2026年10月11日、Andrej KarpathyがX（旧Twitter）に投稿し、LLMにどこまでできるのかについて、人によって認識がどんどん食い違ってきていると指摘しました。この投稿は、本人が4月に出した「AIの能力について理解の差が広がっている」という投稿を引用したものです。今回は、世界の人口がLLMとどう関わっているかを4つの層に分けた「漏斗（funnel）」として示しています。同じ技術を見ていても、人によって見えている景色がまるで違う。毎日AIを使っているエンジニアやクリエイターにとって、自分がどの層にいるのかを確かめるきっかけになる投稿です。
発表内容
Karpathyによれば、LLMの能力に対する理解の差は4月より広がっています。以前は「2つのグループが互いに話が噛み合わない」状態でしたが、今は急に細くなる漏斗の形になっていると表現しています。
Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It’s now less “two groups of people speaking past each other” and more a sharp funnel.
投稿の中で、Karpathyは本人が「Napkin math（ざっくりした試算）」と呼ぶ数字を挙げています。
- 約60億人（人口の約75%）：LLMにほとんど触れたことがない層
- 約10〜20億人（約20%）：ChatGPTのような製品の無料版を、たまに軽く使う層。少しマシなGoogle検索や文章作成の補助として使っています。数学やコード以外の分野の専門職、たとえば人と話すことに多くの時間を使う経営層も、多くはここに入るとしています
- 約2,000万人（0.2%）：数学やコードの分野で、最先端クラスのLLMを仕事に使う層。何週間、何か月もかかっていた大きくて複雑なプロジェクトが、プロンプト1つでエージェントに完成させられることを自分で体験しています
- 約5,000人（約0.00006%）：最先端クラスのシステムを社内で使える層
Karpathy自身も、1年足らず前までは手でコードを書き、ときどきTabキーで補完を使う程度だったと振り返っています。
なぜ重要か
この漏斗ができる要因として、Karpathyは次の3つを挙げています。
- 野心・問題の大きさ・時間軸：1段落で答えられる質問では、システムの力はほとんど試されません。本気で取り組みたい大きく難しい問題をたくさん抱えているかどうかで、一般消費者と専門職の差が生まれます
- 能力のでこぼこ（jaggedness）：能力が特に高いのは、デジタルで、正解を検証でき、経済的価値の高い分野です
- アクセスの差：無料版、有料版、社内版の違いです
2つ目の要因について、Karpathyは次のように説明しています。
This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential.
（訳：LLMの能力は、収益になりそうな分野を中心に選んだ環境の組み合わせで、正解を検証できる報酬を使った強化学習から生まれるからだ。）
さらにKarpathyは、人間によるレビューと理解が追いつかなくなり始めているとも書いています。例として、何か月も前の「OpenAI-HF incident」をいまだに調べている人がいること、722本の最先端数学の論文を数学者が当分読み込むことになりそうなことを挙げています。投稿は、一般の人にはLLMが「ぽんこつなチャットボット」に見え、多くの専門職はそこそこの効率化しか感じていない一方で、ごく一部の人は能力の伸びが垂直に近づくのを体感している、そしてこれが全部同時に起きているのが今の奇妙さだ、という言葉で締めくくられています。
現時点での未確定事項
- 各層の人数は本人が「Napkin math」と呼ぶ試算で、根拠となるデータや算出方法は示されていません
- 「最先端クラスのシステム」が具体的にどのモデルやシステムを指すのかは書かれていません
- 「OpenAI-HF incident」が何を指すのか、722本の論文がどこから出たものなのかについて、投稿内に詳しい説明はありません
- 約5,000人の層が使っている、何千ものエージェントが数週間かけて協調する仕組みについて、技術的な詳細は書かれていません
まとめ
Karpathyは、LLMの能力に対する認識格差が漏斗の形で広がっていると指摘しました。
格差を生む要因は、問題の大きさ、能力のでこぼこ、アクセスの差の3つです。
数字はあくまで本人のざっくりした試算で、細かい根拠は示されていません。
実装家の目線で言うと、この漏斗のどこにいるかを決めるのは、才能よりも「本気で解きたい大きな問題を手元に持っているかどうか」だと思います。Karpathyの言う通り、1段落で済む質問ばかりではLLMの実力は見えてきません。毎日の業務の中から、検証できて手間のかかる仕事を探してエージェントに丸ごと任せてみる。その繰り返しが、0.2%の層で起きていることを自分の手で確かめる一番の近道です。
元記事: https://twitter.com/karpathy/status/2109361546505966046
コメント