บทสนทนาที่ชัดเจนยิ่งขึ้นเกี่ยวกับอนาคตของ AI

การสัมภาษณ์ทำงานอย่างไร

โค้ดเลือกคำถามติดตามแต่ละข้อ⁠^[1] จากรายการคำถามที่เขียนไว้ล่วงหน้าแบบตายตัว⁠^[2] และคนส่วนใหญ่จะเห็นผลลัพธ์หลังตอบคำถามเหล่านี้ 4–8 ข้อ Jev ของ TypeSafe อ่านคำตอบของคุณผ่านการตัดสินย่อยที่มุ่งเน้น โดยเทียบกับเกณฑ์ที่เขียนไว้ล่วงหน้า⁠^[3] และจะไม่เขียนคำถามหรือคำตัดสินเกี่ยวกับตัวคุณเลย⁠^[4] โค้ดจะรวมการตัดสินเหล่านั้นเป็นแผนที่ของคุณ ช่วงค่าต่างๆ และ P(doom)⁠^[5] การประมวลผลการตัดสินย่อยเป็นชุดทำให้มีต้นทุนต่ำพอที่จะให้บริการได้ฟรี

ผลลัพธ์ของคุณคืออะไร และไม่ใช่อะไร

แผนที่

การตีความของเราจากสิ่งที่คุณเขียน ไม่ใช่คำตัดสิน แบบทดสอบ หรือการพยากรณ์ กรอบเส้นประแสดงการตีความอื่นๆ ที่เป็นไปได้ ไม่ใช่โอกาสที่คุณจะตีความถูกต้อง⁠^[6]

เบื้องหลังแผนที่

โลกทัศน์ 8 มิติและคุณภาพของการให้เหตุผล 7 ด้าน เช่น ความเต็มใจที่จะปรับตามข้อมูลใหม่ หลักฐานที่ขาดไปจะยังไม่ถูกระบุตำแหน่ง และจะไม่นับเป็นคะแนนต่ำโดยเด็ดขาด⁠^[5]

P(doom)

เป็นตัวเลขที่คุณกรอกหรือค่าประมาณที่อนุมานจากคำตอบของคุณ โดยมีการระบุว่าเป็นแบบใด⁠^[7]

การตัดสินใจเชิงบรรณาธิการ

คำตอบไม่ได้ผ่านการตรวจสอบข้อเท็จจริง คำถาม เกณฑ์การประเมิน และแม้แต่ชื่อ ล้วนเกี่ยวข้องกับการตัดสินใจเชิงบรรณาธิการ และชื่ออาจชี้นำให้คุณนึกถึงความเสี่ยงและผลดี มุมมองแบบผสม ความไม่แน่นอน และมุมมองสุดขั้วที่สอดคล้องกัน ล้วนใช้ได้⁠^[8]

ผู้นำทางความคิด

การจำลอง: โมเดลอีกตัวหนึ่ง (GPT-5.6 Sol) ตอบคำถามเดียวกันโดยอ้างอิงแหล่งข้อมูลสาธารณะที่เชื่อมโยงไว้ของแต่ละบุคคล⁠^[9] และระบบของเราอ่านคำตอบเหล่านั้นโดยไม่รู้ว่าเป็นของใคร⁠^[10] คำตอบเหล่านี้ไม่ใช่คำตอบหรือการรับรองจากบุคคลเหล่านั้นเอง ให้ถือว่าเป็นต้นแบบ โดยในการทดสอบของ Pew ในปี 2026 คำตอบจาก AI ที่เป็นตัวแทนต่างจากคำตอบของคนจริงโดยเฉลี่ย 12 จุดเปอร์เซ็นต์⁠^[11]

หลักฐานที่มีจนถึงขณะนี้

ตำแหน่งที่คุณระบุด้วยตนเอง

ค่าที่อ่านได้อยู่ใกล้ตำแหน่งที่ผู้คนระบุด้วยตนเองมากกว่าการใช้การคาดเดาเดียวกันสำหรับทุกคน โดยไม่มีแนวโน้มเฉลี่ยเอนเอียงไปทางความหวังหรือความกังวล⁠^[13] ผู้ประเมินเห็นพ้องกันเองมากกว่าเห็นพ้องกับผู้คนอย่างมาก ดังนั้นช่องว่างส่วนใหญ่จึงอยู่ระหว่างวิธีที่ผู้คนเขียนกับวิธีที่พวกเขามองตนเอง หากทั้งสองต่างกันเกินหนึ่งในสี่ของแกนใดแกนหนึ่ง ผลลัพธ์ของคุณจะถามเกี่ยวกับความแตกต่างนั้น

การอ่านซ้ำและการปรับถ้อยคำ

การอ่านซ้ำหรือการปรับถ้อยคำในการสัมภาษณ์ไม่เคยทำให้มุมมองเปลี่ยนไปเกินขีดจำกัด 0.10 ของเรา สำหรับคำตอบที่มีความหมายเดียวกัน⁠^[14] ช่วงบนแผนที่จะไม่ถูกวาดให้แคบกว่า ±0.05 ซึ่งเป็นความแปรผันที่พบเมื่อบุคคลจำลองทำการสัมภาษณ์ซ้ำ

โมเดลที่ใหญ่กว่า

Jev ให้ผลตรงกับ GPT-5.6 Sol ภายในขอบเขตความคลาดเคลื่อน โดยมีค่าใช้จ่ายประมาณ 1/21⁠^[12]

“สิ่งนี้ตรงกับที่คุณรู้สึกหรือไม่?”

ผู้คน 68 จาก 80 คนตอบว่าใช่ (85%)⁠^[13] ให้ตีความค่านี้เป็นเพดาน เพราะผู้คนมีแนวโน้มเห็นด้วยกับการอ่านตัวตนของตนโดย AI ในการศึกษาของ NORC ผู้ให้รหัสอิสระสนับสนุนการให้รหัสของ AI น้อยกว่าผู้ตอบแบบสอบถามประมาณ 20%⁠^[15]

P(doom) ที่อนุมานได้

เป็นเพียงค่าคร่าวๆ เมื่อทดสอบกับตัวเลข 113 ตัวที่ผู้คนพิมพ์ โดยซ่อนตัวเลขเหล่านั้นไว้ ระบบอ่านค่าได้ 96 ตัว และมีอัตราต่อรองคลาดเคลื่อนไม่เกิน 2× เพียง 22% ของเวลา ซึ่งไม่ได้ดีกว่าการเดา 12.5% ให้ทุกคน แต่ระบบจัดลำดับผู้คนได้อย่างสมเหตุสมผล และเปอร์เซ็นต์ที่คุณพิมพ์ เช่น “20%” จะมีผลเหนือกว่าเสมอ⁠^[12]

สิ่งที่ยังไม่ได้ทำ

เรายังไม่มีชุดทดสอบแบบปกปิดที่ติดป้ายกำกับโดยผู้ประเมินอิสระตามที่แผนการประเมินของเรากำหนดไว้⁠^[14] จนกว่าจะมีชุดทดสอบดังกล่าว การตรวจสอบทุกอย่างที่นี่จะเปรียบเทียบค่าที่อ่านได้กับตำแหน่งที่ระบุด้วยตนเอง การประมวลผลซ้ำ หรือโมเดลอื่นๆ ยังไม่มีการเปรียบเทียบผลลัพธ์ระหว่างภาษาที่ใช้ในการสัมภาษณ์

ใครได้ทำแบบสัมภาษณ์นี้แล้ว

ณ 3 ตุลาคม 2569 มีผู้ได้รับผลลัพธ์แล้ว 963 คน⁠^[13] คนเหล่านี้เลือกทำแบบประเมิน โดยส่วนใหญ่มาจากกระทู้ใน Hacker News (25 – 26 กันยายน) และโพสต์บน X (27 – 28 กันยายน) และผู้เข้าร่วมทั้งสองระลอกมีผลลัพธ์ห่างกันมาก โดยมีค่ามัธยฐานของมุมมองที่ 0.32 เทียบกับ 0.68 บนแกน Doom–Bloom ช่วง 0–1 (ดูการเปรียบเทียบ) ดังนั้นตัวเลขของเราจึงอธิบายผู้ที่เข้ามาทำแบบประเมิน ไม่ใช่ประชาชนทั่วไป และเราเผยแพร่ตัวเลขเฉพาะกลุ่มที่มีอย่างน้อย 10 คน

เหตุผลที่คำถามเขียนขึ้นโดยเฉพาะ

AI อาจด้นสดการสัมภาษณ์ได้ คำถามที่กำหนดและเรียบเรียงไว้ล่วงหน้าช่วยให้ถ้อยคำเป็นกลางและเหมือนกันทุกครั้ง เพื่อให้ผู้เข้าร่วมทุกคนและผู้นำทางความคิดจำลองทุกคนตอบคำถามเดียวกัน และทำให้การเปรียบเทียบมีความหมาย แนวทางปี 2026 ของ AAPOR จัดให้ผู้สัมภาษณ์ที่เป็น AI ซึ่งสร้างคำถาม เปลี่ยนถ้อยคำ หรือมีอิทธิพลต่อกระบวนการสัมภาษณ์ มีความเสี่ยงสูง⁠^[16] ที่นี่ถ้อยคำจะไม่เปลี่ยนแปลง และ Jev กำหนดทิศทางของกระบวนการผ่านการตัดสินที่โค้ดใช้เลือกจากคำถามต่างๆ เท่านั้น

เวอร์ชันและการเปลี่ยนแปลง

อัลกอริทึม

0.7.5

คำถาม

0.4.0-draft

เกณฑ์การประเมิน

0.1.0-draft

โมเดล

jev-1.13.0

ผลลัพธ์ที่บันทึกไว้แต่ละรายการจะเก็บข้อมูลเวอร์ชันที่ใช้สร้างผลลัพธ์นั้น การแก้ไขที่ไม่ต้องอาศัยการตัดสินใหม่จะมีผลกับผลลัพธ์เก่าด้วยเมื่อมีการแสดงผล

1. 4 ตุลาคม 2569 · 0.7.5ระบุตำแหน่งผู้คนไว้ระหว่างห้าระดับของแผนที่ แทนที่จะระบุเฉพาะบนระดับเหล่านั้น และอ่านผลลัพธ์ที่บันทึกไว้อีกครั้ง⁠^[17]
2. 1 ตุลาคม 2569 · 0.7.4การสัมภาษณ์ใน 10 ภาษา โดย Jev อ่านคำตอบตามที่เขียนไว้และได้รับแจ้งภาษาที่ใช้ในการสัมภาษณ์
3. 29 กันยายน 2569 · 0.7.2–0.7.3เก็บคำตอบ P(doom) ที่พิมพ์ไว้ซึ่งสั้นเพียง “30%” โดยก่อนหน้านี้คำตอบเหล่านี้ถูกแทนที่ด้วยค่าที่อนุมาน และถามเพิ่มอีกหนึ่งคำถามเมื่อการตีความมีความเห็นแตกต่างกันหรือห่างจากตำแหน่งที่คุณระบุเองมาก⁠^[12]
4. 27 กันยายน 2569 · 0.7.0–0.7.1แก้ไขวิธีแสดง P(doom) (คำตอบ 20% ที่พิมพ์ไว้เคยแสดงเป็นประมาณ 3%) ถามโดยตรงเกี่ยวกับระดับการเปลี่ยนแปลงและ P(doom) เลิกชะลอการแสดงผลลัพธ์เพื่อให้ครอบคลุมการให้เหตุผล และอ่านผลลัพธ์ที่บันทึกไว้อีกครั้ง⁠^[18]

บันทึกการวิจัยบน GitHub บันทึกการเปลี่ยนแปลงแต่ละครั้งพร้อมหลักฐานประกอบ

ตัวอย่างที่ใช้ Elon Musk

ต่อไปนี้คือตัวอย่างผลลัพธ์ JSON บางส่วนจากแบบประเมินจำลองของ Elon Musk