Karpathy สนับสนุนการสร้างผลลัพธ์เป็น HTML สำหรับโมเดลภาษาขนาดใหญ่ คาดการณ์ว่าวิดีโอประสาทแบบโต้ตอบจะเป็นรูปแบบขั้นสูงสุด

ตามที่ Andrej Karpathy สมาชิกผู้ก่อตั้ง OpenAI และผู้คิดค้นแนวคิด “vibe coding” ได้กล่าวไว้ วันนี้เขาได้ให้การสนับสนุนแนวทางของทีม Claude Code โดยเลือกใช้ HTML แทน Markdown สำหรับผลลัพธ์ที่สร้างโดยโมเดลภาษาขนาดใหญ่ Karpathy ได้วางแผนโรดแมปวิวัฒนาการของอินเทอร์เฟซสำหรับการโต้ตอบกับ AI: จากข้อความล้วนไปสู่ Markdown แล้วไปสู่ HTML จากนั้นจะมีรูปแบบกลางหลายขั้น ก่อนจะเข้าสู่ขั้นสุดท้ายคือวิดีโอประสาทแบบโต้ตอบที่สร้างขึ้นโดยตรงด้วยโมเดล diffusion

Karpathy อธิบายว่าการวิวัฒนาการนี้เกิดจากแบนด์วิดท์ของสมองมนุษย์ โดยระบุว่าประมาณหนึ่งในสามของสมองมนุษย์ประมวลผลสัญญาณภาพแบบขนาน ซึ่งเปรียบเหมือน “ทางด่วน 10 เลน” สำหรับการป้อนข้อมูล เขาโต้แย้งว่าการโต้ตอบระหว่างมนุษย์กับ AI ที่เหมาะสมที่สุดคือการใช้เสียงที่มีประสิทธิภาพสำหรับการป้อนข้อมูลของมนุษย์ และใช้เอาต์พุตภาพที่มีแบนด์วิดท์สูง (ภาพเคลื่อนไหว ภาพแอนิเมชัน หรือวิดีโอ) จาก AI เขาแนะนำให้ผู้ใช้เพิ่ม “โครงสร้างคำตอบเป็น HTML” ลงในพรอมป์ต์ทันที เพื่อยกระดับในระยะใกล้