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

Título original do vídeo: Andrej Karpathy: De Vibe Coding a Engenharia Agente
Fonte original do vídeo: Sequoia Capital
Tradução original: Bao Yilong, Wall Street Insights

OpenAI cofundador Andrej Karpathy, em sua última entrevista, destacou que os grandes modelos de linguagem estão sendo utilizados como uma “nova espécie de computador” que está revolucionando completamente a arquitetura de computação.

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

Karpathy afirmou que, desde dezembro do ano passado, percebeu que o fluxo de trabalho centrado em agentes já se tornou realmente utilizável, marcando a chegada substancial da era Software 3.0.

Ele disse: muitas pessoas ainda tinham uma impressão de IA baseada no ChatGPT no ano passado, mas é preciso reavaliar, especialmente a partir de dezembro — as coisas mudaram de forma fundamental.

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

Ele afirmou claramente que uma grande quantidade de código e aplicações existentes “não deveria existir” sob o novo paradigma, e que os processos de recrutamento, ferramentas de desenvolvimento e infraestrutura atuais ainda são projetados para humanos, e não para agentes.

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

A indústria de tecnologia está em uma encruzilhada entre uma mudança incremental e uma mudança de paradigma.

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:

Os blocos de código gerados pelo sistema estão cada vez mais perfeitos, a ponto de eu nem lembrar quando foi a última vez que precisei modificá-los. Eu confio cada vez mais nesse sistema… (isso me fez sentir) que nunca me senti tão atrasado como programador.

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

Ele apontou que estamos deixando para trás o “software 1.0” (escrever código) e o “software 2.0” (organizar conjuntos de dados para treinar redes neurais), entrando oficialmente na era do “software 3.0”.

Neste novo período, os grandes modelos de linguagem são, eles próprios, uma “nova espécie de computador”.

Ele disse: sua programação agora consiste em escrever prompts, e o conteúdo dentro da janela de contexto é a alavanca que você usa para manipular esse grande modelo de linguagem, fazendo com que ele execute cálculos no espaço de informações digitais.

Mais impressionante ainda é sua previsão audaciosa sobre a evolução futura da arquitetura de hardware de baixo nível.

Atualmente, redes neurais ainda operam virtualmente em computadores existentes, mas ele acredita que essa relação de controle será invertida no futuro: você pode imaginar que as redes neurais se tornarão o processo principal, enquanto a CPU se transformará 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 domina os gastos de capital do mercado, terá sua posição estratégica ainda mais consolidada no futuro.

Infraestrutura de próxima geração: reconstruindo o ecossistema “nativo de agentes”

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

Karpathy afirmou claramente: tudo precisará 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? Não quero fazer nada. Devo apenas copiar e colar algum texto para meu agente de IA?

O grande mercado futuro está na construção de uma infraestrutura “prioritariamente de agentes”.

Nesse mundo, os sistemas serão divididos 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.

Numa era de alta automação assim, a escassez central do ser humano voltará a se concentrar na estética, no julgamento e na compreensão profunda de negócios.

Karpathy citou uma frase que o faz refletir repetidamente como resumo: 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 aumento de produtividade, uma das maiores preocupações do mercado, Karpathy diferencia dois conceitos centrais: “programação de vibe” e “engenharia de agentes”.

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

“Engenharia de agentes” não é apenas uma questão de acelerar processos, mas de coordenar esses “agentes de IA que são um pouco propensos a erros, possuem alguma aleatoriedade, mas são extremamente poderosos”, para avançar em alta velocidade sem sacrificar a qualidade.

Isso também ampliará enormemente o potencial de inovação das empresas.

Karpathy afirmou: “As pessoas costumavam falar de um ‘engenheiro 10x’, mas 10x já não é suficiente para descrever o aumento de produtividade que estamos vendo. Na minha opinião, os profissionais de destaque nesse campo produzem muito mais do que isso.”

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 baseadas em algoritmos e resoluções de problemas, passando 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 na implementação comercial de IA

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

Atualmente, a capacidade da IA apresenta uma espécie de padrão “serrilhado” bastante estranho.

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 caminhar 50 metros até uma loja de lavagem de carros. Isso é simplesmente loucura.

A razão dessa disparidade está no fato de que laboratórios de ponta (como OpenAI) concentram recursos massivos de aprendizado por reforço em áreas onde os resultados são facilmente verificáveis, como “matemática” e “código”.

Portanto, enquanto estiver em cenários comerciais cujos resultados podem ser verificados, a IA pode mostrar seu enorme potencial.

Karpathy sugeriu que ainda há muitos ambientes de aprendizado por reforço altamente valiosos, mas que ainda não receberam atenção suficiente dos principais laboratórios, e esses representam um vasto oceano azul para startups que desejam fazer ajustes finos e monetizar.

Link do vídeo original

Clique para conhecer as vagas na BlockBeats

Participe do grupo oficial da BlockBeats no Telegram:
https://t.me/theblockbeats

Grupo de discussão no Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia