前两天，知名人工智能专家、OpenAI的联合创始人AndrejKarpathy提出了一个革命性的未来计算机的构想：完全由神经网络驱动的计算机，不再依赖传统的软件代码。
嗯，这是什么意思？全部原生LLM+硬件设备的意思吗？
这一概念的提出，引发了网友广泛的讨论和巨大关注，奶茶觉得这个设想看上去会不会太宏观而且不切实际，于是查看了Karpathy在帖子下的回复，试图找到支撑性的证据：
根据Karpathy的解释，在这种架构下，设备的输入（如音频、视频、触摸，甚至自然语言）将直接传递给神经网络，输出则直接显示为结果，可能是音频/视频，也可能是交互界面在屏幕上。整个计算过程完全依赖于神经网络的处理能力，这种简化的架构将彻底改变计算机的工作方式。
有网友形象地比喻，这类似于人类大脑和躯体的关系：大脑负责处理，而躯干（外设）负责执行输出。
奶茶总结了一下网友们对这个设想的担忧：
透明度和可解释性：完全依赖神经网络的系统可能难以解释其决策过程，导致“黑匣子”问题，增加了监管和信任的难度。
算力和能源消耗：如此大规模的神经网络计算需要极高的算力和能源，可能对资源和环境造成巨大压力。（虽然但是，最后的赢家不还是英伟达）
安全性和隐私：神经网络驱动的系统可能容易受到攻击，尤其是如果数据输入未经严格验证，可能导致安全和隐私问题。
技术依赖：过度依赖神经网络技术可能限制计算机的灵活性和适应性，尤其在面对非结构化或突发性问题时。
大家怎么看？这个设想究竟是不是可以看得到的未来呢？
他是个果粉，爱死了AppleIntelligence
AndrejKarpathy提出的未来计算机构想2.0，有没有让大家联想到前不久苹果发布的AppleIntelligence？
奶茶觉得AndrejKarpathy提到的未来愿景与AppleIntelligence有异曲同工之妙。于是我查找了Karpathy对AppleIntelligence的看法，果然，他公开坦言对苹果的这个概念爱不释手。以下是他之前的发言：
“事实上，我非常非常喜欢苹果公司发布的AppleIntelligence。在苹果公司，人工智能成为整个操作系统的基础，这是一个非常激动人心的时刻。有几个主要的主题：
多模态I/O：支持文本、音频、图像和视频的读写功能，可以说这些都是原生的人类API。
Agentic：允许操作系统和应用程序的所有部分通过‘函数调用’进行互操作。用于核心进程的LLM（大语言模型）可以根据用户查询安排和协调各部分的工作。
无摩擦：高度无摩擦、快速、“始终在线”和情景化地全面集成这些功能。无需四处复制粘贴信息、提示工程等，根据需要调整用户界面。
主动性：不只是根据提示执行任务，而是预测提示、提出建议并主动行动。
授权分级：尽可能使用设备端算力（苹果芯片非常有用且适合），但也允许将工作分派到云端。
模块化：允许操作系统访问并支持不断增长的LLM生态系统（例如ChatGPT合作公告）。
隐私：保障用户隐私。
我们很快就会进入这样一个世界：你可以打开手机，随便说点什么。它会回应你，而且它认识你。一切都很顺利。这太令人兴奋了，作为一名用户，我非常期待。”
Karpathy说清醒梦很像Sora
AndrejKarpathy不仅在技术上有深厚造诣，而且非常擅长进行内心观察。他之前就写过一个很出圈的帖子，谈到了断网的感受。最近，他除了发表争议与希望并存的未来计算机构想2.0，还发表了一个Sora相关的描述也很热门。他记录了自己的一次清醒梦的体验。
何为清醒梦呢，就是指做梦者意识到自己在做梦，并且能够在一定程度上控制梦境中的场景、角色或自己的行为。一位网友的描述很准确：清醒梦的梦境会根据你的关注点生成细节，而你没有直接审视的部分则呈现得不准确。这种现象有点像游戏的图形渲染，为了节省资源，只渲染必要的部分。
Karpathy在帖子中提到，他感觉梦境像一个Sora模型，充满了丰富的细节，而且自己的智商突然提高了10点。
清醒梦这个比喻还蛮有趣的，把Sora模型只渲染必要部分的原理和清醒梦的体验联系在一起，既浪漫又贴切，很妙。
“我相信而且践行了一万小时”
奶茶最近还看了AndrejKarpathy在加州大学伯克利分校的AIhackathon做的演讲。Karpathy讲了几点还蛮有意思的，和大家分享下：
计算的本质正在改变，我们正在进入一个新的计算范式，这种情况非常罕见。我几乎觉得像是回到了1980年的计算机时代，不再是中央处理器处理指令和字节，而是大语言模型处理Token，我们有Token的上下文窗口，而不是RAM中的字节，并且有磁盘之类的等效物。这有点像计算机，但现在大语言模型是新的核心，这就是为什么我称之为大语言模型操作系统LLMOS。
OpenAI成立的初衷是与Google形成某种平衡，那时，Google就像一只拥有700亿美元自由现金流的巨兽，几乎雇用了半个AI研究行业。我们只有八个人和一台笔记本电脑，这种对比真的很有趣，也非常符合我的背景。
OpenAI最初探索了大量内部项目，我们招聘了一些非常优秀的人才，其中许多项目并没有走太远，但有些确实成功了，例如在最早期我们开发了一个Reddit聊天机器人试图与Google竞争，当Transformer出现后，它被转化为一个更好的东西，从Reddit扩展到其他领域。而随后有了GPT-1、GPT-2、GPT-3、GPT-4，甚至有了GPT-4o。
我见证了这些“小雪球”的发展过程。直到今天，OpenAI的市值可能接近1000亿美元。许多你们在过去两天中也在做的小项目，也许它们不会成功，但其中一些可能会成功。你们应该继续推动你们的“小雪球”，也许它们会发展成一个真正的“大雪球”。
我很相信MalcolmGladwell提出的1万个小时的概念。我相信这个理论，成功来自于重复练习，我们应该非常愿意投入那1万个小时，不要太在意自己在做什么，是否成功或失败，简单地计算你投入了多少时间。即使是那些我做失败的项目，它们没有发展成任何东西，但它们也增加了我开发专业知识的时间总数，让我能够自信地承担这些项目并使其成功。
参考资料
[1]https://x.com/karpathy/status/1807497426816946333[2]https://x.com/imxiaohu/status/1807772757448618285[3]https://mp.weixin.qq.com/s/h5iTG2wwwekUvkUoADBPIw[4]https://twitter.com/karpathy/status/1806400213793534010
