質問1
Arvind Narayanan
x.com/random_walkerComputer scientist who studies how AI spreads through society, expects substantial but gradual change and favors resilience and liability rules.
AIは世界をどのように変えるでしょうか?
横軸:彼が表明したDoom–Bloomの見通し。 縦軸:変革の規模。
Doom–Bloom:100点中59。変革の規模:100点中69。解釈範囲:横方向は50から75、縦方向は64から75。これらは解釈上の座標であり、事象の確率ではありません。
≈6%
本人が示した数値ではなく、シミュレーションされた本人の回答から推定したものです。 妥当と考えられる範囲:3–12%。
仕事と制度
I expect AI to transform work and society substantially over decades, but not through a single laboratory breakthrough that instantly determines everyone’s future.
回答1
マイルストーン別にまとめており、推定される日付の間隔や順序を反映したものではありません。AGIと超人的AIには、彼の定義がそのまま適用されます。
中心的な前提
Those institutional processes will shape the net impact as much as model capability does.回答2
この前提が実際には異なると判明した場合、彼の見通しはどう変わりますか?
未解決の問い
Current extinction-risk probabilities are too unreliable and misleading for policy; that is not the same as saying the risk is zero.回答4
ここで考えられる結果を彼が見分けるうえで、何が役立ちますか?
詳細
大きな恩恵が予想されていますが、重要な条件や分配上の制約があります。
67 / 100
質的尺度での解釈範囲は67から67です。
深刻または広範な害が、予想される将来の実質的な一部となっています。
66 / 100
質的尺度での解釈範囲は67から67です。
人間の選択には意味のある影響力がありますが、大幅に制約されています。
59 / 100
質的尺度での解釈範囲は50から75です。
事前の保護措置または許可が整うまで、取り上げられたAIの利用を制限します。
シミュレーション上の位置:対象を絞った説明責任と保護措置を伴う形で、取り上げられたAIの利用を認めます。
取り上げられたAIの利用に対する制限を最小限にします。
これらの解釈では、彼が示した条件が維持されています。恩恵と害は、どちらも大きくなり得ます。この範囲は、統計的な信頼区間ではなく、彼のシミュレーションされた回答をどのように読み取ったかを示すものです。
似ている世界観
シミュレーションされた世界観がArvind Narayananの世界観に最も近いオピニオンリーダー
シミュレーション評価
出典
このシミュレーション対象者の根拠として使用された記事、インタビュー、著作です。
Narayanan and Kapoor distinguish slow economic adoption from misuse, which need not wait for organizational change. They advocate societal resilience, defensive access and ordinary governance while allowing some temporary restrictions. Rejecting broad nonproliferation does not mean dismissing cyber or biological harm.

Coauthored essay distinguishes deciding, executing and delivering software. Coding can become much faster while organizational responsibility and deciding what to build remain bottlenecks. Aggregate demand may stay healthy even as individual careers become turbulent; this is an argued forecast, not a guarantee.

Narayanan’s annotated ICML keynote takes recursive self-improvement seriously as a possible discontinuity while rejecting a single laboratory milestone that instantly eliminates jobs. Foresees radically different work and human-AI collaboration. Preserves openness to change rather than making normal technology an impossibility claim.

With Sayash Kapoor. Separates invention, application development and adoption; expects societal diffusion over decades and emphasizes institutions and resilience. Normal does not mean trivial.

With Kapoor. Two shadow research evaluations found substantial judgment and revision failures. Explicitly acknowledges the tiny sample, nonblind review and possible researcher bias; does not establish a permanent capability ceiling.

With Kapoor. Treats recent incidents as both alignment and security failures; advocates liability, monitoring and restricted permissions. Rejects imminent-catastrophe alarmism while arguing that current investment in safeguards is inadequate.

Repost, with a new preface, of the July 2024 essay coauthored with Sayash Kapoor; full text read. They argue AI x-risk forecasts are far too unreliable to be useful for policy and are in fact highly misleading; the preface calls the whole p(doom) culture actively counterproductive to a broader conception of safety. A methodological refusal for policy use, not a claim that the risk is zero.

あなたはどの位置でしょうか?
自分の世界観をマッピングする