AI圈的“造词之王”：从“幻觉”到“软件3.0”，Karpathy如何定义AI未来 | AIGC Bar资讯

type

status

date

slug

summary

「幻觉」：一个十年前的无心插柳

当我们在讨论 ChatGPT 或其他大模型一本正经地胡说八道时，“幻觉”是我们最常使用的词。但很多人不知道，这个词并非随着ChatGPT的爆火而诞生。早在2015年，Karpathy 在其著名博客文章《RNN非凡的有效性》中，就用“幻觉”来描述神经网络在不理解概念时，生成看似合理却无意义内容的行为。

当时，他观察到循环神经网络（RNN）会“幻觉”出虚假的网址和数学问题。这个词精准地捕捉了模型“看似在创作，实则在臆想”的状态。然而，直到2022年，随着生成式AI的现象级爆发，这个十年前的术语才真正进入公众视野，并成为一个重要的学术研究方向。一个好的命名，如同埋下的种子，总会在合适的时机破土而出，影响整个生态。

软件2.0与3.0：重新定义代码的未来

如果说“幻觉”是Karpathy对模型缺陷的精准描述，那么“软件2.0”和“软件3.0”则是他对整个软件开发范式演进的宏大构想。

软件1.0： 这是我们熟悉的经典编程时代。开发者使用C++、Python等语言，通过编写精确的、一步步的指令来构建程序。每一行代码都由人类逻辑显式定义。

软件2.0： Karpathy在2017年提出，这是一个由神经网络定义的时代。代码不再是人类可读的指令，而是由数百万甚至数十亿神经网络权重组成的、对人类不友好的抽象语言。开发者不再是“编写”逻辑，而是通过提供高质量的数据集来“训练”逻辑，这个过程就像将数据“编译”成一个训练好的模型。

软件3.0： 这是Prompt（提示词）的时代，也是我们正在迈入的时代。Karpathy认为，在软件3.0中，自然语言本身就是源代码。开发者甚至非技术人员，只需用简单的语言描述需求（例如，“帮我构建一个任务追踪网站”），LLM就能像一个运行时环境一样，直接生成并执行代码。这让“会说话就能编程”从一句玩笑变为现实，人工智能真正成为了一个可供全民使用的计算平台。

从软件1.0到3.0的演进，清晰地描绘了人机协作的未来蓝图，也凸显了大模型作为新型基础设施的核心地位。

从“氛围”到“细菌”：探索编程新范式

除了宏观的范式定义，Karpathy还创造了两个极具画面感的术语，来描述与AI协作的微观编程体验。

氛围编程 (Vibe Coding)

这是一种鼓励开发者“跟着感觉走”的编程方式。当LLM足够强大时，你不再需要纠结于每一行代码的细节。你只需要向AI提出需求，沉浸在创造的“氛围”中，大部分时间都在“全部接受”模型的建议。即使出现错误，也只需将错误信息直接丢回给模型，它就能自行修正。这种“懒人编程”模式，让“Talk is cheap. Show me the code”的传统程序员信条，逐渐向“Code is cheap, show me the talk (Prompt)”转变。

细菌式编程 (Bacterial Coding)

这个概念的灵感来源于细菌基因组。Karpathy提倡像细菌一样编写代码，其核心特点是： * 小而精简： 每行代码都有成本，保持代码的精简和高效。 * 模块化： 代码被组织成可独立替换和组合的单元。 * 自包含： 代码可以被轻松地复制粘贴到任何地方，无需复杂的依赖配置。

这种风格鼓励开发者创造易于共享和复用的代码片段，就像细菌通过“水平基因转移”来交换遗传信息一样，从而促进整个开源社区的繁荣。

上下文工程：超越提示词的下一个风口

“提示词工程”（Prompt Engineering）一度是AI圈的热点，但随着应用复杂度的提升，其局限性也日益显现。而“上下文工程”（Context Engineering）这一概念，虽早已存在，却是在Karpathy的转发和点评后迅速火出圈。

与专注于雕琢Prompt本身不同，上下文工程更强调为LLM提供全面、结构化、高质量的背景信息（Context）。简单来说，上下文比提示词更重要。可以将提示词工程看作上下文工程的一个子集。在构建复杂的AI智能体时，如何有效地管理和注入上下文，已经成为决定应用成败的关键。

结论：命名即创造，洞察AI新未来

从“幻觉”到“软件3.0”，从“氛围编程”到“上下文工程”，Andrej Karpathy通过他精准而富有远见的命名，极大地影响了我们理解和讨论人工智能的方式。这些概念不仅是AI新闻中的热门词汇，更成为了指导技术发展的“稳定靶标”和思想框架。

在AGI（通用人工智能）渐行渐近的今天，理解这些核心概念的演变，就是把握AI发展的脉搏。想要获取更多前沿的AI资讯和深度解读，欢迎访问AI门户网站 AIGC Bar，与我们一同探索AI的无限可能。