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, na sua última entrevista, afirmou que, os grandes modelos de linguagem estão a reinventar completamente a arquitetura de computação como uma “nova espécie de computador”.

Em 29 de abril, Andrej Karpathy, que liderou o desenvolvimento do Autopilot da Tesla e tem uma posição de destaque na OpenAI, analisou profundamente, numa atividade organizada pela AI Sent, a atual transição tecnológica dos agentes de IA e o 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 centrado em agentes já é realmente utilizável, marcando a chegada efetiva da era Software 3.0.

Ele disse: muitas pessoas ainda tinham a impressão de que a IA era só o ChatGPT no ano passado, mas é preciso reavaliar, especialmente a partir de dezembro — as coisas mudaram de forma radical.

Ele também introduziu o conceito de “engenharia de agentes” (agentic engineering), para distinguir do que chamou de “programação de vibe” (vibe coding) no ano passado, sendo que o primeiro refere-se à 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, não para agentes.

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

A indústria tecnológica está numa encruzilhada entre mudança incremental e mudança de paradigma.

Dezembro do ano passado foi um ponto de virada crucial, e Karpathy admitiu que, diante dos modelos de IA mais recentes, sentiu-se profundamente impressionado:

Os blocos de código gerados pelo sistema estão cada vez mais perfeitos, a ponto de eu nem me lembrar da última vez que os modifiquei. Confio cada vez mais nesse sistema… (isso me fez sentir) mais atrasado do que nunca como programador.

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

Ele destacou que estamos a despedir-nos 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 espécie de computador”.

Ele afirmou: agora, programar é mais sobre escrever prompts, e o conteúdo do contexto é a alavanca que controla esse grande modelo de linguagem, atuando como interpretador, para que ele execute cálculos no espaço de informação digital.

Mais surpreendente ainda é a sua previsão audaciosa sobre a evolução futura da arquitetura de hardware subjacente.

Atualmente, as redes neurais ainda operam virtualmente em computadores existentes, mas ele acredita que, no futuro, essa relação será invertida: podemos imaginar que as redes neurais se tornarão o processo principal, enquanto a CPU se transformará num tipo de coprocessador. 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, consolidará ainda mais sua posição estratégica no futuro.

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

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

Karpathy afirmou diretamente: tudo terá que 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 como fazer? Eu não quero fazer nada. Devo apenas copiar e colar textos para o meu agente de IA?

O grande potencial 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 esse mundo, com estruturas de dados altamente legíveis para grandes modelos de linguagem, enquanto agentes de máquina representam indivíduos e organizações na nuvem para interagir.

Numa era de alta automação assim, a escassez central da humanidade voltará a residir na estética, no julgamento e na compreensão empresarial mais profunda.

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 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 só uma questão de acelerar, mas de coordenar esses “agentes de IA que são um pouco propensos a erros, com alguma aleatoriedade, mas extremamente poderosos”, para avançar a toda velocidade sem sacrificar a qualidade.

Isso também ampliará enormemente o potencial de inovação das empresas.

Karpathy afirmou: “As pessoas costumavam falar em um ‘engenheiro 10x’, mas 10x já não é suficiente para descrever o aumento de velocidade que você consegue. Na minha opinião, os melhores 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 reestruturadas.

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 na implementação comercial da IA

Para empreendedores e investidores ansiosos por aplicar a IA, Karpathy oferece uma estrutura prática de avaliação: 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 procurar vulnerabilidades zero-day, mas dizem-me para ir lavar o carro a 50 metros de distância, o que é completamente louco.

A razão dessa disparidade está no fato de que laboratórios de ponta (como OpenAI) concentram recursos massivos de aprendizagem por reforço em áreas de fácil verificação de resultados, como “matemática” e “código”.

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

Karpathy sugeriu que ainda há muitos ambientes de reforço de alta valia, não explorados por grandes laboratórios, que representam um vasto oceano azul para startups ajustarem (fine-tuning) e monetizarem.

Link do vídeo original

Clique para conhecer as oportunidades na BlockBeats

Bem-vindo ao grupo oficial da BlockBeats:

Grupo de assinatura no Telegram: https://t.me/theblockbeats

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

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