ಫ್ರಾಂಟಿಯರ್ ಮಾಡಲ್​ಗಳ ಆಳ ಅಗಲ ಗೊತ್ತಿರೋದು 5,000 ಮಂದಿಗೆ ಮಾತ್ರವಾ? ಹೆಚ್ಚಿನ ಮಂದಿಗೆ ನಿಲುಕದ್ದಾಗಿದೆ ಎಐ ಸಾಮರ್ಥ್ಯ

ನವದೆಹಲಿ, ಅಕ್ಟೋಬರ್ 12: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಂತ್ರಜ್ಞಾನ ಅತೀವ ವೇಗದಲ್ಲಿ ಬೆಳವಣಿಗೆ ಹೊಂದುತ್ತಿದ್ದು, ಅದನ್ನು ನಿಧಾನಗೊಳಿಸಬೇಕು ಎನ್ನುವಂತಹ ಸಲಹೆಗಳನ್ನು ಪರಿಣಿತರು ಆಗಾಗ್ಗೆ ಕೊಡುತ್ತಿರುವುದುಂಟು. ಆಂಥ್ರೋಪಿಕ್​ನ ಎಐ ಸಂಶೋಧಕರಾದ ಆಂಡ್ರೇ ಕರ್ಪಾತಿ (Andrej Karpathy) ಅವರು ಎಐನ ನೈಜ ಸಾಮರ್ಥ್ಯ ಏನೆಂಬುದನ್ನು ಜಾಹೀರುಗೊಳಿಸಿದ್ದಾರೆ. ಅವರ ಪ್ರಕಾರ, ಹೆಚ್ಚಿನ ಮನುಷ್ಯರಿಗೆ ಅತ್ಯಾಧುನಿಕ ಎಐನ ಸಾಮರ್ಥ್ಯವನ್ನು ಅರ್ಥೈಸಿಕೊಳ್ಳಲು ಆಗದಂತಾಗಿದೆ. ಅಂದರೆ, ಹೆಚ್ಚಿನವರಿಗೆ ನಿಲುಕಷ್ಟು ವೇಗವಾಗಿ ಎಐ ಬೆಳವಣಿಗೆ ಆಗಿದೆ.

ಹೆಚ್ಚಿನವರಿಗೆ ಎಐ ಎಂದರೆ ಫ್ರೀ ವರ್ಶನ್ ಎಐ… ವಾಸ್ತವದಲ್ಲಿ ಅದಲ್ಲ…

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮಾದರಿಗಳು ಸಾರ್ವಜನಿಕರಿಗೆ ಲಭ್ಯವಾಗಲು ಆರಂಭಿಸಿ ಮೂರ್ನಾಲ್ಕು ವರ್ಷಗಳಾಗಿವೆ. ಆದರೆ, 600 ಕೋಟಿ ಜನರು ಇನ್ನೂ ಕೂಡ ಎಐ ಮಾಡಲ್​ಗಳನ್ನು ಬಳಸಿಯೇ ಇಲ್ಲ. ಅಂದರೆ, ಶೇ. 75ರಷ್ಟು ಜನರಿಗೆ ಎಲ್​ಎಲ್​ಎಂಗಳೇನು ಎನ್ನುವ ಅರಿವೇ ಇಲ್ಲವಂತೆ.

ಇದನ್ನೂ ಓದಿ: ಎಐ ಮಾಡಲ್​ಗಳು ದಾರಿತಪ್ಪಿ ಹೋಗುವುದನ್ನು ತಡೆಯಲು ಎಮರ್ಜೆನ್ಸಿ ಬ್ರೇಕ್ ಬೇಕು: ಮೈಕ್ರೋಸಾಫ್ಟ್ ಸಿಇಒ ಸತ್ಯ ನಾಡೆಲ್ಲಾ

ಸುಮಾರು 100-200 ಕೋಟಿ ಜನರು ಚ್ಯಾಟ್​ಜಿಪಿಟಿ ರೀತಿ ಬೇಸಿಕ್ ಆಗಿರುವ ಉಚಿತ ಎಐ ಮಾಡಲ್​ಗಳನ್ನು ಆಗೊಮ್ಮೆ ಈಗೊಮ್ಮೆ ಬಳಸುವವರಾಗಿದ್ದಾರೆ. ಇವರಿಗೆ ಎಐ ಮಾಡಲ್​ಗಳೆಂದರೆ ಗೂಗಲ್ ಸರ್ಚ್​ಗಿಂತ ಒಂದು ಕೈ ಮೇಲು. ಮಾಹಿತಿ ಹುಡುಕಲು, ಬರವಣಿಗೆ ನೆರವು ಇತ್ಯಾದಿ ಬಳಸುತ್ತಾರೆ ಎಂದು ಆಂಥ್ರೋಪಿಕ್ ಎಐ ರಿಸರ್ಚರ್ ತಮ್ಮ ಎಕ್ಸ್ ಪೋಸ್ಟ್​ವೊಂದರಲ್ಲಿ ಹೇಳುತ್ತಾರೆ.

Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It’s now less “two groups of people speaking past each other” and more a sharp funnel.

– Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all. – Around 1-2B (~20%) are casual and infrequent users of free-tier ChatGPT-like products. This group sees derpy chatbots and treats them a bit like a better Google search, a writing aid, or etc. Maybe an agent tries to book you a flight. I have non-tech friends who (reasonably, imo) say they have not much use for it at all. Even many professionals outside of math&code are in this tier. For example, execs and many other functions spend a lot of their time talking to other people, so while they understand what is happening intellectually, it is still second-hand and a bit abstract. – Now we get to professional use of frontier-grade LLMs in math&code. Somewhere around 20M people (0.2%) see first-hand that large, complex projects that used to take them weeks/months can now be completed by agents with a prompt. Building apps, copying apps, translating apps, decompiling apps from binaries… This has all happened very quickly and recently – less than 1 year ago, I was writing code manually by hand, typing memorized computer code commands into a code editor character by character, occasionally pressing Tab to autocomplete a little chunk of code. – And finally we get to the ~5,000 people (~0.00006%) with access to frontier-grade systems internally. The external world has seen the preview. It looks like swarms of thousands of agents collaborating over weeks on software mega projects: minting zero days, running cyber attacks and defenses at machine speeds, discovering new science, advancing the frontier of mathematics. Things that would have taken top professionals in the industry years of work. Meanwhile, human review and comprehension are starting to fall behind. For example, people are still involved in the “archeology” of the OpenAI-HF incident from many months ago. Mathematicians may be poring over the 722 manuscripts on frontier mathematics for a while.

The funnel is driven by a combination of factors: 1. The impact scales with ambition, problem size, and horizon. A question with a paragraph answer barely stresses the system. You need a reservoir of big, difficult problems that you really care about. This aspect drives the consumer / professional dimension of the funnel. 2. The jaggedness of the system (which I have written about a lot separately). Capability peaks in domains that are digital, verifiable and economically valuable. This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential. This aspect primarily drives the area (e.g. math&code) dimension of the funnel. 3. Access. Free-tier, paid-tier, internal.

So this is the weirdness of the moment. The general public has mostly not interacted with these systems. When they have, it looks like a derpy chatbot. The majority of professionals still see only a modest uplift. And a small sliver of professionals are experiencing the vertigo of the curve going vertical. And it is all happening at the same time.

— Andrej Karpathy (@karpathy) October 11, 2026

ಎಐನ ನಿಜವಾದ ಶಕ್ತಿಯ ಅರಿವು ಇರುವುದು ಕೆಲವರಿಗೆ ಮಾತ್ರ…

ಆಂಡ್ರೆ ಕರ್ಪಾತಿ ತಮ್ಮ ಪೋಸ್ಟ್​ನಲ್ಲಿ ಬಹಳ ಅಚ್ಚರಿ ಎನಿಸುವ ಮಾಹಿತಿಯೊಂದನ್ನು ಹಂಚಿಕೊಂಡಿದ್ದಾರೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಅದೆಷ್ಟು ಸುಧಾರಣೆ ಕಂಡಿದೆ ಎಂದರೆ, ಅದರ ಆಳ ಅಗಲ ಏನೆಂದು ಬಲ್ಲವರ ಸಂಖ್ಯೆ, ಮತ್ತು ಫ್ರಾಂಟಿಯೆರ್ ಗ್ರೇಡ್ ಎಲ್​ಎಲ್​ಎಂಗಳನ್ನು ಸಮರ್ಥವಾಗಿ ಬಳಸುವವರ ಸಂಖ್ಯೆ ಜಗತ್ತಿನಲ್ಲಿ ಹೆಚ್ಚೆಂದರೆ 5,000 ಇರಬಹುದು.

ಇದನ್ನೂ ಓದಿ: ಲಂಗು ಲಗಾಮು ತಪ್ಪಿದ ಎಐ ಏಜೆಂಟ್​ಗಳು; ಸರ್ಕಾರಿ ವೆಬ್​ಸೈಟ್​ಗಳ ಮೇಲೆಯೇ ದಾಳಿ; ಕಂಗೆಟ್ಟ ಓಪನ್​ಎಐ

ಬಹುತೇಕ ಮನುಷ್ಯರಿಗೆ ಫ್ರಾಂಟಿಯರ್ ಮಾಡಲ್​ಗಳ ಕೆಲಸಗಳ ಸಾಮರ್ಥ್ಯ ಅರ್ಥೈಸಿಕೊಳ್ಳುವಷ್ಟು ಗ್ರಹಿಕೆ ಇಲ್ಲ. ಅವರ ಗ್ರಹಿಕೆಗೆ ನಿಲುಕಷ್ಟು ಮುಂದುವರಿದಿದೆ ಎಐ ಮಾಡಲ್​ಗಳ ಶಕ್ತಿ ಎಂದು ಕರ್ಪಾತಿ ಹೇಳುತ್ತಾರೆ.

ಇನ್ನಷ್ಟು ವಾಣಿಜ್ಯ ಸುದ್ದಿಗಳಿಗೆ ಇಲ್ಲಿ ಕ್ಲಿಕ್ ಮಾಡಿ