Zbudowałem w Claude kolejnego Andreja Karpathy’ego (I Built Another Andrej Karpathy Using Claude)

O czym jest ten film

1. Autor zamienia w Claude Code sposób myślenia Andreja Karpathy’ego w agenta-nauczyciela — to nie klon głosu ani imitacja, lecz program, który uczy tak, jak uczy Karpathy.
2. Karpathy: założycielski zespół OpenAI (2015), pięć lat na czele AI w Tesli (widzenie komputerowe Autopilota), Eureka Labs, od maja w zespole pre-trainingu Anthropic; autor licznych kursów o budowaniu z AI.
3. Powód: prośba o wyjaśnienie często kończy się przegadaniem tematu i domysłami, a w efekcie oddaniem klientowi kodu, którego nie umie się naprawić. Karpathy w sierpniu pisał, że Claude Code „woli pisać kod, niż cokolwiek tłumaczyć”.
4. Celem jest naprawa najgorszego nawyku AI — brzmienia racji zamiast jej posiadania — oraz wpisanie do systemu wiedzy eksperckiej, bo nikt nie jest specjalistą od wszystkiego.
5. Krok 1: równoległy crawl wszystkich publicznych materiałów (blogi, wykłady, GitHub, X); YouTube Transcript API i yt-dlp za darmo, twitterapi.io za około dolara; efekt: ponad 700 tys. słów.
6. Krok 2: kompilacja surowych plików do wiki według kwietniowego pomysłu samego Karpathy’ego (strony, indeks, dziennik, powiązania); Obsidian służy wyłącznie do podglądu.
7. Krok 3: siedem reguł nauczania, każda z dosłownym cytatem i klikalnym źródłem; jeśli źródła brak, agent musi wprost przyznać, że wnioskuje.
8. Krok 4: reguły trafiają do podagenta (osobny kontekst i pamięć) oraz skilla /karpathy-teach, który ocenia odpowiedź listą kontrolną po jednej linijce na regułę.
9. Krok 5: bramka uruchomienia (hook) blokuje odpowiedź, dopóki napisany kod nie zostanie wykonany — wbudowana pętla weryfikacji.
10. Testy i rozwój: egzamin na tokenizatorze byte pair, recenzja skryptu przed wysyłką (awaria na emoji w terminalu Windows), a komenda ingest pozwala dokarmiać wiki kolejnymi materiałami — aktualizacje robi agent.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Myślenie możesz zlecić innym — zrozumienia nie

Na czym polega: Kluczowa teza materiału: jakość tego, co powstaje z pomocą AI, odzwierciedla wiedzę ekspercką wpisaną w system, a nikt nie jest specjalistą od wszystkiego. Autor nie jest badaczem uczenia maszynowego, ale potrafi kazać agentom zebrać wypowiedzi prawdziwego eksperta i rozmawiać z nimi do skutku. Sam Karpathy podsumował to w zdaniu: myślenie można zlecić, zrozumienia nie.

Jak stosować: wybierz eksperta, po którego treści i tak sięgasz (wykładowca, autor, płatny coach), i przejdź cztery kroki z filmu: źródła → wiki → reguły z cytatami → wymuszone uruchamianie kodu. Gotową wiedzę podepnij do własnych skilli i przepływów pracy.

Na co uważać: agent odtwarza sposób myślenia wyłuskany z publicznych materiałów — nie zastąpi własnego rozumienia ani wiedzy, której dana osoba nigdy nie opublikowała.

2.Surową masę słów najpierw skompiluj do wiki

Na czym polega: 700 tysięcy słów transkryptów to dla modelu stóg siana; bez uporządkowania Claude nie przefiltruje tego sensownie. W kwietniu Karpathy opisał rozwiązanie: LLM czyta surowe pliki (bez ich zmieniania) i buduje wiki — strony, indeks, dziennik i powiązania między pojęciami.

Jak stosować: po zebraniu materiałów każ agentowi zbudować wiki: osobne strony dla źródeł, tematów, zasad i metod, z linkami w obie strony. Gist z metodą autor podlinkował w opisie filmu.

Na co uważać: wiki jest tak dobra, jak rygor źródłowy. Jeśli pozwolisz modelowi pisać strony „z pamięci”, wrócisz do konfabulacji.

3.Każda reguła z dosłownym cytatem i źródłem

Na czym polega: reguły są wyciągane z wiki tylko wtedy, gdy da się je poprzeć dokładnym cytatem i miejscem pochodzenia — plikiem, nagraniem z czasem, postem. Gdy źródła brakuje, agent musi otwarcie przyznać, że wnioskuje.

Jak stosować: do promptu wyciągającego reguły wpisuj wymóg „cytat dosłowny plus klikalne źródło” oraz obowiązek oznaczania domysłów.

Na co uważać: modele płynnie produkują wytyczne „brzmiące jak ekspert”; bez odesłania do źródła nie odróżnisz autentycznej metody od pastiszu.

4.Siedem reguł Karpathy’ego sprawdzi się jako lista kontrolna

Na czym polega: z materiałów wyłoniło się siedem reguł: zbuduj, inaczej nie rozumiesz; najpierw element pierwszego rzędu (jedna rzecz naraz); przewiduj, uruchom, porównaj; pokaż wersję błędną; udowodnij, zamiast deklarować; powiedz, co założyłeś; prostota wygrywa.

Jak stosować: używaj ich jako filtra oceny odpowiedzi agenta — po jednej linijce na regułę, z oceną jeszcze przed pokazaniem wyniku użytkownikowi.

Na co uważać: lista bez egzekucji pozostaje martwa; zwłaszcza „nie oddawaj nieuruchomionego kodu” wymaga mechanizmu opisanego w punkcie 6.

5.Podagent i skill — reguły potrzebują własnego miejsca

Na czym polega: podagent to osobny Claude z własnymi instrukcjami, pamięcią i oknem kontekstu; przekazane zadanie nie ciągnie za sobą całej rozmowy. Skill (/karpathy-teach) kieruje temat do agenta z regułami i ocenia odpowiedź checklistą.

Jak stosować: reguły, styl wypowiedzi i pętlę pracy wpisz do pliku podagenta, a z poziomu rozmowy wywołuj go krótką komendą wraz z tematem problemu.

Na co uważać: podagent nie widzi Waszej rozmowy — musi sam sięgać do wiki. Warto sprawdzić, czy faktycznie cytuje źródła, a nie działa wyłącznie z pamięci modelu.

6.Zablokuj odpowiedź, dopóki kod nie zostanie uruchomiony

Na czym polega: run gate (bramka uruchomienia) to hook — niewielki skrypt odpalający się, gdy agent kończy turę. Jeśli kod powstał, ale nie został wykonany, odpowiedź wraca z komunikatem „najpierw uruchom”. W efekcie agent uruchamia, testuje i poprawia, a dopiero potem pokazuje wynik.

Jak stosować: w Claude Code wystarczy poprosić prompt o dodanie takiego mechanizmu — nie piszesz go samodzielnie.

Na co uważać: bramka pilnuje wykonania kodu, nie jakości testów; łącz ją z regułą przewidywania wyniku przed uruchomieniem i porównywania go po.

7.„U mnie działa” to za mało — sprawdź warunki u klienta

Na czym polega: przykładowy skrypt do pobierania komentarzy przechodził u Claude, ale agent przewidział — i udowodnił — że pada na emoji w standardowym terminalu Windows, zanim cokolwiek zapisze. „Działa” było prawdą tylko w jednym środowisku.

Jak stosować: przed oddaniem pracy pytaj: „Czy klient by to przyjął i co kazałby skasować?”; każ uruchamiać kod w innych warunkach i dowodzić, że okrojona wersja zachowuje się tak samo jak pierwotna — obok siebie.

Na co uważać: jeden udany przebieg nie jest dowodem; zawsze dopytaj o założenia dotyczące systemu, terminala czy kodowania znaków.

8.Przy nauce wymuszaj porządek małych kroków

Na czym polega: na przykładzie tokenizatora byte pair agent działał według schematu: zdefiniuj „gotowe” → zbuduj najmniejszą działającą wersję → podaj oczekiwany wynik → uruchom i pokaż rzeczywisty → zaprezentuj wersję błędną i napraw → rozlicz się: co uruchomiono, co wyszło, co zmieniono, którą regułę zastosowano.

Jak stosować: wklejaj ten porządek do promptów edukacyjnych i wymagaj końcowego raportu zamiast gołego kodu z zapewnieniem „działa”.

Na co uważać: pętla jest realna tylko tam, gdzie agent faktycznie wykonuje kod (np. Claude Code); w zwykłym czacie zostaje sama deklaracja.

9.Dokarmiaj mózg na bieżąco — wiki zaktualizuje się sama

Na czym polega: komenda ingest z linkiem tworzy stronę źródłową dla nowego materiału i odświeża wszystkie dotknięte strony, indeks i dziennik. W filmie jeden link dodał regule szóstej nowe zachowanie (dopytywanie zamiast zgadywania), a reguła z jednym źródłem zyskała drugie i „awansowała”.

Jak stosować: wrzucaj nowe wystąpienia i artykuły eksperta od razu; edycji wiki dokonuj wyłącznie przez agenta, nigdy ręcznie.

Na co uważać: automat może nadinterpretować pojedynczy materiał; po każdym ingescie przejrzyj, które strony i reguły się zmieniły.

10.Schemat przeniesiesz na dowolnego eksperta

Na czym polega: te same cztery kroki działają dla trenera sprzedaży, ulubionego autora czy coacha, któremu już płacisz — warunkiem jest dostęp do jego publicznych wypowiedzi.

Jak stosować: trzymaj jeden szablon (źródła → wiki → reguły → bramka uruchomienia) i podmieniaj zbiór materiałów; z czasem zbudujesz drugi mózg złożony z kilku ekspertów.

Na co uważać: im niszowsza osoba, tym mniej materiału i tym większe ryzyko reguł sklejonych z pojedynczych wypowiedzi — warto pilnować progu dwóch źródeł na regułę.

Redakcyjne tłumaczenie

Nie klon człowieka, tylko klon sposobu myślenia

To nie jest Claude, którego znasz. Właśnie zamieniłem jedną z największych głów świata AI w agenta Claude. Andrej Karpathy należy do czołowych inżynierów Anthropic, był w gronie współtwórców OpenAI i to o nim wszyscy powtarzają, że nikt żyjący nie tłumaczy AI lepiej. Dziś pokażę dokładnie cztery kroki, dzięki którym jego sposób myślenia zamienisz we własnego agenta w Claude.

Szybkie przypomnienie, kim jest ten człowiek. W 2015 roku znalazł się w założycielskim zespole OpenAI. Potem przez około pięć lat kierował działem AI w Tesli, stojąc na czele zespołu widzenia komputerowego pracującego nad Autopilotem. Następnie odszedł, by zająć się edukacją na pełny etat, i założył Eureka Labs. A od maja tego roku pracuje w Anthropic w zespole pre-trainingu — czyli tam, gdzie trenuje się modele Claude, zanim trafią do użytkowników. Przy okazji nagrał mnóstwo filmów i kursów o budowaniu z AI.

Doprecyzujmy, co budujemy. To nie jest klon głosu Karpathy’ego ani jego imitacja. To agent, który przejmuje sposób, w jaki — zdaniem wielu — najlepszy nauczyciel AI wyjaśnia trudne tematy, i uczy Cię dokładnie tak samo. Trzyma się siedmiu reguł wyprowadzonych z jego własnych tekstów, blogów i wykładów: buduj najpierw najmniejszą wersję, przewiduj, co się stanie, zanim coś uruchomisz, pokazuj wersję błędną i nigdy nie oddawaj kodu, którego sam nie uruchomiłeś. Chodzi o sklonowanie nie osoby, ale sposobu, w jaki pracuje jej mózg.

Po co to wszystko

Zastanów się, co zwykle się dzieje, gdy prosisz Claude o wyjaśnienie czegoś, czego nie rozumiesz. Model potrafi przegadać temat od początku do końca albo po drodze coś dopowiedzieć z siebie. Efekt? Wrażenie, że nie nauczyłeś się niczego, a chaos w głowie tylko urósł. A gdy budujesz coś dla klienta, tak właśnie trafia do niego kod, którego nie umiesz naprawić ani wytłumaczyć, kiedy przestanie działać.

Karpathy zderzył się z tym samym. W sierpniu zeszłego roku pisał publicznie, że próbował zmusić Claude Code, by uczył go przy okazji pisania kodu. W jego słowach: nie działało to wcale, bo model o wiele chętniej pisze kod, niż cokolwiek tłumaczy po drodze.

Budując tego agenta, naprawiamy więc najgorszy nawyk AI: udawanie racji zamiast jej faktycznego posiadania. Ale ważniejszy jest powód drugi. Jakość tego, co powstaje z pomocą AI, zależy od wiedzy eksperckiej wpisanej w system — a Ty nie będziesz specjalistą od wszystkiego. Ja nie jestem badaczem ani ekspertem od uczenia maszynowego. Mogę natomiast kazać agentom zebrać wszystko, co powiedział prawdziwy ekspert, ułożyć to w formę, z którą Claude potrafi pracować, a potem rozmawiać z tym materiałem tak długo, aż zrozumiem. Gdy już rozumiem lepiej, cała ta wiedza leży w moim projekcie — mogę ją podepiąć do własnych umiejętności, agentów i przepływów pracy. Dokładnie to robimy dziś z Karpathym. I najfajniejsze jest to, że raz wykonane na Karpathym powtórzysz niemal na każdym: na ulubionym trenerze sprzedaży, autorze, którego książki czytasz, albo coachie, któremu i tak płacisz. Zawsze są to te same cztery kroki — tak właśnie buduje się swój drugi mózg.

Zanim wejdziemy w budowę: mam dla was całkowicie darmowy zestaw „AI OS” do stawiania i skalowania własnych systemów operacyjnych z AI. Połączenie go z czymś w stylu mózgu Karpathy’ego to prawdziwy przyspieszacz — tak zresztą sam nadążam za tempem pracy. Link znajdziecie w opisie filmu.

Krok 1: pobrać wszystko, co Karpathy kiedykolwiek powiedział

Buduję w Claude Code, a do przejścia jest sześć promptów — wszystkie pokażę na ekranie, więc wystarczy zrzut i wklejenie u siebie.

(Informacja dodatkowa: Claude Code to narzędzie Anthropic działające w terminalu; agent może w nim pisać i uruchamiać kod bezpośrednio w Twoim projekcie.)

Najpierw Claude potrzebuje wszystkiego, co Karpathy publicznie powiedział i napisał: blogów, transkryptów wykładów, repozytoriów na GitHubie, postów z X. Wszystko to jest dostępne bez opłat — tyle że Claude Code niekoniecznie ściągnie to bezpośrednio, bo część treści siedzi za paywallem albo poza zasięgiem standardowych narzędzi. Dla YouTube kazałem agentowi pobierać napisy dwoma darmowymi pakietami Pythona: YouTube Transcript API i yt-dlp. Dla X korzystam z twitterapi.io — to płatne API, ale za około dolara ściągnąłem praktycznie każdy post od 2023 roku.

Sam prompt do crawlowania mówi, skąd brać materiały i jakiego narzędzia użyć dla każdego źródła. Każę uruchomić osobnego agenta na każde źródło, żeby wszystko szło równolegle i nie ciągnęło się godzinami. Każę też zapisywać, co dokładnie pobrano, żeby dało się to sprawdzić. U mnie cała robota zajęła od 45 minut do godziny. Efekt: jeden surowy folder z podfolderem na każde źródło i ponad 700 tysięcy słów wprost od Karpathy’ego.

Krok 2: wiki zamiast stogu siana

Technicznie można by tu skończyć i wskazać Claude ten folder. Problem w tym, że taka surowa masa słów nie układa się modelowi w głowie tak, by dało się ją sensownie przefiltrować. To igła w stogu siana. Dlatego robimy to, co Karpathy zalecił wszystkim w kwietniu: kazaliśmy LLM-owi skompilować surowe źródła do wiki. Oryginalne pliki pozostają nietknięte; model czyta je w całości, spina stronami, prowadzi indeks i dziennik, a dzięki temu tę wiedzę można odpytywać w sensowny sposób, bo między pojęciami powstały relacje. Karpathy zresztą sam upchnął ten pomysł w giscie — i to właśnie wklejam agentowi. Zabawne: mózg Karpathy’ego będziemy przechowywać w systemie pamięci typu wiki opisanym przez samego Karpathy’ego. Jeśli śledzicie mnie od dłuższego czasu, wiecie, że nagrałem już sporo materiałów o LLM-wiki i mam ich kilka w swoim AI OS.

Prompt numer dwa: wklejasz gist i każesz Claude zastosować go do surowego folderu, czyli do wszystkiego, co agent przed chwilą ściągnął. Powstaje wiki; ja oglądam ją w Obsidianie, ale to tylko warstwa wizualna — bez niej też wszystko zadziała. Widać źródła, czyli osobną stronę na każdą rzecz, którą Karpathy napisał lub powiedział. Dalej tematy, którymi się zajmuje, zasady, reguły, metody, sposób wyjaśniania, sposób debugowania — czyli, jak mówiłem, architekturę jego myślenia. Fioletowe linki to spięcia między stronami i metodami. Każda reguła odsyła do źródła lub źródeł, z których pochodzi; każde źródło — do reguł, które wspiera. Zamiast zrzutu notatek mamy sieć powiązań, mapę relacji. I za każdym razem, gdy trafia tam coś nowego — kolejny blog, nowy pomysł — model ponownie to przetwarza i podpina do innych pojęć.

(Informacja dodatkowa: wszystkie prompty z filmu pojawiają się na ekranie, a gist z metodą wiki autor podlinkował w opisie nagrania na YouTube.)

Krok 3: siedem reguł, każda z dowodem w ręku

Właśnie ten krok sprawia, że agent myśli jak Karpathy, a nie tylko wie, co Karpathy kiedyś powiedział. Prompt numer trzy wyciąga z wiki reguły, przy czym każda musi iść w parze z dosłownym cytatem i miejscem, z którego pochodzi. Nie chcemy przecież, żeby Claude cokolwiek dopowiadał.

Wyszło siedem reguł:

1. Zbuduj, inaczej nie rozumiesz.
2. Najpierw element pierwszego rzędu (first order term first). Znajdź tę jedną część, która naprawdę ma znaczenie, pokaż, że działa, a potem dodawaj dokładnie jedną rzecz naraz. Na tej zasadzie zbudowany jest praktycznie cały jego kurs.
3. Przewiduj, potem uruchom, potem porównuj. Przed uruchomieniem komórki Karpathy zawsze podaje liczbę, której się spodziewa — bo, jak mówi, najczęściej szkolenie przebiegnie poprawnie, ale model będzie po cichu działał odrobinę gorzej.
4. Najpierw pokaż wersję błędną. W nagraniach celowo zostawia własne błędy.
5. Udowodnij, zamiast deklarować.
6. Powiedz, co założyłeś. Jego główna pretensja do Claude Code: modely robią za użytkownika błędne założenia, a potem po prostu zgodnie z nimi działają, niczego nie sprawdzając.
7. Prostsze wygrywa.

Piękno polega na tym, że każdą regułę da się sprawdzić: klikasz cytat i otwiera się strona źródłowa — z czasem nagrania albo dokładnym odnośnikiem. A jeśli źródła nie ma, agent ma obowiązek wyraźnie przyznać, że wnioskuje na podstawie innych wypowiedzi Karpathy’ego.

Krok 4: podagent i skill — miejsce zamieszkania reguł

Reguły muszą leżeć tam, gdzie agent faktycznie po nie sięgnie. Prompt numer cztery każe Claude przerobić je na dwa pliki. Pierwszy to podagent: osobny Claude z własnymi instrukcjami, własną pamięcią i własnym oknem kontekstowym. Gdy przekazujesz mu zadanie, nie ciągnie ono za sobą całej Waszej rozmowy. W pliku widać siedem reguł, sposób, w jaki agent się odzywa, oraz pętlę, którą odbywa przy każdym zadaniu. Krótko mówiąc: mini-agent Karpathy’ego.

Drugi plik to skill. Gdy wpisuję /karpathy-teach i temat, na którym utknąłem, temat trafia do agenta razem z regułami; odpowiedź jest oceniana według listy kontrolnej — po jednej linijce na regułę — a potem w całości mi pokazywana. Mamy więc dwa twory: agenta Karpathy’ego i skill Karpathy’ego.

Krok 5: bramka uruchomienia

Jest jeszcze jedna rzecz, kluczowa przy takim setupie: agent musi uruchamiać swój kod, zanim cokolwiek Ci odpowie. Właśnie dlatego budowa w Claude Code działa tak dobrze — narzędzie samo pisze i wykonuje kod. I to jest krok, którego agent nie może pominąć, zgodnie z regułami samego Karpathy’ego.

Prompt numer pięć dodaje run gate, czyli bramkę uruchomienia. To hook — niewielki skrypt odpalający się dokładnie wtedy, gdy agent próbuje zakończyć swoją turę. Jeśli napisał kod i go nie uruchomił, skrypt blokuje odpowiedź i odsyła ją z jedną wiadomością: „Zanim powiesz, że działa — uruchom to”. W ten sposób wbudowujemy w agenta pętlę weryfikacji. Oczywiście nie musisz sam pisać ani kodu, ani tego skryptu — po prostu prosisz o niego promptem. Od teraz agent uruchamia, testuje, poprawia i dopiero po tym wszystkim zobaczysz finalny wynik.

Próba: tokenizator i recenzja przed oddaniem klientowi

Ostatni krok to testy. Poprosiłem agenta o zbudowanie czegoś realnego i nauczenie mnie, jak to działa. Wybrał tokenizator typu byte pair — mechanizm, który zamienia tekst na liczby, nim zobaczy go duży model językowy. Popatrzcie, jak sobie radzi. Najpierw zapisuje, co znaczy „gotowe”, zanim dotknie linijki kodu. Potem buduje najmniejszą wersję, która działa na bardzo małym wejściu — i przed uruchomieniem mówi, czego się spodziewa. Uruchamia, pokazuje prawdziwy wynik. Następnie prezentuje wersję, która się psuje, wyjaśnia dlaczego i naprawia ją. Na końcu wypisuje: co uruchomił, co z tego wyszło, co zmienił i którą regułą się przy tym kierował. Zamiast bloku kodu i zapewnienia „to działa” dostałem spacer kawałek po kawałku — i znacznie lepiej rozumiem, co właściwie się wydarzyło.

Przetestuj też jego rolę recenzenta. Zanim coś pójdzie do klienta, zadaję jedno pytanie: „Czy klient by to przyjął — i co kazałby wywalić?”. Oto przykład: skrypt, który Claude napisał dla mnie na potrzeby nagrania. Pobiera komentarze z YouTube i u Claude przechodził bez zarzutu. Agent czyta go, przewiduje, że wywali się na emoji w zwykłym terminalu Windows, uruchamia go w takich warunkach — i skrypt rzeczywiście pada, zanim zdąży cokolwiek zapisać. „Działa” było więc prawdą wyłącznie w jednym konkretnym ustawieniu. Dalej agent przeszedł przez kod i wyciął wszystko, co nie wnosiło nic do zadania; dał mi analizę, jak to naprawić, posprzątać i zrecenzować przed oddaniem; wreszcie udowodnił, że okrojona wersja łapie te same pytania — uruchamiając obie obok siebie i pokazując mi wyniki.

Mózg, który sam się doszkala

Ta konstrukcja będzie też dalej się uczyć. W lipcu Karpathy pisał, że przez dziesięć minut opowiada modelowi głosem, co ślepi na więcej, a potem każe mu uporządkować ten strumień słów. U mnie działa to tak: komenda /karpathy-ingest z dowolnym linkiem. Agent sprawdza surowy folder, zakłada stronę źródłową dla nowego wpisu, a następnie aktualizuje każdą stronę, której ten wpis dotyczy. W tym przebiegu doszło nowe zachowanie do reguły szóstej: agent wie już, że gdy moje żądanie jest zbyt ogólnikowe, ma dopytać, a nie zgadywać. A reguła, która do tej pory siedziała na ławce z jednym źródłem, doczekała się drugiego — i stała się pełnoprawną regułą. Skoro agent rozumie konstrukcję wiki, sam odświeży też indeks, stronę zbiorczą i dziennik zmian. Mózg zrobił się lepszy od dodania jednego linku, a ja nie ruszyłem wiki ręcznie — nie ustawiałem relacji ani połączeń. Co samo w sobie było realizacją jego reguły drugiej: dodawaj dokładnie jedną rzecz naraz.

Cztery kroki i zdanie na pożegnanie

Spójrzmy z lotu ptaka. Cztery kroki: dajemy Claude wszystko, co siedzi w czyjejś głowie — tu Karpathy’ego — i kompilujemy do wiki. Zamieniamy to w reguły, każdą z cytatem. Zmuszamy agenta, żeby najpierw uruchamiał, a dopiero potem się odzywał. I testujemy na realnych zadaniach.

Na koniec chcę zostawić was ze zdaniem, które szczególnie cenię — powiedział je w tym roku sam Karpathy: „Myślenie możesz zlecić innym, zrozumienia — nie”. Nie będziesz ekspertem od wszystkiego i to w porządku. Zawsze możesz przyciągnąć eksperta do swojego projektu i budować na jego wiedzy.