Andrej Karpathy diz que a diferença entre o que as pessoas entendem sobre a capacidade dos modelos de linguagem deixou de ser "dois grupos falando sem se ouvir". Na conta de guardanapo dele, virou um funil afiado, com bilhões de pessoas quase sem tocar na tecnologia na ponta larga.
Karpathy diz que a distância de entendimento está aumentando
Andrej Karpathy, membro fundador da OpenAI e ex-diretor de IA na Tesla, publicou no X em 11 de outubro que a base de entendimento sobre o que os grandes modelos de linguagem fazem está ficando mais larga, não mais estreita. Ele disse que estava repescando um post de abril justamente porque o problema cresceu desde então.
O texto foi direto. A divisão não é mais "dois grupos falando sem se ouvir", escreveu. Agora é um funil afiado.
O que isso quer dizer na prática?
LLM, aqui, é modelo de linguagem de grande escala, o tipo de IA por trás de ferramentas como ChatGPT e Claude. O ponto de Karpathy não é sobre os modelos em si. É sobre o quanto as pessoas os experimentam de formas diferentes, de quem usa sistemas de ponta todos os dias a quem nunca digitou um comando.
O funil: 6 bilhões de pessoas na ponta larga
A conta de guardanapo de Karpathy desenha o formato da distância. Cerca de 6 bilhões de pessoas, ou por volta de 75% da população mundial, quase não têm contato com o que os modelos atuais conseguem fazer, estimou ele.
Na ponta estreita, ele sugere que um grupo bem menor tem acesso direto aos sistemas mais avançados, e a cobertura inicial do post colocou esse círculo interno em cerca de 5 mil pessoas que trabalham com modelos de ponta dentro das empresas todos os dias.
No meio, na leitura dele, há menos gente do que se imagina: pessoas que usam IA casualmente, mas raramente a levam ao limite. O funil se estreita rápido porque as ferramentas que existem e as que a maioria realmente usa operam em níveis de capacidade muito diferentes.
Por que o ponto de Karpathy importa
Se Karpathy está certo, a maior parte das conversas sobre IA acontece entre pessoas paradas em pontos diferentes desse funil. Uma descreve o que um modelo faz de forma confiável hoje. Outra só viu uma versão mais antiga ou mais fraca, ou nenhuma.
Esse descompasso molda tudo, de debates sobre políticas públicas a expectativas no trabalho. Um gestor que assume que a IA dá conta de uma tarefa porque viu uma demonstração está na ponta estreita. Um funcionário que não viu a mesma demonstração está na ponta larga. Nenhum dos dois mente. Só descrevem degraus diferentes da mesma escada.
A formulação de Karpathy é uma observação pessoal, não uma estatística medida. Os números são estimativas dele, e não há um conjunto de dados por trás. Mas a ideia de que o acesso, e não a capacidade bruta, é a linha que divide é algo que muita gente do setor vem rondando.
O que já está bem estabelecido
- Modelos de ponta superam o que a maioria dos usuários casuais chega a testar
- O acesso aos sistemas mais fortes é desigual entre empresas e regiões
- A percepção pública da IA fica atrás do que especialistas conseguem fazer
O que ainda é estimativa de Karpathy
- As cifras de "6 bilhões de pessoas" e "5 mil com acesso"
- A afirmação de que a distância está aumentando em vez de se manter
- Se o formato de funil vale para todas as regiões e setores
Como a comunidade reagiu
O post se espalhou rápido. No Hacker News, uma discussão ligada à ideia de distância crescente reuniu cerca de 198 pontos e 316 comentários, segundo resumos da thread. Vários profissionais e autores compartilharam, incluindo Ethan Mollick, que estuda como as pessoas realmente usam IA.
A reação não foi unânime. Boa parte da thread discutiu onde fica o meio do funil e se os usuários comuns estão se aproximando mais rápido do que Karpathy sugere. Esse vaivém, por si só, é sinal do ponto dele: até pessoas atentas discordam sobre como a tecnologia chega às mãos comuns.
O que observar daqui para frente
A resposta honesta é que ninguém tem uma medição limpa dessa distância. A matemática de guardanapo de Karpathy é uma provocação, não uma descoberta.
O que vale acompanhar é o acesso. Modelos baratos seguem melhorando, e o piso do que um usuário comum alcança sobe junto. Se isso alarga a ponta estreita do funil, ou apenas empurra o funil inteiro para cima, é a pergunta aberta que merece atenção ao longo do próximo ano.
