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
Andrej Karpathy, cofundador da OpenAI, afirmou na sua última entrevista 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, uma figura de destaque no desenvolvimento do Autopilot da Tesla e com uma posição influente na OpenAI, analisou profundamente, num evento organizado 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 da era do Software 3.0.
Ele disse: muitas pessoas ainda tinham a impressão de que a IA era apenas o ChatGPT no ano passado, mas é preciso reavaliar, especialmente a partir de dezembro — as coisas mudaram de forma fundamental.
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 a primeira refere-se à continuação e aceleração dos padrões de qualidade no desenvolvimento de software profissional.
Ele afirmou abertamente 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 transformação radical.
Dezembro do ano passado foi um ponto de viragem crucial, e Karpathy admitiu que, perante os modelos de IA mais recentes, sentiu um impacto profundo:
Os blocos de código gerados pelo sistema estão a ficar cada vez mais perfeitos, a ponto de nem me lembrar quando foi a última vez que os modifiquei. Confio cada vez mais neste sistema… (isso) fez-me sentir que estou a ficar para trás como programador.
Este impacto representa uma revolução na paradigma de cálculo. Para Karpathy, o mercado subestimou a profundidade desta 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 do “Software 3.0”.
Nesta nova era, os grandes modelos de linguagem são eles próprios uma “nova espécie de computador”.
Ele afirmou: agora, programar é escrever prompts, e o conteúdo na janela de contexto é a alavanca que controla esse grande modelo de linguagem, atuando como interpretador, para que 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 funcionam 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 computação inteligente”, que lidera os gastos de capital do mercado, consolidará ainda mais a sua posição estratégica no futuro.
Infraestrutura de próxima geração: reconstrução do 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? Não quero fazer nada. Devo apenas copiar e colar textos para o meu agente de IA?
O grande potencial de mercado no futuro reside na construção de uma infraestrutura “prioritariamente de agentes”.
Neste mundo, o sistema será desmontado em “sensores” que percebem o mundo e “atuadores” que transformam o ambiente, com estruturas de dados altamente legíveis pelos grandes modelos de linguagem, enquanto os agentes de máquina representam indivíduos e organizações a interagir na nuvem.
Numa futura altamente automatizada, a escassez central da humanidade voltará a ser o gosto estético, o julgamento e a compreensão profunda dos negócios.
Karpathy citou uma frase que o faz refletir repetidamente como resumo: você pode terceirizar o seu pensamento, mas não pode terceirizar a sua compreensão.
Engenharia de agentes: uma explosão de produtividade muito superior a “10 engenheiros”
No que diz respeito ao aumento de produtividade, uma das maiores preocupações do mercado, Karpathy distinguiu dois conceitos centrais: “programação de vibe” e “engenharia de agentes”.
Ele apontou que a “programação de vibe” elevou o limite inferior do desenvolvimento de software por todos, enquanto a “engenharia de agentes” visa manter o limite superior de qualidade do software profissional.
“Engenharia de agentes” não é apenas uma questão de acelerar, mas exige que os desenvolvedores coordenem aqueles “agentes de IA que são um pouco propensos a erros, com alguma aleatoriedade, mas extremamente poderosos”, avançando a toda velocidade sem sacrificar a qualidade.
Isso também ampliará imensamente o espaço de inovação das empresas.
Karpathy afirmou: “As pessoas costumavam falar de um aumento de 10 vezes na produtividade dos engenheiros”, mas 10 vezes já não é suficiente para descrever a velocidade de avanço que se consegue. Para mim, os profissionais de destaque nesta área produzem muito mais do que isso.
Diante desta explosão de produtividade, as estruturas organizacionais e os critérios de recrutamento das empresas terão que ser completamente reformulados.
Ele sugeriu que as empresas abandonem as tradicionais entrevistas de resolução de problemas com algoritmos, passando a avaliar como os candidatos utilizam múltiplos agentes de IA para colaborar em projetos de grande escala e resistir a ataques de outros agentes de IA.
Ponto de impulso na implementação comercial de IA
Para os empreendedores e investidores ansiosos por aplicar IA no mercado, 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 conseguem reconstruir simultaneamente 100 mil linhas de código ou encontrar 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 resultados facilmente verificáveis, 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, ainda não explorados por laboratórios líderes, que representam um enorme oceano azul para startups ajustarem e monetizarem por meio de fine-tuning.
Link do vídeo original
Clique para conhecer as vagas na BlockBeats
Participe da comunidade oficial da BlockBeats no Telegram:
Inscrição no Telegram: https://t.me/theblockbeats
Grupo de discussão no Telegram: https://t.me/BlockBeats_App
Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia
