OpenAI i nowe modele: Jak sztuczna inteligencja rozumie kod, którego ludzie nie potrafią

Jordan Nanos z firmy analitycznej SemiAnalysis podzielił się fascynującym spostrzeżeniem dotyczącym pracy inżynierów w OpenAI. Podczas wspólnego przeglądu kluczowego kodu źródłowego okazało się, że specjaliści nie do końca rozumieli jego działanie na poziomie każdej pojedynczej linii. Paradoksalnie, nie miało to znaczenia – ponieważ rozumiała go sztuczna inteligencja.

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

Nanos podkreślił kontrast między wiedzą hardware’ową a zrozumieniem konkretnego fragmentu kodu:

„Istota polega na tym, że osoby przeglądające ten kod z nami doskonale rozumiały sprzęt i koncepcje całego systemu, ale jednocześnie nie miały pojęcia, co dokładnie robi ten rdzeń MLA dla DeepSeek, który nam pokazano.”

Przeglądając kod linia po linii, reakcja była jednoznaczna: „Nie wiem, nie wiem”.

Jednak zdaniem eksperta, brak ludzkiego zrozumienia szczegółów implementacji nie przeszkadza w sukcesie:

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

Zdaniem Nanosa, jest to kolejny sygnał wskazujący na kierunek rozwoju technologii:

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