Roadmap Karpathy: Evolusi Output AI dari Teks ke Video Neural

Andrej Karpathy, mantan Direktur AI di Tesla dan anggota pendiri OpenAI, membagikan thread 13K suka minggu ini yang memaparkan roadmap yang sangat konkret untuk evolusi interaksi AI-manusia. Ini bukan tentang model yang lebih besar — ini tentang bagaimana AI berkomunikasi kembali kepada kita.

Tesisnya: audio adalah input yang lebih disukai manusia ke AI, tapi visi adalah output yang lebih disukai. Sekitar sepertiga dari korteks otak kita didedikasikan untuk pemrosesan visual.

Lima Tahap Output AI

Tahap 1: Teks Mentah

“Sulit dan melelahkan dibaca.” Ini era GPT-2.

Tahap 2: Markdown ← Default Saat Ini

Ini tempat sebagian besar antarmuka LLM berada sekarang.

Tahap 3: HTML ← Awal tapi Terbentuk

“Masih prosedural, tapi jauh lebih fleksibel untuk grafis, layout, bahkan interaktivitas.”

Tahap 4: Video Neural Interaktif

“Video interaktif yang dihasilkan langsung oleh diffusion neural net.”

Tahap N: Full Mind-Meld

Antarmuka otak-komputer ala Neuralink.

Apa Artinya bagi Pembangun Produk

1. Prompt Output HTML adalah Produk

2. Browser Menjadi AI Viewport

3. Masa Depan “Membaca” Output AI adalah “Menonton”nya

Intinya

Thread Karpathy adalah artefak langka: roadmap yang digambar oleh seseorang dengan kedalaman teknis untuk membuatnya kredibel. Pesan kunci: permukaan output adalah frontier berikutnya.