文章轉(zhuǎn)載于新智元

Karpathy大神這次繼Vibe Coding氛圍編程后，又想造全新概念了！

大神說他早就抱怨了很多次，未來99%的「Attention」（注意力）即將被AI，而非人類關(guān)注。

但是現(xiàn)在99.9%的互聯(lián)網(wǎng)內(nèi)容還是「寫給人看的」，不論是網(wǎng)頁、視頻還是科研PDF論文。

這次，他提出未來的研究論文/成果絕對不是PDF格式的！

他還給出一條「致富之路」：能解決這個(gè)問題的研究應(yīng)用程序?qū)碛芯薮蟮陌l(fā)展空間。

結(jié)合之前他提出的氛圍編程概念，未來全新的數(shù)據(jù)格式將是AI閱讀和學(xué)習(xí)的基礎(chǔ)——我們認(rèn)為這應(yīng)該叫做AI的氛圍閱讀（AI Vibe Reading）。

這個(gè)觀點(diǎn)在X平臺上徹底的火了，各種大佬紛紛點(diǎn)贊，網(wǎng)友們也附和抱怨。

機(jī)器學(xué)習(xí)改變?nèi)祟惪萍歼M(jìn)程后，網(wǎng)友調(diào)侃：「機(jī)器正在學(xué)習(xí)，人類正在上癮」。

「諷刺的是」，現(xiàn)在科學(xué)家更進(jìn)一步，正在為AI如何更高效的「看資料」而集思廣益。

Karpathy的這個(gè)觀點(diǎn)，其實(shí)也印證了馬斯克此前說過的一個(gè)觀點(diǎn)：

AI將超越所有人類，未來地球上的「碳基生物智能」只占1%。

從Attention is all you need發(fā)布后，人類在LLM加持下正在狂奔向AGI奇點(diǎn)，但是2025年了，大部分內(nèi)容和形式還是為人類服務(wù)的。

Karpathy很早就設(shè)想了一個(gè)網(wǎng)絡(luò)，其中99%的內(nèi)容都是為了AI優(yōu)化的，而不是人類。

這個(gè)星球上智能99.9%的注意力將是LLM的注意力，人類退下，AI思考。

可以看出Karpathy今天發(fā)X的時(shí)候，「心情很激動」，他連發(fā)了兩條來表達(dá)對這個(gè)事情的看法。

PDF已經(jīng)不適合AI時(shí)代，應(yīng)該研發(fā)針對AI的數(shù)據(jù)格式，甚至以后的論文格式都不應(yīng)該是PDF、Word這種寫給人看的，而應(yīng)該有點(diǎn)Github上代碼的那種結(jié)構(gòu)。

這次討論的起因還要說回一位有近6萬粉絲的生物學(xué)大佬——Michael Levin。他是Tufts大學(xué)的杰出教授。

2004年，他在《細(xì)胞》（Cell）1995年發(fā)表的關(guān)于左右不對稱性的分子基礎(chǔ)的研究被《自然》期刊選為「過去一個(gè)世紀(jì)發(fā)育生物學(xué)領(lǐng)域的里程碑」之一。

他今天發(fā)布的一條帖子，在社區(qū)引發(fā)了廣泛的討論，評論區(qū)里各種學(xué)術(shù)大佬出沒。

Levin提出一個(gè)深刻且尖銳的問題，這關(guān)系到所有的科學(xué)家和研究者們：

我經(jīng)常感到煩躁，因?yàn)闆]有時(shí)間閱讀來自相關(guān)領(lǐng)域杰出人士的、越來越多的精彩論文。

其他科學(xué)家也面臨同樣的問題，他們也沒有時(shí)間閱讀我那些冗長的概念性論文。那么，我們寫這些論文究竟是為了誰呢？

我猜，至少在它們因自身工作陷入同樣問題之前，AI將是唯一真正有精力閱讀所有這些內(nèi)容的存在。

我這里說的不只是當(dāng)前的語言模型——我們假設(shè)所指的是某種不可避免會出現(xiàn)的人工智能，它能夠閱讀文獻(xiàn)并對研究產(chǎn)生影響（無論是通過與人類交流，還是通過運(yùn)行實(shí)驗(yàn)室自動化／機(jī)器人科學(xué)家平臺）。

考慮到我們的受眾群體未來很大一部分將是人工智能（以及機(jī)器人、混血兒、增強(qiáng)人類等等），我們現(xiàn)在應(yīng)該如何寫作呢？

這下真就戳到馬蜂窩了，各種大佬也用自己的親身經(jīng)驗(yàn)。

這一話題引發(fā)Andrej Karpathy、Carlos Perez等科技思想者熱烈回應(yīng)：

「若論文的核心受眾逐步轉(zhuǎn)向算法，我們今天的寫作規(guī)范該如何演變？」

「科研工作者寫不完論文，已經(jīng)有的論文又不可能都看完，改怎么辦？」

Levin指出科學(xué)家既寫不完也讀不完論文，AI可能成為唯一能全面消化文獻(xiàn)的「讀者」。

根本問題是，人類要消化內(nèi)容，就必須將其呈現(xiàn)為特定的線性敘述，而這種敘述可能與讀者產(chǎn)生共鳴，也可能不會。

在前者情況下，你是幸運(yùn)的；在后者情況下，人類讀者最好借助AI來提取信息。

我們要為AI寫作。

當(dāng)前如此多令人驚嘆的發(fā)展和突破性論文不斷涌現(xiàn)。。。

我們能夠?qū)⑸镄睦韺W(xué)領(lǐng)域的最新進(jìn)展應(yīng)用于改善人類生活的各個(gè)方面。

格式是交流的一部分。

PDF早就過時(shí)，是上個(gè)世紀(jì)的東西！

這簡直就是一場人類頂級科技工作者的思想碰撞，如果人類的學(xué)習(xí)速度跟不上AI，會發(fā)生什么？

來看一組數(shù)據(jù)，全球已編入主流引文數(shù)據(jù)庫（以Scopus為代表）的科技論文年產(chǎn)量：

• 2010年僅190萬篇，2022年達(dá)到約330萬篇。

• 2012–2022十年間總量增長59%，折合年均復(fù)合增速約4%–4.5%。

假設(shè)若按此區(qū)間增速外推，2025年全年可預(yù)期被索引論文總量約為360 – 380萬篇，取中值約370萬篇。

這意味著平均每天將有一萬篇以上的新論文被正式收錄。

人類真的讀不完了，目前來看，也許只有AI才能完成這種閱讀量。

來自NSF的數(shù)據(jù)顯示，2022年，有六個(gè)地區(qū)、國家或經(jīng)濟(jì)體各自發(fā)表了超過10萬篇論文：中國、美國、印度、德國、英國和日本。

與此對應(yīng)的是，這些領(lǐng)先的地區(qū)、國家或經(jīng)濟(jì)體加起來占2022年全球總量的一半以上。

而到了2025年，在arXiv上關(guān)于AI的論文已經(jīng)可以說是「汗牛充棟」了！

看不完，真看不完！

比如，在HuggingFace上，即使想要閱讀完每天的Daily Papers，都幾乎是一件不可能的任務(wù)。

Karpathy可以說是AI時(shí)代教育方面的最頂流明星了，他是前OpenAI創(chuàng)始團(tuán)隊(duì)，還是Tesla AI團(tuán)隊(duì)的負(fù)責(zé)人。

更因?yàn)樗恢标P(guān)注AI教育、AI對人類的影響等命題，他創(chuàng)造的Vibe Coding氛圍編程概念更是風(fēng)靡全世界。

所以，他的觀點(diǎn)往往代表了AI如何影響人類領(lǐng)域的最前沿。

最近他在提一種新的編碼方式：「像細(xì)菌一樣編碼，小、模塊化、自給自足」。

在這個(gè)觀點(diǎn)，他最后的建議是：

多說要點(diǎn)，少說廢話。

我們認(rèn)為這個(gè)觀點(diǎn)不僅適合于編程領(lǐng)域，未來的科研領(lǐng)域，科學(xué)家們也將：

多關(guān)注要點(diǎn)，少些論文，要寫也是寫給AI。

在之前的程序員們常說，Talk is Cheap，Show Me the Code。

當(dāng)ChatGPT為代表的AI出現(xiàn)后，這句話變成了，Code is Cheap，Show Me the Talk。

這揭示了在編程領(lǐng)域的一種范式變化。

同樣，AI的影響力開始從代碼擴(kuò)展到真正的科研領(lǐng)域，也許未來的科學(xué)家們不僅要拼自己的智力，更要比拼誰的AI更會「氛圍閱讀」。

Paper is Cheap，Show Me the Thoughs！

參考資料：

https://x.com/karpathy/status/1943411187296686448

點(diǎn)個(gè)愛心，再走 吧