Percakapan yang lebih jelas tentang masa depan AI

Cara kerja wawancara

Kode memilih setiap pertanyaan lanjutan⁠^[1] dari daftar tetap pertanyaan yang ditulis sebelumnya,⁠^[2] dan kebanyakan orang melihat hasil setelah menjawab 4–8 pertanyaan. Jev dari TypeSafe membaca jawaban Anda melalui penilaian kecil dan terfokus berdasarkan rubrik yang ditulis sebelumnya⁠^[3] dan tidak pernah menulis pertanyaan atau memberikan penilaian akhir tentang Anda.⁠^[4] Kode menggabungkan penilaian tersebut menjadi peta Anda, rentangnya, dan P(doom).⁠^[5] Memproses penilaian kecil secara berkelompok membuat biayanya cukup rendah sehingga dapat dijalankan secara gratis.

Apa yang merupakan hasil Anda, dan apa yang bukan

Peta

Interpretasi kami atas apa yang Anda tulis, bukan putusan, tes, atau prakiraan. Kotak bergaris putus-putus menunjukkan interpretasi lain yang masuk akal, bukan peluang bahwa Anda benar.⁠^[6]

Di balik peta

Delapan dimensi pandangan dunia dan tujuh kualitas penalaran, seperti kesediaan untuk memperbarui pandangan. Jika bukti tidak tersedia, posisinya tetap belum ditempatkan; hal itu tidak pernah dihitung sebagai skor rendah.⁠^[5]

P(doom)

Angka yang Anda masukkan atau estimasi yang disimpulkan dari jawaban Anda, dan akan disebutkan yang mana.⁠^[7]

Pilihan editorial

Jawaban tidak diperiksa kebenarannya. Pertanyaan, rubrik, bahkan nama melibatkan pilihan editorial, dan nama tersebut dapat mengarahkan Anda pada risiko dan manfaat. Pandangan campuran, ketidakpastian, dan pandangan ekstrem yang koheren semuanya valid.⁠^[8]

Pemimpin opini

Simulasi: model lain (GPT-5.6 Sol) menjawab pertanyaan yang sama berdasarkan sumber publik tertaut dari setiap orang,⁠^[9] dan mesin kami membaca jawaban tersebut tanpa mengetahui jawaban itu milik siapa.⁠^[10] Jawaban tersebut bukan jawaban atau dukungan dari orang-orang itu sendiri. Anggaplah sebagai prototipe: dalam pengujian Pew pada 2026, jawaban dari pengganti berbasis AI berbeda dari jawaban orang yang sebenarnya sebesar rata-rata 12 poin persentase.⁠^[11]

Bukti sejauh ini

Penempatan Anda sendiri

Hasil pembacaan lebih dekat dengan penempatan orang itu sendiri daripada satu perkiraan yang sama untuk semua orang, tanpa kecenderungan rata-rata ke arah harapan atau kekhawatiran.⁠^[13] Para pembaca jauh lebih sepakat satu sama lain daripada dengan orang yang dinilai, jadi sebagian besar kesenjangan berasal dari perbedaan antara cara orang menulis dan cara mereka memandang diri sendiri. Jika keduanya berbeda lebih dari seperempat pada salah satu sumbu, hasil Anda akan menanyakannya.

Pembacaan ulang dan perumusan ulang

Tidak ada pembacaan ulang atau perubahan kata-kata dalam wawancara yang menggeser pandangan lebih dari batas kami sebesar 0,10 untuk jawaban yang bermakna sama.⁠^[14] Rentang peta tidak pernah digambar lebih sempit dari ±0,05, yaitu variasi yang terlihat ketika seseorang dalam simulasi mengulangi wawancara.

Model yang lebih besar

Jev cocok dengan GPT-5.6 Sol dalam batas derau, dengan biaya sekitar 1/21.⁠^[12]

“Apakah ini terasa tepat?”

68 dari 80 orang menjawab ya (85%).⁠^[13] Anggap itu sebagai batas atas: orang cenderung setuju dengan pembacaan AI tentang diri mereka. Dalam sebuah studi NORC, para pengode independen mendukung pengodean AI sekitar 20% lebih jarang daripada para responden.⁠^[15]

P(doom) yang disimpulkan

Perkiraan kasar. Ketika diuji terhadap 113 angka yang diketik orang, dengan angka-angka tersebut disembunyikan, metode ini membaca 96 di antaranya dan hanya 22% dari keseluruhan waktu menghasilkan odds dalam rentang 2×, tidak lebih baik daripada menebak 12,5% untuk semua orang. Metode ini memang mengurutkan orang secara masuk akal, dan persentase yang Anda ketik, seperti “20%”, selalu diutamakan.⁠^[12]

Belum dilakukan

Kami belum memiliki set pengujian tersamar yang diberi label oleh peninjau independen, sebagaimana disyaratkan oleh rencana evaluasi kami.⁠^[14] Hingga saat itu, setiap pemeriksaan di sini membandingkan hasil pembacaan dengan penempatan diri, pengulangan, atau model lain. Hasil dalam berbagai bahasa wawancara juga belum dibandingkan.

Siapa yang telah mengikutinya

Per 3 Oktober 2026, 963 orang telah mencapai hasil.⁠^[13] Mereka memilih untuk mengikutinya, sebagian besar melalui sebuah utas Hacker News (25–26 September) dan unggahan di X (27–28 September), dan kedua gelombang tersebut berada jauh terpisah: median pandangan sebesar 0,32 dibandingkan dengan 0,68 pada sumbu Doom–Bloom 0–1 (lihat perbandingannya). Jadi, angka kami menggambarkan siapa yang berpartisipasi, bukan masyarakat umum, dan kami hanya memublikasikan angka untuk kelompok yang terdiri dari setidaknya 10 orang.

Mengapa pertanyaannya ditulis terlebih dahulu

AI dapat mengimprovisasi wawancara. Pertanyaan tetap yang ditulis sebelumnya menjaga susunan kata tetap netral dan identik, sehingga setiap peserta dan setiap pemimpin opini simulasi menjawab pertanyaan yang sama dan perbandingan di antara mereka menjadi bermakna. Panduan AAPOR tahun 2026 menilai pewawancara AI yang menghasilkan pertanyaan, mengubah susunan katanya, atau memengaruhi alur sebagai berisiko tinggi.⁠^[16] Di sini susunan kata tidak pernah berubah, dan Jev membentuk alur hanya melalui penilaian yang digunakan kode untuk memilih di antara pertanyaan-pertanyaan tersebut.

Versi dan perubahan

Algoritme

0.7.5

Pertanyaan

0.4.0-draft

Rubrik

0.1.0-draft

Model

jev-1.13.0

Setiap hasil yang disimpan menyertakan versi yang digunakan untuk membuatnya. Perbaikan yang tidak memerlukan penilaian baru juga diterapkan pada hasil lama saat ditampilkan.

1. 4 Oktober 2026 · 0.7.5Menempatkan orang di antara lima tingkat pada peta, bukan hanya tepat pada tingkat tersebut, dan membaca ulang hasil yang disimpan⁠^[17]
2. 1 Oktober 2026 · 0.7.4Wawancara dalam 10 bahasa; Jev membaca jawaban sebagaimana ditulis dan diberi tahu bahasa wawancara tersebut
3. 29 September 2026 · 0.7.2–0.7.3Mempertahankan jawaban P(doom) yang diketik sesingkat “30%”, yang sebelumnya diganti dengan nilai hasil inferensi, dan mengajukan satu pertanyaan tambahan ketika hasil pembacaan terbagi atau jauh dari penempatan Anda sendiri⁠^[12]
4. 27 September 2026 · 0.7.0–0.7.1Memperbaiki cara P(doom) ditampilkan (20% yang diketik sebelumnya muncul sebagai sekitar 3%), menanyakan secara langsung tentang skala perubahan dan P(doom), tidak lagi menahan hasil demi cakupan penalaran, dan membaca ulang hasil yang disimpan⁠^[18]

Catatan penelitian di GitHub mencatat setiap perubahan beserta buktinya.

Contoh menggunakan Elon Musk

Berikut beberapa contoh hasil JSON dari penilaian simulasi Elon Musk.