Pertanyaan 1
Jack Morris
x.com/jxmnopLanguage model researcher who studies memorization and privacy leaks from text embeddings and writes about reinforcement learning and synthetic data.
Bagaimana AI akan mengubah dunia?
Mendatar: pandangan Doom–Bloom yang mereka ungkapkan. Ke atas: skala transformasi.
Doom–Bloom: 47 dari 100. Skala transformasi: 50 dari 100. Rentang interpretasi: 42 hingga 52 secara horizontal, 0 hingga 100 secara vertikal. Ini adalah koordinat interpretasi, bukan probabilitas kejadian.
≈8%
Disimpulkan dari jawaban simulasi mereka, bukan angka yang mereka berikan. Rentang yang masuk akal: 3–19%.
Asumsi utama
The key variable for me is how much useful output systems can produce per unit of human input, especially as that input approaches zero.Jawaban 2
Jika asumsi ini ternyata berbeda, bagaimana pandangan mereka akan berubah?
Pertanyaan yang belum terjawab
So I expect major change, with the ultimate magnitude still unresolved.Jawaban 3
Apa yang akan membantu mereka membedakan hasil-hasil yang masuk akal di sini?
Detail lebih lanjut
Manfaat besar diperkirakan akan terwujud, dengan syarat penting atau keterbatasan distribusi.
67 / 100
Rentang interpretasi 67 hingga 67 pada skala kualitatif.
Kerugian parah atau meluas merupakan bagian yang berarti dari masa depan yang diperkirakan.
66 / 100
Rentang interpretasi 67 hingga 67 pada skala kualitatif.
Estimasi sementara dari jawaban Anda; rentang yang lebih lebar menunjukkan penafsiran lain yang masuk akal.
50 / 100
Rentang interpretasi 0 hingga 100 pada skala kualitatif.
Interpretasi ini mempertahankan kondisi yang mereka nyatakan. Manfaat dan kerugian dapat sama-sama besar. Rentang tersebut menggambarkan cara kami membaca jawaban simulasi mereka, bukan interval kepercayaan statistik.
Pandangan dunia serupa
Pemimpin opini dengan pandangan dunia simulasi yang paling mendekati pandangan Jack Morris
Sumber
Artikel, wawancara, dan tulisan yang digunakan sebagai landasan bagi pengguna simulasi ini.
Coauthored work separates unintended memorization from generalization and estimates capacity in tested models.

Coauthored inversion experiments recover text and personal information from embeddings.

Argues for measuring useful AI output per human input rather than assuming a well-defined inevitable AGI threshold; worries truly zero-human-input economic production could be frightening.

Explicitly revises a scale-maximalist prior: RL teaches models new ways of using compute. Proposes learning from broad web data rather than only math and code environments.

Penilaian Simulasi
Pertanyaan 2
Dengan mempertimbangkan manfaat dan kerugian secara keseluruhan, dampak apa yang Anda perkirakan akan ditimbulkan AI terhadap masyarakat kita?
Pertanyaan 3
Menurut Anda, seberapa besar AI pada akhirnya akan mengubah dunia?
Pertanyaan 4
Menurut firasat Anda, seberapa besar kemungkinan AI menyebabkan kepunahan manusia atau katastrofe permanen serupa?
Di mana posisi Anda?
Petakan pandangan dunia saya