# Линза Карпатого: понимание против исполнения

Canonical: https://www.kt-team.ru/blog/linza-karpatogo-ponimanie-protiv-ispolneniya

Source: https://www.kt-team.ru/blog/linza-karpatogo-ponimanie-protiv-ispolneniya

30.06.2026

Андрей Карпатый строит ИИ и одновременно публично его описывает: один из основателей-членов команды OpenAI, годы руководства ИИ и автопилотом в Tesla, автор учебных материалов, на которых выросло поколение инженеров (micrograd, nanoGPT). По его публичным выступлениям видно нежелание раздувать ожидания: там, где индустрия обещает «AGI через год», он говорит «десятилетие».

Это не пересказ его интервью, а попытка вытащить из его публичной позиции один цельный фрейм и разложить его так, чтобы им можно было пользоваться при решениях. Фрейм держится на трёх параллельных утверждениях: понимание бьёт исполнение, реальность бьёт таймлайны, инженерия бьёт нарратив. Три раза одна и та же ошибка — лёгкое и эффектное принимают за трудное и реальное. Всё ниже подано как публичная позиция Карпатого, а не как установленный факт о мире.

## Главное

- Карпатый описывает ИИ не как «цифровое существо», а как «дух» (ghost): он собран из человеческих текстов и имитирует человека, но устроен иначе. На «духа» не действуют мотивация, давление, похвала — постановку цели и проверку человек держит на себе.
- «Год агентов» он публично заменяет на «десятилетие»: между «впечатляет» и «работает как сотрудник» лежат три нерешённые задачи — непрерывное обучение, надёжная работа с интерфейсами, когнитивная стабильность на длинной цепочке.
- Код — «идеальная первая задача» ИИ: машинный, структурный, проверяемый запуском. Это объясняет и силу в кодинге, и пробуксовку там, где истинность нельзя проверить.
- Сквозная мысль: мышление можно отдать на аутсорс, понимание — нет. Машина забирает механику; человеку остаётся знать, что и зачем он строит.
- Для бизнеса ценность смещается от навыка «жать кнопки» к пониманию предметной области и умению направить в ней ИИ. Фильтр для любого прогноза — «это инженерия или фандрейзинг?».

## Не новая форма жизни, а «дух»

Индустрия любит аналогию ИИ с живым мозгом — «цифровое животное», «новый вид интеллекта». Карпатый эту метафору отводит — и приводит механизм, почему она неверна.

Зебрёнок рождается и через минуты бежит: инстинкты вшиты эволюцией, обучение поверх минимально. Большая языковая модель устроена наоборот. Она берёт гигантский корпус человеческого текста и учится его имитировать. Это не существо со своей биологией, а, по его формулировке, эфирный призрак — «дух», который мимикрирует под человека, потому что собран из человеческих следов, но внутри устроен иначе.

Вывод здесь не философский, а рабочий. На «духа» бессмысленно кричать, давить срочностью, мотивировать, хвалить за старание — у него нет страха, азарта, воли, инициативы, любопытства. Всё, что в человеке порождает инициативу и заботу «туда ли мы идём», человек обязан держать на себе и встраивать в процесс явно: проверку, остановку, сверку направления.

ИИ — почти идеальное зеркало человеческого текста, и здесь же скрыт риск: мы склонны принимать собственное отражение за собеседника.

### Базовая формула отношения к «духу»

ИИ не мотивируется и не проявляет инициативу. Значит, постановку цели, проверку промежуточных шагов и решение «продолжать или остановиться» нельзя делегировать модели — это остаётся инженерным контуром вокруг неё. Чем длиннее задача, тем дороже отсутствие такого контура.

## Почему «дух» не превращается в разум по щелчку

Здесь же лежит причина его осторожности по срокам. Современные системы во многом дотягивают обучением с подкреплением (RL). У RL есть встроенная слабость: награда часто одна и приходит в конце длинной цепочки. При положительном итоге апвейтятся все токены траектории — включая локально неверные шаги, — потому что сигнал награды один и размазывается по всей цепочке. Сигнал получается шумным и бедным — «учёба через соломинку».

Карпатый отмечает, что человеческое обучение устроено иначе — с рефлексией и пересмотром, а не только через разреженную награду в конце. Поэтому, по его публичной оценке, одним RL до интеллекта человеческого уровня не дотянуть: нужно ещё несколько алгоритмических прорывов, которых пока нет. Отсюда — сдержанность в прогнозах про AGI, а не пессимизм.

## Чего агенту не хватает до сотрудника

- **Непрерывное обучение.** Агент входит в каждую сессию с чистого листа; опыт сам по себе между задачами не накапливается.
- **Надёжная работа с компьютером.** Уверенно действовать в реальных интерфейсах, а не в песочнице, агенты пока не умеют стабильно.
- **Когнитивная стабильность.** На длинной многошаговой задаче модель теряет нить и накапливает ошибку.

## Десятилетие, а не год

В ответ на публичный тезис про «год агентов» Карпатый говорит о десятилетии. Он сам пользуется агентами ежедневно, но между «впечатляет» и «работает как самостоятельный сотрудник» лежит пропасть из трёх нерешённых задач. Источник прогноза — откалиброванная интуиция: годы внутри ИИ, в которые уверенные прогнозы расходились с реальностью. Полезный фильтр для ЛПР: громкий прогноз про «AGI через год» — это оценка того, что реально работает, или элемент истории под раунд?

## Почему именно код, и что это объясняет

Исходное определение AGI, с которого стартовал OpenAI, — система, выполняющая любую экономически ценную задачу на уровне человека или лучше. А по наблюдению Карпатого, основной экономический выхлоп LLM через API сегодня — это одна узкая вещь: кодинг. Код он называет «идеальной первой задачей», и главный различитель здесь — верифицируемость: код запускается или нет, и это объективная истина, которой у эссе или слайдов нет.

| Свойство задачи | Код | Слайды, эссе, «живая» работа |
| --- | --- | --- |
| Коротко | машинный текст, где истинность проверяется запуском | человеческий артефакт, где «хорошо» оценивают экспертно |
| Проверяемость | запускается или нет — объективная истина | только экспертная оценка |
| Структурность | строгий синтаксис, однозначность | свободная форма, многозначность |
| Инфраструктура вокруг | редакторы, версии, diff | нет аналога diff |

Внедрение короткими итерациями — это способ проверить ИИ на реальном процессе, а не на демо: короткая итерация, на выходе измеримая оценка применимости. Если задача типовая и закрывается готовым инструментом, спринт не нужен — об этом стоит говорить прямо. Подробнее — [на хабе внедрения ИИ](/solutions/ai-for-business).

## Что теперь надо уметь

Интеллект «духа» неравномерен — Карпатый называет его jagged, «зубчатым». На рельсах обучающих данных модель сильна; в шаге от них — обрыв. Показателен его открытый учебный проект nanochat — сборка LLM полного цикла, около восьми тысяч строк за месяц с небольшим. Агенты почти не помогали: такого кода нет в интернете, и они тянули решение к типовым шаблонам, возвращая обратно ровно тот стандартный механизм, который автор сознательно выкинул.

Отсюда навык новой эпохи: чувствовать, где рельсы, а где обрыв. Карпатый держит три режима и осознанно переключается: автодополнение (он архитектор), полная агентность (на побочных проектах), руль не отпускать (на важном и уникальном). Искусство не в «всегда максимум автономии», а в выборе режима под задачу.

## Три эпохи софта

| Эпоха | Чем «программируешь» | Что это меняет |
| --- | --- | --- |
| Коротко | от строк кода к датасетам, затем к естественному языку | рычаг смещается с механики на постановку и контекст |
| Software 1.0 | пишешь код строчками | классическая инженерия |
| Software 2.0 | собираешь датасеты, обучаешь сеть | поведение задаётся данными |
| Software 3.0 | формулируешь задачу на естественном языке | промпт — это код, контекст — рычаг |

## Понимание против исполнения

В парадигме 3.0 соотношение «сам пишу / делегирую» переворачивается: раньше большую часть кода набирали руками, теперь большую часть отдают агенту. И приходит главный вопрос эпохи: если машина забрала механику — что остаётся человеку?

Ответ: машина забирает механику, человеку остаётся понимание. Мышление как перемалывание — перебрать варианты, написать код, составить план — теперь делает агент, и часто лучше. А понимание — знать, что и зачем строишь, держать картину целиком, отличать хорошее от правдоподобного, направлять — не делегируется. Карпатый называет себя бутылочным горлышком: кто-то должен понимать, куда двигаться.

**Что забрала машина (исполнение):** набрать код, перебрать варианты, составить черновой план, переписать в формате, найти типовое решение. **Что осталось человеку (понимание):** решить, что строить и зачем; держать систему целиком; отличить хорошее решение от правдоподобного; направить агента и поймать, где он съехал с рельсов.

## Два навыка под одним словом

Под «промпт-инжинирингом» прячутся две разные вещи. Узкие заклинания вроде «думай пошагово» — расходный навык: модели умнеют и прощают кривые запросы, ценность таких приёмов падает с каждым поколением. А умение разложить задачу, понять, что куда отдать, что проверить и как состыковать, — это direction, завязанный на понимание области; он не имитируется моделью и растёт в цене.

Универсального ИИ-приёма, который заменяет понимание, нет. Понимание рождается из экспертизы, опыта и насмотренности — поэтому образование не теряет смысла, а приобретает. Личный страх Карпатого — не бунт машин, а постепенная потеря людьми контроля и понимания: сползание человечества в роль пассажира. Его образ будущего ближе к «костюму Железного человека» — инструменту, усиливающему человека. По интервью No Priors он говорит, что всё чаще объясняет вещи не людям, а агентам: хорошо объяснил агенту один раз — дальше агент объяснит это любому человеку под его уровень.

## Куда это движется: цифра → интерфейс → атомы

Порядок, в котором ИИ меняет мир, задан физикой, а не маркетингом. Сначала чистая цифра — текст, код, данные: биты ничего не весят. Потом стык цифры и физики — сенсоры и актуаторы, где уже работает масса компаний. Атомы — последними: железо и роботы отстанут сильнее всего, потому что атомы в миллион раз тяжелее битов.

## Человека отодвинули, а не убрали

Отрезвляющая аналогия — беспилотные автомобили. Их доводят десятилетиями; и даже там, где машины уже ездят без водителя, человек часто не исчезает, а уходит в удалённый контур поддержки. Это честная картина «автономности»: не исчезновение человека, а изменение его места в контуре. Его собственные карьерные шаги — ближе к разработке моделей, чем к обещаниям про «AGI через год» — согласуются с этой позицией.

## Фильтр: инженерия или фандрейзинг?

Спросите про любой прогноз и любой продукт: это описание того, что реально работает сейчас (инженерия) — или элемент истории под раунд и внимание (фандрейзинг)? Первое опирается на проверяемые факты и осторожно по срокам. Второе — на смелые таймлайны и прилагательные. Различать их дешевле, чем потом списывать бюджет.

## Две пары, которые индустрия путает

Индустрия систематически путает две пары понятий — и обе ошибки одной формы: лёгкое и эффектное принимают за трудное и реальное.

**Понимание бьёт исполнение.** Специалист будущего — не «я умею в ИИ», а «я глубоко понимаю область и поэтому умею направить в ней ИИ». Для руководителя вопрос найма переформулируется: вы нанимаете тех, кто понимает, что строит, — или тех, кто красиво жмёт кнопки? Здесь же лежит проблема «чистого листа»: агент не накапливает опыт между сессиями сам — носителем накапливаемого контекста остаётся команда и переносимая корпоративная память (например, [Sloy](/ai-products/sloy)).

**Реальность бьёт таймлайны.** Закладывайтесь на десятилетие, а не на год; не привязывайтесь к конкретному инструменту. Это TTU-мышление — мерить время до реального использования, а не до демонстрации. Переносимый контекст (AGENTS.md, skills, MCP — см. [AI-принципы](/ai/principles)) здесь не только удобство, а страховка от vendor lock-in: систему можно забрать себе. Как это превращается в короткие итерации — в [подходе к внедрению ИИ](/solutions/ai-for-business).

**Инженерия бьёт нарратив.** Доказательство вместо обещания. Если у тезиса нет механизма, цифры или проверки — это нарратив, а не инженерия.

## Что с этим делать

- Стройте карьеру и команду на понимании предметной области, а не на навыке «жать кнопки».
- Прогоняйте каждый громкий прогноз через фильтр «инженерия или фандрейзинг?».
- Закладывайтесь на «десятилетие, а не год»: держите контекст переносимым.
- Оставляйте человека в контуре осознанно: постановка цели, проверка шагов, решение «продолжать или остановиться».
- Главный мета-навык эпохи — учиться учиться.

## Куда дальше в этом цикле

Как дать модели ваши знания — обзор способов: [лендскейп «как дать LLM знания»](/blog/kak-dat-llm-vashi-znaniya). Когда оправдано менять веса модели: [дообучение моделей — короткий гайд](/blog/dootuchenie-modeley-korotkiy-gayd). Цифры по стоимости моделей: [сравнение LLM 2026](/blog/llm-comparison-2026-choose-by-process-and-budget); калькулятор контуров — [на хабе внедрения ИИ](/solutions/ai-for-business#ai-calc).

За трезвостью стоит забота — сделать так, чтобы люди остались теми, кто понимает и направляет, а не пассажирами. Это не пессимизм, а трезвая оценка: закладываться на десятилетие тяжёлой инженерии и держать человека тем, кто понимает.

## Источники

Проверено 30.06.2026.

- Андрей Карпатый — интервью подкасту Dwarkesh Patel («AGI is still a decade away»).
- Андрей Карпатый — выступления и интервью (канал No Priors).
- Андрей Карпатый — «Software Is Changing (Again)», Sequoia / AI Startup School.
- nanochat, nanoGPT, micrograd — открытые репозитории А. Карпатого.