Były inżynier OpenAI i Tesli uruchamia nową platformę edukacyjną wykorzystującą SI

Inżynier informatyk i naukowiec Andrej Karpathy – były badacz w OpenAI i kierownik działu SI w firmie Tesla – założył nową spółkę, Eureka Labs, platformę edukacyjną opartą na sztucznej inteligencji.

Karpathy zapowiedział to na X w ten wtorek i wyjaśnił, że Eureka Labs będzie nowym podejściem do edukacji z wykorzystaniem SI. Na nowej platformie zasilanej SI nauczyciele będą projektować kursy, a asystenci SI pomogą uczniom poruszać się po treściach, zwiększając efektywność nauki w masowych otwartych kursach online.

Według Reuters Karpathy był jednym z założycieli OpenAI w 2015 roku, a później został zatrudniony przez Teslę jako dyrektor ds. SI i funkcji autopilota, aby pomóc w budowie oprogramowania wspomagającego kierowcę. Inżynier informatyk zdobył doktorat na Uniwersytecie Stanforda i tworzy własne materiały edukacyjne dotyczące m.in. układania kostki Rubika, które udostępnia na swoim kanale na YouTube.

„Chociaż moja praca nad SI sprawiła, że przestałem prowadzić badania na Uniwersytecie Stanforda na rzecz tworzenia produktów dla Tesli i badania AGI w OpenAI,” wyjaśnia Karpathy w swoim poście „to do tej pory zajmowałem się działaniami łączącymi te dwa obszary tylko częściowo, traktując tego rodzaju zadania jako poboczne względem „prawdziwej pracy”, dlatego jestem bardzo podekscytowany, że mogę tym się zająć w pełni i wykreować coś wielkiego”.

Karpathy podzielił się swoim entuzjazmem i opisał Eureka Labs jako projekt, który łączy dwie dekady jego pracy i pasji do SI i edukacji.

Pierwszym produktem na nowej platformie będzie „LLM101n”, kurs na poziomie licencjackim, który pomoże studentom trenować własne modele SI. Materiały kursu będą dostępne online, ale Karpathy wyjaśnił, że firma ma nadzieje, że uda się zebrać razem uczestników biorących udział wirtualne i stacjonarnie.

Opis kursu dostępny na GitHubie mówi: „Budujemy wszystko od podstaw, by uzyskać funkcjonującą aplikację Web podobną do ChatGPT. W tym celu wykorzystujemy Python, C i CUDA. Wymagamy minimalnej wiedzy z dziedziny informatyki. Pod koniec uczestnicy powinni dość dobrze rozumieć SI, LLM i deep learning”.