Pregunta 1
Subbarao Kambhampati
x.com/rao2zArizona State AI planning researcher who studies the limits of LLM reasoning and argues AI agents need external verifiers and accountable developers.
¿Cómo cambiará la IA el mundo?
Horizontal: su perspectiva Doom–Bloom expresada. Vertical: escala de la transformación.
Doom–Bloom: 61 de 100. Escala de la transformación: 59 de 100. Rangos de interpretación: de 56 a 76 en horizontal y de 50 a 75 en vertical. Son coordenadas de interpretación, no probabilidades de eventos.
≈4%
Inferido a partir de sus respuestas simuladas, no de un número que haya dado. Rango plausible: 2–8%.
Un supuesto central
If a proposed plan can be checked and revised before execution, these systems can be extremely valuable.Respuesta 1
Si este supuesto resultara distinto, ¿cómo cambiaría su perspectiva?
Una pregunta sin resolver
I don’t have a defensible number.Respuesta 3
¿Qué le ayudaría a distinguir aquí entre los desenlaces plausibles?
Qué podría hacer cambiar de opinión
The most consequential discovery would be a system that can reliably generate, verify, and execute plans in novel, real-world, non-ergodic settings—without external verifiers—and whose correctness guarantees survive adversarial testing.Respuesta 4
¿Qué evidencia bastaría y en qué dirección movería su visión?
Más detalles
Se esperan beneficios sustanciales, con condiciones importantes o límites en su distribución.
67 / 100
Rango de interpretación de 67 a 67 en la escala cualitativa.
Se espera que los daños graves o generalizados sean una parte significativa del futuro.
61 / 100
Rango de interpretación de 33 a 67 en la escala cualitativa.
Las decisiones humanas tienen una influencia significativa, aunque muy condicionada.
54 / 100
Rango de interpretación de 44 a 81 en la escala cualitativa.
Detener o frenar considerablemente el desarrollo de IA más capaz.
Posición simulada: Continuar el desarrollo con las salvaguardas indicadas.
Acelerar el desarrollo de IA más capaz.
Restringir los usos de la IA mencionados hasta que existan protecciones o permisos previos.
Posición simulada: Permitir los usos de la IA mencionados con rendición de cuentas y protecciones específicas.
Reducir al mínimo las restricciones a los usos de la IA mencionados.
Estas interpretaciones conservan las condiciones que se indicaron. Los beneficios y los daños pueden ser considerables a la vez. Los rangos describen cómo leemos sus respuestas simuladas, no intervalos de confianza estadísticos.
Visiones similares
Líderes de opinión cuyas visiones simuladas son las más cercanas a la de Subbarao Kambhampati
Evaluación simulada
Fuentes
Artículos, entrevistas y textos usados para fundamentar a este usuario simulado.
Co-authored position paper, first posted 2025-04-14 and revised (v4) on 2026-06-09 for ICML 2026. Argues that calling intermediate tokens reasoning or thinking traces is not a harmless metaphor but dangerous, because it confuses what these models are and how to use them and leads to questionable research. Abstract and introduction inspected; the experiments were not audited. An interpretive and methodological position, not a societal forecast.

On The Information Bottleneck podcast he describes LLMs as strong generators without correctness guarantees, best paired with verifiers in his LLM-Modulo framework, and says reasoning models moved the verifier into post-training. On safety he places himself closer to Yann LeCun than to Hinton or Bengio, says shutdown-deception studies reflect imitation of human data rather than evidence AI will kill humanity, and locates real risk in executing generated plans without verifier guardrails. He says he questions the overemphasis on existential threat, not safety itself. Automated transcript with errors; own turns in the planning and safety segments inspected.

Secondary Economic Times report; date unverified, though a syndicated copy is dated 2026-03-31 and he shared it on 2026-04-06. Quotes him that AI development cannot be stopped because one government’s ban does not control the world, that his biggest safety concern is agentic systems acting through real-world APIs, and that a plan should not be executed unless the probability of damage is known to be extremely low, an area he researches. Indexed article text inspected; wording is the reporter’s rendering.

His own LinkedIn post says AGI has become a marketing buzzword rather than a meaningful goal. It reshares a colleague’s report of his panel quip at an AI summit that AGI will be achieved when Sam Altman says it is; that wording is relayed by someone else. A judgment about the term, not a capability timeline. Indexed post text inspected.

Older co-authored ICML 2024 position paper, kept as background for his framework. Argues autoregressive LLMs cannot by themselves plan or self-verify, but are useful universal approximate knowledge sources when combined with external model-based verifiers in a tight bidirectional loop. Abstract inspected. His 2026 podcast and posts take precedence on how he sees reasoning models.

¿Dónde te ubicas?
Mapear mi visión de la IA