एंड्रेज कारपथी ने भविष्यवाणी की है कि एआई अंतरक्रिया 'इंटरएक्टिव न्यूरल वीडियो' में विकसित होगी

Beating Monitoring के अनुसार, 'vibe coding' अवधारणा के जन्मदाता और OpenAI के संस्थापक सदस्य Andrej Karpathy ने आज एक पोस्ट में Claude Code टीम द्वारा सुझाई गई 'HTML के साथ Markdown को बदलने' की अवधारणा का समर्थन किया। उन्होंने इस परिवर्तन का तीव्र समर्थन किया और AI इंटरफ़ेस के विकास का मार्गदर्शन किया, जिसमें उन्होंने भविष्यवाणी की कि बड़े मॉडल बहुत सारी आकृति अपग्रेड के बाद अंतिम रूप में 'इंटरएक्टिव न्यूरल वीडियो' प्रदान करेंगे। Karpathy का मानना है कि AI आउटपुट प्रारूप का विकास सबसे पहले पढ़ने में बहुत कठिन शुद्ध पाठ से शुरू हुआ, फिर Markdown में परिवर्तित हुआ, और अब HTML, जो उच्च टाइपोग्राफ़िक लचीलापन प्रदान करता है, नए मानक के रूप में धीरे-धीरे स्थापित हो रहा है। भविष्य में, 4, 5, 6 आदि कई मध्यवर्ती आकृतियों से होकर गुजरते हुए, अंतिम परिणाम (n) प्राप्त होगा: डिफ़्यूज़न मॉडल द्वारा सीधे उत्पन्न इंटरएक्टिव न्यूरल वीडियो। इस आकृति का सटीक स्वरूप, उन्होंने हाल ही में OpenAI के पूर्व शोधकर्ता द्वारा प्रकाशित कोड-लेस पिक्सल-लेवल रेंडरिंग प्रोटोटाइप Flipbook का उल्लेख करके स्पष्ट किया। इस विकास प्रवृत्ति की मूलभूत तर्कशक्ति मानव मस्तिष्क की भौतिक पट्टीचौड़ाई में है। Karpathy का कहना है कि मानव मस्तिष्क का लगभग एक-तिहाई हिस्सा समानांतर प्रोसेसिंग के लिए दृश्य संकेतों को संभालने में समर्पित है, जो मानव मस्तिष्क में सूचना प्रवेश के लिए 'दस-लेन की हाईवे' है। इसलिए, मानव-AI संयुक्त इंटरएक्शन का सर्वोत्तम समाधान है: मानव AI को निर्देश (Input) देने का सबसे कुशल तरीका संचार-कुशलता से भरी आवाज़ है, और AI मानव को प्रतिक्रिया (Output) देने का सबसे अच्छा तरीका हाई-बैंडविड्थ दृश्य प्रदर्शन (चित्र, एनीमेशन या वीडियो) है। इसके अलावा, उन्होंने संकेत दिया कि प्रस्तुति (Input) पक्ष में अभी भी स्पष्ट समस्याएँ हैं; केवल आवाज़ ya पाठ के साथ पर्याप्त नहीं है, 'दो साथी सामने कंप्यूटर पर स्क्रीन के किसी स्थान की ओर संकेत करते हुए' समान स्थानिक संकेतन क्षमता की पूरकआवश्यकता है। प्रयोगकर्ता के अनुभव में सुधार के लिए, वह सुझाव देते हैं कि प्रमpts के अंत में 'उत्तर HTML में संरचित करें' मिला दें।