Karpathy gây bão nội bộ: Ép Agent làm việc là sai lầm lớn nhất của AI! Mặt trận mới nhất không nằm ở OpenAI, mà nằm trong tay bạn.
Một câu nói, tạt một gáo nước lạnh vào cả cộng đồng Agent.
Andrej Karpathy — nhà nghiên cứu cốt cán hiện tại của đội tiền huấn luyện tại Anthropic, gần đây trong một buổi chia sẻ trực tiếp với các nhà phát triển Agent, đã ném ra một tuyên bố gây sốc khiến cả hội trường im lặng:
Sai lầm lớn nhất trong lĩnh vực AI hiện nay, chính là mọi người vội vàng ép Agent làm việc, nhưng lại hoàn toàn chưa hiểu rõ mô hình lớn nền tảng bên dưới.
Đoạn video này được cắt ra và đăng lên X, vài ngày đã lan truyền điên cuồng.
Bởi vì nó chạm đúng vào mảng sôi động nhất, đông đúc nhất hiện nay, nơi mọi người đang đổ xô vào.
Mà người nói ra điều này, không phải là kẻ ngoại đạo hắt nước lạnh, mà là người từng vấp ngã đang tổng kết lại bài học xương máu của chính mình.
Bài học đúc kết từ tiền bạc thật
Quay ngược thời gian về năm 2016.
Khi đó Karpathy đang làm một dự án tại OpenAI, tên là World of Bits, mục tiêu nghe ra rất "2026": Để Agent học cách dùng bàn phím chuột điều khiển máy tính, đặt vé máy bay, gọi đồ ăn, giúp bạn hoàn thành công việc.
Nghe có quen không? Đây gần như là hình ảnh ở trang đầu tiên trong slide của mọi công ty khởi nghiệp Agent ngày nay.
Kết quả thế nào? Không thành công.
Karpathy nói rất thẳng thắn: Khi đó anh và Tianlin Shi, Jim Fan cùng nhau làm, nhắm vào mấy trang web sơ sài liên tục click chuột, cố gắng đặt một vé máy bay, gọi một phần ăn, cuối cùng còn thực sự đăng một bài báo tại ICML 2017.
Tiêu đề bài báo là 《World of Bits: An Open-Domain Platform for Web-Based Agents》 — một ý tưởng vĩ đại về "thế giới bit", cuối cùng lại kẹt cứng trên mấy trang web sơ sài.
Công nghệ chưa sẵn sàng. Công cụ duy nhất trong tay là học tăng cường (reinforcement learning), cố gắng thế nào cũng không đập ra được.
Nhìn lại, cách làm đúng đắn thực sự lúc đó, là hoàn toàn quên Agent đi, quay đầu làm mô hình ngôn ngữ.
Năm năm sau, bộ công cụ hoàn toàn thay đổi — các bạn làm Agent bây giờ, hầu như không ai dùng học tăng cường nữa. Điều này ở thời điểm đó, hoàn toàn không thể tưởng tượng được.
Điều thú vị là, Jim Fan, người cùng viết bài báo với anh năm đó, giờ đã là nhà khoa học nghiên cứu cao cấp tại NVIDIA, tạo ra hàng loạt dự án gây sốc như Voyager, MineDojo, và nhận giải Bài báo Xuất sắc tại NeurIPS.
Một thực tập sinh trẻ trong một "dự án thất bại" năm 2016, mười năm sau trở thành người chơi hàng đầu trong lĩnh vực AI Agent.
Nhưng con đường đi, không phải là con đường năm 2016 đó.
Demo rất dễ, sản phẩm phải mất mười năm
Theo đuổi bài học này, Karpathy đưa ra ba lời khuyên, câu câu ngược lại với cơn sốt hiện tại.
Bước một, đừng bắt Agent của bạn làm mọi thứ nữa, hãy làm đúng mô hình nền tảng trước.
Tháng 5 năm nay khi anh gia nhập đội tiền huấn luyện của Anthropic, câu đầu tiên anh viết trên X là: Tôi tin rằng công việc tiên phong về LLM trong vài năm tới sẽ đặc biệt quan trọng.
Một người "phát minh" ra vibe coding, khiến Từ điển Collins bình chọn nó là từ của năm, lúc này lại chọn quay về nghiên cứu tiền huấn luyện tầng sâu nhất — bản thân điều này đã là một "phiếu bầu bằng hành động" đối với cơn sốt Agent.
Bước hai, Demo rất dễ, biến nó thành sản phẩm phải mất mười năm.
Anh đưa ra hai ví dụ mà ai cũng quen thuộc: Xe tự lái, làm một demo cho một chiếc xe chạy vòng quanh khu phố thì ai cũng làm được, nhưng thực sự biến nó thành sản phẩm, đã mất trọn mười năm, chính anh đã trải qua cuộc chạy marathon này tại Tesla.
VR cũng vậy, demo ấn tượng bay đầy trời, việc đưa vào thực tế thành sản phẩm cũng mất ít nhất mười năm.
Agent, chính là loại như vậy.
Cực kỳ dễ tưởng tượng, cực kỳ dễ làm demo, nhưng lại cực kỳ khó làm thành sản phẩm thực sự.
Nếu bạn thực sự vào nghề này, bạn phải chuẩn bị tinh thần làm việc mười năm, chứ không phải làm xong một demo hoành tráng là tưởng đã lên bờ.
Bước ba, Agent không phải là sản phẩm, năng lực nền tảng mới là sản phẩm. Xây dựng nền móng vững chắc, Agent sẽ tự nhiên xuất hiện.
Ba câu nói này, gần như phủ định hoàn toàn cách chơi hiện nay "khoác vỏ, xếp chồng Agent, nhanh chóng phát hành".
Ý của Karpathy rất rõ ràng, nền móng không vững, xây càng nhanh, đổ càng mạnh.
Xe tự lái đã dùng mười năm để thay mọi người kiểm chứng một lần rồi, Agent không có lý do gì có thể bỏ qua bài học này.
Học lỏm từ bộ não
Nói xong bài học, Karpathy chuyển hướng, lao đầu vào khoa học thần kinh tìm cảm hứng.
Anh ném ra trên sân khấu một loạt câu hỏi: Trong Agent, cái gì tương đương với hồi hải mã, phụ trách trí nhớ, lập chỉ mục và truy xuất?
Cái gì tương đương với hạch nền, kiểm soát lựa chọn hành vi và thực thi động tác? Cái gì tương đương với đồi thị, nơi "nhiều ý nghĩ tranh giành micro", giống như ngai vàng của ý thức?
Một nhà nghiên cứu AI đỉnh cao đang nói: Chúng ta tạo ra sự sống kỹ thuật số, thứ thiếu nhất hiện nay không phải là chức năng hoa mỹ hơn, mà là sự tôn kính đối với câu hỏi gốc rễ "trí tuệ rốt cuộc là gì".
Anh thậm chí còn chuyên mang theo một cuốn sách khoa học thần kinh của David Eagleman 《Brain and Behavior: A Cognitive Neuroscience Perspective》 để giới thiệu cho mọi người có mặt.
Theo quan điểm của anh, tạo Agent ngày nay, đáng để giống như thời kỳ đầu của học sâu — ngày trước chúng ta đã học lỏm từ cấu trúc tế bào thần kinh đơn lẻ để có cảm hứng cho mạng nơ-ron nhân tạo, ngày nay hoàn toàn có thể lại đi học lỏm từ bộ não một lần nữa.
Thứ thực sự gây bão, là câu cuối cùng này
Nếu nói phần trước là tạt nước lạnh, thì phần kết thúc của Karpathy, lại thổi một ngọn lửa cho khán giả dưới sân khấu.
Anh nói với cả phòng các nhà phát triển độc lập và doanh nhân khởi nghiệp rằng:
Những người thực sự đứng ở mặt trận năng lực Agent mới nhất, là các bạn. Không phải OpenAI, không phải DeepMind, là các bạn.
Đây không phải là lời xã giao trên bề mặt. Anh đưa ra một giải thích đặc biệt chạm đúng tim đen:
Những công ty lớn như OpenAI, huấn luyện mô hình ngôn ngữ Transformer quy mô lớn đúng là không ai sánh bằng — một bài báo mới về huấn luyện Transformer ra đời, phản ứng trong Slack nội bộ thường là "ồ, cái này hai năm rưỡi trước có người thử rồi, tại sao không thành, chúng tôi biết rõ".
Nhưng một khi một bài báo Agent mới xuất hiện, phản ứng của mọi người lại là: "Ồ, cái này thật tuyệt, thật mới mẻ."
Tại sao? Bởi vì trong việc Agent này, không có công ty lớn nào tích lũy được năm năm cả.
Các công ty lớn không đứng ở rìa năng lực, mà các bạn — những doanh nhân khởi nghiệp, hacker — mới đang đứng trên rìa đó.
Đạo lý thực ra không khó hiểu.
Các công ty lớn chạy trên con đường mô hình ngôn ngữ nhiều năm nay, đã dẫm lên mọi cái hố, đánh dấu mọi con đường vòng; nhưng Agent là một vùng đất mới vừa được khai phá, không ai có tài sản đi trước năm năm, mọi người gần như đứng trên cùng một vạch xuất phát.
Lúc này, các nhà phát triển độc lập linh hoạt, dám thử, có thể nhanh chóng chuyển hướng, ngược lại có cơ hội va chạm ra thứ mới hơn là những gã khổng lồ khó xoay chuyển.
Trở lại với tuyên bố gây sốc ban đầu
Gáo nước lạnh mà Karpathy muốn tạt, không phải là "đừng làm Agent", mà là "đừng bỏ qua nền tảng để làm Agent".
Chính anh là chú thích tốt nhất — người đã phát minh ra vibe coding, sử dụng Agent bay bổng, nhưng lựa chọn nghề nghiệp quan trọng nhất năm 2026 lại là: Quay về tiền huấn luyện, quay về phòng thí nghiệm sâu nhất dưới đáy của mô hình lớn.
Ngọn lửa anh muốn thổi, cũng không phải để mọi người lo lắng, mà là nói với mỗi người đang vật lộn ở tuyến đầu: Trận chiến này, bạn không hề tụt hậu, bạn chính là ở phía trước nhất.
Cơn sốt rồi sẽ qua đi, demo rồi cũng sẽ phai màu.
Nhưng những người thấu hiểu mô hình nền tảng, sẵn sàng đâm sâu vào một việc mười năm, mới xứng đáng đứng trên bờ sau mười năm nữa.
Tài liệu tham khảo: https://x.com/0xCodila/status/2073544407643496771
Bài viết từ tài khoản công chúng WeChat "Tân Trí Nguyên", tác giả: ASI Khải Thị Lục, biên tập: Solomon
