অ্যান্ড্রেজ কারপাথি পূর্বাভাস দিয়েছেন যে এআই ইন্টারঅ্যাকশন বিকশিত হয়ে 'ইন্টারঅ্যাকটিভ নিউরাল ভিডিও'-তে পরিণত হবে

Beating মনিটরিং-এর অনুসরণে, 'vibe coding' ধারণার প্রবক্তা এবং OpenAI-এর প্রতিষ্ঠাতা সদস্য অ্যান্ড্রেজ কারপাথি আজ Claude Code দলের 'HTML দিয়ে Markdown প্রতিস্থাপন' প্রস্তাবকে সমর্থন করেন। তিনি শুধু এই পরিবর্তনকে শক্তিশালীভাবে সমর্থন করেন না, বরং AI ইন্টারফেসের বিকাশের একটি রোডম্যাপও আঁকেন, যা অনুমান করে যে বড় মডেলগুলি একাধিক ফর্ম-ইটারেশনের পরে চূড়ান্ত আউটপুট হিসাবে 'ইন্টারঅ্যাকটিভ নিউরাল ভিডিও' উৎপাদন করবে। কারপাথির মতে, AI-এর আউটপুট ফরম্যাটের বিকাশটি প্রথমে অত্যন্ত অপঠনযোগ্য প্লেইন টেক্সট থেকে শুরু হয়েছিল, তারপর Markdown-এ পরিণত হয়েছিল, এবং এখন HTML-এর দিকে এগিয়ে যাচ্ছে, যা উচ্চতর লেআউট নমনীয়তা সহজেই প্রদান করে। ভবিষ্যতে 4, 5, 6 ইত্যাদি অনেকগুলি মধ্যবর্তী ফর্মগুলির মধ্দিয়াতেও এটি অগ্রসর হবে, এবং finally (n) -এর চূড়ান্ত অবস্থায়: diffusion models-এর দ্বারা সরাসরি উৎপাদিত interactive neural video-এ। এই ফর্মটির সঠিক আকৃতির জন্য, তিনি OpenAI-এর পূর্ববর্তী研究员-এর recent release-করা no-code pixel-level rendering prototype Flipbook-কেই directভাবে reference-করেন। এই বিকাশের underlying logic-টি human brain-এর physical bandwidth-এ। Karpathy-এর মতে, human brain-এর 1/3-এরও beshi portion parallel processor-এর roop e visual signal process kore, eita information input er jonno 'ten-lane highway'-er moto. Ei karone human-machine fusion interaction-er optimal solution: human-er AI-ke command (input) deyar jonna best way holo highly efficient voice, ar AI-er human-ke result (output) deyar jonna best way holo high-bandwidth visual content (image, animation, or video)। অতিরিক্তভাবে, tini bolen je current input side e abhinno pain points ache: ekhon keval voice ba text er upor nirbhor kora jay na, ekti 'pointing at specific screen area while sitting side by side with someone looking at a computer' er moto spatial indication capability er abashyakta. Current experience improvement-er jonna shortcut hisebe, tini users-ke strongly suggest koren je prompt-er sheshe "structure response as HTML" add kore deya jabe।