之間的差距，比如為甚麼數學和編程特別突出。

訪問權限。

免費版、付費版、內部系統，能力不在同一水平。這是目前最奇怪的地方。

事實上，絕大多數普通人還沒有真正接觸過這些系統。即使接觸過，他們也常常只看到一個有點笨的聊天機器人。

目前，大多數專業人士感覺到的只是效率的提高相對有限。與此同時，少數專業人士開始感到眩暈：

他們面前的能力曲線突然變得近乎垂直。

而這一切都是同時發生的。

也有網友聯想到這一點 Sam Altman 即使是過去反復表達的判斷： ASI 現實世界可能不會在一夜之間完全改變。

原因可能就在這裡。前沿能力進步很快，但大多數人仍然沒有真正接觸到這些系統，甚至沒有形成穩定的使用習慣。技術到達前沿實驗室，與它真正滲透到整個社會仍有很長的距離。

文章來源於微信公眾號 作者是「機器之心」 「機器之心」