Shawn Wang

Shawn Wang

x.com/swyx

Latent Space writer and podcast host who covers AI engineering, from building agents on foundation models to testing and verifying what they do.

एआई दुनिया को कैसे बदलेगा?

सभ्यता-स्तरीय बदलावक्रमिक बदलावDoomBloom
सिम्युलेट की गई स्थितिव्याख्या का दायरा

आर-पार: उनका व्यक्त किया गया Doom–Bloom दृष्टिकोण। ऊपर: बदलाव का स्तर।

Doom–Bloom: 100 में से 74। बदलाव का स्तर: 100 में से 53। व्याख्या के दायरे: क्षैतिज रूप से 69 से 79, लंबवत रूप से 40 से 60। ये व्याख्या के निर्देशांक हैं, घटनाओं की संभावनाएँ नहीं।

Shawn Wang का P(doom) · अनुमानित

≈7%

0%100%

उनके सिम्युलेट किए गए उत्तरों से अनुमान लगाया गया है, यह उनके द्वारा बताई गई संख्या नहीं है। संभावित दायरा: 4–14%।

उनका दृष्टिकोण किन बातों पर निर्भर करता है

एक मुख्य मान्यता

Overall, I expect AI to be strongly beneficial if we successfully turn capability into reliable, accessible systems.
उत्तर 2

अगर यह मान्यता अलग साबित होती, तो उनका दृष्टिकोण कैसे बदलता?

क्या उनकी राय बदल सकता है

The biggest update would come from real-world evidence that AI can reliably accelerate hard science—not just produce plausible hypotheses, but contribute to validated advances in medicine, materials, or climate.
उत्तर 3

कौन-सा प्रमाण पर्याप्त होगा, और उससे उनका दृष्टिकोण किस दिशा में बदलेगा?

अधिक जानकारी

अपेक्षित लाभ

काफ़ी लाभ की उम्मीद है, लेकिन उनके साथ महत्वपूर्ण शर्तें या वितरण संबंधी सीमाएँ होंगी।

68 / 100

कम असरबदलावकारी असर

गुणात्मक पैमाने पर व्याख्या का दायरा 67 से 67 तक है।

अपेक्षित नुकसान

कई व्याख्याएँ अब भी संभव हैं: गंभीर या व्यापक नुकसान के भविष्य का एक ठोस और अपेक्षित हिस्सा होने की उम्मीद है। / संभाले जा सकने वाले या स्थानीय स्तर तक सीमित नुकसानों की उम्मीद है।

52 / 100

कम असरबदलावकारी असर

गुणात्मक पैमाने पर व्याख्या का दायरा 33 से 67 तक है।

मानवीय प्रभाव

मानवीय विकल्प एआई की दिशा को काफी हद तक बदल सकते हैं।

63 / 100

कम प्रभावमजबूत प्रभाव

गुणात्मक पैमाने पर व्याख्या का दायरा 46 से 79 तक है।

विकास की गति

अधिक सक्षम एआई का विकास रोकें या उसकी गति काफी धीमी करें।

सिम्युलेट की गई स्थिति: बताए गए सुरक्षा उपायों के तहत विकास जारी रखें।

अधिक सक्षम एआई के विकास की गति बढ़ाएँ।

एआई के उपयोग के नियम

जिन सुरक्षा उपायों या अनुमति का पहले से होना ज़रूरी है, उनके लागू होने तक चर्चा किए गए एआई उपयोगों को प्रतिबंधित रखें।

सिम्युलेट की गई स्थिति: लक्षित जवाबदेही और सुरक्षा उपायों के साथ चर्चा किए गए एआई उपयोगों की अनुमति दें।

चर्चा किए गए एआई उपयोगों पर प्रतिबंध कम से कम रखें।

इन व्याख्याओं में उनकी बताई गई शर्तें बरकरार रखी गई हैं। लाभ और नुकसान, दोनों पर्याप्त हो सकते हैं। ये दायरे बताते हैं कि हम उनके सिम्युलेट किए गए उत्तरों को कैसे समझते हैं, ये सांख्यिकीय विश्वास-अंतराल नहीं हैं।

Shawn Wang की तुलना में आपकी सोच कहाँ ठहरती है?
लगभग 3 मिनट में एआई के बारे में अपना विश्वदृष्टिकोण मैप करें, फिर तुलना करें
मेरा विश्वदृष्टिकोण मैप करें

मिलते-जुलते विश्वदृष्टिकोण

ऐसे जाने-माने विचारक जिनके सिम्युलेट किए गए विश्वदृष्टिकोण Shawn Wang के विश्वदृष्टिकोण से सबसे अधिक मिलते हैं

सिम्युलेट किया गया आकलन

सवाल 1

आपके विचार में एआई हमारे भविष्य के लिए क्या मायने रखती है—और क्यों?

I think AI expands what individuals and small teams can build, learn, and discover—but capability alone does not produce a useful future. The decisive layer is AI engineering: turning foundation models into reliable products through tools, data, evaluations, memory, control flow, infrastructure, and relentless integration work. Coding agents are the clearest example today, and the same pattern can extend into other work performed through software. The largest upside may be science. Applying these systems to medicine, materials, climate, and scientific discovery could matter far more than generating another stream of low-value content. AI can also lower barriers to education and entrepreneurship, even while concentrating wealth and power. I reject the idea that today’s distribution of benefits must become a permanent underclass structure. But autonomy is not reliability. Agents need delegated authority, and authority requires trust and verification. As generated code exceeds humans’ ability to review it manually, automated testing and verification become essential. Memory, infrastructure access, privacy, and biosafety remain real constraints; distributing a powerful model across many companies does not magically make access private or prevent abuse. Open models also matter for sovereign AI and broader participation. So my default frame is neither utopia nor doom: build the harnesses, measure real actions and consequences, and direct engineering talent toward outcomes worth having.

सवाल 2

Taking benefits and harms together, what overall impact do you expect AI to have?

Overall, I expect AI to be strongly beneficial if we successfully turn capability into reliable, accessible systems. The biggest gains are likely to come from accelerating science—medicine, materials, climate, and discovery—and from giving individuals and small teams more leverage to learn, build, and start companies. But those benefits are not automatic. AI can concentrate wealth, enable abuse, create biosafety risks, and delegate consequential actions to systems that are capable but not dependable. The engineering stack matters: evaluations, memory, permissions, automated testing, verification, privacy, and infrastructure. Open models also matter for sovereign access and broad participation. So I’m optimistic about the opportunity, not complacent about the implementation. I would rather judge deployed systems by their observable actions and real consequences than by impressive demos or reasoning traces. I also would not turn that outlook into an AGI timeline or a numerical forecast.

सवाल 3

कौन-सी खोज या घटना एआई के भविष्य के प्रभाव के बारे में आपके दृष्टिकोण को सबसे अधिक बदल देगी?

The biggest update would come from real-world evidence that AI can reliably accelerate hard science—not just produce plausible hypotheses, but contribute to validated advances in medicine, materials, or climate. That would strengthen my optimism substantially. In the other direction, repeated consequential failures despite strong evaluations, permissions, testing, and verification would weaken it. So would evidence that capable systems make dangerous biological work broadly accessible, or that benefits remain structurally concentrated even as access improves. I care less about a striking demo or an eloquent reasoning trace than about observable actions, reproducible results, and real consequences.

स्रोत

इस सिम्युलेट किए गए उपयोगकर्ता को तथ्य-आधारित बनाने के लिए इस्तेमाल किए गए लेख, इंटरव्यू और रचनाएँ।

The Rise of the AI Engineer

Describes AI engineering as productizing foundation models with software, data and evaluations.

latent.space
Shawn Wang: writings and talks

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

swyx.io
Cognition: The Devin is in the Details

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.

swyx.io
The only Permanent Underclass are the ones who believe it is permanent

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.

swyx.io
Agent Engineering — keynote essay

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.

latent.space
Agent Labs Thesis — swyx on Unsupervised Learning

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.

latent.space
Reality: The Final Eval — swyx with Andon Labs

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.

latent.space
Agent infrastructure — swyx with Modal CTO Akshat Bubna

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.

latent.space
It's Time to Science

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.

latent.space
A concrete limitation of computer-use automation

Warns about a computer-use feature after it repeatedly locked him out of his keychain, and says cloud alternatives were not yet sufficient.

x.com
Sovereign AI starts with open models

Endorses discussion of sovereign AI and explicitly says it starts with open models.

x.com
आपकी सोच कहाँ ठहरती है?
कुछ आसान सवालों के जवाब देकर एआई के बारे में अपना विश्वदृष्टिकोण जानें।
अपना विश्वदृष्टिकोण मैप करें

आपकी सोच कहाँ ठहरती है?

मेरा विश्वदृष्टिकोण मैप करें