作者 | 喷鼻香草编辑 | 李水青
智东西7月17日宣布，本日凌晨，OpenAI联合创始人、前特斯拉AI总监Andrej Karpathy宣告重磅：他创办了一所AI+教诲公司Eureka Labs。
▲Karpathy官宣成立新公司
Karpathy将Eureka Labs定义为一种新型的“AI原生学校”，将通过“西席+AI”的共生关系辅导学生学习。他还剧透了公司的第一款产品——AI课程LLM101n，这将是一门辅导学生演习AI模型的本科课程。
9年前，还在斯坦福读博的Karpathy，以联合创始人的身份加入OpenAI，中途跑去特斯拉研究了5年自动驾驶，又于去年回归OpenAI追求AGI。今年2月，他再次高调宣告离职，并透露操持从事个人项目。
现在，这一“个人项目”终于尘埃落定。
一、“西席+AI”共生，课程或免费开放Karpathy将这家新公司视作自己20多年来，对AI和教诲激情亲切的结晶。他谈道，对教诲的兴趣使令他从线上教人玩魔方，到设计并主讲了斯坦福首个深度学习课程CS231n，再到最近推出的从零开始AI课程；而对AI的兴趣将他从学术研究带到特斯拉的产品开拓，再到OpenAI的AGI研究。
到目前为止，他将以上所有的事情都看作兼职，是他“真正的事情”的副业。其对AI教诲所倾注的激情亲切可见一斑。
▲Karpathy官宣成立新公司
在官宣公告中，Karpathy谈到了学习新知识的痛点：传授教化出色、有耐心，并且精通天下所有措辞的学科专家非常稀缺，无法亲自辅导环球80亿人。
天生式AI的涌现，为这种学习体验带来了新的可能。在AI助教的帮助下，老师可以更轻松地设计课程材料，同时AI也可以赞助学生完成课程。这种“西席+ AI”的共生关系，可以有效地扩大教诲范围。
Karpathy透露，Eureka Labs的第一款产品LLM101n将是一门本科课程，辅导学生演习自己的AI，类似于缩小版的AI Agent。课程材料将在线供应，同时也操持组织线上和线下团队一起学习。
有网友问到Eureka Labs的产品会以免费还是订阅做事的形式供应。Karpathy称，希望Eureka Labs能成为一家正规、自大盈亏的企业，在他看来，教诲内容本身该当是免费的，收入将来源于运营线上或实体课程等其他方面。
▲网友讯问Eureka Labs商业模式
业界大佬们纷纭发来贺电。谷歌DeepMind首席科学家Jeff Dean说：“恭喜！
AI将对教诲产生巨大的影响，我知道这是你热爱的事情（几年前我做客座演讲时，看到了你是如何组织CS231n的，显然你花了很多心思来研究教授不同类型学生的最佳方法）。”
▲谷歌DeepMind首席科学家评论
Stability AI前CEO Emad Mostaque说：“祝贺你！
教诲是统统的核心，我迫不及待地想看到它更上一层楼。”
▲Stability AI前CEO评论
二、师从李飞飞，曾“双进双出”OpenAIKarpathy的学术和职业履历都十分华美。
其本科、硕士分别就读于加拿大多伦多大学和加拿大不列颠哥伦比亚大学。2011-2015年，Karpathy在斯坦福大学读博，师从有名AI学者李飞飞，专注于研究卷积/循环神经网络以及它们在打算机视觉、自然措辞处理和交叉领域的运用。
▲Karpathy学术经历
读书期间，他曾在谷歌大脑、谷歌研究院、DeepMind有过三段演习经历，参与视频领域、深度强化学习干系事情。
2015年，他作为创始成员之一加入OpenAI担当研究科学家。2017年，他被马斯克挖到了特斯拉，领导AI和自动驾驶视觉团队。
在特斯拉事情的五年间，Karpathy一手匆匆成了自动赞助驾驶技能Autopilot的开拓，这对特斯拉后来的完备自动驾驶系统FSD至关主要。
2023年2月，Karpathy高调回归OpenAI，称“受这家公司造成的影响所鼓舞”。
▲Karpathy事情经历
一年后，他再次宣告离职，并谈到近期操持是“从事个人项目”。现在，这一“个人项目”终于尘埃落定。
值得一提的是，在两次离职之后的Gap期间，Karpathy也一贯没闲着，先后在YouTube上传了10节AI课程视频，目前累计播放量已超过1亿次。
结语：AI+教诲赛道新增一有力玩家AI在千行百业落地，教诲领域一贯是个中的热门赛道。北京智源人工智能研究院理事长黄铁军在WAIC 2024上谈道，预测未来几年，AI在教诲领域所表示出的认知水平、专业水平，可与高校教授、博士、研究生等比肩。
海内，AI教诲产品出海成为一大趋势。以作业帮的Question.AI、字节的Gauth为代表，国产运用在外洋AI教诲运用榜上异军突起。政策方面，教诲部于3月发布4项行动，旨在用AI推动教与学领悟运用。
如今，Karpathy的加入为这一赛道注入了新的活力，虽然AI仍存在大量“幻觉”问题，逻辑推理、深层理解能力等与人类存在差距，但作为赞助工具，AI在确担保明的准确性和可验证性方面正展现出代价。