Andrej Karpathy ist ein slowakisch-kanadischer Informatiker, der für seine Forschungsbeiträge, seine Leitung des Tesla-Autopilot-Programms und seine einflussreiche öffentliche Arbeit in der KI-Bildung bekannt ist. Er promovierte an der Stanford University unter Fei-Fei Li und konzentrierte sich auf Verbindungen zwischen Computersehen und Verarbeitung natürlicher Sprache. Zudem unterrichtete er den Stanford-Kurs CS231n über faltende neuronale Netze, dessen Vorlesungsnotizen und Materialien zu weit verbreiteten Selbstlernressourcen für eine Generation von Deep-Learning-Praktikern wurden.
OpenAI und Tesla
Karpathy war 2015 Gründungsmitglied von OpenAI und arbeitete an früher Verstärkungslern- und Deep-Learning-Forschung. 2017 verließ er das Unternehmen, um als Senior Director of AI zu Tesla zu wechseln, wo er das Computer-Vision- und neuronale-Netz-Team des Autopiloten leitete. Er strukturierte die selbstfahrende Software von Tesla um große neuronale Netze, die mit fahrzeugflotten-gesammelten Daten trainiert wurden, anstatt stark handgefertigter Regeln - Teil des breiteren Branchentrends rund um selbstfahrende Autos. Er verließ Tesla 2022 und kehrte 2023 kurz zu OpenAI zurück, bevor er 2024 erneut ging, um sich auf unabhängige Bildungsprojekte zu konzentrieren.
Bildung und öffentliches Schreiben
Während seiner gesamten Karriere hat Karpathy ein ungewöhnlich hohes öffentliches Profil als Pädagoge bewahrt. Er veröffentlichte 2015 den viel gelesenen Blogbeitrag "The Unreasonable Effectiveness of Recurrent Neural Networks", baute die Videokursreihe "Neural Networks: Zero to Hero" auf und erstellte minimale, lesbare Referenzimplementierungen von Kerncode für Deep Learning und Sprachmodell-Training, die dazu dienen, zu entmystifizieren, wie Systeme wie GPT-2 intern funktionieren. 2024 gründete er Eureka Labs, ein KI-natives Bildungs-Startup, das darauf abzielt, von Experten erstellte Kursinhalte mit KI-Nachhilfe zu kombinieren.
Prägung des Begriffs "Vibe Coding"
Im Februar 2025 popularisierte Karpathy den Begriff "Vibe Coding" in einem weit verbreiteten Social-Media-Beitrag. Er beschrieb damit einen Stil der Softwareentwicklung, bei dem ein Programmierer in natürlicher Sprache beschreibt, was er möchte, den von einem KI-Codierungsassistenten oder Agenten generierten Code akzeptiert und iteriert, ohne den generierten Code genau zu lesen oder vollständig zu verstehen - "vergessend, dass der Code überhaupt existiert". Der Begriff wurde schnell in der gesamten Branche übernommen, um einen breiteren Wandel zu beschreiben, wie Entwickler Werkzeuge wie Claude Code, Cursor und GitHub Copilot nutzten, zog aber auch Kritik von einigen Ingenieuren auf sich, die argumentierten, dass er schlechte Code-Reviews und technische Schulden normalisiere; die Debatte über seine Kosten und Vorteile setzte sich fort, als agentische Codierungswerkzeuge bis 2025 und 2026 leistungsfähiger wurden.