Karpathy divulgou recentemente uma declaração: A IA é essencialmente o "Software 2.0", e a principal métrica para determinar se uma tarefa ou profissão é facilmente automatizada é a "verificabilidade". Karpathy não compara simplesmente a IA a eventos macro-históricos como a "eletricidade" ou a "Revolução Industrial", mas oferece uma analogia mais precisa: a IA é essencialmente o "Software 2.0". A IA não é mais o "Software 1.0", onde os humanos escreviam regras fixas manualmente. Em vez disso, ela automatiza o processamento de informações digitais "buscando" automaticamente redes neurais eficientes em um vasto espaço de parâmetros, usando algoritmos como o gradiente descendente, com base em objetivos específicos (como acurácia de classificação ou funções de recompensa). A mudança nas "métricas preditivas" para tarefas automatizadas Karpathy traça um paralelo com a era da computação dos anos 1980: naquela época, os trabalhos mais facilmente substituídos por computadores eram aqueles com algoritmos fixos e regras bem definidas, como digitação, contabilidade ou cálculos manuais. Essas tarefas compartilhavam a característica de serem "facilmente especificadas" — os humanos podiam escrever instruções precisas passo a passo. Na era atual da "Inteligência Artificial 2.0" (Software 2.0), o principal indicador para avaliar se uma tarefa ou profissão é facilmente automatizada é a "verificabilidade". Especificamente: • Tarefas verificáveis: Os resultados podem ser avaliados e respondidos rapidamente usando padrões objetivos. Exemplos incluem problemas de matemática, programação, análise do tempo de visualização de vídeos ou qualquer questão semelhante a um "quebra-cabeça". Essas tarefas são ideais para aprendizado por reforço: a IA pode "praticar" repetidamente em um ambiente que pode ser reiniciado, gerando com eficiência um grande número de tentativas e recompensando automaticamente os casos de sucesso. Como resultado, a IA pode superar a velocidade e a precisão dos melhores especialistas humanos. • Tarefas não verificáveis: Estas envolvem criatividade, tomada de decisões estratégicas ou exigem a integração de conhecimento do mundo real, contexto e bom senso (como a criação artística ou negociações complexas). Essas tarefas dificultam a construção de "funções de recompensa" confiáveis, forçando a IA a depender da "mágica" da generalização ou a imitar humanos, resultando em um progresso mais lento e na "fronteira em ziguezague" do aprendizado de máquina — avanços rápidos em algumas áreas enquanto fica para trás em outras. As implicações econômicas e de emprego da IA explicam por que ela tem um efeito "em dente de serra": empregos verificáveis (como programação e análise de dados) serão automatizados mais rapidamente, potencialmente reduzindo posições relacionadas; áreas não verificáveis (como consultoria estratégica que requer julgamento humano) continuarão dependendo de humanos no curto prazo, fornecendo uma proteção. No entanto, a longo prazo, Karpathy sugere que, à medida que as ferramentas de verificação melhorarem (como simuladores ou verificadores especializados), mais tarefas ficarão sob o controle da IA. O "Software 1.0" automatiza facilmente o que você pode especificar; o "Software 2.0" automatiza facilmente o que você pode verificar!
