更清晰地讨论AI的未来

访谈如何进行

代码从一份固定的人工编写问题列表中，为每次追问⁠^[1]选择问题，⁠^[2]大多数人在回答其中 4–8 个问题后就能看到结果。TypeSafe 的 Jev依据人工编写的评分标准⁠^[3]，通过小而聚焦的判断来解读你的回答，绝不会编写问题或对你下定论。⁠^[4]代码将这些判断汇总成你的地图、相应范围和 P(doom)。⁠^[5]将小判断批量处理，使成本足够低，从而可以免费运行。

你的结果是什么，又不是什么

地图

这是我们对你所写内容的解读，而不是裁决、测试或预测。虚线框表示其他合理的解读，而不是你正确的概率。⁠^[6]

地图背后

八个世界观维度和七项推理品质，例如修正观点的意愿。缺少证据的项目会保持未定位；绝不会被算作低分。⁠^[5]

P(doom)

要么是你输入的数字，要么是根据你的回答推断出的估计值，并且会注明是哪一种。⁠^[7]

编辑选择

回答不会经过事实核查。问题、评分标准，甚至名称都涉及编辑选择，而名称可能会促使你倾向于关注风险和益处。混合观点、不确定性和连贯的极端观点都是有效的。⁠^[8]

意见领袖

模拟：另一个模型（GPT-5.6 Sol）依据每个人所链接的公开来源，代其回答相同的问题，⁠^[9]我们的引擎在不知道回答者身份的情况下解读这些回答。⁠^[10]这些并非本人作答，也不代表本人认可。请将它们视为原型：在 2026 年 Pew 的一项测试中，AI 替身的回答与真人回答平均相差 12 个百分点。⁠^[11]

目前的证据

你自己的定位

解读结果比对所有人采用同一个猜测更接近人们自己的定位，且平均而言不偏向希望或担忧。⁠^[13]不同解读者之间的一致程度远高于他们与受访者之间的一致程度，因此大部分差距源于人们的表述方式与自我认知之间的差异。如果两者在任一轴上的差异超过四分之一，你的结果会就此提问。

重新解读和改写措辞

对于含义相同的回答，无论重新解读还是改写访谈，展望的变化都未超过我们设定的 0.10 上限。⁠^[14] 地图范围绝不会绘制得窄于 ±0.05，这是模拟人物重新参加访谈时观察到的变化幅度。

更大的模型

Jev 与 GPT-5.6 Sol 的结果差异在噪声范围内，而成本约为后者的 1/21。⁠^[12]

“这感觉准确吗？”

80 人中有 68 人回答是（85%）。⁠^[13]应将其视为上限：人们往往会认同 AI 对自己的解读。在一项 NORC 研究中，独立编码者认可 AI 编码的频率比受访者低约 20%。⁠^[15]

推断的 P(doom)

粗略估计。在隐藏人们输入的 113 个数值后，用这些数值检验时，它解读了其中的 96 个，但按赔率计算，结果在 2× 范围内的情况仅占 22%，并不比对所有人都猜测 12.5% 更准确。它确实能合理地对人们进行排序，而你输入的百分比（例如“20%”）始终优先采用。⁠^[12]

尚未完成

我们还没有按照评估计划的要求，建立由独立评审者标注的盲测集。⁠^[14]在此之前，这里的每项检验都是将解读结果与自我定位、重新运行的结果或其他模型进行比较。不同访谈语言的结果也尚未进行比较。

哪些人参加过

截至 2026年10月3日，已有 963 人得出了结果。⁠^[13]他们选择参加评估，主要是通过 Hacker News 上的一个讨论帖（9/25 – 9/26）和 X 上的帖子（9/27 – 9/28），而这两批人的结果相差很大：在 0–1 Doom–Bloom 轴上，前者的展望中位数为 0.32，后者为 0.68（查看比较）。因此，我们的数据描述的是参与者，而不是公众；并且我们只公布人数至少为 10 的群体的数据。

为什么问题由人工编写

AI 可以即兴进行访谈。采用固定的人工编写问题，可以让措辞保持中立且完全一致，使每位参与者和每位模拟的意见领袖都回答相同的问题，从而使比较具有意义。AAPOR 的 2026 年指南将生成问题、改变问题措辞或影响访谈流程的 AI 访谈员评为高风险。⁠^[16]在这里，措辞从不改变，而 Jev 仅通过判断来影响流程，代码会根据这些判断从问题中进行选择。

版本和变更

算法

0.7.5

问题

0.4.0-draft

评分标准

0.1.0-draft

模型

jev-1.13.0

每个已保存的结果都会保留生成该结果时所用的版本。无需重新判断的修正也会在显示较早的结果时应用于这些结果。

1. 2026年10月4日 · 0.7.5将人们定位在地图的五个级别之间，而不再只定位在这些级别上，并重新解读已保存的结果⁠^[17]
2. 2026年10月1日 · 0.7.4支持使用 10 种语言进行访谈；Jev 按回答的原文进行解读，并会获知访谈所用的语言
3. 2026年9月29日 · 0.7.2–0.7.3保留像“30%”这样简短的手动输入 P(doom) 回答（此前会被推断值取代），并在解读结果存在分歧或与你自己的定位相差很大时多问一个问题⁠^[12]
4. 2026年9月27日 · 0.7.0–0.7.1修正 P(doom) 的显示方式（手动输入的 20% 曾显示为大约 3%），直接询问变革规模和 P(doom)，不再因推理覆盖度不足而暂不提供结果，并重新解读已保存的结果⁠^[18]

GitHub 上的研究笔记记录了每项变更及其依据。

以Elon Musk为例

以下是Elon Musk的模拟评估所生成的一些JSON结果示例。