OpenAI大神Karpathy最新分享：为什么OpenAI内部对AI Agents最感兴趣
AndrejKarpathy这位OpenAI联合创始人最近在一个开发者活动上发表简短讲话，谈论了自己和OpenAI内部对AIAgents（人工智能代理人）的看法。AndrejKarpathy对比了过去开发AIAgent的困难和现在新技术工具下开发的新机会，他还不忘调侃自己在特斯拉的工作，是“被自动驾驶分了心”，他认为自动驾驶和VR都是糟糕的AIAgents的例子。对于新的机会，AndrejKarpathy认为此刻正是再次回归神经科学，从中寻求灵感的时刻——正像在深度学习早期发生的那样。另一方面，Andre
Andrej Karpathy这位OpenAI联合创始人最近在一个开发者活动上发表简短讲话，谈论了自己和OpenAI内部对AI Agents （人工智能代理人）的看法。
Andrej Karpathy 对比了过去开发AI Agent的困难和现在新技术工具下开发的新机会，他还不忘调侃自己在特斯拉的工作，是“被自动驾驶分了心”，他认为自动驾驶和VR都是糟糕的AI Agents的例子。
对于新的机会，Andrej Karpathy认为此刻正是再次回归神经科学，从中寻求灵感的时刻——正像在深度学习早期发生的那样。
另一方面，Andrej Karpathy认为普通人、创业者和极客在构建AI Agents方面相比OpenAI这样的公司更有优势，大家目前处于平等竞争的状态，因此他很期待看到这方面的成果。
他还透露，如果一篇论文提出了某种不同的训练方法，OpenAI内部的Slack上会嗤之以鼻，认为都是他们玩剩下的。但是当新的AI Agents论文出来的时候，他们会认真兴奋的讨论。
以下是此次分享全文：
大家好。
我受邀就AI Agents 的话题说一些激励的话。我认为AI Agents在某种程度上跟我是很近的关系，让我以一个故事开始，这是一个非常早期的OpenAI的故事，那时OpenAI可能只有十几个人，在2016年左右，当时的潮流实际上是RL Agents（强化学习代理人）。
每个人都对建立代理人非常感兴趣，但在当时主要是基于游戏，人们的兴奋点围绕着像 Atari这样的游戏公司，而我当时在OpenAI的项目试图将RL Agents的重点放在用键盘和鼠标使用电脑上，而不是游戏。
我想让它们变得更有用，可以做很多工作，这个项目被称之为World of Bits。
我和几位同事最后发表了一篇论文。这不是一篇非常惊艳的论文，因为实际上这是基于RL强化学习方法的。我们的网页非常简单，上面可以让人比如预定一个航班或者订购一些食物等等。
这一切显然是行不通的，因为技术还没有准备好，在那时做这些东西是不明智的。
事实证明，应该完全忘记AI Agents这件事，去做语言模型。
五年之后我们回到这里，期间我被自动驾驶分了一点心，但现在AI Agents重新酷了起来，而我们的工具箱完全不一样了，我们处理这些问题的方式也完全不同了。
事实上，你们所有人都在研究AI Agents，但你们可能没有使用任何强化学习方法。这太疯狂了，我不认为我们当时会预见到这一点。这简直太有趣了。
下面我花一点时间谈谈为什么AI Agents如此火爆。我想很明显，对很多人来说，AGI（通用人工智能）将充分利用AI Agents的能力，不是一个，而是很多个。也许将会出现数字实体的组织或文明，我认为这是非常鼓舞人心的，甚至有点疯狂。
不过，我也想为此泼点冷水。 我认为有一大类问题很容易想象，很容易构建、演示，但实际上很难制作称为产品。很多事情都属于这一类，比如我想自动驾驶就是一个例子。
自动驾驶很容易想象，也很容易构建汽车绕街区行驶的演示，但将其变成产品需要十年时间。同样的道理，我觉得VR也是如此，让它发挥作用需要十年时间。
我认为AI Agents某种程度上也是如此。很容易想象它的场景，非常激发人的兴奋感，但我认为如果你参与其中，你应该投入十年时间来让它真正发挥作用。
我想说的另一件事是，我认为现在回到神经科学并在某些方面再次从中获得灵感是很有趣的，深度学习的早期阶段就受到了神经科学的启发。
思考它们之间的关系是非常有趣的，特别是我认为很多人都把语言模型当作解决方案的一部分，但如何构建一个完整的，拥有人类所有认知能力的数字实体呢？
显然，我们都认为我们需要某种潜在的系统来规划、思考和反思我们正在做的事情，这是神经科学发挥作用的地方。
比如，海马体是非常重要的，AI Agents中什么东西发挥着海马体的作用，用来实现储存记忆，标记检索等等这些功能？
我们大致已经了解如何构建视觉和听觉皮层，但还有许多的东西我们并不知道在AI Agents中意味着什么。
比如视觉游戏在AI Agents中是什么样子的？潜意识的所在地——丘脑在AI Agents中又相当于什么呢？
这非常有趣。事实上我今天带了一本神经科学的书，David Eagleman的《大脑与行为》，我发现这本书非常有趣和有启发性。
从神经科学中汲取一些有趣的灵感，就像早期我们设计单个神经元时所做的那样，今天我们也许应该再次这样做。
最后我想用一些鼓励的话结尾。一个有趣但不明显的事情是，你们（指现场观众）构建的AI Agents实际上处于当代AI Agents能力的最前沿，所有的大型LLM机构比如OpenAI、DeFi等，我怀疑他们都没有处于最前沿。
你们正处于最前沿。
举个例子，OpenAI 非常擅长训练 Transformer 大语言模型。如果一篇论文提出了某种不同的训练方法，那么我们OpenAI内部的Slack群组里的讨论会类似于，哦是的，有人在两年半尝试过，它不起作用，我们对这种方法的来龙去脉非常了解。
但是当新的AI Agents论文出来的时候，我们都非常感兴趣，觉得它非常酷，因为我们的团队并没有花费五年时间在这上面，我们并不比你们更多掌握什么，我们正在与你们所有人一起竞争。
这就是我为什么认为你们处于AI Agents能力的最前沿的原因，这对AI Agents的发展来说是非常重要的。
WPS Office是一款面向macOS用户的综合办公套件，将文字处理、电子表格、演示文稿、PDF工具、模板与云协作整合在同一应用中。它兼容常见Microsoft Office格式，支持Intel及Apple芯片Mac，基础功能可免费使用，
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理工具，可在 Windows 上完成照片修饰、选区抠图、图层合成、文字排版、绘画及生成式编辑。软件采用订阅授权，由 Creative Cloud 管理安装、更新与许
Adobe InDesign 是面向印刷与数字出版的专业页面排版工具，可制作书籍、杂志、宣传册、海报、交互式 PDF 和电子书。它提供精细的文字样式、多页面管理、印前检查及多格式输出能力，并能与 Photoshop、Illustrator
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Affinity Photo 是一款面向摄影师、修图师和视觉设计人员的桌面图像编辑工具，提供 RAW 显影、多图层合成、蒙版、实时滤镜、批处理和色彩管理等功能。原独立产品已停止销售，其照片编辑能力已延续至免费的新 Affinity 应用；
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Figma 是面向产品设计与开发团队的云端协作平台，可在 Windows 桌面客户端中完成界面绘制、组件管理、交互原型、评论评审和开发交付。文件保存在云端，多名成员能够同步编辑并共享设计系统；官方同时提供免费 Starter 方案及按席位计
Affinity Designer 是面向矢量图形、数字插画和界面设计的专业创作工具，可在矢量、像素与导出工作区之间快速切换。它提供曲线编辑、形状构建、画板、排版、图层和专业色彩管理，并支持常见设计文件的导入及多种印刷、网页格式输出。
Capture One Pro 是面向摄影师和影像团队的专业桌面照片处理工具，提供相机定制色彩配置、RAW转换、图层与蒙版、联机拍摄、目录及会话管理等功能。它适合棚拍、人像、商业产品、婚礼和风光摄影，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
DaVinci Resolve是Blackmagic Design推出的一体化影视后期工具，将素材管理、非线性剪辑、专业调色、Fusion视觉特效、Fairlight音频处理和成片交付整合在统一工程中。免费版已覆盖多数个人创作需求，