今天最矚目的消息——Andrej Karpathy（卡帕西）官宣創(chuàng)業(yè)了。

Eureka Labs，一家AI原生的新型學(xué)校。

卡帕西是OpenAI創(chuàng)始成員，曾任特斯拉AI主管，自今年2月再度從OpenAI離職后，一直沒(méi)宣布下一步去向。

大家紛紛猜測(cè)，他可能回特斯拉或加入xAI？又或者自己創(chuàng)業(yè)自己構(gòu)想的大模型操作系統(tǒng)。

當(dāng)然很多人心中還有一個(gè)愿望，希望他能多出點(diǎn)教程。

現(xiàn)在這個(gè)愿望實(shí)現(xiàn)了，卡帕西這回全職搞教育，還是AI原生教育。

何為AI原生教育？

想象一下與費(fèi)曼一起學(xué)習(xí)高質(zhì)量教材，費(fèi)曼會(huì)在每一步中1對(duì)1指導(dǎo)你。

不幸的是，即使每個(gè)學(xué)科都能找到一位像費(fèi)曼這樣的大師，他們也無(wú)法分身親自輔導(dǎo)地球上的80億人。

但AI可以，而且AI有無(wú)限的耐心，精通世界上所有的語(yǔ)言。

所以卡帕西要打造“教師+人工智能的共生”，可以在一個(gè)通用平臺(tái)上運(yùn)行整個(gè)課程。

如果我們成功了，任何人都將易于學(xué)習(xí)任何東西，擴(kuò)大教育這個(gè)概念本身的“范圍”和“程度”。

也就是讓更多的人有學(xué)習(xí)的機(jī)會(huì)，以及讓每一個(gè)人學(xué)習(xí)超出今天力所能及的科目，在技術(shù)的幫助下。

有人評(píng)價(jià)此舉相當(dāng)于把大模型的Scaling Law用在費(fèi)曼上。

大模型入門課，17章打造小型ChatGPT

Eureka Labs首個(gè)產(chǎn)品，也是首門課程LLM101n。

卡帕西稱之為“世界上顯然最好的AI課程”，看過(guò)他以前課程的會(huì)感到很熟悉，仍然是以練代學(xué)。

手把手帶你構(gòu)建一個(gè)類似ChatGPT的故事生成大模型，以及配套的Web應(yīng)用程序。

使用Python、C和CUDA，從0開(kāi)始，追求最少的先修要求。

目前17章節(jié)課程大綱已經(jīng)出爐，可以看出，從語(yǔ)言建?；A(chǔ)和機(jī)器學(xué)習(xí)基礎(chǔ)開(kāi)始，一步步通往現(xiàn)代大模型應(yīng)用需要的一切。

課程內(nèi)容本身還未完全準(zhǔn)備好，卡帕西表示還沒(méi)有具體的時(shí)間表。

當(dāng)然部分內(nèi)容已經(jīng)零散的發(fā)布在他個(gè)人賬號(hào)了，比如最近的從0訓(xùn)練GPT-2。

“雖然現(xiàn)在還為時(shí)尚早，但我想先宣布出來(lái)而不是秘密進(jìn)行”，也就是最近熱門的Build in Public，公開(kāi)創(chuàng)業(yè)。

有人關(guān)心這個(gè)課程會(huì)收費(fèi)嗎？

卡帕西表示雖然希望公司能自我維持，但也不希望讓教育內(nèi)容有門檻。

目前的規(guī)劃是課程內(nèi)容本身免費(fèi)，從其他地方尋找收入。

教育終于成了卡帕西的全職

卡帕西在整個(gè)AI屆擁有超高的人氣，很大一部分就來(lái)自他的課程。

包括他與李飛飛合作開(kāi)設(shè)的的斯坦福大學(xué)首個(gè)深度學(xué)習(xí)課程CS231n《卷積神經(jīng)網(wǎng)絡(luò)與視覺(jué)識(shí)別》。

新推出的LM101n也是遵循這個(gè)命名規(guī)則。100-199編號(hào)代表主要針對(duì)本科水平，n代表是大一新生的入門課程。

也包括他自己的早期博客文字分享和后來(lái)的一系列Youtube視頻教程。

今天的不少學(xué)者和創(chuàng)業(yè)者，都是跟著他入門的。

曾在CS231n課程上客座演講的谷歌首席科學(xué)家Jeff Deen，也來(lái)祝賀并表示“早就看出來(lái)你熱衷于教育了”。

卡帕西對(duì)教育的熱情，甚至可以追溯到學(xué)生時(shí)期在網(wǎng)上教大家玩魔方。

這次他表示，教育和人工智能，人生的兩大主線，終于結(jié)合到一起。

目前在EurekaLabs的官方GitHub賬號(hào)上，已經(jīng)有與第一章相關(guān)的代碼和數(shù)據(jù)放出，感興趣的朋友可以先睹為快了。

Eureka Labs：eurekalabs.ai
github.com/EurekaLabsAI

LM101n：https://github.com/karpathy/LLM101n