2025년 12월 00일, 39세 때, 안드레 카파시는 자신의 코딩 작업 방식이 직접 코딩 80%에서 에이전트 위임 80%로 완전히 역전되는 급격한 변화를 겪었다.

2025년 12월 00일, 39세 때, 안드레 카파시는 에이전트를 통한 개발 워크플로우로 전환한 이후부터 직접 코드를 한 줄도 입력하지 않는 방식을 유지하기 시작했다.

2026년 00월 00일, 40세 때, 안드레 카파시는 부모님에게 AI 에이전트 도입으로 인한 소프트웨어 구축 워크플로우의 극적인 변화를 설명했지만 일반인들은 이 변화의 충격을 제대로 체감하지 못한다고 느꼈다.

2026년 00월 00일, 40세 때, 안드레 카파시는 AI 에이전트로 달성 가능한 한계를 끝까지 밀어붙이기 위해 끊임없이 새로운 시도를 하는 과정에서 스스로가 'AI 정신병(AI psychosis)' 상태에 빠져 있다고 발언했다.

2026년 00월 00일, 40세 때, 안드레 카파시는 단일 에이전트 세션의 한계를 극복하기 위해 다수의 에이전트를 병렬로 활용하는 방법을 본격적으로 모색하기 시작했다.

2026년 00월 00일, 40세 때, 안드레 카파시는 트위터에서 사람들이 시도하는 다양한 AI 활용법을 볼 때마다 자신이 기술의 최전선에 있지 않을까 봐 극도의 불안감과 초조함을 느꼈다.

2026년 00월 00일, 40세 때, 안드레 카파시는 에이전트가 제대로 작동하지 않을 때 AI의 기술적 역량 부족을 탓할 수 있었지만, 오히려 자신이 지시를 제대로 내리지 못했거나 적절한 메모리 도구를 주지 못했다며 자신의 스킬 부족(skill issue)을 탓하는 것을 선택했다.

2026년 00월 00일, 40세 때, 안드레 카파시는 여러 리포지토리에서 다수의 에이전트에게 매크로 작업을 지시하고 리뷰하는 피터 스타인버그(Peter Steinberg)의 작업 방식을 이상적인 모델로 삼았다.

2026년 00월 00일, 40세 때, 안드레 카파시는 다수의 에이전트에게 연구, 코딩, 계획 수립 등의 매크로 작업을 분배하고 소프트웨어 저장소를 조작하는 방식의 근육 기억(muscle memory)을 기르는 것이 매우 효과적이고 보람차다고 느꼈다.

2026년 00월 00일, 40세 때, 안드레 카파시는 사용 가능한 토큰 구독량이 남아있을 때 토큰 처리량을 극대화하지 못한 자신을 시스템의 병목 현상으로 규정하며 매우 큰 스트레스를 받았다.

2026년 00월 00일, 40세 때, 안드레 카파시는 코덱스(Codex) 모델의 토큰이 바닥났을 때 작업 흐름을 멈추는 대신 클로드(Claude) 등 다른 모델로 즉각 전환하며 토큰 사용량을 극대화하려고 시도했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 박사 과정 학생 시절에 GPU 플롭스(flops)를 최대로 활용하지 못해 GPU가 유휴 상태에 있을 때마다 극심한 불안감을 느끼는 경험을 했다.

2026년 00월 00일, 40세 때, 안드레 카파시는 코덱스(Codex) 에이전트가 사용자가 무엇을 만드는지 전혀 신경 쓰지 않는 매우 건조한(dry) 성격이라고 부정적으로 평가했다.

2026년 00월 00일, 40세 때, 안드레 카파시는 클로드(Claude)가 팀원처럼 반응하는 뛰어난 성격을 지녔다고 판단하여, 무성의한 지시를 내리기보다는 더 설득력 있는 아이디어를 제시하여 클로드의 칭찬을 얻어내기 위해 애쓰는 자신을 발견했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 개인적인 에이전트(claw)의 기능을 한계까지 더 확장할 수 있었지만, 현재의 홈 오토메이션 설정까지만 유지하고 더 이상 고도화하지 않는 것을 선택했다. 이유는 일주일 동안 에이전트 작업에 매달리면서 할 일이 너무 많아져 극심한 주의 산만을 겪었기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 에이전트에게 자신의 이메일이나 캘린더 등 디지털 라이프에 대한 전체 접근 권한을 부여할 수 있었지만, 이를 허용하지 않는 것을 선택했다. 이유는 해당 기술이 아직 너무 새롭고 다듬어지지 않아 보안과 프라이버시 측면에서 매우 의심스럽고 조심스러웠기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 미래에는 맞춤형 앱 개발 산업이 과잉 생산된 앱을 버리고 모든 것이 노출된 API 엔드포인트와 이를 호출하는 에이전트 중심으로 재편될 것이라고 인터뷰에서 발언하여 소프트웨어 산업의 패러다임 전환을 예견했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 현재는 에이전트 연동을 위해 약간의 백그라운드 코딩이 필요하지만 1~3년 안에는 자동화될 것이라고 인터뷰에서 발언하여 비기술자도 코딩 없이 자연어로 에이전트를 다루게 될 미래를 전망했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 LLM이 본질적으로 단순한 토큰 생성기라는 사실을 인터페이스에 그대로 노출할 수 있었지만, 왓츠앱 뒤에 있는 페르소나와 정체성으로 포장해 상호작용하는 것을 선택했다. 이유는 대중들이 AI에 기대하는 인간적인 상호작용 방식과 일치시키는 것이 더 쉽게 이해되기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 러닝머신에서 유산소 운동 빈도를 기록하기 위해 기존 앱의 웹 UI에 번거롭게 로그인할 수 있었지만, 이를 거부하고 API로 노출하여 에이전트가 알아서 처리하게 만드는 방식을 선호했다. 이유는 복잡한 사용자 경험(UX)을 완전히 버리고 에이전트 중심(agent-first) 생태계로 전환해야 한다고 믿었기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 사람들의 개입을 당연시하는 기존 AI 워크플로우를 따를 수 있었지만, 사람 스스로를 병목 현상에서 제거해야 한다고 트위터에 발언하는 것을 선택했다. 이유는 AI 도구를 최대한 활용하려면 인간의 개입을 배제하고 토큰 처리량을 극대화하는 자율 시스템을 구축해야 한다고 확신했기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 AI 연구자로서 루프(loop) 안에 머물며 결과를 일일이 확인할 수 있었지만, 자신을 배제한 채 독립적으로 작동하는 오토 리서치(Auto Research) 프로젝트를 시작하는 것을 선택했다. 이유는 자신이 전체 시스템의 진행을 멈추게 하거나 속도를 늦추는 병목이 되고 싶지 않았기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 오토 리서치의 추상화 구조를 전면적으로 리팩토링하는 행동을 개발 환경에서 실행하여 한 번의 실행(hit go)만으로 개입 없이 장기간 작동하도록 구조를 뜯어고쳤다.

0000년 00월 00일, 00세 때, 안드레 카파시는 오토 리서치에 명확한 목표, 평가지표, 허용 범위의 경계를 설정하는 행동을 시스템 상에서 실행하여 AI가 스스로 판단하고 행동할 수 있는 자율 연구 환경을 구축했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 GPT-2 모델 학습에만 집중하는 것처럼 오해받을 수 있었지만, 대중의 시선을 정정하며 자신의 진짜 관심사는 LLM의 재귀적 자기 개선(recursive self-improvement)이라고 인터뷰에서 밝혔다. 이유는 GPT-2 학습은 단지 LLM 학습 메커니즘을 테스트하기 위한 작은 놀이터(playground)일 뿐이었기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 새롭게 등장한 자동화 툴에 전적으로 의존할 수 있었지만, 20년간의 연구 경험을 바탕으로 과거의 전통적인 수동 방식을 고수하며 하이퍼파라미터 튜닝을 직접 수행하는 것을 선택했다. 이유는 자신이 수천 번의 모델 훈련 경험을 통해 습득한 감각과 성취한 자신감을 굳게 믿었기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 자신의 수동 튜닝이 완벽하다고 확신하며 오토 리서치를 하룻밤 동안 실행했지만, 다음 날 AI가 가중치 감쇠(weight decay), 값 임베딩, Adam 베타 값 등 자신이 놓치고 있던 복잡한 상호작용 설정들을 새롭게 찾아내는 것을 보고 자신의 수동 튜닝에 명백한 한계와 오류가 있었음을 깨닫는 실패를 경험했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 'data chat' 프로젝트를 소유하고 진행했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 연구자로서 20년간 해오던 익숙한 방식대로 모델의 하이퍼파라미터를 직접 수동으로 튜닝했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 모델이 수동으로 충분히 잘 튜닝되었다고 생각했지만, 자신이 직접 계속 확인하는 대신 auto research를 하룻밤 동안 실행시켰다.

0000년 00월 00일, 00세 때, 안드레 카파시는 auto research가 이미 잘 튜닝된 레포지토리에서 자신이 찾지 못했던 새로운 튜닝 값을 찾아내는 예상과 다른 결과를 확인하고 놀랐다.

0000년 00월 00일, 00세 때, 안드레 카파시는 auto research 결과를 확인한 후 자신이 weight decay와 value embeddings를 잊었으며 Adam betas를 충분히 튜닝하지 않았다는 사실을 깨달았다.

0000년 00월 00일, 00세 때, 안드레 카파시는 auto researcher가 어떤 순서로 아키텍처나 옵티마이저를 확인하고 작동해야 하는지 지시하기 위해 마크다운 형식으로 'program MD'를 작성했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 AI 에이전트에게 특정 기능을 요청했지만 완전히 잘못된 코드를 반환받아 무한 루프에 빠지는 실패를 겪고 강한 좌절감을 느꼈다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 AI 에이전트가 뉘앙스 파악이나 확인 질문 등 부드러운(softer) 영역에서 어려움을 겪는다고 분석했다. 이유는 AI 모델들이 주로 강화학습(RL)으로 훈련되어 정답이나 보상이 명확히 검증 가능한 영역에만 최적화되었기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 최신 AI 모델들이 에이전트 작업에서는 뛰어난 능력을 보이면서도 농담 수준은 3~4년 전과 똑같이 형편없다는 모순된 결과를 지적했다. 이유는 농담과 같은 영역이 강화학습의 최적화 범위 밖에 있어 발전하지 못하고 정체되어 있기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 코드 생성 능력이 뛰어나면 다른 모든 분야에서도 똑똑해질 것이라는 일부 연구 그룹의 전제에 동의할 수 있었지만 이를 거절(반박)했다. 이유는 검증 가능한 지능과 그렇지 않은 지능 사이에 분리(decoupling) 현상이 일어나고 있다고 판단했기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 모델이 발전할수록 사회 모든 영역에서 범용 지능을 공짜로 얻게 될 것이라는 대중적 내러티브에 반대 의사를 표명했다. 이유는 신경망 모델 내부에 맹점(blind spots)이 존재하며 특정 영역은 전혀 최적화되지 않고 있기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 현재 연구소들이 모든 지식 영역을 하나로 뭉친 단일 거대 모델(monoculture)을 만들고 있지만, 향후 동물계처럼 특정 작업에 특화된 여러 모델로 분화(speciation)해야 한다고 주장했다. 이유는 인지적 핵심을 가진 작은 특화 모델들이 지연 시간이나 처리량 측면에서 훨씬 효율적이기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 현재 AI 모델의 분화(speciation)가 활발히 일어나지 않는 현상을 설명했다. 이유는 연구소들이 사용자의 다양한 질문에 모두 대응해야 하는 상황이고, 성능 손실 없이 모델의 뇌(가중치)를 조작하는 과학 기술이 아직 충분히 발달하지 않았기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 컨텍스트 윈도우를 활용하는 쉬운 미세 조정 방법이 있음에도 불구하고 가중치를 직접 건드리는 조작 방식은 아직 매우 까다롭다고 지적했다. 이유는 가중치를 건드리는 작업이 전체 모델과 지능을 근본적으로 변화시킬 수 있는 위험성을 내포하고 있기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 오토 리서치(auto research)의 병렬화 아이디어를 구상하는 과정에서 여러 시도를 했음에도 완벽하게 들어맞는 단순한 해결책을 찾지 못하는 실패를 경험했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 본업인 'claw(클로)' 관련 작업을 하지 않는 여가 시간을 활용해 오토 리서치 병렬화에 대한 아이디어 구상을 사이드 프로젝트로 계속 진행했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대화(인터뷰) 중 신뢰할 수 없는 인터넷상의 일반 작업자 풀(pool)이 오토 리서치에 기여할 수 있도록 블록체인 구조와 유사한 비동기적 협업 시스템 디자인을 고안했다. 이유는 수많은 실험(작업 증명)을 거쳐 제안된 코드 커밋이 실제로 유효한지 신뢰할 수 있는 검증 풀이 쉽게 확인하게 만들기 위해서다.

2024년 00월 00일, 38세 때, 안드레 카파시는 '세티 앳 홈(SETI@home)'이나 '폴딩 앳 홈(Folding@home)'과 같은 분산 컴퓨팅 방식을 언급하며, 신뢰할 수 없는 인터넷상의 에이전트 무리가 협력하여 LLM을 개선한다면 거대 AI 기업(Frontier Labs)을 능가할 가능성도 있다고 발언했다.

2024년 00월 00일, 38세 때, 안드레 카파시는 미래에는 사람들의 관심사가 돈에서 컴퓨팅 연산력(flop)으로 바뀔 수 있으며, 기관에 돈을 기부하는 대신 자신이 보유한 컴퓨팅 자원을 암 연구와 같은 특정 자동화 연구 프로젝트 풀에 기여하게 될 수 있다고 예측했다.

2024년 00월 00일, 38세 때, 안드레 카파시는 AI가 일자리 시장에 미치는 영향을 알아보고 산업에 대한 자신의 사고를 확장하기 위해, 2024년에 발표된 미국 노동통계국(Bureau of Labor Statistics)의 직업 전망 데이터를 바탕으로 일자리 데이터를 분석하고 시각화하여 공개했다.

2024년 00월 00일, 38세 때, 안드레 카파시는 물리적 세계는 원자를 다루기에 변화가 느리지만 디지털 공간의 정보 조작은 빛의 속도로 일어날 것이기 때문에, 재택근무가 가능한 디지털 정보 처리 관련 직업들이 우선적으로 큰 변화를 겪게 될 것이라고 분석했다.

2024년 00월 00일, 38세 때, 안드레 카파시는 많은 사람들이 AI를 두려워하는 것을 이해하지만, 현재 단계의 AI는 직무의 특정 작업 속도를 크게 높여주는 근본적으로 사람에게 힘을 실어주는 강력한 도구로 생각해야 한다고 발언했다.

2024년 00월 00일, 38세 때, 안드레 카파시는 AI로 인해 소프트웨어 개발 비용과 진입 장벽이 낮아짐에 따라, 제번스의 역설(Jevons paradox)과 은행 ATM 도입 사례에서 보듯 오히려 잠재되었던 소프트웨어에 대한 수요가 엄청나게 증가할 것이라는 낙관적인 전망을 밝혔다.

0000년 00월 00일, 00세 때, 안드레 카파시는 소프트웨어 수요 증가 현상이 일시적인지 묻는 질문에 확신하지 못하며 즉각적인 판단을 유보했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 제본스의 역설과 ATM의 사례를 들며, 소프트웨어가 저렴해지면 오히려 소프트웨어 엔지니어링에 대한 수요가 크게 증가할 것이라고 조심스럽게 낙관했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 디지털 공간에서 불완전한 기존 도구를 대체하고 모든 것을 재구성하려는 활동이 많아지면서 엔지니어링 수요가 더욱 늘어날 것이라고 예측했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 OpenAI 등 프론티어 랩의 연구원들이 본질적으로 자동화 모델을 연구함으로써 자신들의 일자리를 적극적으로 없애려 하고 있다고 평가했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 OpenAI 내부를 돌아다니며 동료들에게 우리가 성공하면 우리 모두 일자리를 잃고 CEO나 이사회를 위한 자동화 도구만 남게 될 것이라고 경고했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 한동안 프론티어 랩(OpenAI)에서 근무하다가 외부로 나갔으나 다시 재합류(re-enter)하는 결정을 내렸다.

0000년 00월 00일, 00세 때, 안드레 카파시는 프론티어 랩 내부뿐만 아니라 생태계 전반에서 활동하는 사람들의 기여와 영향력이 매우 크다고 평가했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 자신의 현재 역할이 특정 기업 내부가 아닌 AI 생태계 전반을 아우르는 수준에 맞춰져 있다고 밝혔다.

0000년 00월 00일, 00세 때, 안드레 카파시는 개인이 프론티어 랩의 이익에 지나치게 동조하는 것에 대해 명확한 문제가 있다고 지적했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 OpenAI 초창기에 막대한 금전적 인센티브와 인류에 미칠 AI의 극적인 파장 사이의 모순(conundrum)을 해결하려고 시도했으나 여전히 완전히 해결되지 않았다고 회고했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 프론티어 랩 내부에 머물며 내부 정보를 얻을 수 있었지만 오히려 랩 외부에 머무는 것을 선택했다. 이유는 내부에서는 조직의 압력 때문에 원하는 말을 다 할 수 없지만, 외부에서는 완전한 자유 계약자로서 독립적으로 발언하는 것이 인류와 더 정렬된다고 판단했기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 조직의 일원으로서 회의에 참석해 아이디어를 내더라도 위험 부담이 큰 상황에서는 실질적인 통제권이 없어 조직의 최종 행동에 영향을 미치는 데 한계를 겪는 상황을 지적했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 프론티어 랩 외부에 머물게 되면 불투명한 시스템의 내부 작동 방식과 개발 동향을 파악할 수 없어 자신의 판단력이 점차 흐려질 것이라는 한계를 인정하고 이에 대한 불안감을 고백했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 기술 발전 동향에서 소외되지 않으면서도 독립성을 유지하기 위해, 프론티어 랩에 일정 기간 합류하여 기여한 뒤 다시 외부로 나오는 방식을 이상적인 해결책으로 제안했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 과거 프론티어 랩을 떠나 외부에 머물기로 한 결정을 번복하고 미래에 상황에 따라 다시 프론티어 랩에 합류할 수도 있다는 열린 입장을 밝혔다.

0000년 00월 00일, 00세 때, 안드레 카파시는 동료 노암(Noam)이 OpenAI 내부에서도 뛰어난 성과를 낼 수 있지만, 가장 큰 영향력을 발휘하는 작업은 프론티어 랩 외부에서 이루어질 가능성이 크다고 평가했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 오픈소스 모델이 클로즈드 모델에 비해 약 6~8개월 정도 뒤처져 있는 기술 격차 상황을 주의 깊게 모니터링하고 있다고 밝혔다.

0000년 00월 00일, 00세 때, 안드레 카파시는 대다수 컴퓨터에서 실행되는 리눅스의 성공 사례를 근거로, 업계 전반에 모두가 안전하게 사용할 수 있는 공통의 개방형 플랫폼(오픈소스 모델)에 대한 강한 수요가 지속되고 있다고 분석했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 막대한 자본과 컴퓨팅 자원(slack)이 집중적으로 요구되는 현재의 경쟁 환경 탓에 오픈소스 프로젝트가 클로즈드 모델과 경쟁하는 데 한계가 있다고 분석했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 향후 단순한 소비자용 작업의 대부분은 오픈소스 모델로도 충분히 커버되며 심지어 로컬 컴퓨터에서도 훌륭하게 실행될 것이라고 예측했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 프론티어급 지능(클로즈드 모델)은 향후 노벨상 수준의 연구나 리눅스 코드를 C에서 Rust로 전환하는 등의 대규모 프로젝트에 주로 필요할 것이라고 전망했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 인터뷰에서 자신이 오픈 소스의 엄청난 팬이라고 밝혔다.

0000년 00월 00일, 00세 때, 안드레 카파시는 운영 체제 시장을 분석하며 리눅스의 점유율이 60%에 달하는 것을 직접 확인했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 폐쇄형 프론티어 AI 모델이 앞서가고 오픈 소스 AI가 몇 달 정도 뒤처져 따라가는 현재의 생태계가 구조적으로 꽤 좋은 설정이라고 평가했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 폐쇄형 인공지능만 존재하는 것은 시스템적 위험을 수반한다고 우려를 표했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 과거 동유럽 등 정치 및 경제 시스템의 나쁜 선례들을 근거로 중앙집권화를 비판하며, 업계 전체가 접근할 수 있는 공통 작업 공간으로서의 오픈 소스 AI가 권력 균형을 위해 반드시 필요하다고 주장했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 모델 고도화에 대한 투자를 회의적으로 볼 수 있었지만 프론티어 AI 연구소들의 노력을 적극적으로 지지하는 입장을 선택했다. 이유는 막대한 비용이 들더라도 모델을 계속 발전시켜야만 인류의 커다란 문제들을 해결할 수 있다고 믿었기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 현재의 AI 산업 구도가 의도적으로 설계된 것이 아니라 우연하게도 꽤 좋은 균형 상태에 도달한 것이라고 분석했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 폐쇄형 AI 진영 내의 선두 주자들이 반드시 최고 수준이 아님에도 불구하고 최근 중앙집권화가 더욱 심해지는 부정적인 현상을 목격했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 소수의 두세 명이 밀실에서 결정을 내리는 것을 강력히 불신했기 때문에, 더 많은 프론티어 연구소가 생겨나 많은 사람들이 앙상블을 이루어 가장 어려운 문제들을 논의하기를 희망했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 일반화된 로봇 자율성의 전신 격인 자율주행 자동차 분야에서 일했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 과거 자율주행 분야에서 일하면서 수많은 스타트업들이 막대한 자본과 시간을 들이고도 장기적으로 생존하지 못하고 실패하는 것을 목격했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 물리적 세계를 다루는 로보틱스의 단기적 성공을 기대할 수 있었지만 디지털 영역의 발전 속도보다 훨씬 뒤처질 것으로 판단했다. 이유는 원자 단위의 물리적 세계를 다루는 것이 엄청난 자본과 확신이 필요한 매우 까다롭고 어려운 작업이기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 다양한 분야로 관심을 분산시킬 수 있었지만 자신의 주요 관심사를 오직 디지털 영역에 두기로 선택했다. 이유는 디지털 공간의 비트 처리가 훨씬 쉬워 단기간에 100배 이상의 효율성을 달성할 수 있다고 보았기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 향후 AI 에이전트들이 기존 디지털 정보를 모두 학습하고 나면, 물리적 세계와 연결되는 인터페이스(센서와 액추에이터) 영역에서 거대한 기회가 창출될 것이라고 예측했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 재료과학 분야의 자동 연구를 시도하는 친구 리암이 CEO로 있는 스타트업 'periodic'을 직접 방문하여 센서 역할을 하는 비싼 연구실 장비들을 확인했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 자율적인 활동이 폭발적으로 증가하고 있음에도 불구하고 폴리마켓이나 주식 시장 같은 정보 시장이 아직 충분히 활성화되지 않은 현실에 놀라움을 표했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 친구인 리암이 CEO로 있는 스타트업 'periodic'을 방문했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 10~20년에 걸쳐 대규모 언어 모델(LLM)을 본질만 남기고 단순화하는 작업에 집착하여 Nano GPT, makemore, micrograd 등의 프로젝트를 진행했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 효율성을 위한 복잡한 코드를 모두 걷어내고 텍스트 데이터셋, 50줄의 신경망 아키텍처, 100줄의 오토그라드 엔진, 10줄의 최적화 도구(Adam)를 결합해 단 200줄의 파이썬 코드로 'Micro GPT'를 완성했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 예전처럼 Micro GPT를 설명하는 비디오나 가이드 문서를 사람들을 위해 직접 만들 수 있었지만, 아무런 가이드도 만들지 않기로 선택했다. 이유는 코드가 200줄로 매우 단순해졌기 때문에, 인간이 직접 설명하는 것보다 AI 에이전트가 사용자의 수준에 맞춰 각자의 언어와 무한한 인내심으로 맞춤형 설명을 제공하는 것이 훨씬 효율적이라고 판단했기 때문이다.

0000년 00월 00일, 00세 때, 안드레 카파시는 사람을 위한 문서를 작성하는 대신, AI 에이전트가 사람들에게 코드를 가르칠 수 있도록 에이전트 전용 설명 순서와 커리큘럼 힌트(스킬)를 스크립팅했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 AI 에이전트에게 신경망을 가장 단순하게 줄여서 Micro GPT와 같은 코드를 직접 작성해보라고 요청했지만 에이전트가 이를 전혀 창조해내지 못하는 한계를 확인했다.

0000년 00월 00일, 00세 때, 안드레 카파시는 AI 에이전트가 새로운 것을 단순화하여 창조하지는 못하지만 자신이 작성한 결과물은 완벽히 이해하는 것을 보고, 앞으로 자신의 역할은 교육이 아니라 에이전트가 할 수 없는 극소수의 핵심적인 설계와 커리큘럼을 주입하는 것으로 바뀌어야 한다고 결론지었다.