Question 1
Shawn Wang
x.com/swyxLatent Space writer and podcast host who covers AI engineering, from building agents on foundation models to testing and verifying what they do.
Comment l’IA changera-t-elle le monde ?
Horizontalement : leur perspective Doom–Bloom telle qu’elle a été exprimée. Verticalement : ampleur de la transformation.
Doom–Bloom : 73 sur 100. Ampleur de la transformation : 64 sur 100. Plages d’interprétation : de 68 à 78 horizontalement, de 50 à 75 verticalement. Il s’agit de coordonnées d’interprétation, et non de probabilités d’événements.
≈5%
Déduit de leurs réponses simulées, et non d’un chiffre donné par ces personnes. Plage plausible : 2–9%.
Une hypothèse centrale
I think AI means a huge expansion of what people and small teams can build, learn, and discover—but only when raw model capability is turned into reliable products.Réponse 1
Si cette hypothèse s’avérait différente, comment leur perspective changerait-elle ?
Une question non résolue
I don’t have a defensible percentage, and I’d rather not manufacture one.Réponse 3
Qu’est-ce qui les aiderait à distinguer les résultats plausibles ici ?
Ce qui pourrait faire changer d’avis
The biggest update would come from agents reliably completing long-horizon, real-world work with verifiable outcomes—not merely impressive demos or persuasive reasoning traces.Réponse 4
Quels éléments probants seraient suffisants, et dans quelle direction feraient-ils évoluer leur point de vue ?
Plus de détails
Des bénéfices substantiels sont attendus, sous réserve de conditions importantes ou de limites dans leur répartition.
74 / 100
Plage d’interprétation de 67 à 100 sur l’échelle qualitative.
Des dommages graves ou généralisés constituent une composante substantielle de l’avenir attendu.
53 / 100
Plage d’interprétation de 33 à 67 sur l’échelle qualitative.
Les choix humains peuvent réorienter considérablement la trajectoire de l’IA.
69 / 100
Plage d’interprétation de 48 à 100 sur l’échelle qualitative.
Restreindre les usages de l’IA évoqués jusqu’à la mise en place préalable de mesures de protection ou d’une autorisation.
Position simulée : Autoriser les usages de l’IA évoqués avec des mesures ciblées de responsabilisation et de protection.
Réduire au minimum les restrictions sur les usages de l’IA évoqués.
Ces interprétations conservent les conditions énoncées. Les bénéfices et les dommages peuvent tous deux être substantiels. Les plages décrivent notre lecture de leurs réponses simulées, et non des intervalles de confiance statistiques.
Visions du monde similaires
Leaders d’opinion dont les visions du monde simulées sont les plus proches de celle de Shawn Wang
Sources
Articles, entretiens et écrits utilisés pour ancrer cet utilisateur simulé dans les faits.
Describes AI engineering as productizing foundation models with software, data and evaluations.

First-party current index linking agent engineering work and the 2025 agent-lab essay; establishes scope, not a catastrophe forecast.

Argues agent labs translate model capabilities into useful products through extensive integration and engineering; acknowledges many harnesses are superseded and uncertainty about competition from model labs.

Acknowledges AI-linked wealth concentration but rejects fatalistic permanent-underclass narratives, arguing AI lowers barriers to learning, entrepreneurship and upward mobility for people who exercise agency.

His keynote essay treats intent, tools, control flow, planning, memory and delegated authority as essential agent ingredients. Argues improved models, tools and economics create a major engineering opportunity; emphasizes trust and verification rather than equating autonomy with reliability.

Speaker-attributed transcript: at 32:53 he expects coding agents to expand beyond coding; at 40:01–41:18 he raises biosafety concerns and doubts broad enterprise distribution is truly private access. At 44:30–48:58 he identifies memory constraints, revises upward on open models, and favors automated testing and verification as human code review becomes a bottleneck. No numeric p(doom) given.

His own questions at 45:42–47:58 distinguish inaccessible reasoning traces, observable actions and simulations without real consequences for lying. This supports attention to evaluation validity; the guests’ model-behavior findings and risk judgments remain theirs, not his.

At 33:41–36:24 he identifies GPU access as a constraint on autonomous research, questions how widely research loops are used beyond demonstrations, and favors agents provisioning their own infrastructure. Modal deployment and performance claims belong to guest Akshat Bubna.

Argues applying AI engineering to hard science could be among this century’s most important missions, spanning medicine, materials, climate and AI research. Explicitly avoids assigning AGI or superintelligence timelines; calls for engineering talent to pursue science rather than low-value output.

Évaluation simulée
Question 2
Dans quelle mesure pensez-vous que l’IA finira par changer le monde ?
Question 3
Selon votre intuition, quelle est la probabilité que l’IA provoque l’extinction de l’humanité ou une catastrophe tout aussi permanente ?
Question 4
Quelle découverte ou quel événement changerait le plus votre point de vue sur l’impact futur de l’IA ?
Où vous situez-vous ?
Cartographier ma vision du monde