{"id":14615,"date":"2026-03-09T00:31:20","date_gmt":"2026-03-08T23:31:20","guid":{"rendered":"https:\/\/www.leaplytics.de\/?p=14615"},"modified":"2026-03-09T07:35:35","modified_gmt":"2026-03-09T06:35:35","slug":"andrejus-karpathy-ka-tik-isleido-autonominius-ai-agentus-kurie-per-nakti-atlieka-tyrimus-stai-ka-tai-reiskia-imoniu-ai","status":"publish","type":"post","link":"https:\/\/www.leaplytics.de\/lt\/andrejus-karpathy-ka-tik-isleido-autonominius-ai-agentus-kurie-per-nakti-atlieka-tyrimus-stai-ka-tai-reiskia-imoniu-ai\/","title":{"rendered":"Automatiniai tyrimai - Andrejus Karpathy k\u0105 tik i\u0161leido autonominius dirbtinio intelekto agentus, kurie per nakt\u012f atlieka mokslinius tyrimus - \u0161tai k\u0105 tai rei\u0161kia \u012fmoni\u0173 dirbtiniam intelektui"},"content":{"rendered":"<p><time datetime=\"2026-03-09\"><strong>2026 m. kovo 9 d.<\/strong><\/time> - <em>Reakcija - AI tendencijos - 6 min. perskaityti<\/em><\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Kas nutiko<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Svetain\u0117je <time datetime=\"2026-03\">2026 m. kovo m\u0117n.<\/time>, Andrejus Karpathy - buv\u0119s \"Tesla\" dirbtinio intelekto direktorius ir vienas i\u0161 \"OpenAI\" \u012fk\u016br\u0117j\u0173 - paskelb\u0117 <a href=\"https:\/\/github.com\/karpathy\/autoresearch\" target=\"_blank\" rel=\"noopener noreferrer\">autoresearch on GitHub<\/a>, atvirojo kodo sistema, kuri leid\u017eia dirbtinio intelekto agentams savaranki\u0161kai atlikti ma\u0161ininio mokymosi eksperimentus per nakt\u012f viename GPU. Pagrindin\u0117 id\u0117ja: duokite agentui mokymo s\u0105rank\u0105, eikite miegoti ir pabuskite, kad pamatytum\u0117te 100 atlikt\u0173 eksperiment\u0173 - kiekvien\u0105 i\u0161 j\u0173 pakeiskite kod\u0105, penkias minutes mokykite, patikrinkite, ar rezultatas pager\u0117jo, ir kartokite. \u017dmogaus cikle n\u0117ra. <strong>Agentas niekada nesustoja, kol jo nenutraukiate rankiniu b\u016bdu.<\/strong> Per kelias dienas nuo i\u0161leidimo repo vir\u0161ijo 8 000 \u017evaig\u017edu\u010di\u0173.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>K\u0105 tai i\u0161 tikr\u0173j\u0173 rei\u0161kia - ne tik triuk\u0161mas<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Tiksliai paai\u0161kinkime, kas yra ir kas n\u0117ra automatin\u0117 paie\u0161ka. Tai n\u0117ra bendrosios paskirties dirbtinis intelektas, kuris pakei\u010dia duomen\u0173 specialistus. Tai grie\u017etai apibr\u0117\u017etas ciklas: vienas agentas, vienas failas, kur\u012f jis gali keisti (<code>train.py<\/code>), vienas fiksuotas 5 minu\u010di\u0173 vertinimo langas, viena optimizuojama metrika. Reik\u0161minga ne apimtis, o tai, kad <strong>sprendimas d\u0117l architekt\u016bros<\/strong> u\u017e jo: visi\u0161kai autonomi\u0161kas agentas, kuris atlieka eksperiment\u0105, perskaito rezultatus, nusprend\u017eia, k\u0105 bandyti toliau, ir pakartoja - su ai\u0161kiu nurodymu kode <em>niekada nesustoti ir nepra\u0161yti \u017emogaus leidimo t\u0119sti.<\/em><\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p>Tokia projektavimo filosofija - autonomi\u0161kas, savaranki\u0161kas, metrika paremtas kartojimas - yra \u0161ablonas, prie kurio spar\u010diai art\u0117ja \u012fmoni\u0173 dirbtinis intelektas. Ne tik ML tyrimuose, bet ir bet kurioje kitoje srityje, kurioje yra ai\u0161kus tikslas, i\u0161matuojamas rezultatas ir pakankamai didel\u0117 paie\u0161kos erdv\u0117, kurioje \u017emogaus atliekama iteracija yra kli\u016btis. Tai apib\u016bdina didel\u0119 dal\u012f to, k\u0105 kasdien daro \u012fmoni\u0173 BI ir analitikos komandos.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Trys konkre\u010dios pasekm\u0117s \u012fmoni\u0173 komandoms<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p><strong>1. \"Agentinis\" neb\u0117ra mokslini\u0173 tyrim\u0173 s\u0105voka - tai gamybos modelis.<\/strong> Karpathy ind\u0117lis \u0161iuo atveju n\u0117ra dirbtinio intelekto agent\u0173 id\u0117ja; jis parod\u0117, kad \u0161varus, minimalus, vieno failo \u012fgyvendinimas gali atlikti 100 reik\u0161ming\u0173 eksperiment\u0173 per nakt\u012f naudojant paprast\u0105 aparatin\u0119 \u012frang\u0105. Autonomini\u0173 dirbtinio intelekto cikl\u0173 diegimo barjeras \u012fmoni\u0173 kontekste - ataskait\u0173 automatizavimas, duomen\u0173 vamzdyn\u0173 optimizavimas, dokument\u0173 apdorojimas - k\u0105 tik gerokai suma\u017e\u0117jo. Komandos, kurios lauk\u0117, kol tai \"subr\u0119s\", tur\u0117t\u0173 persvarstyti savo terminus.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p><strong>2. \u017dmogaus vaidmuo kei\u010diasi - nuo veiklos pereinama prie per\u017ei\u016bros.<\/strong> Automatinio tyrimo ciklas nepra\u0161o patvirtinimo tarp eksperiment\u0173. Ji generuoja, testuoja, i\u0161saugo tai, kas veikia, atmeta tai, kas neveikia, ir eina toliau. Kalbant apie \u012fmones, tai tiesiogiai siejama su dirbtinio intelekto sistemomis, kurios savaranki\u0161kai rengia ataskaitas, atlieka scenarij\u0173 analiz\u0119 arba apdoroja gautas u\u017eklausas ir pateikia tik tuos rezultatus, kuriuos turi \u012fvertinti \u017emogus. Tai n\u0117ra gr\u0117sm\u0117 kvalifikuotiems analitikams; tai yra j\u0173 laiko perskirstymas. Ma\u017eiau generavimo, daugiau vertinimo.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p><strong>3. Duomen\u0173 kokyb\u0117 ir ai\u0161k\u016bs s\u0117km\u0117s rodikliai tampa negin\u010dytinais dalykais.<\/strong> Automatin\u0117 paie\u0161ka veikia, nes turi vienareik\u0161mi\u0161k\u0105 metrik\u0105: patvirtinimo bit\u0173 vienam baitui. Ma\u017eesn\u0117 vert\u0117 yra geresn\u0117. Kiekvienas eksperimentas yra objektyviai palyginamas. \u012emoni\u0173 aplinkoje lygiavertis klausimas yra toks: koks yra j\u016bs\u0173 organizacijos \"val_bpb\"? Jei negalite apibr\u0117\u017eti vienintelio, i\u0161matuojamo automatizuoto darbo eigos s\u0117km\u0117s kriterijaus, autonominiai agentai negali optimizuotis jo siekdami. Did\u017eiausi\u0105 naud\u0105 i\u0161 agentinio dirbtinio intelekto gaus tie projektai, kurie jau atliko darb\u0105 apibr\u0117\u017edami, k\u0105 rei\u0161kia \"geriau\" konkre\u010diais, i\u0161matuojamais terminais.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>\"LeapLytics\" perspektyva<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Jau kelerius metus kuriame dirbtinio intelekto sistemas, skirtas \u012fmoni\u0173 darbo eigai. <a href=\"https:\/\/www.leaplytics.de\/lt\/dirbtinis-intelektas\/\">dokument\u0173 tvarkymas, automatinis ataskait\u0173 rengimas, paramos automatizavimas<\/a>. Karpathy demonstruoja ML tyrim\u0173 lygmens model\u012f, kur\u012f mes taikome verslo proces\u0173 lygmenyje: nustatome pasikartojant\u012f cikl\u0105, apibr\u0117\u017eiame s\u0117km\u0117s kriterij\u0173, leid\u017eiame agentui veikti ir i\u0161ry\u0161kiname i\u0161imtis, kad jas per\u017ei\u016br\u0117t\u0173 \u017emogus.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p>Automatiniai tyrimai ai\u0161kiai parodo, kad <strong>grei\u010dio skirtumas<\/strong>. 100 eksperiment\u0173 per 8 valandas. Kalbant \u012fmoni\u0173 terminais: 100 per\u017ei\u016br\u0117t\u0173 dokument\u0173 projekt\u0173, 100 duomen\u0173 anomalij\u0173, 100 technin\u0117s pagalbos biliet\u0173 kategorij\u0173 - kol j\u016bs\u0173 komanda miega. Organizacijos, kurios tai traktuoja kaip \u012fdomyb\u0119, pasteb\u0117s, kad tos, kurios tai traktuoja kaip infrastrukt\u016br\u0105, iki to laiko, kai persigalvos, jau bus gerokai pa\u017eengusios \u012f priek\u012f. Apie \u0161i\u0105 dinamik\u0105 jau ra\u0161\u0117me anks\u010diau, kalb\u0117dami apie <a href=\"https:\/\/www.leaplytics.de\/lt\/kodel-sukureme-savo-palaikymo-pokalbiu-robota-ir-kas-klydo-pakeliui\/\">m\u016bs\u0173 pa\u010di\u0173 per\u0117jimas prie dirbtinio intelekto palaikymo<\/a> - automatizavimo prana\u0161umas n\u0117ra matomas tol, kol jis n\u0117ra pastebimas.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>K\u0105 organizacijos tur\u0117t\u0173 daryti dabar<\/h2>\n<!-- \/wp:heading -->\n\n<ul>\n  <li><strong>\u0160i\u0105 savait\u0119 nustatykite vien\u0105 pasikartojant\u012f, i\u0161matuojam\u0105 darbo proces\u0105.<\/strong> Ne miglotas \"tur\u0117tume automatizuoti ataskait\u0173 teikim\u0105\". Konkretus ciklas: \u0161io tipo dokumentas, apdorotas \u0161iuo b\u016bdu, \u012fvertintas pagal \u0161\u012f kriterij\u0173. Automatin\u0117 paie\u0161ka yra naudingas mentalinis modelis - jei negalite apra\u0161yti savo darbo eigos taip, kaip Karpathy apra\u0161o savo mokymo kilp\u0105, ji dar nepasirengusi agent\u0173 automatizavimui.<\/li>\n  <li><strong>Prie\u0161 diegdami agent\u0105 investuokite \u012f duomen\u0173 kokyb\u0119.<\/strong> Autonominiai agentai sustiprina visk\u0105, su kuo jie dirba. \u0160var\u016bs, nuosekliai strukt\u016bruoti \u012fvesties duomenys sukuria nauding\u0105 autonomin\u0119 i\u0161vest\u012f. Netvarkingi, nenuosekl\u016bs duomenys sukuria u\u017etikrintai klaiding\u0105 autonomin\u0119 i\u0161vest\u012f - 100 kart\u0173 grei\u010diau nei \u017emogus, padar\u0119s t\u0105 pa\u010di\u0105 klaid\u0105. Duomen\u0173 valdymas dabar yra ne tik tvarkymosi, bet ir pasirengimo dirbtiniam intelektui klausimas.<\/li>\n  <li><strong>\"AI strategij\u0105\" pertvarkykite taip: \"Kurias kilpas automatizuosime pirmiausia\".<\/strong> Dauguma \u012fmoni\u0173 dirbtinio intelekto strategij\u0173 vis dar grind\u017eiamos \u012frankiais ir pardav\u0117jais. Naudingesn\u0117 sistema po automatini\u0173 tyrim\u0173 yra tokia: kurios m\u016bs\u0173 darbo eigos yra ciklas su i\u0161matuojamais rezultatais? I\u0161rikiuokite juos pagal apimt\u012f ir poveik\u012f. Prad\u0117kite nuo did\u017eiausios apimties, ai\u0161kiausiai i\u0161matuojamos kilpos. Tai yra j\u016bs\u0173 pirmasis agento diegimas.<\/li>\n<\/ul>\n\n<!-- wp:separator -->\n\n<hr class=\"wp-block-separator\"\/>\n<!-- \/wp:separator -->\n\n<!-- wp:heading {\"level\":2} -->\n\n<h2>Kas toliau<\/h2>\n<!-- \/wp:heading -->\n\n<!-- wp:paragraph -->\n\n<p>Automatin\u0117 paie\u0161ka s\u0105moningai yra minimali - vienas GPU, vienas failas, viena metrika. Artimiausias kitas \u017eingsnis, kuris jau matomas bendruomen\u0117s \u0161akut\u0117se, atsirandan\u010diose i\u0161 duomen\u0173 saugyklos, yra keli\u0173 agent\u0173 variantai: vienas agentas generuoja hipotezes, kitas atlieka eksperimentus, tre\u010dias vertina ir apibendrina rezultatus. \u012emoni\u0173 po\u017ei\u016briu tai rei\u0161kia visi\u0161k\u0105 darbo eigos automatizavim\u0105: pri\u0117mimas, apdorojimas, kokyb\u0117s tikrinimas ir i\u0161vesties nukreipimas koordinuota agent\u0173 grandine, o \u017emogus tikrina tik nustatytais i\u0161imtiniais atvejais.<\/p>\n<!-- \/wp:paragraph -->\n\n<!-- wp:paragraph -->\n\n<p>Svarbesnis pokytis yra kult\u016brinis. Karpathy \u012fr\u0117minimas, kad pasienio dirbtinio intelekto tyrimus \"anks\u010diau atlikdavo m\u0117sos kompiuteriai tarp valgymo, miego, kit\u0173 pramog\u0173\", yra s\u0105moningai provokuojantis. Ta\u010diau pagrindin\u0117 mintis yra rimta: konkurencinis prana\u0161umas dirbant su dirbtiniu intelektu susijus\u012f darb\u0105 kei\u010diasi nuo \u017emogi\u0161kojo vykdymo spartos prie j\u016bs\u0173 kuriam\u0173 cikl\u0173 kokyb\u0117s ir rodikli\u0173, kuriuos optimizuojate, ai\u0161kumo. Taip yra ir ML tyrimuose. Lygiai taip pat tai pasakytina ir apie \u012fmoni\u0173 analitik\u0105, rizikos ataskait\u0173 rengim\u0105 ir daug dokument\u0173 reikalaujan\u010dias darbo eigas. Klausimas neb\u0117ra, ar kurti \u0161ias kilpas. Svarbiausia - kaip greitai.<\/p>\n<!-- \/wp:paragraph --b>","protected":false},"excerpt":{"rendered":"<p>2026 m. kovo 9 d. - Reakcija - AI Trends - 6 min. perskaityti Kas \u012fvyko 2026 m. kovo 20 d. Andrejus Karpathy - buv\u0119s \"Tesla\" dirbtinio intelekto direktorius ir vienas i\u0161 \"OpenAI\" \u012fk\u016br\u0117j\u0173 - \"GitHub\" svetain\u0117je paskelb\u0117 \"autoresearch\" - atvirojo kodo sistem\u0105, kuri leid\u017eia dirbtinio intelekto agentams per nakt\u012f savaranki\u0161kai vykdyti ma\u0161ininio mokymosi eksperimentus viename GPU. Pagrindin\u0117 id\u0117ja: suteikti agentui ... <\/p>","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-14615","post","type-post","status-publish","format-standard","hentry","category-news","latest_post"],"_links":{"self":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts\/14615","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/comments?post=14615"}],"version-history":[{"count":2,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts\/14615\/revisions"}],"predecessor-version":[{"id":14617,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/posts\/14615\/revisions\/14617"}],"wp:attachment":[{"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/media?parent=14615"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/categories?post=14615"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.leaplytics.de\/lt\/wp-json\/wp\/v2\/tags?post=14615"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}