MicroGPT: 인공지능 아키텍처의 투명성 확보와 자율적 코딩 에이전트로의 기술적 고찰

2026-02-18, G30DR

현대 인공지능 기술의 비약적인 성장은 거대 언어 모델(Large Language Models, LLM)의 복잡성을 가속화하며 모델의 내부 작동 원리를 불투명하게 만드는 블랙박스화를 초래했다. 이러한 기술적 장벽에 대응하여 등장한 MicroGPT는 두 가지 핵심적인 경로를 통해 인공지능 생태계에 기여한다. 하나는 안드레 카파시(Andrej Karpathy)가 주도한 교육적 미니멀리즘 프로젝트로, 외부 라이브러리 의존성 없이 순수 파이썬만으로 GPT 아키텍처를 구현하여 기술적 투명성을 극대화한 것이다. 다른 하나는 실제 개발 현장에서 생산성을 혁신하기 위해 설계된 자율형 코딩 어시스턴트 및 에이전트로서의 MicroGPT이다. 본 보고서는 MicroGPT의 아키텍처, 자율적 에이전트로서의 메커니즘, 그리고 주요 자율형 AI 프레임워크와의 비교 분석을 통해 현대 인공지능 기술이 지향해야 할 방향성을 심층적으로 논의한다.

1. MicroGPT의 기술적 기원과 설계 철학

MicroGPT의 근간은 복잡한 인공지능 시스템을 가장 원자적인 단위로 분해하여 그 원리를 증명하는 데 있다. 특히 카파시의 프로젝트는 PyTorch나 TensorFlow와 같은 고성능 프레임워크가 은폐하고 있는 수학적 토대를 명시적으로 드러낸다. 이는 단순히 코드를 짧게 만드는 것을 넘어, 신경망의 학습과 추론이 스칼라 연산의 집합체임을 입증하는 기술적 도전이다.

1.1 자동 미분 엔진의 원형적 구현: Value 클래스

신경망 학습의 핵심은 오차 역전파(Backpropagation)이며, 이를 가능하게 하는 것은 자동 미분(Autograd) 시스템이다. MicroGPT는 이를 위해 Value라는 단일 클래스를 정의한다. 이 클래스는 순전파 과정에서 계산된 데이터 값(data)을 저장하고, 역전파 시 각 연산의 국소적 기울기(local gradient)를 기록하며 최종 손실 함수에 대한 해당 노드의 미분값(grad)을 추적한다.

연산 유형	순전파(Forward)	국소적 기울기(Local Gradients)	비고
덧셈 ( $a + b$ )	$a + b$	$\frac{\partial}{\partial a}=1, \frac{\partial}{\partial b}=1$	기울기 보존 전파
곱셈 ( $a \times b$ )	$a \cdot b$	$\frac{\partial}{\partial a}=b, \frac{\partial}{\partial b}=a$	상호 변수 값에 의한 조정
거듭제곱 ( $a^n$ )	$a^n$	$\frac{\partial}{\partial a}=n \cdot a^{n-1}$	비선형 변화율 추적
로그 ( $\ln(a)$ )	$\ln(a)$	$\frac{\partial}{\partial a}=\frac{1}{a}$	손실 계산의 핵심
ReLU	$\max(0, a)$	$\frac{\partial}{\partial a}=1$ (if $a>0$ , else 0)	희소성 유도 활성화

이러한 스칼라 단위의 미분 시스템은 텐서 연산에 익숙한 현대 개발자들에게 연쇄 법칙(Chain Rule)이 실제 하드웨어 수준에서 어떻게 수치적으로 처리되는지를 시각화해 준다. 특히 위상 정렬(Topological Sort)을 통해 그래디언트가 올바른 순서로 축적되도록 보장하는 구조는 자동 미분 엔진의 알고리즘적 무결성을 보여준다.

1.2 트랜스포머 블록의 미니멀리즘 구조

MicroGPT는 GPT-2 아키텍처를 계승하되, 교육적 명확성을 위해 최신 최적화 기법을 배제하거나 단순화했다. 모델은 토큰 임베딩(wte)과 위치 임베딩(wpe)의 합으로 입력을 구성하며, 이는 현대 LLM이 채택하는 RoPE(Rotary Positional Embedding) 이전의 절대적 위치 인코딩 방식을 따른다.

아키텍처의 중추를 이루는 어텐션 블록(Attention Block)은 Query(Q), Key(K), Value(V) 벡터 투영을 통해 토큰 간의 통신 메커니즘을 형성한다. Query는 “내가 무엇을 찾고 있는가?”, Key는 “나는 어떤 정보를 포함하고 있는가?”, Value는 “선택될 경우 무엇을 제공할 것인가?“를 의미한다. 어텐션 헤드는 Q와 K의 점곱을 통해 어텐션 가중치를 계산하고, 이를 기반으로 V의 가중 합을 구함으로써 컨텍스트를 통합한다.

MLP(Multilayer Perceptron) 블록은 어텐션이 수행한 통신 결과를 바탕으로 개별 토큰 위치에서의 연산을 담당한다. MicroGPT는 임베딩 차원의 4배로 확장했다가 다시 축소하는 2층 구조를 택하며, 각 층 사이에 ReLU 활성화 함수를 배치하여 모델의 표현력을 확보한다. 이 과정에서 RMSNorm은 입력을 정규화하여 수치적 안정성을 제공하고 그래디언트 폭주나 소실을 방지한다.

2. 자율적 코딩 에이전트로서의 확장과 실무적 적용

교육적 프로젝트와 별개로, 상용 소프트웨어 개발 생태계에서 MicroGPT는 실질적인 자율성을 갖춘 코딩 에이전트로 정의된다. 이는 단순한 코드 완성을 넘어 개발자의 워크플로우 전체를 지능화하는 도구로 작동한다.

2.1 에이전트의 자율성 메커니즘과 성능 지표

MicroGPT는 약 74%의 높은 자율성 수준을 달성한 것으로 평가된다. 이러한 자율성은 목표가 설정된 후 인간의 개입을 최소화하면서 다단계 작업을 수행하는 능력에서 기인한다. GPT-4의 추론 능력을 아키텍처에 통합함으로써 복잡한 목표를 하위 작업으로 분해하고, IDE와의 긴밀한 통합을 통해 자동화된 코드 실행 및 지속적인 워크플로우를 실현한다.

성능 지표	향상 수치	비고
개발자 만족도	최대 75% 향상	비사용자 그룹 대비 비교 우위
코딩 효율성	최대 55% 향상	반복 작업 감소 및 문제 해결 집중
언어 지원	80개 이상의 프로그래밍 언어	다국어 및 다중 프레임워크 대응
자율성 지수	74%	다단계 작업 분해 및 실행 능력

사용자는 자연어를 통해 “LoginController에 대한 통합 테스트 추가“와 같은 지시를 내릴 수 있으며, MicroGPT 에이전트는 리포지토리를 분석하고 필요한 코드를 작성한 뒤 테스트를 수행하여 결과를 보고한다. 특히 깃허브(GitHub)와의 연동을 통해 이슈 할당 시 백그라운드에서 풀 리퀘스트(Pull Request)를 생성하고 리뷰를 요청하는 비동기적 작업이 가능하다.

2.2 주요 기능적 특징 및 생산성 도구

MicroGPT는 단순한 텍스트 예측을 넘어 개발 환경의 다양한 구성 요소와 상호작용한다. Visual Studio Code와 같은 대중적인 IDE 내에서 실시간 코드 분석 및 피드백을 제공하며, 다음과 같은 구체적인 기능을 수행한다.

첫째, 지능형 코드 분석과 실시간 피드백이다. MicroGPT는 개발자가 코드를 작성함에 따라 실시간으로 구문 오류나 논리적 허점을 파악하여 VS Code의 Problems 패널에 표시한다. 이는 디버깅에 소요되는 시간을 획기적으로 단축시킨다.

둘째, 자동 문서화 및 파일 조직화 기능이다. Ctrl+Alt+U 단축키를 통해 프로젝트 내의 파일들을 로직에 따라 적절한 폴더로 분류하고, 함수의 기능에 맞춰 주석을 생성하는 등 유지보수 효율을 높인다.

셋째, 자연어 기반 코드 생성이다. Ctrl+Alt+Q를 사용하여 원하는 함수의 기능을 자연어로 입력하면 해당 언어에 맞는 최적화된 코드를 즉각적으로 생성해 준다. 이는 신규 기술 스택을 도입하거나 표준적인 보일러플레이트 코드를 작성할 때 유용하다.

3. 자율형 에이전트 프레임워크 간의 비교 분석

자율형 AI 에이전트 시장은 MicroGPT뿐만 아니라 AutoGPT, BabyAGI, MetaGPT 등 다양한 접근 방식의 프레임워크들이 공존하고 있다. 각 시스템은 문제 해결 방식과 자율성의 정의에서 뚜렷한 차이를 보인다.

3.1 MicroGPT와 AutoGPT의 기술적 대조

AutoGPT는 범용적인 목적을 달성하기 위해 LLM의 ’생각’을 연쇄시키고 인터넷 검색, 장단기 메모리 관리, 파일 시스템 접근 등을 자율적으로 수행하는 데 초점을 맞춘다. 반면 MicroGPT는 미니멀리즘과 신뢰성에 우선순위를 둔다.

비교 항목	AutoGPT	MicroGPT
핵심 목표	범용 자율 작업 수행 (AGI 지향)	콤팩트하고 신뢰할 수 있는 실행
기술적 특징	멀티모달(텍스트/이미지) 처리 지원	최소한의 의존성과 교육적 투명성
문제점	자기 피드백 루프에 의한 오류 취약성	단일 스레드 연산으로 인한 성능 제약
보안 메커니즘	내장된 보안 조치 부족(발전 중)	온프레미스 배포 옵션 및 데이터 보호

AutoGPT는 강력한 범용성을 자랑하지만, 무한 루프에 빠지거나 높은 API 호출 비용이 발생하는 등의 안정성 문제가 지적된다. 이에 비해 MicroGPT는 코딩 어시스턴트로서의 명확한 경계 안에서 작동하며, 기업 환경에 필요한 보안과 데이터 보존 정책(Zero Data Retention)을 강조한다.

3.2 BabyAGI 및 MetaGPT와의 관계성

BabyAGI는 목표를 설정하면 지속적으로 작업을 생성하고 우선순위를 정하며 실행하는 인간의 인지 과정을 모방한다. 이는 작업 관리 시스템으로서의 성격이 강하며, 가벼운 아키텍처 덕분에 빠른 배포가 가능하다. MetaGPT는 소프트웨어 회사 내의 여러 역할(제품 관리자, 설계자, 엔지니어 등)을 AI 에이전트에게 할당하여 복잡한 프로젝트를 협업 방식으로 해결하는 구조를 취한다.

MicroGPT는 이러한 프레임워크들 사이에서 ’실행력’과 ’이해 가능성’의 균형을 맞춘 모델로 위치한다. BabyAGI가 관리적 자율성에 집중하고 MetaGPT가 구조적 협업에 집중한다면, MicroGPT는 개발자 개개인의 생산성 도구로서 가장 원자적인 수준의 코드 제어 권한을 제공한다.

4. 시스템 구축 및 운용 요구사항

MicroGPT를 효과적으로 도입하고 운용하기 위해서는 기술적 환경과 리소스 최적화에 대한 이해가 필요하다. 특히 경량화된 모델인 만큼 다양한 하드웨어 및 소프트웨어 환경에서의 적응력이 중요하다.

4.1 하드웨어 및 소프트웨어 설치 요건

MicroGPT의 교육적 버전과 라이브러리 버전은 낮은 사양의 기기에서도 구동되도록 설계되었다. 노트북, 임베디드 장치, 심지어 모바일 플랫폼에서도 실행이 가능하며, 하드웨어 자원에 따라 모델 크기를 유연하게 조정할 수 있다.

소프트웨어 요구사항: Python 3.8 이상의 버전이 필수적으로 요구되며, 라이브러리 형태의 설치는 pip install microgpt 명령을 통해 간단히 수행할 수 있다.
하드웨어 권장사양: 인텔 x64 기반 1.8GHz 이상의 CPU 2코어, 4GB 이상의 가용 RAM이 최소 사양으로 제시되지만, 원활한 자율 작업 수행을 위해서는 4코어 이상의 CPU와 8GB 이상의 RAM이 권장된다.
에이전트 구동 환경: 복잡한 자율형 에이전트 기능을 활용하기 위해서는 Docker 및 Docker Compose 환경이 필요하며, 이는 백그라운드 서비스의 격리된 실행과 일관된 성능을 보장한다.

4.2 리소스 최적화 및 보안 아키텍처

MicroGPT는 자원이 제한된 환경에서도 동작할 수 있도록 다양한 최적화 기술을 적용한다. PyTorch 2.0 이상의 환경에서는 Flash Attention을 활용하여 연산 효율을 높이며, 토큰 임베딩과 출력층의 가중치를 공유하는 Weight Tying 기법을 통해 파라미터 수를 줄인다.

보안 측면에서 MicroGPT는 기업의 독점 코드를 보호하기 위해 온프레미스 배포를 지원하며, 데이터 공유를 차단하는 프라이버시 설정을 제공한다. 이는 데이터 주권이 중요한 규제 산업이나 보안이 강조되는 금융 서비스 업계에서 에이전트를 안전하게 도입할 수 있는 근거가 된다.

5. MicroGPT의 산업적 유스케이스와 향후 전망

자율형 에이전트로서 MicroGPT가 창출하는 산업적 가치는 단순히 코딩 보조에 그치지 않고, 비즈니스 프로세스 자동화와 새로운 경제 모델의 형성으로 확장된다.

5.1 비즈니스 프로세스 및 지식 관리의 지능화

기업은 MicroGPT 에이전트를 활용하여 지식 병목 현상을 해소하고 수작업을 최소화할 수 있다. 예를 들어, IT 운영팀은 에이전트를 사용하여 지원 티켓을 분류하고 초기 문제 해결 단계를 자동으로 생성하여 응답 시간을 40%까지 단축할 수 있다. 또한, 복잡한 규정 준수 문서를 분석하고 내부 제어 시스템과 대조하여 격차를 보고하는 등의 고차원적인 분석 작업에도 활용된다.

제품 관리자는 MicroGPT 에이전트를 통해 경쟁사의 릴리스 노트와 시장 분석 보고서를 주기적으로 요약받고, 내부 로드맵 변경 사항을 실시간으로 업데이트받아 전략적 의사결정 속도를 높일 수 있다. 이러한 ‘에이전트 크루’ 형태의 협업 구조는 조직 내 지식 자산을 유기적으로 연결한다.

5.2 블록체인 기반의 경제 모델: $MICRO 토큰

MicroGPT는 인공지능 기술에 블록체인을 결합한 “Code-to-Earn” 모델을 제시한다. 개발자는 플랫폼 내에서 코딩, 버그 수정, 기능 개선 등의 기여를 수행함으로써 $MICRO 토큰을 보상으로 받는다. 이는 오픈소스 기여의 가치를 수치화하고 생태계 참여를 독려하는 강력한 인센티브 메커니즘으로 작동한다. 이러한 모델은 토큰 이코노미를 통해 AI 플랫폼의 성장이 커뮤니티의 이익으로 환원되는 선순환 구조를 지향한다.

5.3 기술적 진화 방향: 소형 모델과 고도의 추론

앞으로 MicroGPT는 LLaMA, DeepSeek, Mistral, Phi와 같은 최신 소형 언어 모델(Small Language Models, SLM)과의 결합을 통해 인터넷 연결이 없는 환경에서도 강력한 성능을 발휘하는 방향으로 진화할 것이다. 개인화된 AI 캐릭터를 생성하거나 오프라인 환경에서 프라이버시를 유지하며 지능형 어시스턴트를 구동하는 능력은 모바일 AI 시대의 핵심 경쟁력이 될 것으로 예상된다.

또한, 앤스로픽(Anthropic)이 제시한 코드 실행 기반 추론 방식과 같이, 에이전트가 단순히 도구를 호출하는 것이 아니라 직접 코드를 작성하고 실행하여 결과를 검증하는 방식으로 진화함으로써 토큰 사용 효율을 높이고 비용을 98% 이상 절감하는 기술적 도약을 이룰 것이다.

6. 기술적 한계 및 고려사항

MicroGPT가 제공하는 수많은 혜택에도 불구하고, 기술적 완성도와 운용 측면에서 신중히 고려해야 할 한계가 존재한다.

첫째, 순수 파이썬 구현 버전의 성능적 제약이다. 교육용 MicroGPT는 성능 최적화보다는 이해의 명확성에 초점을 맞추었기 때문에 GPU 가속이나 벡터화된 연산을 지원하지 않아 대규모 훈련에는 부적합하다. 실제 서비스 환경에서는 이를 최적화된 프레임워크로 포팅하거나 상용 솔루션을 병행 사용해야 한다.

둘째, 자율적 행동의 위험성이다. AutoGPT와 마찬가지로 MicroGPT 에이전트 역시 명확한 경계가 설정되지 않을 경우 의도치 않은 연쇄 작용을 일으킬 수 있다. 이는 기업 환경에서 통제 불가능한 비용 발생이나 시스템 오류로 이어질 수 있으므로, 감사 로그(Audit Trail)와 실행 권한 제한(Role-based Access Control) 등의 거버넌스 체계 구축이 필수적이다.

셋째, 컨텍스트 윈도우의 제한이다. 미니멀리즘 아키텍처를 지향하는 만큼, 대규모 코드베이스 전체를 한 번에 이해하는 데 한계가 있을 수 있다. 이를 극복하기 위해 벡터 데이터베이스를 활용한 장기 메모리 관리나 시맨틱 캐싱(Semantic Caching) 기술의 도입이 지속적으로 요구된다.

7. 결론

MicroGPT는 인공지능 기술의 ’투명한 이해’와 ’자율적 활용’이라는 두 가지 시대적 요구를 충족시키는 중요한 기술적 지표이다. 카파시의 프로젝트가 보여준 교육적 미니멀리즘은 인공지능 아키텍처의 블랙박스를 해체하여 누구나 기술적 근간을 파악할 수 있는 길을 열어주었다. 동시에 자율형 코딩 에이전트로서의 MicroGPT는 실제 개발 현장에서 생산성을 혁신하고 개발자의 역할을 단순 노동에서 창의적 설계로 격상시키고 있다.

앞으로의 AI 시장은 거대 모델의 경쟁뿐만 아니라, MicroGPT와 같이 효율적이고 신뢰할 수 있으며 투명한 소형 모델 및 에이전트들의 활약이 두드러질 것이다. 특히 블록체인 기반의 경제 모델과 오프라인 구동 능력, 그리고 지능형 작업 관리 시스템의 결합은 MicroGPT를 단순한 도구를 넘어 독립적인 디지털 경제 주체로 성장시킬 가능성을 내포하고 있다. 기술적 한계를 인식하고 이를 보완하기 위한 거버넌스와 최적화 노력을 병행한다면, MicroGPT는 인공지능 대중화와 생산성 혁명의 중심축이 될 것이다.

8. 참고 자료

microgpt - Andrej Karpathy blog, http://karpathy.github.io/2026/02/12/microgpt/
How Andrej Karpathy Built a Working Transformer in 243 Lines of Code - Analytics Vidhya, https://www.analyticsvidhya.com/blog/2026/02/andrej-karpathy-microgpt/
MicroGPT - AI Agent Store, https://aiagentstore.ai/ai-agent/microgpt
Micro GPT ($MICRO) Price Today, News & Live Chart | Forbes Crypto Market Data, https://www.forbes.com/digital-assets/assets/micro-gpt-micro-2/
MicroGPT - Visual Studio Marketplace, https://marketplace.visualstudio.com/items?itemName=MicroGPT.MicroGPT
MicroGPT: Elevate Your Coding and Earn with Your Personal AI-Powered Partner - Seedify, https://blog.seedify.fund/microgpt-elevate-your-coding-and-earn-with-your-personal-ai-powered-partner-b436cca85387
Anatomy of microgpt. A start-to-finish, code-faithful… | by Dreamwalker(박제창) - Medium, https://medium.com/@aristojeff/anatomy-of-microgpt-36abdb027191
Andrej Karpathy’s microGPT Architecture — Complete Guide - DEV Community, https://dev.to/rsrini7/andrej-karpathys-microgpt-architecture-complete-guide-em8
microgpt - gists · GitHub, https://gist.github.com/karpathy/8627fe009c40f57531cb18360106ce95
microgpt - GitHub Gist, https://gist.github.com/karpathy/8627fe009c40f57531cb18360106ce95?permalink_comment_id=5983230
Andrej Karpathy’s microGPT Architecture - Step-by-Step Flow in Plain English - Reddit, https://www.reddit.com/r/learnmachinelearning/comments/1r3qaky/andrej_karpathys_microgpt_architecture_stepbystep/
microgpt - gists · GitHub, https://gist.github.com/karpathy/8627fe009c40f57531cb18360106ce95?permalink_comment_id=5984559
Agents panel: Launch Copilot coding agent tasks anywhere on GitHub - The GitHub Blog, https://github.blog/news-insights/product-news/agents-panel-launch-copilot-coding-agent-tasks-anywhere-on-github/
Comparing MetaGPT Vs AutoGPT: A Comprehensive Guide - SmythOS, https://smythos.com/developers/agent-comparisons/metagpt-vs-autogpt/
AutoGPT vs BabyAGI: An In-depth Comparison - SmythOS, https://smythos.com/developers/agent-comparisons/autogpt-vs-babyagi/
AutoGPT vs. BabyAGI Comparison - SourceForge, https://sourceforge.net/software/compare/AutoGPT-vs-BabyAGI/
awesome-llm-and-aigc/README.md at main - GitHub, https://github.com/coderonion/awesome-llm-and-aigc/blob/main/README.md
The Rise of Autonomous Agents: AutoGPT, AgentGPT, and BabyAGI - BairesDev, https://www.bairesdev.com/blog/the-rise-of-autonomous-agents-autogpt-agentgpt-and-babyagi/
Agentic AI Comparison: BabyAGI vs MemGPT, https://aiagentstore.ai/compare-ai-agents/babyagi-vs-memgpt
ChatGPT, Next Level: Meet 10 Autonomous AI Agents: Auto-GPT, BabyAGI, AgentGPT, Microsoft Jarvis, ChaosGPT & friends | by Maximilian Vogel | The Generator | Medium, https://medium.com/the-generator/chatgpts-next-level-is-agent-ai-auto-gpt-babyagi-agentgpt-microsoft-jarvis-friends-d354aa18f21
2025 List of Autonomous AI Agents: Ranked & Rated - Unity Communications, https://unity-connect.com/our-resources/blog/list-of-autonomous-ai-agents/
AI Agents: Types, Functions, Advantages & Challenges - Exploring the World of Autonomous Intelligence, https://lablab.ai/blog/the-best-ai-agents-in-2023
microgpt - PyPI, https://pypi.org/project/microgpt/
Robot - Hardware and software requirements - UiPath Documentation, https://docs.uipath.com/robot/standalone/latest/admin-guide/hardware-and-software-requirements
AutoGPT Guide: Creating And Deploying Autonomous AI Agents Locally - DataCamp, https://www.datacamp.com/tutorial/autogpt-guide
⁠What Autonomous AI Agents Can Do Today And How to Get Started - ITMAGINATION, https://www.itmagination.com/blog/autonomous-ai-agents-we-are-at-a-dawn-of-a-new-era-of-ai
Introduction to Autonomous AI Agents | Microsoft Copilot, https://www.microsoft.com/en-us/microsoft-copilot/copilot-101/autonomous-ai-agents
Building Autonomous Systems: A Guide to Agentic AI Workflows | DigitalOcean, https://www.digitalocean.com/community/conceptual-articles/build-autonomous-systems-agentic-ai
2월 18, 2026에 액세스, [https://blog.seedify.fund/microgpt-elevate-your-coding-and-earn-with-your-personal-ai-powered-partner-b436cca85387#:_{:text=MicroGPT%20is%20an%20advanced%20platform,write%20and%20debug%20code%20faster.](https://blog.seedify.fund/microgpt-elevate-your-coding-and-earn-with-your-personal-ai-powered-partner-b436cca85387#:}:text=MicroGPT is an advanced platform, https://blog.seedify.fund/microgpt-elevate-your-coding-and-earn-with-your-personal-ai-powered-partner-b436cca85387#:~:text=MicroGPT%20is%20an%20advanced%20platform,write%20and%20debug%20code%20faster.
MicroGpt - Apps on Google Play, https://play.google.com/store/apps/details?id=com.anonymous.MicroGpt
AI Agent Revolution: How Anthropic Cut Token Usage by 98% with Code Execution, https://towardsai.net/p/machine-learning/ai-agent-revolution-how-anthropic-cut-token-usage-by-98-with-code-execution
microgpt · GitHub, https://gist.github.com/karpathy/8627fe009c40f57531cb18360106ce95?permalink_comment_id=5989999
microgpt - gists · GitHub, https://gist.github.com/karpathy/8627fe009c40f57531cb18360106ce95?permalink_comment_id=5985124