▲Karpathy：AI 已改寫開發流程。（圖／YT@NoPriorsPodcast）
記者吳立言／綜合報導
在 Podcast《No Priors》最新一集訪談中，OpenAI 前研究主管、特斯拉前 AI 總監卡帕西（Andrej Karpathy）分享其對 AI 自動化研究（AutoResearch）的最新觀察，指出 AI 已逐步改寫傳統人工主導的開發流程。
卡帕西表示，現代工程師的角色正從「親自調整模型與撰寫程式」轉向「設計系統並指揮 AI 代理執行任務」，研究流程出現根本性轉變。
AI 自主優化模型 成果超越人類經驗
卡帕西進一步揭露其實驗成果：在無人干預情況下，AI 代理能自行探索大型語言模型（LLM）訓練中的超參數配置，並成功找到優於人類研究者的最佳化方案。他指出，即便自身累積超過 20 年的開發與研究經驗，AI 仍能在短時間內發現被忽略的優化路徑，甚至在一夜之間完成改進。這顯示 AI 在具備明確評估指標的任務中，已具備顯著優勢。
可驗證任務成關鍵 AI 展現遞迴自我改進能力
他認為，AI 能夠突破人類直覺的關鍵，在於這類任務具備「可驗證性」。例如模型效能可以透過測試結果、準確率等數據明確評估，使 AI 能透過反覆嘗試與回饋進行優化。這種機制使 AI 不僅能執行任務，更能持續改進自身策略，形成「遞迴自我改進」的能力，進一步加速技術演進。
研究流程結構化 「Program.md」成新核心
在這樣的趨勢下，卡帕西提出未來 AI 研究的核心，可能不再是單一模型或程式碼，而是一份描述整體運作流程的文件，例如「Program.md」。這類文件將定義不同 AI 代理的角色、任務分工與互動方式，使整個研究過程系統化。換言之，競爭焦點將從「誰寫出更好的模型」，轉向「誰設計出更有效率的 AI 協作系統」。
AI 加速前沿研發 人類角色面臨重塑
隨著 AI 在研究領域展現更高效率與優化能力，他指出，未來人類的價值將逐漸集中於少數 AI 尚無法處理的領域，例如關鍵決策、創意發想與系統設計。
AI 自動化研究的成熟，可能大幅縮短技術突破的時間，並重新定義人類在科技開發中的角色定位。
