Andrej Karpatý naučil AI agenty provádět stovky experimentů v noci, když lidé odpočívají

Andrej Karpathy otevírá nový přístup k autonomním výzkumům

Bývalý vedoucí AI‑projektů Tesla a spoluzakladatel OpenAI Andrej Karpathy oznámil spuštění jednoduchého, ale výkonného projektu s otevřeným zdrojovým kódem. Skript se skládá z pouhých 630 řádků a je umístěn na GitHubu. Nehlásí se jako hotový model nebo velký firemní produkt; cílem je ukázat, jak AI‑agenti mohou plně automatizovat vědeckou metodu bez zásahu člověka.

> „Naším úkolem je vytvořit agenty, kteří nekonečně rychle postupují ve výzkumu, i v noci“ – napsal Karpathy na X. Zpráva se okamžitě stala virální a shromáždila více než 8,6 milionu zhlédnutí během dvou dnů.

Jak systém funguje
1. Inicializace

Agent obdrží výukový skript a pevný výpočetní rozpočet (obvykle 5 minut na GPU).

2. Samoanalýza kódu

Čte si vlastní zdrojový kód, formuloval hypotézu zlepšení (např. změnu rychlosti učení nebo hloubky modelu).

3. Modifikace a spuštění experimentu

Vloží úpravy, spustí experiment a vyhodnotí výsledky.

4. Kontrola účinnosti

Pokud se metrika *val_bpb* (ztráty na bajt při validaci) zlepší, změna se uloží; jinak se vrátí zpět a vygeneruje novou hypotézu.

Během jedné noci agent provedl 126 experimentů, snížil ztráty z 0,9979 na 0,9697. Po dvoudennímu nastavení zpracoval přibližně 700 autonomních změn a objevil ~20 dodatečných vylepšení, která úspěšně přenesla na větší modely.

Karpathy poznamenal: „Podívat se, jak agent plně řídí proces od začátku do konce, je neuvěřitelné. Našel chyby ve škálování pozornosti a regularizaci, které jsem přehlédl za 20 let práce.“

Co říkají experti
Automatizace vědecké metody se považuje za fundamentální posun v rozvoji AI. Převodem strojového učení na „evoluční proces“ rychlostí křemíku Karpathy otevřel nové horizonty pro výzkum nejen v IT, ale i v marketingu, zdravotnictví a dalších oblastech.

Příklady praktického využití
Partner | Popis experimentu | Výsledky
Hyperspace AI (Varun Mathur) | 35 autonomních agentů pracovalo v peer‑to‑peer síti s notebookovými CPU. | V noci provedli 333 experimentů bez operátora, odhalili strategie inicializace (Kaiming, Xavier) a normalizace (RMSNorm).
Single Grain (Eric Siu) | Automatizace marketingového cyklu: agent mění proměnné na cílových stránkách, reklamních kreativitách nebo e‑mailových zprávách. | Měří „procento pozitivních odpovědí“, ukládá úspěšné změny a odstraňuje neefektivní.

Závěr
Karpathy demonstroval, jak jednoduché skripty mohou stát se výkonnými nástroji pro samo­učení AI‑agentů. Automatizovaný cyklus optimalizace umožňuje provádět stovky experimentů za noc, odhalovat vylepšení, která dříve vyžadovala roky výzkumu. To otevírá cestu k rychlejší a škálovatelné vývoji modelů ve všech oblastech.