Inżynierowie OpenAI nie rozumieją własnego kodu, ale AI już tak

Jordan Nanos z firmy analitycznej SemiAnalysis zdradził fascynujący szczegół dotyczący wewnętrznych prac nad infrastrukturą OpenAI. Okazuje się, że inżynierowie przeglądający swój rdzeniowy kod (core code) nie byli w stanie zrozumieć jego działania na poziomie poszczególnych linii.

Dla wielu może to brzmieć alarmująco, ale Nanos podkreśla, że nie ma to znaczenia, ponieważ sztuczna inteligencja ten kod rozumie i skutecznie wykorzystuje.

„To nie jest śmieciowy kod, bo działa. Ale w zasadzie jest to dosłownie wygenerowany przez AI assembler wrzucony do Gluon – niskopoziomowego języka programowania dla rdzeni, który stworzyli na bazie Tritona i który używa bardzo interesującego modelu programowania.”

Nanos wyjaśnia, że zespół odpowiedzialny za przeglądy miał doskonałą wiedzę o sprzęcie i koncepcjach systemowych, ale brakowało im zrozumienia specyfiki konkretnych modułów:

„Istota polega na tym, że ludzie, którzy przeglądali ten kod razem z nami, wyraźnie dobrze rozumieli sprzęt i koncepcje całego systemu, ale jednocześnie nie mieli pojęcia, co dokładnie robi ten rdzeń MLA dla DeepSeek, który nam pokazali.”

„Możesz przejść przez kod linijka po linijce, a tam dosłownie: nie, nie wiem, nie wiem.”

Mimo tej luki w ludzkiej wiedzy, efektywność systemu pozostaje wysoka:

„Ale to nie ma znaczenia. AI to rozumie, AI to testuje, a wyniki są widoczne. Generuje poprawne rdzenie, które działają naprawdę dobrze.”

Zdaniem eksperta, jest to zapowiedź przyszłości programowania:

„Myślę, że to tylko kolejny znak tego, co nas czeka.”

„Sam kod nie musi koniecznie być czymś, co człowiek musi głęboko rozumieć i analizować, jeśli AI wie, jak zarządzać przepływem danych i elementami obliczeniowymi na dostarczonym jej sprzęcie.”