1 Przedmowa

Buduję algorytmiczne systemy transakcyjne. Z zawodu jestem inżynierem w europejskim regulowanym sektorze przemysłowym; z zamiłowania pracuję na styku inżynierii AI i handlu ilościowego, gdzie interesujące mnie pytania nie dotyczą tego, co model przewiduje, lecz tego, czy jego przewidywaniu można zaufać. Ta książka jest owocem tego drugiego zajęcia oraz błędu, którego przez sześć miesięcy uczyłem się przestać popełniać.

Błędem była wiara w model, który mnie okłamywał.

Przez długi czas nie potrafiłem pokonać przeuczenia (overfitting). Budowałem strategię, poddawałem ją backtestowi i patrzyłem, jak zwraca liczby, które nie powinny istnieć — współczynniki Sharpe'a (Sharpe ratio) obiecujące bogactwo bez wysiłku, krzywe kapitału wspinające się bez wahania. Potem walidowałem strategię jak należy i liczby się załamywały. Zrobiłem tak sześć czy siedem razy, zanim zrozumiałem, że nie znajdowałem alfy. Znajdowałem wciąż ten sam wzorzec: spektakularne zwroty w próbie (in-sample) oraz prawdopodobieństwo przeuczenia na danych historycznych (probability of backtest overfitting, PBO) bliskie dziewięćdziesięciu procent. Model nie odkrywał struktury w rynku. Odkrywał strukturę w moim własnym przeszukiwaniu — dopasowywał się do szumu, któremu dałem swobodę dopasowania.

To, co przerwało ten cykl, nie było lepszą strategią. Była to inna dyscyplina. Przepracowałem literaturę poświęconą walidacji — analizę kroczącą, zdeflowany współczynnik Sharpe'a (deflated Sharpe ratio, DSR), metodologię, którą Marcos López de Prado wykłada w Advances in Financial Machine Learning — i zastosowałem ją do własnej pracy bez litości. Deflacja (deflation) była brutalna. Strategie, z których byłem dumny, jej nie przetrwały. Ale te, które przetrwały, były prawdziwe i po raz pierwszy potrafiłem odróżnić wynik od artefaktu.

To rozróżnienie jest tematem tej książki.

Piszę tu we własnym imieniu. Nic w tym eseju nie odzwierciedla stanowiska, wiedzy ani zastrzeżonej pracy jakiegokolwiek pracodawcy, obecnego czy dawnego.

Do prognozowania możliwości (capabilities) AI przyszedłem z zewnątrz, jako praktyk, który już zapłacił czesne za jedną wersję tego błędu. Kiedy czytałem najważniejsze prognozy ram czasowych — ekstrapolacje rzutujące sztuczną inteligencję ogólną (artificial general intelligence, AGI) z trendów w mocy obliczeniowej, wynikach benchmarków i tempie niedawnego postępu — rozpoznałem tę strukturę natychmiast. Była to struktura moich własnych nieudanych backtestów. Pewna wielkość jest mierzona w oknie. Do tego okna dopasowuje się krzywą. Krzywą wydłuża się w przód, a przedział ufności wokół tego wydłużenia odczytuje się tak, jakby przyszłość była po prostu dalszym ciągiem przeszłości. To jest ekstrapolacja w próbie (in-sample extrapolation). W finansach ilościowych jest to pierwsza rzecz, której uczy się nie ufać, ponieważ jest to najpewniejszy sposób, by wytworzyć liczbę zarazem precyzyjną i błędną.

Środowisko prognostów w większości nie zostało nauczone, by jej nie ufać. Prognozy, które badam w tej książce, są poważne, staranne i tworzone przez ludzi, którzy poważnie przemyśleli problem. Właśnie dlatego ich metodologiczna podatność ma znaczenie. Raportują przedziały ufności, nie deflując ich o liczbę wariantów modelu niejawnie przeszukanych. Ekstrapolują z okien, nie pytając, co ujawniłby odpowiednik testu kroczącego. Są — w języku mojej własnej dziedziny — przeuczone: nie przez niedbalstwo, lecz przez brak dyscypliny, której finanse nauczyły się ciężko i znacznym kosztem.

Ta książka importuje tę dyscyplinę. Jej centralnym wkładem jest metoda, którą nazywam Zdeflowaną Prognozą Możliwości (Deflated Capability Forecast, DCF): sposób na to, by wziąć projekcję możliwości i poszerzyć jej przedział o tyle, na ile rzeczywiście pozwala leżąca u jej podstaw metodologia, wytwarzając uczciwy rozkład wyników — z jawnym potraktowaniem ogonów — w miejsce oszacowania punktowego ubranego w fałszywą precyzję. Pełne wyprowadzenie znajduje się w rozdziale 14. Rozdziały przed nim wyjaśniają, dlaczego deflacja jest konieczna; rozdziały po nim stosują metodę do konkretnych prognoz, a ostatecznie do niej samej.

Chcę być precyzyjny co do tego, co ta książka oferuje, a czego nie. Nie mówi, kiedy nadejdzie sztuczna inteligencja ogólna. Nie zawiera lepszej prognozy ram czasowych. To, co oferuje, to narzędzie do oceny pewności dowolnej prognozy — łącznie z twoją własną — oraz konsekwentny argument, że pewność obecnie demonstrowana nie jest poparta metodami użytymi do jej wytworzenia. Jeśli szukasz prognozy, trafiłeś na niewłaściwą książkę. Jeśli szukasz sposobu, by stwierdzić, czy prognozie można zaufać, to jest właśnie dyscyplina, którą chciałbym dostać do ręki przed moim siódmym nieudanym backtestem.

Jedno zobowiązanie kształtuje wszystko, co następuje, i chcę je zadeklarować na wstępie, zamiast pozwolić czytelnikowi je odkryć. Książka, która audytuje cudze prognozy pod kątem metodologicznej nadmiernej pewności (overconfidence), nie ma legitymacji, jeśli nie jest gotowa poddać się audytowi według tego samego standardu. Zanim więc cokolwiek obliczyłem, prerejestrowałem przewidywanie dotyczące tego, co wytworzą moje własne ramy: że zastosowanie zdeflowanego współczynnika Sharpe'a do jednej z przełomowych prognoz poszerzy jej przedział ufności co najmniej o czynnik 2.3.

Nie poszerzyło. Ramy wytworzyły czynnik 1.285.

Raportuję tę porażkę w całości, w rozdziale 16, bez łagodzenia. Chcę jasno wskazać, gdzie tkwi porażka: nie w ramach, które policzyły poprawnie, lecz w moim własnym oczekiwaniu, które było nadmiernie pewne. Ustaliłem próg intuicyjnie, bez uprzedniego obliczenia deflacji — co jest, z pewną ironią, dokładnie tym błędem, którego identyfikacji ta książka służy. Ramy zadziałały. Mój prior na temat tych ram — nie. To jest rodzaj wyniku, który dyscyplina uczciwej walidacji ma ujawniać, a ujawnienie go na samym sobie, na pierwszej stronie konstruktywnej części argumentu, jest najbardziej bezpośrednim dowodem, jaki mogę przedstawić na to, że dyscyplina ta nie jest dla ozdoby.

Jest to, ostatecznie, manifest jednego przekonania, wypracowanego przez sześć miesięcy bycia w błędzie: że walidacja nigdy nie jest opcjonalna i że gorszy wynik potwierdzony w wielu niezależnych warstwach testowania jest zawsze lepszy niż spektakularny wynik, który nie przechodzi walidacji choćby w jednej. Przeuczenie rzędu dwudziestu procent to wciąż przeuczenie. Liczba, która przetrwa krytyczną analizę, jest jedyną liczbą wartą zaraportowania — nawet wtedy, a zwłaszcza wtedy, gdy jest to liczba, której nie chciałeś.

Książka, która następuje, stosuje to przekonanie do dziedziny, która jeszcze go nie przyjęła. Nie roszczę sobie prawa do ostatniego słowa. Roszczę sobie jedynie to, że przyniosłem narzędzie, za którego opracowanie finanse słono zapłaciły, i że użyłem go na innych oraz na samym sobie tą samą ręką.

— Kacper Saks Warszawa, 2026

2 Wprowadzenie

Prognozy, które kształtują sposób, w jaki miliardy dolarów i pokolenie karier są kierowane ku sztucznej inteligencji ogólnej, dzielą metodologiczny fundament, który nie przetrwałby krytycznej analizy w żadnej dojrzałej dyscyplinie ilościowej. To nie jest twierdzenie o tym, czy te prognozy są trafne. To twierdzenie o tym, jak są tworzone. Najważniejsze projekcje ram czasowych ekstrapolują ze zmierzonego okna, dopasowują do niego krzywą i odczytują pewność wokół wydłużenia tak, jakby przyszłość była kontynuacją próby. Finanse ilościowe mają na to nazwę i zestaw narzędzi opracowanych specjalnie po to, by się przed tym bronić. Środowisko prognostów w większości nie ma ani nazwy, ani narzędzi.

Centralny argument tej książki jest wąski i, jak sądzę, trudny do odrzucenia: obecna debata nad ramami czasowymi AGI cierpi na te same błędy metodologiczne, które finanse ilościowe zdiagnozowały i częściowo rozwiązały między 2014 a 2018 rokiem — ekstrapolację w próbie, testowanie wielokrotne (multiple testing) bez korekty, brak walidacji kroczącej (walk-forward validation) oraz obciążenie selekcyjne ku sukcesowi. To nie są egzotyczne usterki. To usterki, które fundusz hedgingowy uczy się wykrywać, zanim pozwoli mu się zarządzać kapitałem zewnętrznym, ponieważ każda z nich niezawodnie wytwarza historię wyników, która wygląda znakomicie i nic nie znaczy. Testy, które ujawniły przeuczenie w finansowych backtestach, można z rozwagą zastosować do projekcji możliwości.

Chcę być dokładny co do tego, co ta książka twierdzi, a czego twierdzić odmawia, ponieważ to rozróżnienie jest różnicą między krytyką metodologiczną a konkurencyjną przepowiednią.

Twierdzi cztery rzeczy. Po pierwsze, że metodologia większości opublikowanych prognoz AGI — projekcji Aschenbrennera z 2024 roku, prac Cotry nad kotwicami biologicznymi (biological anchors) z 2020 i 2022 roku, modelu gwałtownego startu (takeoff) Davidsona z 2023 roku, trajektorii benchmarków METR z lat 2023–2025 — jest niewystarczająca względem standardów wymaganych w innych dyscyplinach prognostycznych. Po drugie, że te same testy statystyczne, które ujawniły przeuczenie w backtestach funduszy hedgingowych, można sensownie zastosować do tych projekcji. Po trzecie, że produkcyjne wdrożenie zaawansowanej AI w systemach o znaczeniu krytycznym — lotnictwo, finanse, obronność, ochrona zdrowia — wymaga infrastruktury walidacyjnej, którą obecne ramy czasowe niedoważają lub całkowicie pomijają. Po czwarte, że europejski stos regulacyjny wprowadza strukturalne tarcie, które nie pojawia się w prognozach skoncentrowanych na USA i które materialnie wpływa na dowolne ramy czasowe wdrożenia.

Odmawia twierdzenia czterech rzeczy, a te odmowy znaczą tyle samo, co twierdzenia. Ta książka nie dowodzi, że AGI nie nadejdzie. Nie dowodzi, że Aschenbrenner, Cotra czy Davidson są nieuczciwi lub niekompetentni — krytykuje metodologię, nie ludzi, i obszernie cytuje ich prace bez ani jednego pejoratywnego przymiotnika, ponieważ prace te są poważne, a właśnie ta powaga jest powodem, dla którego ich metodologiczne odsłonięcie warto zbadać. Nie oferuje własnej, lepszej daty AGI; uczynienie tego powtórzyłoby dokładnie ten błąd, który identyfikuje. I nie twierdzi, że finanse ilościowe rozwiązały wszystkie własne problemy walidacyjne — jedynie że finanse zapłaciły, realnym kapitałem i przez realne lata, za dyscyplinę, której prognozowanie możliwości jeszcze nie przyjęło.

2.1 Błąd i skąd się bierze

W finansach ilościowych grzechem pierworodnym jest ekstrapolacja w próbie: zmierzenie pewnej wielkości w oknie historycznym, dopasowanie do tego okna modelu i rzutowanie modelu w przód tak, jakby warunki panujące wewnątrz próby miały panować poza nią. Niebezpieczeństwo nie polega na tym, że ekstrapolacja jest zawsze błędna. Polega na tym, że przedział ufności wokół dopasowania w próbie jest niemal zawsze zbyt wąski, ponieważ nie uwzględnia przeszukiwania, które to dopasowanie wytworzyło. Jeśli testujesz dwieście strategii i raportujesz najlepszą, jej historyczny współczynnik Sharpe'a mówi ci bardzo niewiele o jej przyszłości, a bardzo wiele o twojej gotowości do dalszego testowania. Przedział, który powinieneś zaraportować, jest znacznie szerszy niż przedział, który wręcza ci backtest, a to, o ile jest zbyt wąski, skaluje się z liczbą konfiguracji przeszukanych przed zaraportowaniem najlepszej.

Prognozy możliwości badane w tej książce są zbudowane na tym samym ruchu. Warto zobaczyć go konkretnie na prognozach, które kotwiczą literaturę.

Projekcja Aschenbrennera dekomponuje niedawny postęp na rzędy wielkości (orders of magnitude, OOMs) efektywnej mocy obliczeniowej i wydłuża to tempo w przód. Przyjmuje skalowanie mocy obliczeniowej fizycznej na poziomie mniej więcej pół rzędu wielkości rocznie, przypisuje wydajności algorytmicznej porównywalne tempo, dodaje premię jednego do dwóch rzędów wielkości za to, co nazywa unhobbling, i sumuje czynniki napędowe do centralnego oszacowania około pięciu rzędów wielkości w ciągu czterech lat od 2023 do 2027 — które następnie odwzorowuje, przez analogię ze skokiem od GPT-2 do GPT-4, na skok do poziomu możliwości badacza AI. Rekonstrukcja w rozdziale 1 oddziela to, co w tej procedurze jest interpolacją, od tego, co jest ekstrapolacją, a wynik jest mniej korzystny, niż sugeruje prezentacja: okno 2019–2023 jest dekomponowane retrospektywnie, te same roczne tempa są stosowane w przód i nie rezerwuje się żadnego okresu wydzielonego, względem którego można by sprawdzić retrodykcję ram. Sześć nośnych założeń dźwiga tę prognozę, wśród nich to, że prawa skalowania utrzymują się przez kolejne pięć rzędów wielkości, że ściana danych jest rozwiązana i że czynniki napędowe składają się addytywnie i niezależnie — żadne z nich nie zwalidowane poza próbą (out-of-sample), ponieważ procedura z założenia nie ma protokołu poza próbą.

Ramy kotwic biologicznych Cotry podchodzą do pytania inaczej i docierają do tej samej strukturalnej podatności. Szacują moc obliczeniową treningu, której wymagałaby transformacyjna sztuczna inteligencja (transformative AI, TAI), przez odniesienie do sześciu kotwic biologicznych — ludzkiego życia, trzech horyzontów sieci neuronowych, genomu i ewolucji — rozpiętych na siedemnaście rzędów wielkości, przypisują każdej subiektywną wagę mieszaną i rzutują, kiedy moc obliczeniowa o implikowanej wielkości stanie się dostępna cenowo. Wersja z 2020 roku raportuje medianę nadejścia około 2052 roku, z dziesięcioma procentami prawdopodobieństwa do 2031 i osiemdziesięcioma do 2100. Aktualizacja z 2022 roku podnosi bazową linię sprzętu mniej więcej dziesięciokrotnie, przesuwa wagi ku krótszym horyzontom, na nowo definiuje cel i kompresuje medianę do około 2040 roku — piętnaście procent do 2030, sześćdziesiąt do 2050. Ta dwunastoletnia rewizja w ciągu dwóch lat jest najbardziej informatywnym wydarzeniem w historii tych ram, a rozdział 1 odczytuje ją jako to, czym jest: uznaniową aktualizacją bez prerejestrowanej reguły, która by nią rządziła, spełniającą jedno kryterium testu poza próbą w duchu, a niespełniającą innego, ponieważ zmiany wag zostały wybrane po zobaczeniu przedziału, a nie zadeklarowane przed nim.

Skoncentrowany na mocy obliczeniowej model Davidsona prognozuje nie datę nadejścia, lecz czas trwania gwałtownego startu — czas od dwudziestoprocentowej do stuprocentowej automatyzacji zadań poznawczych — przez sprzężoną symulację odsłaniającą około siedemdziesięciu nazwanych parametrów, z czołowym rozkładem około dwudziestu pięciu procent prawdopodobieństwa gwałtownego startu w mniej niż rok, pięćdziesięciu w mniej niż trzy lata i osiemdziesięciu w mniej niż dziesięć. Przejrzystość jest realna i, wśród badanych prognoz, nietypowa; jest też, w logice testowania wielokrotnego, odsłonięciem, a nie obroną. Siedemdziesiąt parametrów dopuszcza rzędu tysięcy dwukierunkowych i dziesiątek tysięcy trójkierunkowych łącznych perturbacji, z których opublikowana analiza wrażliwości bada podzbiór typu „jeden naraz". Czynniki, które model traktuje jako niezależne — moc obliczeniowa, algorytmy, rekurencyjne sprzężenie zwrotne prac B+R — nie są niezależne w praktyce, a przy dodatniej korelacji rozkład łączny ma cięższe ogony, niż implikuje traktowanie niezależne. I tutaj parametry są dopasowane do historii i całkowane w przód, bez rekonstrukcji zamrożonego stanu wiedzy oceniającej dynamikę względem upłynionego okresu.

Dwie pozostałe prognozy, które badam, są pouczające właśnie dlatego, że są najsilniejsze ze zbioru na wymiarze, na którym pozostałe są najsłabsze — a mimo to oblewają ten sam test. Program benchmarkowy METR nie jest oszacowaniem wyprowadzonym z teoretycznych założeń; jest zmierzoną wielkością na zdefiniowanej populacji zadań. Oblicza, dla każdego modelu, długość zadania w przeliczeniu na człowieka, przy której model odnosi sukces w połowie przypadków, i śledzi, jak ten horyzont czasowy rośnie w kolejnych modelach, raportując tempo podwajania około siedmiu miesięcy na przestrzeni lat 2019–2025. To są prawdziwe dane, odtwarzalne z opublikowanych definicji zadań, a METR jest najbardziej jawną prognozą w zbiorze co do tego, gdzie kończy się jej pomiar w próbie, a zaczyna ekstrapolacja w przód. Dostarcza nawet czegoś najbliższego prawdziwemu sprawdzeniu poza próbą, co oferuje literatura: gdy benchmark rozszerzono o jedną trzecią i ponownie oceniono te same modele, czołowe tempo podwajania się utrzymało, a większość przedziałów dla poszczególnych modeli się zacieśniła. Ale to sprawdzenie waliduje warstwę pomiaru, nie warstwę prognozy. Projekcja na automatyzację zadań w skali tygodnia i miesiąca, od dwóch do pięciu lat poza danymi, pozostaje ekstrapolacją nachylenia wybranego okna — a samo nachylenie jest zależne od okna, skracając oszacowanie nadejścia o lata, gdy dopasowane jest tylko do najświeższych danych, a nie do pełnego okresu.

Eksperckie ankiety Grace sytuują się o poziom wyżej: zamiast bezpośrednio dekomponować postęp możliwości, agregują przekonania tysięcy badaczy AI w połączony rozkład roku nadejścia, raportując medianę dla inteligencji maszynowej wysokiego poziomu około 2047 roku w fali z 2024 roku — wyprowadzoną od 2778 respondentów, największej takiej ankiety do tej pory. Zapis pomiarowy jest naprawdę bogaty, a podłużna seria tego, jak przesuwało się zagregowane przekonanie — ta sama mediana plasowała się blisko 2061 roku w 2018 i 2059 w 2022 — jest najgęstszym zapisem opinii ekspertów w tej dziedzinie. Jednak bogactwo warstwy wejściowej nie przenosi się na warstwę prognozy. Zagregowany rok nadejścia sam jest poza próbą z konstrukcji, jego horyzont jest o dekady dłuższy niż odstęp między falami ankiet, więc prognoza żadnej wcześniejszej fali nie została sprawdzona względem zrealizowanego nadejścia. A najbardziej odporny wniosek samego programu jest ostrzeżeniem co do jego metody: pytanie tych samych ekspertów o inteligencję maszynową wysokiego poziomu w porównaniu z pełną automatyzacją pracy — prawdopodobnie to samo zdarzenie bazowe wyrażone innymi słowami — daje mediany ram czasowych różniące się o sześćdziesiąt do stu pięciu lat. Prognoza, której odpowiedź waha się o stulecie w zależności od sformułowania pytania, mierzy coś innego niż świat.

W każdym przypadku struktura jest ta sama: okno, dopasowanie, wydłużenie i przedział ufności, który nie został zdeflowany o liczbę wariantów modelu niejawnie przeszukanych przy jego wytwarzaniu. Prognozy różnią się wyrafinowaniem, przejrzystością i tym, jak szczerze zaznaczają granicę w próbie — METR i Davidson są wyraźnie bardziej jawne niż pozostałe — ale podatność jest wspólna dla nich wszystkich, ponieważ jawność co do granicy to nie to samo, co protokół jej przekraczania.

To jest struktura, której przez sześć miesięcy uczyłem się nie ufać we własnych systemach transakcyjnych, a rozpoznanie jej w literaturze prognostycznej jest tym, co wprawiło tę książkę w ruch. Narzędzia, które finanse opracowały, by sobie z nią radzić — walidacja krocząca, zdeflowany współczynnik Sharpe'a, prawdopodobieństwo przeuczenia na danych historycznych — są standardowe, wyprowadzone i przenośne na prognozowanie możliwości z adaptacjami, które część II opracowuje w całości. Pierwsze z nich wykonuje najwięcej pracy i warto je tu wyłożyć wprost. Walidacja krocząca wytwarza próbę wydzieloną, której prognoza nigdy nie zarezerwowała: rekonstruuje prognozę na dzień jej publikacji, zamrażając zbiór informacji do tego, co było wówczas dostępne, i ocenia jej projekcję względem okresu, który od tamtej pory upłynął — symulując prognozę w czasie rzeczywistym ocenianą wyłącznie na danych, których prognosta nie mógł widzieć. Kilka z badanych prognoz jest teraz publicznych na tyle długo, że część ich okna projekcji upłynęła, co oznacza, że próba wydzielona istnieje; po prostu nie została wykorzystana. Część II ją wykorzystuje.

Chcę być ostrożny co do siły tego twierdzenia, ponieważ adaptacje nie są darmowe. Finansowa deflacja zakłada stacjonarny, niezależny szereg zwrotów, a postęp możliwości nie jest ani jednym, ani drugim; liczba przeszukanych konfiguracji, która napędza korektę, jest rzadko ujawniana i często nawet nie daje się wyliczyć z opublikowanej prognozy; a statystyka wyników, na której korekta operuje, musi zostać skonstruowana dla dziedziny możliwości, a nie zapożyczona. Część II traktuje każdą z nich jako problem wyprowadzenia, zamiast zapewniać o zdeflowanej liczbie, na którą metoda jeszcze nie zasłużyła, a tam, gdzie wymaganego założenia nie da się jeszcze zwalidować, odpowiadający wynik jest oznaczony jako tymczasowy, a nie zapewniany. Wniosek, który przetrwa tę ostrożność, jest strukturalny i, jak sądzę, pewny: w zakresie, w jakim prognosta przeszukiwał wybory dekompozycji, nie zobowiązując się do jednego z góry, dopasowanie w próbie zawyża poparcie poza próbą, a uczciwy przedział jest szerszy — w kilku przypadkach materialnie szerszy — niż ten zaraportowany.

2.2 Co książka oferuje w ich miejsce

Konstruktywnym wkładem tej książki jest metoda, którą nazywam Zdeflowaną Prognozą Możliwości. Intuicja jest prosta i wyłożę ją tutaj bez aparatu matematycznego, który należy do rozdziału 14. Prognoza możliwości, tak jak zwykle przedstawiana, jest oszacowaniem punktowym owiniętym w przedział ufności, który jest zbyt wąski, ponieważ ignoruje, ile przeszukiwania je wytworzyło. Zdeflowana Prognoza Możliwości bierze taką prognozę i poszerza jej przedział o tyle, na ile rzeczywiście pozwala leżąca u jej podstaw metodologia, wytwarzając uczciwy rozkład wyników — z jawnym potraktowaniem ogonów, gdzie mieszkają brzemienne w skutki niespodzianki — zamiast pojedynczej liczby przedstawionej z niezasłużoną precyzją. Nie mówi ci, że prognoza jest błędna. Mówi ci, o ile mniej pewna jest prognoza, niż się wydaje.

To jest narzędzie do oceny pewności, nie do generowania predykcji. Zastosowane do ram czasowych, nie wytwarza lepszych ram; wytwarza uczciwe rozliczenie tego, o ile deklarowana pewność tych ram przekracza to, co ich metoda może poprzeć. To jest całość tego, co oferuję, i wierzę, że to wystarczy, ponieważ luka między pewnością deklarowaną a możliwą do poparcia jest miejscem, w którym obecnie podejmuje się najkosztowniejsze decyzje.

2.3 Jak zbudowany jest argument

Książka postępuje w pięciu częściach, z których każda jest krokiem w jednym argumencie.

Część I traktuje najważniejsze prognozy jak backtesty — rekonstruując je na tyle precyzyjnie, by można było zastosować do nich narzędzia statystyczne kolejnych części. Każda prognoza jest odwzorowana wzdłuż jednej osi, wokół której organizuje postęp, a rekonstrukcja lokalizuje, dla każdej, dokładną granicę, gdzie kończy się okno w próbie, a zaczyna projekcja. Jeśli prognozy nie da się zrekonstruować, nie da się jej ocenić; rekonstrukcja jest warunkiem wstępnym wszystkiego, co następuje.

Część II to kryzys statystyczny. Definiuje rygorystycznie ekstrapolację w próbie, rozwija problem testowania wielokrotnego wzdłuż linii Harveya-Liu-Zhu, buduje protokół kroczącej retrodykcji, który wytwarza próbę wydzieloną, jakiej prognozy nigdy nie zarezerwowały, i adaptuje zdeflowany współczynnik Sharpe'a oraz prawdopodobieństwo przeuczenia na danych historycznych z ich finansowych źródeł do sytuacji prognozowania możliwości. To jest techniczny rdzeń, na którym opiera się reszta argumentu, i to tutaj założenia adaptacji — niestacjonarność, nieujawnione liczby przeszukań, brakująca statystyka wyników — są skonfrontowane, a nie zbywane.

Część III to luka między rzeczywistością a produkcją. Bada, czego faktycznie wymaga wdrożenie o znaczeniu krytycznym — infrastruktury walidacyjnej, reżimów certyfikacji, dystansu między możliwością, która istnieje, a możliwością wykazaną do standardu, jakiego wymaga regulowana branża — i pokazuje, jak gruntownie obecne ramy czasowe to niedoważają.

Część IV to stos europejski. Prognozy skoncentrowane na USA traktują regulację jako tarcie, które należy obejść; ta część traktuje akt w sprawie sztucznej inteligencji (EU AI Act), reżim podwójnego zastosowania i suwerennej AI oraz szerszą architekturę regulacyjną poważnie, jako strukturalne ograniczenia ram czasowych wdrożenia, i dowodzi, że ich ignorowanie wytwarza prognozy niekompletne z konstrukcji.

Część V to lepsze ramy. Konstruuje Zdeflowaną Prognozę Możliwości w całości, stosuje ją do prognoz zrekonstruowanych w części I, a następnie — ponieważ książka, która audytuje innych według standardu, którego sama nie spełni, nie ma legitymacji — stosuje ją do siebie samej. Samozastosowanie (self-application) nie jest ozdobnikiem. Jest testem tego, czy dyscyplina jest prawdziwa.

Uwaga o dyscyplinie epistemicznej przewija się przez każdy rozdział. Twierdzenia są oznaczane według ich statusu — ustalone, poparte dowodami lub spekulatywne — a etykiety są uczciwe, również tam, gdzie etykieta jest mniej pochlebna, niż bym chciał. Co do formalnych wyprowadzeń jestem pewny; co do kilku wyborów parametrów koniecznych do zastosowania ich do konkretnych prognoz jestem mniej pewny, a manuskrypt oznacza je jako tymczasowe, w niektórych przypadkach w oczekiwaniu na wynik prerejestrowanych badań walidacyjnych, których kryteria ustalono przed ich przeprowadzeniem. Celem książki nie jest być pewnym. Jest być dokładnie tak pewnym, na ile pozwalają metody, i nie bardziej — co jest dokładnie tym standardem, którego, jak dowodzę, istniejące prognozy nie spełniły.

Ten standard tnie w obie strony, a część V obraca go na tę książkę. Czytelnik ma prawo wiedzieć, zanim zainwestuje w rozdziały pomiędzy, że gdy zastosowałem własne ramy do własnego prerejestrowanego przewidywania dotyczącego tego, co wytworzą, przewidywanie zawiodło. Co ta porażka oznacza i dlaczego ją raportuję, zamiast ją zakopać, jest tematem ostatniej części. Na razie wystarczy powiedzieć, że ta porażka jest najsilniejszym dowodem, jaki mogę przedstawić na to, że dyscyplina, za którą ta książka się opowiada, jest tą, do której jestem gotów być pociągnięty do odpowiedzialności.

Część I — Krajobraz prognoz

3 Rozdział 1.1 — Mapowanie głównych prognoz: metoda liczenia OOM Aschenbrennera

Rozdział ten rekonstruuje metodologię Aschenbrennera (2024), Situational Awareness: The Decade Ahead (non-peer-reviewed). Rekonstrukcja jest warunkiem wstępnym audytu metodologicznego rozwijanego w rozdziałach od 4 do 7. Centralna teza eseju — że czynniki, które wytworzyły skok możliwości od GPT-2 do GPT-4 między rokiem 2019 a 2023, rzutowane cztery lata naprzód, dają system równoważny sztucznej inteligencji ogólnej (artificial general intelligence, AGI) do roku 2027 — opiera się na konkretnej dekompozycji postępu na rzędy wielkości (orders of magnitude, OOMs) efektywnej mocy obliczeniowej. To właśnie ta dekompozycja jest tu przedmiotem analizy.

Celem jest mapowanie, a nie rozstrzyganie. Badana metodologia jest prognozą; metodologia rozwinięta w rozdziale 6 jest narzędziem oceny prognoz. Traktowanie ich jako konkurentów błędnie przedstawiałoby relację między narracyjno-esejistyczną prognozą Aschenbrennera a kanonem statystycznym López de Prado / Bailey, z którego wywodzi się rozdział 6. Aschenbrenner tworzy prognozę; niniejszy manuskrypt proponuje narzędzia statystyczne do oceny prognoz tego typu. Rozdział 1.1 należy do pierwszej połowy tej relacji.

3.1 §1 — Co liczy Aschenbrenner

Aschenbrenner porządkuje postęp możliwości wzdłuż pojedynczej osi, którą prerejestrowana taksonomia niniejszego manuskryptu nazywa osią OOM (dekompozycja efektywnej mocy obliczeniowej) (preregistration v1, §taksonomia dekompozycji siedmioosiowej, 2026-05-18). Oś sumuje wkłady w przestrzeni logarytmicznej w czterech czynnikach. Pierwsze trzy są skwantyfikowane w eseju; czwarty jest opisany jakościowo i przeliczony na równoważniki OOM przez analogię.

Czynnik 1: skalowanie fizycznej mocy obliczeniowej. Aschenbrenner przyjmuje bazę danych mocy obliczeniowej treningu Epoch AI jako empiryczną kotwicę, przy czym GPT-2 to około 4e21 FLOP, GPT-3 to około 3e23 FLOP, a GPT-4 mieści się w zakresie od 8e24 do 4e25 FLOP (Aschenbrenner, 2024, Part I; Sevilla et al., 2022). Przytaczane historyczne tempo to około 0.5 OOM mocy obliczeniowej treningu rocznie w epoce uczenia głębokiego po roku 2010 (poparte dowodami — baza danych Epoch AI jest publicznie audytowalna; tempo to utrzymało się w istotnym oknie). Aschenbrenner ekstrapoluje to naprzód i prognozuje +2 do +3 OOM w okresie 2023-2027 (spekulatywne — ekstrapolacja warunkowana utrzymaniem nakładów inwestycyjnych).

Czynnik 2: wydajność algorytmiczna. Esej przypisuje zyskom wydajności algorytmicznej około 0.5 OOM rocznie, czerpiąc głównie z Erdil and Besiroglu (2022) na temat ImageNet w okresie 2012-2021, przy czym replikacja Epoch AI na LLM jest traktowana jako równoległa kotwica (poparte dowodami — Erdil and Besiroglu jest recenzowany; międzydziedzinowy transfer z ImageNet na modelowanie języka jest empirycznie mniej dojrzały niż trend wewnątrz ImageNet). Aschenbrenner ekstrapoluje +1 do +3 OOM w okresie 2023-2027 (spekulatywne).

Czynnik 3: odhamowanie — techniki potreningowe i działające w czasie wnioskowania. Aschenbrenner przypisuje skokowe zmiany RLHF (Ouyang et al., 2022; ocena preferencji ludzkich małego modelu równoważna modelowi bez RLHF ponad 100x większemu), podpowiadaniu łańcuchem myśli (Wei et al., 2022; w przybliżeniu równoważnik efektywnej mocy obliczeniowej rzędu jednego rzędu wielkości na zadaniach matematycznych i rozumowaniu) oraz rusztowaniu (mnożniki rzędu jednego OOM i większe na HumanEval i SWE-Bench). Zagregowany wkład odhamowania jest przedstawiony jako 1 do 2 równoważników OOM w okresie 2023-2027 (poparte dowodami dla pojedynczych interwencji; spekulatywne dla zagregowanego wkładu i dla równoważności skalowania mocy obliczeniowej).

Czynnik 4: usuwanie hamulców. Czwarty czynnik, mniej formalnie oddzielony od czynnika 3 w samej prozie eseju, obejmuje rozszerzenie okna kontekstu, użycie narzędzi, rusztowania agentowe oraz przekształcenie modelu bazowego we wdrożony system. Stopniowemu usuwaniu tych ograniczeń przypisuje się dodatkowe równoważniki OOM w oknie prognozy.

Zsumowane, cztery czynniki dają centralne oszacowanie około +5 OOM w okresie 2023-2027. Jest ono mapowane na skalę możliwości przez analogię: przejście od GPT-2 do GPT-4 jest traktowane jako około 4.5-6 OOM i utożsamiane ze skokiem o poziom szkolny od poziomu przedszkolnego do kompetencji ucznia szkoły średniej, a zatem kolejne +5 OOM jest utożsamiane przez analogię z dalszym skokiem do możliwości równoważnych badaczowi AI (spekulatywne — mapowanie oparte na analogii). Cel funkcjonalny jest zoperacjonalizowany jako system, który automatyzuje pracę badacza AI (Aschenbrenner, 2024, Part I, funkcjonalna definicja AGI).

Empiryczna kotwica pierwszego czynnika nie jest wytworzona przez Aschenbrennera bezpośrednio: jest zaczerpnięta z metodologii szacowania mocy obliczeniowej Epoch AI, która rozkłada FLOP treningu na podstawie artykułów o architekturze, specyfikacji GPU, ujawnień czasu treningu oraz zapowiedzi infrastrukturalnych (Sevilla et al., 2022). Tam, gdzie szacunki Epoch dla pojedynczych modeli są rewidowane, pierwszy czynnik OOM Aschenbrennera przesuwa się mechanicznie. Ta zależność od źródła nadrzędnego jest prerejestrowana jako wzorzec G (odrębność osi dekompozycji specyficzna dla Epoch; preregistration v1, §Pattern framework) i jest cechą strukturalną badanego zbioru prognoz, a nie wadą eseju Aschenbrennera: każda prognoza oparta na dekompozycji mocy obliczeniowej dziedziczy wybory pomiarowe Epoch.

3.2 §2 — Dekompozycja metodologiczna

Ramy OOM można przedstawić jako funkcję. Niech E(t) oznacza efektywną moc obliczeniową w chwili t w jednostkach logarytmicznych względem wybranej linii bazowej. Procedura Aschenbrennera konstruuje E(t) jako

E(t) = E(t₀) + Σᵢ rᵢ · (t − t₀)

gdzie rᵢ to roczne wkłady trzech (lub czterech) czynników, traktowane jako w przybliżeniu stałe w oknie ekstrapolacji, a sumę interpretuje się jako addytywną w przestrzeni logarytmicznej. Funkcja jest następnie obliczana w punkcie t = 2027 przy t₀ = 2023, dając centralne oszacowanie +5 OOM. Mapowanie możliwości jest oddzielną, dokonaną post hoc analogią, która przekształca E(2027) − E(2023) w słowną etykietę możliwości.

Wejścia. Baza empiryczna jest wąska i jawna. Szacunki mocy obliczeniowej pochodzą z bazy danych mocy obliczeniowej treningu Epoch AI (Sevilla et al., 2022). Trendy wydajności algorytmicznej pochodzą z Erdil and Besiroglu (2022) oraz replikacji tej samej logiki na LLM przez Epoch. Postęp benchmarkowy zaczerpnięto z MMLU (Hendrycks et al., 2021a), MATH (Hendrycks et al., 2021b), GPQA (Rein et al., 2023) oraz oceny autonomii METR (METR, 2024) (non-peer-reviewed). Skokowe zmiany odhamowania są wywodzone z InstructGPT (Ouyang et al., 2022), łańcucha myśli (Wei et al., 2022) oraz skalowania optymalnego obliczeniowo Chinchilla (Hoffmann et al., 2022); wcześniejszy fundament prawa skalowania to Kaplan et al. (2020). Porównania cen API (Gemini 1.5 Flash wyceniony około 85x taniej na wejściu / 57x taniej na wyjściu niż oryginalny GPT-4) zaczerpnięto z publicznej dokumentacji.

Ekstrapolacja i założenia. Prognozę niosą trzy zobowiązania modelowe: roczne tempa z lat 2019-2023 trwają bez zmiany reżimu do roku 2027; skwantyfikowane czynniki składają się addytywnie w przestrzeni logarytmicznej i są traktowane jako w przybliżeniu niezależne; wkład odhamowania jest agregowany do bonusu 1 do 2 OOM w czteroletnim oknie. W Part I podanych lub niemal podanych jest sześć kluczowych założeń: (i) ciągłość prawa skalowania w stracie treningowej w kolejnych 5 OOM; (ii) kapitał obliczeniowy wystarczający na klastry skali 100 mld–1 bln USD do końca dekady; (iii) postęp wydajności algorytmicznej nieczerpiący nisko wiszących owoców; (iv) ścianę danych rozwiązywalną za pomocą syntetycznych danych, samogry lub uczenia ze wzmocnieniem; (v) przybliżoną addytywność i niezależność czynników; (vi) powtarzanie się jakościowych skoków możliwości — kolejny wzrost E o rozmiar od GPT-2 do GPT-4 daje wzrost możliwości na poziomie AGI.

Granica w próbie / poza próbą. To jest kluczowa obserwacja rozdziału. Procedura jest, w terminologii rozdziału 4, rekonstrukcją w próbie, po której następuje ekstrapolacja trendu: okno 2019-2023 jest rozkładane retrospektywnie na trzy skwantyfikowane wkłady, a następnie te same roczne tempa są stosowane naprzód do okresu 2023-2027. Nie stosuje się żadnego protokołu poza próbą. Nie przedstawiono żadnej analizy kroczącej. Żaden wydzielony okres walidacji nie rezerwuje części zapisu historycznego, względem której można by zmierzyć wyniki retrodykcji ram. Nie zaproponowano żadnego z góry określonego kryterium falsyfikacji; najbardziej jawnym ustępstwem eseju co do niepewności jest jakościowe przyznanie w Part V, że słupki błędu są bardzo duże, bez sprecyzowania ich szerokości (ustalone jako fakt dotyczący dokumentu).

Najbliższe gesty w stronę walidacji są anegdotyczne: Aschenbrenner przytacza sfalsyfikowane pesymistyczne przewidywania (LeCun o rozumowaniu fizycznym; Marcus o ścianach uczenia głębokiego; przewidywanie Caplana dotyczące egzaminu z ekonomii) jako dowód, że postęp możliwości był niedoszacowany. Są to kontrprzykłady wobec pesymizmu, a nie statystyczne walidacje metody liczenia OOM. Kontrprzykłady wobec jednego kierunku błędu prognozy nie walidują procedury prognozowania; ograniczają one odwrotny błąd przeciwnego obozu. Rozdział 4 powraca do tej asymetrii.

Brakująca granica jest pomostem do rozdziału 6, który rozszerza linię oceny wyników świadomej testowania wielokrotnego Bailey and López de Prado (2014) na dziedzinę prognozowania możliwości. To rozszerzenie zakłada, że statystyka wyników poddawana korekcie jest obliczana na próbie operacyjnej. Prognozy możliwości oparte na liczeniu OOM nie mają tej próby z konstrukcji w momencie publikacji. Rozdział 6 rozwija adaptację; rozdział 4 rozwija protokół kroczącej retrodykcji, który wygenerowałby tę próbę retrospektywnie.

3.3 §3 — Co osiąga metoda

Rekonstrukcja, która nie wylicza tego, co metoda źródłowa robi dobrze, jest krytyką udającą opis. Cztery cechy dekompozycji OOM zasługują na jawne uwzględnienie, niezależnie od jakiegokolwiek późniejszego audytu.

Dekompozycja na nazwane czynniki. Głównym posunięciem metodologicznym Aschenbrennera jest rozdzielenie postępu możliwości na nazwane, indywidualnie skwantyfikowane wkłady: fizyczną moc obliczeniową, wydajność algorytmiczną oraz odhamowanie wraz z usuwaniem hamulców. Czytelnik może nie zgadzać się z tempem przypisanym któremukolwiek z czynników bez niezgody co do struktury ram. Kilka innych badanych prognoz (mieszanka kotwic Cotry; jakościowo-probabilistyczne ujęcie Karnofsky'ego) wiąże wiele wkładów w pojedyncze ważone agregaty, które trudniej zbadać na poziomie indywidualnych wyborów modelowych (ustalone — weryfikowalne w research_notes/forecasts_database.json). Otwartość na audyt na poziomie komponentów jest powodem, dla którego ten rozdział może w ogóle zostać napisany.

Empiryczne osadzenie czynnika mocy obliczeniowej. Pierwszy czynnik OOM jest zakotwiczony na bazie danych mocy obliczeniowej treningu Epoch AI, najbardziej rygorystycznej publicznej metodologii w dziedzinie badanego zbioru (Sevilla et al., 2022; preregistration v1 §Distribution analysis). Tempo 0.5 OOM rocznie jest obliczone z zestawu danych dla pojedynczych modeli z jawną historią wersji oraz przedziałami ufności wyznaczonymi bootstrapem na dopasowaniach log-liniowych. Na poziomie szeregu wejściowego ten czynnik niesie najsilniejszą kotwicę danych spośród wszystkich twierdzeń ilościowych w Situational Awareness. Ekstrapolacja naprzód jest (spekulatywna); szereg wejściowy jest (poparty dowodami).

Dotarcie do odbiorców istotnych dla polityki. Esej komunikuje argument ilościowy czytelnikom, którzy nie czytają preprintów arXiv. Rama czterech OOM jest na tyle zwięzła, by ją zapamiętać, na tyle ustrukturyzowana, by ją zakwestionować, i na tyle ilościowa, by dyscyplinować własną projekcję. Wybór publikacji w formie samodzielnie wydanego eseju zamiast artykułu roboczego wymienia recenzję na zasięg. W obrębie badanego zbioru żadne inne ramy nie mają porównywalnego zasięgu wśród odbiorców politycznych. Empiryczny fakt zasięgu jest (ustalony); to, czy zasięg bez recenzji jest pożądaną właściwością infrastruktury prognostycznej, jest pytaniem normatywnym, którego niniejszy manuskrypt nie rozstrzyga.

Uczciwość co do pewności na poziomie syntezy. Part V zawiera mniej więcej dwudziestowyrazowe przyznanie, że ważne części tej historii są prawdopodobnie błędne i że słupki błędu są bardzo duże (Aschenbrenner, 2024, Part V; sparafrazowane, by pozostać poniżej 15 słów). To ustępstwo jest jednostronne — przyznaje niepewność bez sprecyzowania kierunku ani tego, które komponenty są najbardziej narażone — lecz jest na zapisie. Sformułowanie strikingly plausible, a nie will happen, użyte jest w podsumowaniu Part I. Oba wybory umieszczają esej bliżej rejestru ekstrapolacji akademickiej niż rejestru marketingowo-pewnego, jaki często przyjmują sąsiednie gatunki prognozowania technologicznego.

Te cztery cechy są twierdzącymi obserwacjami, względem których audyt w rozdziałach 4-7 musi wykazać istotność. Bez nich późniejsza krytyka czyta się jak ad hominem; z nimi krytyka czyta się jak metodologia — co jest stałym zobowiązaniem projektu wobec reguły 5.

3.4 §4 — Czego metoda nie może nam powiedzieć

Otwartość dekompozycji na audyt na poziomie komponentów (§3) umożliwia wyliczenie pytań, na które metodologia, na własnych warunkach, nie odpowiada. Cztery takie pytania wyłaniają się z samej dekompozycji; zgodnie z regułą 3 planu głównego (samozastosowanie) każde mapuje się zarówno na sekcję rozdziału audytowego, jak i na analogiczne pytanie stojące przed konstruktywną propozycją z rozdziału 14 niniejszego manuskryptu.

Pytanie 1: liczba przeszukań hiperparametrów. Dekompozycja wybiera cztery czynniki i przypisuje konkretne roczne tempa oraz okna OOM. Ile alternatywnych dekompozycji rozważono przed wyborem tej? Co najmniej niejawna przestrzeń wyboru obejmuje (i) metodologię szacowania mocy obliczeniowej (Epoch AI, ujawnienia OpenAI, wnioskowanie architektoniczne SemiAnalysis); (ii) szereg wydajności algorytmicznej (ImageNet Erdil-Besiroglu, replikacja LLM Epoch, wywnioskowany z cen API); (iii) ważenie zestawu benchmarków (MMLU, MATH, GPQA, METR, HumanEval, SWE-Bench); (iv) analogię poziomu możliwości w kandydatach od skoków o poziom szkolny przez eksperta na poziomie doktoratu po równoważność badaczowi AI. Iloczynem jest przestrzeń przeszukiwania modeli o nietrywialnym rozmiarze, a esej jej nie wylicza. Rozdziały 5 i 7 powracają do konsekwencji niewyliczonych liczb przeszukań dla dopasowania w próbie. (spekulatywne co do wielkości zawyżenia; ustalone jako obserwacja metodologiczna dotycząca dokumentu.)

Obserwacja z zakresu samozastosowania. Konstrukt z rozdziału 14 (preregistration v2 §Adaptation 4 — Effective-N estimation; zablokowany 2026-05-19) staje wobec ścisłego odpowiednika. Jego wzór wymaga efektywnego N dla przestrzeni przeszukiwania hiperparametrów możliwości, a manuskrypt z góry zobowiązuje się do złożonego estymatora zakresu (algorytmy A do D ze średnią geometryczną jako nagłówkiem i progami współczynnika widełek 1.5x i 100x) właśnie dlatego, że liczba przeszukań nie jest bezpośrednio obserwowalna. Wymiar, na którym rozdział 14 staje wobec analogicznego pytania, jest identyczny: ile wyborów konstrukcji prognozy zapełnia niejawne menu i jak skalibrowana jest implikowana kara za testowanie wielokrotne? Reakcją manuskryptu jest opublikowanie widełek i nagłówka średniej geometrycznej; analogiczna krytyka stosuje się do samego manuskryptu.

Pytanie 2: addytywność wobec substytucji między czynnikami. Dekompozycja OOM traktuje trzy skwantyfikowane wkłady jako w przybliżeniu addytywne w przestrzeni logarytmicznej i w przybliżeniu niezależne. Wynikają z tego dwa podpytania. Po pierwsze, w jakich warunkach odhamowanie mogłoby zastępować surowe skalowanie mocy obliczeniowej, a nie składać się z nim? Jeśli RLHF, łańcuch myśli i rusztowanie wydobywają wyniki, których samo skalowanie by nie dało — ale te same zyski są częściowo wliczone w mierzony szereg wydajności algorytmicznej — addytywność liczy je podwójnie. Po drugie, źródła finansowe czynników są skoncentrowane w tych samych czołowych laboratoriach; kapitał jest budżetowo zastępowalny między zakupami mocy obliczeniowej a etatami badań algorytmicznych. Przy dodatniej korelacji rozkład łączny ma cięższe ogony niż implikuje ujęcie addytywne. Żaden z tych przypadków nie jest zbadany w eseju. (poparte dowodami jako luka; addytywność jest kluczowym wyborem metodologicznym ram.)

Obserwacja z zakresu samozastosowania. Konstrukt z rozdziału 14 podejmuje to na wymiarze estymatora wariancji nie-IID (preregistration v2 §Adaptation 1; LOCKED na TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 1 zgodnie z kryterium n_critical(ρ) > 60). Korekcja obliczona tam zależy od struktury korelacji podstawowego szeregu możliwości: jeśli szeregi składowe są dodatnio skorelowane (te same laboratoria wytwarzające podobne zyski w różnych benchmarkach), efektywny rozmiar próby jest mniejszy niż liczba nominalna, a korekcja jest surowsza. Manuskrypt z góry zobowiązuje się do bootstrapu blokowego na zdetrendowanych resztach. Analogiczne pytanie — jaka jest struktura zależności i czy procedura obsługuje ją poprawnie? — stosuje się do samego manuskryptu, przy czym podniesienie odroczono do wyników MC Study 1.

Pytanie 3: horyzont kontynuacji trendu. Okno empiryczne to 2019-2023; okno prognozy to 2023-2027. Stosunek próby do ekstrapolacji wynosi około 1.25 do 1 (rozpiętość dopasowania 2019-2023 obejmuje pięć lat kalendarzowych; horyzont 2023-2027 — cztery lata naprzód). W praktyce prognozowania szeregów czasowych okna w próbie kilkukrotnie dłuższe niż horyzont są konserwatywną linią bazową. Stosunek 1.25 do 1 jest metodologicznie agresywny dla ram, które zakładają stałe roczne wkłady i brak zmiany reżimu. Esej nie odnosi się do tego, dlaczego wybrany stosunek jest uzasadniony względem alternatyw — okno 2010-2023 (czternaście lat kalendarzowych) rozszerzyłoby ten stosunek do mniej więcej 3.5 do 1 i obniżyłoby centralne tempo, uwzględniając wolniejszą epokę przed Transformerem. (poparte dowodami jako luka.)

Obserwacja z zakresu samozastosowania. Konstrukt z rozdziału 14 staje wobec ścisłego odpowiednika na wymiarze statystyki wyników prognozowania możliwości oraz okna, w którym jest ona obliczana (preregistration v2 §Adaptation 3; LOCKED, TIER_2 dla Briera / log-loss / kalibracji / pokrycia przedziałowego; TIER_3 dla kandydata na współczynnik Sharpe'a możliwości). Dla prognoz opartych na parametrycznej ekstrapolacji manuskrypt z góry zobowiązuje się do współczynnika Sharpe'a możliwości jako statystyki pierwotnej z wielostatystycznym panelem odporności. Analogiczna krytyka — w jakim oknie statystyka jest obliczana i jak wybierany jest podział na próbę w próbie / poza próbą — stosuje się w tej samej formie. Reakcją manuskryptu jest panel odporności; reakcją ram OOM jest milczenie.

Pytanie 4: ślepota na zmianę reżimu. Ekstrapolacja zakłada brak załamania w mapowaniu prawa skalowania na możliwości, brak nasycenia tempa wydajności algorytmicznej, brak zakłócenia podaży mocy obliczeniowej oraz brak wyczerpania zasobów danych treningowych. Każde z nich jest kandydatem na zmianę reżimu z własną literaturą empiryczną (Caballero et al., 2022, o złamanych prawach skalowania; Bahri et al., 2024, o teoretycznych podstawach tego, kiedy skalowanie się utrzymuje; Sorscher et al., 2022, o interwencjach algorytmicznych zmieniających wykładniki prawa skalowania). Esej nie odnosi się do tej literatury; cytowane źródła są tymi fundamentalnymi i potwierdzającymi trend, a nie tymi dotyczącymi wykrywania reżimów i wykrywania załamań (poparte dowodami jako luka strukturalna).

Obserwacja z zakresu samozastosowania. Konstrukt z rozdziału 14 staje wobec tego na wymiarze podziału zbioru informacyjnego (preregistration v2 §Adaptation 2; TIER_3_NEW_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 2 zgodnie z kryterium Type-I_C > 2·PBO LUB Power_C < 0.5·PBO). Podział zakłada strukturę nad historycznymi wynikami prognoz, która respektuje sekwencyjno-przyczynowe uporządkowanie informacji. Jeśli podstawowy szereg możliwości wykazuje zmiany reżimu — ta sama obawa, którą podniesiono tu wobec Aschenbrennera — właściwości podziału zależą od tego, czy zmiana reżimu jest wykrywana i uwzględniana. Kryterium MC Study 2 zostało z góry przyjęte właśnie po to, by wystawić tę zależność na empiryczną falsyfikację. Reakcją manuskryptu jest zobowiązanie MC Study 2; reakcją ram OOM jest brak jakiegokolwiek aparatu wykrywania reżimów.

Rozdziały od 4 do 7 rozwijają je formalnie.

3.5 §5 — Odniesienie naprzód

Rozdział ten zrekonstruował oś OOM Aschenbrennera i wydobył cztery pytania, na które dekompozycja nie odpowiada na własnych warunkach.

Rozdział 2 identyfikuje wzorzec strukturalny jednoczący badany zbiór prognoz. Oś OOM Aschenbrennera jest jedną z siedmiu prerejestrowanych osi dekompozycji (preregistration v1 §7-axis decomposition taxonomy): oś kotwic Cotry, oś czasu trwania startu Davidsona, oś czasu-kosztu zadania METR, oś masy prawdopodobieństwa / znaczenia cywilizacyjnego Karnofsky'ego, oś agregacji ankiet eksperckich Grace oraz oś empiryczna skalowania mocy obliczeniowej Epoch AI. Tych siedem dzieli jedną cechę: żadna nie wdraża protokołu walidacji poza próbą w momencie publikacji.

Rozdział 4 rozwija protokół kroczącej retrodykcji. Rozdział 6 rozszerza wyprowadzenie DSR Bailey and López de Prado (2014) na dziedzinę prognozowania możliwości; konstrukt DCF z rozdziału 14 stosuje tę machinę do prognoz typu, jaki tworzy Aschenbrenner. Rozdział 1.2 przechodzi następnie do ram kotwic biologicznych Cotry.

3.6 Pozycje cytowane w tym rozdziale

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay. https://situational-awareness.ai/ (non-peer-reviewed)

Bahri, Y., Dyer, E., Kaplan, J., Lee, J., & Sharma, U. (2024). Explaining neural scaling laws. Proceedings of the National Academy of Sciences.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Caballero, E., Gupta, K., Rish, I., & Krueger, D. (2022). Broken neural scaling laws. arXiv preprint arXiv:2210.14891.

Erdil, E., & Besiroglu, T. (2022). Algorithmic progress in image classification. arXiv preprint arXiv:2212.05153.

Hendrycks, D., Burns, C., Basart, S., Zou, A., Mazeika, M., Song, D., & Steinhardt, J. (2021a). Measuring massive multitask language understanding [MMLU]. International Conference on Learning Representations.

Hendrycks, D., Burns, C., Kadavath, S., Arora, A., Basart, S., Tang, E., Song, D., & Steinhardt, J. (2021b). Measuring mathematical problem solving with the MATH dataset. NeurIPS Datasets and Benchmarks.

Hoffmann, J., Borgeaud, S., Mensch, A., et al. (2022). Training compute-optimal large language models [Chinchilla]. NeurIPS.

Kaplan, J., McCandlish, S., Henighan, T., et al. (2020). Scaling laws for neural language models. arXiv preprint arXiv:2001.08361.

METR. (2024). METR autonomy task evaluations. metr.org (non-peer-reviewed).

Ouyang, L., Wu, J., Jiang, X., et al. (2022). Training language models to follow instructions with human feedback [InstructGPT]. NeurIPS.

Rein, D., Hou, B. L., Stickland, A. C., et al. (2023). GPQA: A graduate-level Google-proof Q&A benchmark. arXiv preprint arXiv:2311.12022.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN).

Sorscher, B., Geirhos, R., Shekhar, S., Ganguli, S., & Morcos, A. S. (2022). Beyond neural scaling laws: Beating power law scaling via data pruning. NeurIPS.

Wei, J., Wang, X., Schuurmans, D., et al. (2022). Chain-of-thought prompting elicits reasoning in large language models. NeurIPS.

4 Rozdział 1.2 — Mapowanie głównych prognoz: metoda kotwic biologicznych Cotry (z autorewizją z 2022 roku)

Rozdział ten rekonstruuje metodologię Cotry (2020), Forecasting TAI with Biological Anchors (non-peer-reviewed), oraz Cotry (2022), Two-year update on my personal AI timelines (non-peer-reviewed). Raport z 2020 roku ujmuje kwestię prognozy ram czasowych transformacyjnej sztucznej inteligencji jako kwestię dostępności mocy obliczeniowej: szacuje wielkość mocy obliczeniowej treningu wymaganej przez TAI w odniesieniu do benchmarków biologicznych, a następnie projektuje, kiedy moc obliczeniowa treningu tej wielkości staje się dostępna cenowo dla wiodącego laboratorium AI. Wpis z 2022 roku rewiduje wartości parametrów ram i częściowo redefiniuje TAI bez zastąpienia leżącej u podstaw struktury kotwic. Obie publikacje są przedmiotem tego rozdziału.

Rekonstrukcja jest mapowaniem, nie rozstrzyganiem. Cotra wytwarza prognozę; niniejszy manuskrypt proponuje narzędzia statystyczne do oceny prognoz tego typu.

4.1 §1 — Co Cotra zakotwicza

Cotra organizuje kwestię nadejścia TAI wzdłuż pojedynczej osi, którą prerejestrowana taksonomia niniejszego manuskryptu nazywa osią kotwic (mieszanka benchmarków biologicznych obejmująca kotwice krótkiego horyzontu, średniego horyzontu, długiego horyzontu, genomu, czasu życia oraz ewolucji z przypisanymi wagami) (preregistration v1, §7-axis decomposition taxonomy, 2026-05-18). Oś rozkłada kwestię mocy obliczeniowej TAI na sześć równoległych odpowiedzi teoretycznych, z których każda jest osadzona w biologicznym punkcie odniesienia i każda niesie oszacowanie mocy obliczeniowej dla danej kotwicy oraz subiektywną wagę mieszanki (Cotra, 2020, Sections 1-4).

Kotwica 1: czas życia (10^24 FLOPs). Moc obliczeniowa inferencji mózgu według centralnego oszacowania Cotry wynoszącego 10^16 FLOP/s, pomnożona przez liczbę sekund w ludzkim życiu (~2.5×10^9 s) i skorygowana o efektywność próby, daje w przybliżeniu 10^24 FLOP (poparte dowodami — wyprowadzenie zrekonstruowane przez Karnofsky 2021 i Alexander 2022; wartość 10^16 FLOP/s opiera się na oszacowaniach liczby synaps i częstotliwości pobudzeń niosących około trzech rzędów wielkości opublikowanej niepewności neuronaukowej).

Kotwice 2-4: sieci neuronowe krótkiego / średniego / długiego horyzontu (10^30, 10^33, 10^36 FLOPs). Trzy oszacowania zakotwiczone na ekstrapolacjach praw skalowania z modeli językowych i wizyjnych ze stanu wiedzy z 2020 roku, skalibrowane do horyzontów zadaniowych o rosnącej długości. Wewnętrzny rozpiętość 6-OOM odzwierciedla zobowiązanie Cotry, że efektywny horyzont zadania mnoży wymóg mocy obliczeniowej (poparte dowodami).

Kotwica 5: genom (10^33 FLOPs). Zakotwiczona na mocy obliczeniowej implikowanej teorią informacji przez zawartość kodującą genomu. Wartość zbiega się numerycznie z kotwicą NN średniego horyzontu; Alexander (2022) wskazuje na międzygatunkową zmienność wielkości genomu — 50-krotnie większe genomy u pewnych roślin koronowych bez odpowiadającej inteligencji — jako presję metodologiczną na tę kotwicę (poparte dowodami).

Kotwica 6: ewolucja (10^41 FLOPs). Zakotwiczona na skumulowanej mocy obliczeniowej ewolucji zwierząt prowadzącej do inteligencji na poziomie ludzkim; Karnofsky (2021) opisuje tę kotwicę jako bardzo konserwatywną (poparte dowodami). Przy centralnych tempach sprzętu i algorytmów Cotry kotwica ewolucji jest osiągana dopiero poza rokiem 2100 w wielu kombinacjach parametrów.

Zsumowane w sześciu kotwicach ramy obejmują 17 rzędów wielkości kandydujących wymogów mocy obliczeniowej TAI. Cotra miesza rozkłady poszczególnych kotwic pod subiektywnymi wagami i raportuje finalny rozkład: mediana ~2052, 10% do 2031, ~80% do 2100 (poparte dowodami przez Alexander 2022 i przegląd literatury Epoch AI, wzajemnie spójne na poziomie nagłówka). Aktualizacja z 2022 roku dziedziczy te same sześć kotwic, rewiduje wagi mieszanki, podnosi bazę sprzętową FLOP/$ o około 10x i częściowo redefiniuje TAI z automating all scientific tasks na automating AI R&D. Nagłówkowa mediana kompresuje się do około 2040; zaktualizowany rozkład raportuje 15% do 2030, 60% do 2050, 97% do 2100 (Cotra, 2022; przegląd literatury Epoch AI).

Oszacowania mocy obliczeniowej poszczególnych kotwic Cotry dziedziczą ze źródeł nadrzędnych: kotwice czasu życia i ewolucji zależą od Sandberg i Bostrom (2008) oraz zakresu oszacowań mocy obliczeniowej mózgu Moraveca (1988); kotwice sieci neuronowych zależą od wykładników praw skalowania Kaplana i in. (2020) oraz pomiarów wydajności algorytmicznej Hernandeza i Browna (2020). Rewizje tych nadrzędnych oszacowań propagują się bezpośrednio do wymogów mocy obliczeniowej kotwic. Ta zależność nadrzędna jest instancją Pattern G w domenie Cotry (preregistration v1, §Pattern framework) i jest strukturalną cechą badanego zbioru prognoz, nie defektem: każda prognoza oparta na kotwicach biologicznych dziedziczy rezydualną niepewność literatury dotyczącej mocy obliczeniowej mózgu.

4.2 §2 — Dekompozycja metodologii

Ramy kotwic biologicznych można ująć jako funkcję. Niech T_a oznacza wymóg mocy obliczeniowej kotwicy a ∈ {czas życia, krótka-NN, średnia-NN, długa-NN, genom, ewolucja}, niech C(t) oznacza dostępną cenowo moc obliczeniową treningu w roku t, a w_a niech oznacza wagę mieszanki na kotwicy a. Procedura Cotry konstruuje prawdopodobieństwo, że TAI jest wykonalna do roku t, jako

P(TAI by t) = Σ_a w_a · 1[C(t) ≥ T_a · ε_a]

gdzie ε_a oznacza dyspersję rozkładową poszczególnej kotwicy (w przybliżeniu logarytmicznie normalną o szerokości 1-2 OOM na kotwicę, zgodnie z opracowaniami wtórnymi), a C(t) jest budowane multiplikatywnie z trendów sprzętowych FLOP/$, wydajności algorytmicznej i gotowości do wydatków. Funkcja jest następnie ewaluowana w latach 2020-2100, dając rozkład percentylowy, który jest nagłówkowym wynikiem ram.

Dane wejściowe. Baza empiryczna jest rozwarstwiona na cztery rodziny. Biologiczna: moc obliczeniowa inferencji mózgu na poziomie 10^16 FLOP/s (centralne oszacowanie Cotry; 10^13 FLOP/s Moraveca traktowane jako wymiar wrażliwości), wielkość genomu na poziomie około 10^9 par zasad, oszacowania mocy obliczeniowej ewolucji zagregowane w liniach rodowych zwierząt. Prawo skalowania: Kaplan i in. (2020) wykładniki dla kotwic sieci neuronowych, z Hoffmann i in. (2022) Chinchilla uznanym w aktualizacji z 2022 roku, lecz nie formalnie ponownie zintegrowanym (Cotra, 2022). Trend kosztów: Hernandez i Brown (2020) trend sprzętowy FLOP/$ na poziomie 0.2-0.3 OOM/rok; trend wydajności algorytmicznej na poziomie 0.4-0.5 OOM/rok. Gotowość do wydatków: model wzrostu logistycznego nasycający się przy około 1% PKB na pojedynczy przebieg treningowy, z 0.1%-10% jako udokumentowanym zakresem wrażliwości.

Ekstrapolacja i założenia. Pięć zobowiązań modelowych niesie prognozę: (i) oszacowania mocy obliczeniowej poszczególnych kotwic są stabilne w horyzoncie projekcji, z analizą wrażliwości na moc obliczeniową inferencji mózgu jako głównym wymiarem odporności; (ii) multiplikatywna kompozycja C(t) — sprzęt × wydajność algorytmiczna × zdolność wydatkowa — jest w przybliżeniu niezależna między czynnikami; (iii) wagi mieszanki są stabilne w czasie, bez sformalizowanej reguły aktualizacji; (iv) gotowość do wydatków nasyca się w horyzoncie projekcji; (v) żadna zmiana paradygmatu między stanem wiedzy a rokiem TAI nie unieważnia ekstrapolacji opartej na prawach skalowania (Alexander 2022 wskazuje to jako założenie Victorian-ship-size-to-spaceships). Aktualizacja z 2022 roku rewiduje (i) (baza sprzętowa w górę 10x; tempa niezmienione), (iii) (wagi przesuwają się kierunkowo ku kotwicom NN krótszego horyzontu, bez opublikowanych wielkości dla poszczególnych kotwic) oraz definicję TAI; (ii), (iv), (v) są zachowane.

Granica w próbie / poza próbą. To jest nośna obserwacja tego rozdziału. Procedura z 2020 roku jest, w terminologii Rozdziału 4, rekonstrukcją w próbie, po której następuje ekstrapolacja trendu: trendy kosztów sprzętu i wydajności algorytmicznej są dopasowane do danych z lat 2010-2020 i ekstrapolowane na lata 2030-2100; wymogi mocy obliczeniowej kotwic biologicznych są wyprowadzone z bieżącej neuronauki i przyjęte jako stabilne w horyzoncie projekcji. Nie zastosowano formalnego protokołu poza próbą. Nie przedstawiono analizy kroczącej. Najbliższymi gestami w stronę walidacji są analizy wrażliwości z Sekcji 5, które badają odporność w przestrzeni modelu — nie dokładność predykcyjną na danych wydzielonych (ustalone jako fakt o dokumencie).

Aktualizacja z 2022 roku częściowo funkcjonuje jako zdarzenie poza próbą dla ram z 2020 roku: Cotra rewiduje medianę o około 12 lat (Cotra, 2022; przesunięcie 2020 → 2022 z 2052 na 2040 ustalone przez materiały Epoch AI i EA Forum). Aktualizacja spełnia jedno kryterium poza próbą w duchu (wartości walidacyjne nie użyte do specyfikacji modelu), lecz zawodzi w innym: ramy nie były prerejestrowane z konkretną regułą aktualizacji, a rewizje wag są uznaniowe. Rozdziały 4 i 6 powracają do tej asymetrii.

4.3 §3 — Co metoda osiąga

Cztery cechy ram kotwic biologicznych zasługują na wyraźne rozliczenie.

Dekompozycja na nazwane kotwice. Głównym ruchem metodologicznym Cotry jest oddzielenie kwestii mocy obliczeniowej TAI na sześć wyraźnych kotwic, każda z określoną podstawą teoretyczną i numerycznym oszacowaniem mocy obliczeniowej. Czytelnik może nie zgadzać się z wagą przypisaną którejkolwiek pojedynczej kotwicy bez sprzeciwiania się strukturze ram. Dekompozycja jest gęstsza niż trójczynnikowy podział OOM Aschenbrennera, a oszacowania mocy obliczeniowej poszczególnych kotwic są raportowane jako oszacowania punktowe plus szerokości rozkładowe, a nie jako same oszacowania punktowe. Otwartość na audyt na poziomie komponentów jest tu bardziej rozwinięta niż w jakiejkolwiek innej prognozie w badanym zbiorze (ustalone — weryfikowalne w research_notes/forecasts_database.json).

Wyraźne ujawnienie wag. Cotra publikuje wagi mieszanki na poziomie nagłówka: kotwice NN zbiorczo otrzymują około 60-70%, kotwica genomu około 15-20%, kotwice czasu życia i ewolucji po około 5-10% każda (Cotra, 2020, przez Alexander 2022). Nagłówkowa alokacja jest udokumentowana. To więcej ujawnienia niż traktowanie wag komponentów OOM w eseju narracyjnym Aschenbrennera i więcej niż jakościowe ujęcie masy prawdopodobieństwa Karnofsky'ego. W ramach badanego zbioru ujawnienie wag przez Cotrę jest najbardziej wyraźne (poparte dowodami przez przegląd ACX Alexander 2022).

Publiczna rewizja metodologii. W sierpniu 2022 roku Cotra opublikowała wpis w roli osobistej kompresujący swoją medianę TAI z około 2052 do około 2040 w oknie dwuletnim, powołując się na (a) redefinicję TAI z automating all scientific tasks na automating AI R&D; (b) uznanie skalowania Chinchilla Hoffmann i in. (2022), kierunkowo wydłużające ramy czasowe; (c) jednorazową korektę bazy sprzętowej w górę o około 10x; (d) kierunkowe przeważenie ku kotwicom NN krótszego horyzontu, bez opublikowanych wielkości dla poszczególnych kotwic (Cotra, 2022). Aktualizacja jest pojedynczym najbogatszym w dane zdarzeniem w badanym zbiorze prognostów: opublikowany prognosta rewidujący wcześniej bronioną ramę czasową publicznie, z nazwanymi czynnikami. Żadna inna rama w bazie danych niniejszego manuskryptu nie niesie porównywalnej rewizji metodologii prowadzonej przez autora w dokumentacji. To jest merytoryczna cecha metodologiczna, nie chronologiczny przypis: stawia jeden wpis w badanym zbiorze w warunkach zbliżonych do samodzielnie przeprowadzonego audytu (ustalone — weryfikowalne w wpisach research_notes/forecasts_database.json dla Aschenbrenner, Davidson, Karnofsky, Grace, Epoch AI).

Zdekomponowana niepewność w kotwicach. Sześcio-kotwicowa struktura jest sama w sobie wyraźnym uznaniem epistemicznej niepewności co do leżącej u podstaw kwestii mocy obliczeniowej TAI. Tam, gdzie dekompozycja OOM Aschenbrennera używa zakresów punktowych na czynnik, ramy Cotry raportują pełny rozkład prawdopodobieństwa na kandydujących wymogach mocy obliczeniowej poprzez mieszankę. Analiza wrażliwości z Sekcji 5 dodatkowo waruje moc obliczeniową inferencji mózgu, wagi kotwic, tempo sprzętowe FLOP/$ oraz tempo wydajności algorytmicznej, z raportowanymi przesunięciami mediany o 5-15 lat przy zamianie mocy obliczeniowej mózgu i o 20+ lat przy perturbacji wag. Ramy uwidaczniają wielkość własnej rezydualnej niepewności (poparte dowodami).

4.4 §4 — Czego metoda nie może nam powiedzieć

Cztery pytania wyłaniają się z samej dekompozycji; w ramach Reguły 3 (samozastosowanie) każde mapuje się na sekcję rozdziału audytowego i na analogiczne pytanie stojące przed własnym konstruktem z Rozdziału 14 niniejszego manuskryptu.

Pytanie 1: przestrzeń przeszukiwania wag kotwic. Ramy z 2020 roku publikują jedną alokację wag; aktualizacja z 2022 roku rewiduje kierunkowo bez publikowania wielkości dla poszczególnych kotwic (Cotra, 2022). Nawet biorąc ujawnienie z 2020 roku jako siłę metodologiczną (§3), ujawniona alokacja odzwierciedla jedną trajektorię przez implikowaną przestrzeń przeszukiwania wag. W sześciowymiarowym simpleksie wiarygodne alternatywne alokacje obejmują ważenie jednorodne z perspektywy zewnętrznej, koncentrację skalowania-DL z perspektywy wewnętrznej (kierunek z 2022 roku), pesymistyczną koncentrację-ewolucji oraz zgodną z Moravecem koncentrację-czasu życia. Analiza wrażliwości z Sekcji 5 bada część tej przestrzeni, lecz nie wylicza implikowanej liczby przeszukiwań (spekulatywne co do wielkości inflacji indukowanej przeszukiwaniem; ustalone jako obserwacja metodologiczna o dokumencie).

Obserwacja samozastosowania. Estymator efektywnego N z Rozdziału 14 (preregistration v2 §Adaptation 4; LOCKED, TIER_3_NEW_DERIVATION dla Algorytmów A/B/C i złożonego, domyślnie (spekulatywne)) napotyka ścisły analog: implikowana liczba przeszukiwań hiperparametrów nie jest bezpośrednio obserwowalna. Manuskrypt pre-zobowiązuje się do zakresu złożonego z nagłówkiem opartym na średniej geometrycznej oraz progami współczynnika widełek 1.5x i 100x; analogiczna krytyka stosuje się do manuskryptu na identycznym wymiarze.

Pytanie 2: ważność analogu biologicznego. Każda kotwica zakłada, że konkretny biologiczny punkt odniesienia — ludzkie życie, analog sieci neuronowej uczenia biologicznego, zawartość kodująca genomu, skumulowana ewolucja — ogranicza wymóg mocy obliczeniowej TAI. W jakich warunkach analogy te przenoszą się i jakie dowody falsyfikowałyby przeniesienie? Raport z 2020 roku osadza mapowanie biologiczno-sztuczne każdej kotwicy w motywacji teoretycznej, lecz nie specyfikuje obserwacji możliwości, która obaliłaby mapowanie. Krytyka kotwicy genomu przez Alexandra (2022) oparta na roślinach koronowych nie pojawia się w analizie wrażliwości ram (poparte dowodami jako luka; mapowanie biologiczno-sztuczne jest nośnym wyborem metodologicznym ram).

Obserwacja samozastosowania. Partycja zbioru informacyjnego z Rozdziału 14 (preregistration v2 §Adaptation 2; TIER_3_NEW_DERIVATION; domyślnie (spekulatywne) do elewacji MC Study 2 zgodnie z Type-I_C > 2·PBO OR Power_C < 0.5·PBO) zakłada sekwencyjno-przyczynowe uporządkowanie historycznych wyników prognoz — samo w sobie zobowiązanie do ważności analogu. Kryterium MC Study 2 zostało pre-zobowiązane, by wystawić tę zależność na falsyfikację; analogiczna krytyka stosuje się do samego manuskryptu.

Pytanie 3: wystarczalność autorewizji z 2022 roku. Aktualizacja z 2022 roku jest najbardziej informatywnym zdarzeniem ram (§3) oraz uznaniową interwencją. Redefinicja TAI mechanicznie kompresuje implikowany cel mocy obliczeniowej; korekta bazy sprzętowej 10x jest jednorazowa, bez rewizji tempa; kierunkowa realokacja wag ku NN krótszego horyzontu nie jest kwantyfikowana per kotwica (Cotra, 2022). Czy rewizja rzeczywiście adresuje błąd kalibracji ram z 2020 roku, czy też przesuwa pytania bez ich rozwiązywania? Ramy nie dostarczają wewnętrznego mechanizmu odróżnienia tych odczytów (poparte dowodami jako luka).

Obserwacja samozastosowania. Estymator wariancji nie-IID z Rozdziału 14 (preregistration v2 §Adaptation 1; TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do elewacji MC Study 1 zgodnie z n_critical(ρ) > 60) napotyka analog: rewizja prognozy musi być odróżnialna od przesunięcia strukturalnego pod własną strukturą zależności ram. Bootstrap blokowy na pozbawionych trendu resztach jest pre-zobowiązaną procedurą manuskryptu; analogiczna krytyka stosuje się do samego manuskryptu.

Pytanie 4: agregacja mieszanki kotwic. Mieszanka jest ważoną sumą rozkładów jednoczynnikowych, nie wspólnym oszacowaniem. Alternatywna agregacja — traktująca moc obliczeniową TAI jako funkcję wielu czynników jednocześnie — dałaby inny finalny rozkład. Nagłówkowe statystyki mieszanki są wrażliwe na zarówno wagi kotwic, jak i szerokości poszczególnych kotwic; ramy nie formalizują rozkładu wspólnego. To, czy finalne percentyle odzwierciedlają realny leżący u podstaw rozkład epistemiczny, czy narzucają wygodną meta-niepewność, pozostaje otwarte (poparte dowodami jako luka).

Obserwacja samozastosowania. Statystyka wyników prognozowania możliwości z Rozdziału 14 (preregistration v2 §Adaptation 3; LOCKED, TIER_2 dla Brier/log-loss/kalibracji/pokrycia przedziałowego, TIER_3 dla capability-Sharpe) napotyka analog: żadna pojedyncza reguła agregacji nie jest uprzywilejowana. Manuskrypt pre-zobowiązuje się do capability-Sharpe jako podstawowej plus panelu odporności wielostatystycznego; analogiczna krytyka — pod jaką regułą agregacji obliczany jest nagłówek — stosuje się do samego manuskryptu.

Rozdziały 4 do 7 rozwijają je formalnie.

4.5 §5 — Odniesienie naprzód

Rozdział 2 identyfikuje strukturalny wzorzec jednoczący badany zbiór: oś kotwic jest jedną z siedmiu prerejestrowanych osi dekompozycji, z których żadna nie wdraża protokołu walidacji poza próbą przy publikacji. Rozdział 4 rozwija protokół kroczącej retrodykcji. Rozdział 6 rozszerza wyprowadzenie DSR Bailey i López de Prado (2014) na prognozowanie możliwości (adresując Pytania 1 i 3 przez Adaptacje 4 i 1). Konstruktywny aparat DCF z Rozdziału 14 adresuje Pytania 2 i 4 przez Adaptacje 2 i 3.

Rozdział 1.3 zwraca się następnie ku ramom prędkości gwałtownego startu (takeoff) Davidsona skoncentrowanym na mocy obliczeniowej, które dekomponują tę samą kwestię prognostyczną wzdłuż innej osi.

4.6 Pozycje cytowane w tym rozdziale

Alexander, S. (2022, March). Biological anchors: a trick that might or might not work. Astral Codex Ten (non-peer-reviewed).

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Hernandez, D., & Brown, T. B. (2020). Measuring the algorithmic efficiency of neural networks. arXiv preprint arXiv:2005.04305.

Hoffmann, J., Borgeaud, S., Mensch, A., et al. (2022). Training compute-optimal large language models [Chinchilla]. NeurIPS.

Kaplan, J., McCandlish, S., Henighan, T., et al. (2020). Scaling laws for neural language models. arXiv preprint arXiv:2001.08361.

Karnofsky, H. (2021, August). Forecasting transformative AI: the biological anchors method in a nutshell. Cold Takes blog (non-peer-reviewed).

Moravec, H. (1988). Mind children: The future of robot and human intelligence. Harvard University Press.

Sandberg, A., & Bostrom, N. (2008). Whole brain emulation: A roadmap (Technical Report 2008-3). Future of Humanity Institute, Oxford University.

5 Rozdział 1.3 — Mapowanie głównych prognoz: skoncentrowany na mocy obliczeniowej model gwałtownego startu (takeoff) Davidsona

Rozdział ten rekonstruuje metodologię Davidsona (2023), What a compute-centric framework says about AI takeoff speeds (non-peer-reviewed). Raport ujmuje kwestię prędkości gwałtownego startu (takeoff) SI jako problem symulacji sprzężonych trajektorii: łączy ekstrapolacje dostępności cenowej mocy obliczeniowej, tempa postępu algorytmicznego oraz dynamiki rekurencyjnego sprzężenia zwrotnego badań i rozwoju SI w pojedynczy model zmienny w czasie; raportuje implikowany rozkład prawdopodobieństwa nad czasem trwania od 20%-automatyzacji do 100%-automatyzacji zadań poznawczych. Towarzyszący artefakt takeoffspeeds.com, zbudowany wspólnie z Epoch AI, wystawia około siedemdziesięciu nazwanych parametrów.

Rekonstrukcja jest mapowaniem, nie rozstrzyganiem.

5.1 §1 — Co Davidson modeluje

Davidson organizuje kwestię prędkości gwałtownego startu (takeoff) wzdłuż pojedynczej osi, którą prerejestrowana taksonomia niniejszego manuskryptu nazywa osią czasu trwania gwałtownego startu (masa prawdopodobieństwa rozłożona nad czasem trwania od 20%-automatyzacji do 100%-automatyzacji zadań poznawczych, z dekompozycją wieloscenariuszową na reżimy powolny, szybki oraz nieciągły) (preregistration v1, §7-axis decomposition taxonomy, 2026-05-18). Oś jest odrębna od osi OOM Aschenbrennera i od osi kotwic Cotry: Davidson nie prognozuje konkretnego roku nadejścia i nie partycjonuje wymogu mocy obliczeniowej na kotwice biologiczne. Prognozuje rozkład czasu trwania, warunkowy na osiągnięciu przez możliwości SI progu 20%-automatyzacji, nad tym, jak długo trwa przejście do 100%-automatyzacji.

Ramy są strukturalnie trójczynnikowe. Postęp możliwości jest dekomponowany multiplikatywnie na (1) wymóg mocy obliczeniowej treningu dla sztucznej inteligencji ogólnej (AGI) przy obecnych algorytmach, traktowany jako rozkład prawdopodobieństwa, a nie punkt (~1e36 FLOP centralnie przy skalowaniu ze stanu wiedzy z 2020 roku); (2) tempo postępu algorytmicznego, czerpane z Kaplan i in. (2020), Hoffmann i in. (2022), Hernandez i Brown (2020) oraz Erdil i Besiroglu (2022); (3) trajektorię skalowania sprzętu, czerpaną z bazy danych mocy obliczeniowej Epoch AI (Sevilla i in., 2022). Iloczyn daje effective FLOP available for training jako funkcję czasu; gwałtowny start (takeoff) zaczyna się, gdy efektywny FLOP przekracza dolny próg rozkładu wymogu i kończy się, gdy trajektoria przekracza górny próg skalowany przez parametr luki efektywnego FLOP (Davidson, 2023, §1).

Wyniki nagłówkowe. Ramy raportują trójpunktowy rozkład prawdopodobieństwa nad czasem trwania gwałtownego startu: około 25% prawdopodobieństwa poniżej jednego roku, 50% prawdopodobieństwa poniżej trzech lat, 80% prawdopodobieństwa poniżej dziesięciu lat (Davidson, 2023, §2) (poparte dowodami — odtwarzalne przez takeoffspeeds.com przy centralnych parametrach). Odrębnym twierdzeniem jest, że interwał od AGI do superinteligencji wynosi poniżej jednego roku w braku celowej koordynacji spowolnienia (spekulatywne — warunek kontrfaktyczny; wynik wewnętrzny modelu bez kotwicy poza próbą). Próg „przebudzenia" przy około 6% automatyzacji ogólnogospodarczej oraz centralna luka efektywnego FLOP 10 000x (zakres 1-do-8-OOM) są dwoma najbardziej ilościowo-konkretnymi parametrami dynamiki endogenicznej ram (poparte dowodami jako parametry modelu; konkretne wartości zastrzeżone).

Dane wejściowe poszczególnych komponentów Davidsona dziedziczą z metodologii nadrzędnych: rozkład wymogu treningu AGI z klastra kotwic sieci neuronowych Cotry (10^30-1036 FLOPs, z centralnym oszacowaniem 1e36 na górnym końcu); tempa postępu algorytmicznego i skalowania sprzętu z tej samej literatury praw skalowania i Epoch AI, z której czerpie oś OOM Aschenbrennera; aparat półendogenicznego wzrostu z Romer (1990), Aghion, Jones i Jones (2017) oraz Trammell i Korinek (2023). Ta zależność nadrzędna jest instancją Pattern G w domenie Davidsona (preregistration v1, §Pattern framework) i jest strukturalną cechą badanego zbioru prognoz, nie defektem: każdy skoncentrowany na mocy obliczeniowej model prędkości gwałtownego startu dziedziczy rezydualną niepewność literatury praw skalowania, rezydualną niepewność metodologii kotwic biologicznych oraz niepewność transferu domenowego literatury teorii wzrostu.

5.2 §2 — Dekompozycja metodologii

Ramy można ująć jako sprzężony układ równań różniczkowych. Niech E(t) oznacza efektywną moc obliczeniową w czasie t, A(t) poziom automatyzacji (frakcję zadań poznawczych, przy których wiodące systemy są konkurencyjne), R(t) mnożnik wkładu badań i rozwoju SI, a S(t) mnożnik przebudzenia inwestorów. Procedura Davidsona konstruuje układ jako

dE/dt = E(t) · [r_hw + r_alg · (1 + R(A(t))) + r_spend · S(A(t))]

A(t+1) = f(E(t), G, ρ)

gdzie r_hw, r_alg, r_spend są bazowymi tempami wzrostu poszczególnych czynników, R(A) rośnie z automatyzacją (przyspieszenie badań i rozwoju SI), S(A) stopniuje w górę przy progu „przebudzenia" 6%, G jest luką efektywnego FLOP, a ρ jest parametrem substytucji pracy CES. Układ jest całkowany naprzód od warunku początkowego dopasowanego do realiów z 2023 roku. Monte Carlo nad rozkładami parametrów wytwarza rozkład czasu trwania gwałtownego startu, który jest nagłówkowym wynikiem ram (Davidson, 2023, §§1-4).

Dane wejściowe. Baza empiryczna dzieli się na trzy rodziny. Moc obliczeniowa i wymogi: rozkład wymogu treningu AGI wyśrodkowany blisko 1e36 FLOP przy algorytmach z 2020 roku (odziedziczony z Cotra, 2020); wymóg czasu wykonania ~1.6667e16 FLOP na inferencję dla modelu klasy 1e36. Tempa postępu: skalowanie sprzętu FLOP-na-dolar i mocy obliczeniowej treningu z bazy danych mocy obliczeniowej Epoch AI (Sevilla i in., 2022); tempa wydajności algorytmicznej z Hernandez i Brown (2020), Erdil i Besiroglu (2022) oraz korekty optymalnej obliczeniowo Chinchilla (Hoffmann i in., 2022). Sprzężenie zwrotne i struktura ekonomiczna: przyspieszenie badań i rozwoju SI (20%-ogólnogospodarcze-do-40-50%-specyficznego-dla-R&D); próg „przebudzenia" 6%; parametr CES ρ w przybliżeniu 0.5-0.7; styl Cotry nasycenie gotowości do wydatków.

Ekstrapolacja i założenia. Sześć zobowiązań modelowych niesie prognozę: (i) obecne algorytmy wystarczają dla AGI przy wystarczającej mocy obliczeniowej — brak zmiany paradygmatu między 2020 a rokiem AGI; (ii) trójczynnikowa dekompozycja (moc obliczeniowa × algorytmy × sprzęt) składa się multiplikatywnie z w przybliżeniu niezależnymi wkładami w przestrzeni logarytmicznej; (iii) elastyczność półendogenicznego wzrostu Jonesa-Romera stosuje się do badań i rozwoju SI, z elastycznością wystawioną jako wolny parametr symulatora; (iv) próg „przebudzenia" 6% jest strukturalnie poprawny, z mnożnikiem po-przebudzeniu wystawionym jako strojony; (v) skalowanie moc-obliczeniowa-do-możliwości jest monotoniczne w luce 20%-do-100%-automatyzacji — ani efekty łamanego skalowania Caballero i in. (2022), ani interwencje przesuwające wykładnik Sorscher i in. (2022) nie są zintegrowane; (vi) około siedemdziesiąt nazwanych parametrów symulatora jest wyczerpujące dla wyborów modelowania, które Davidson uznaje za istotne.

Granica w próbie / poza próbą. To jest nośna obserwacja tego rozdziału. Ramy są, w terminologii Rozdziału 4, sprzężoną symulacją w próbie: wartości parametrów są dopasowane do historii z lat 2010-2023, a dynamiki są całkowane naprzód. Nie zastosowano formalnego protokołu poza próbą. Nie przedstawiono analizy kroczącej — zamrożenia ram we wcześniejszym stanie wiedzy i pytania, czy retrodykują one później zaobserwowane dynamiki. Nie zaoferowano wstępnie określonego kryterium falsyfikacji dla rozkładu czasu trwania gwałtownego startu; próg „przebudzenia" 6% jest najbardziej bezpośrednio-falsyfikowalnym pojedynczym twierdzeniem ram i nie ma historycznego analogu, którym można by go zwalidować (ustalone jako fakt o dokumencie).

Najbliższe gesty w stronę walidacji są dwa. Interaktywny symulator pod takeoffspeeds.com wystawia niepewność parametrów, zamiast ją ukrywać — uwidocznienie odporności, nie walidacja predykcyjna. Wywiad Davidsona w 80.000 Hours raportuje uznaniową aktualizację prawdopodobieństwa: prawdopodobieństwo przejęcia przez SI do 2070 roku wzrosło z około 10% do około 20% w mniej więcej jeden rok (stwierdzone przez Davidsona). Aktualizacja jest równoległa do rewizji ram Cotry z 2020-do-2022 w strukturze, lecz jest raportowana nieformalnie w podcaście. Rozdział 6 powraca do zdarzeń autoaktualizacji prognosty jako małej serii walidacyjnej w badanym zbiorze.

5.3 §3 — Co metoda osiąga

Cztery cechy ram Davidsona zasługują na wyraźne rozliczenie.

Formalna struktura układu sprzężonego z wieloscenariuszowym wynikiem probabilistycznym. Głównym ruchem metodologicznym Davidsona jest wyrażenie dynamiki gwałtownego startu jako modelu sprzężonych trajektorii, którego wynikiem jest rozkład prawdopodobieństwa nad czasem trwania, nie oszacowanie punktowe. Trójpunktowy rozkład (25% / 50% / 80% poniżej 1 / 3 / 10 lat) pozwala czytelnikowi odczytać prawdopodobieństwa warunkowe bezpośrednio bez wnioskowania ogonów z mediany. Wśród badanego zbioru prognoz to jedyne ramy wytwarzające jawny rozkład prawdopodobieństwa nad czasem trwania gwałtownego startu; zliczanie OOM Aschenbrennera wytwarza punktowy rok nadejścia AGI (~2027), kotwice biologiczne Cotry rozkład nad rokiem nadejścia, lecz nie nad dynamikami po nadejściu, ujęcie masy prawdopodobieństwa Karnofsky'ego pozostaje jakościowe co do gwałtownego startu (ustalone — weryfikowalne we wpisach research_notes/forecasts_database.json dla sześciu innych badanych prognoz).

Wyraźne ujawnienie wrażliwości parametrów. Davidson wystawia około siedemdziesięciu nazwanych parametrów w symulatorze takeoffspeeds.com w dwóch poziomach, a raport identyfikuje cztery najbardziej-wrażliwe parametry jako rozkład wymogu treningu AGI, lukę efektywnego FLOP, mnożnik przebudzenia oraz parametr substytucji pracy CES ρ (Davidson, 2023, §§2-5). Wrażliwość jest raportowana głównie pojedynczo; perturbacje wspólne są dozwolone przez symulator, lecz nie wyczerpująco opublikowane. W porównaniu z traktowaniem temp komponentów OOM w eseju narracyjnym Aschenbrennera i sześcio-kotwicową analizą Cotry ograniczoną do mocy obliczeniowej mózgu i wag mieszanki, transparentność zbioru parametrów Davidsona jest strukturalnie większa, a ranking wrażliwości na parametr jest udokumentowany (poparte dowodami). Transparentność na tej skali tworzy także analityczne narażenie pod logiką testowania wielokrotnego — punkt, do którego powraca Rozdział 7 — lecz transparentność jest warunkiem koniecznym tego narażenia.

Integracja metodologii nadrzędnych zamiast izolowanego wyprowadzenia. Davidson jawnie importuje kotwicę wymogu mocy obliczeniowej z Cotry, tempa skalowania i wydajności algorytmicznej z linii Kaplan-Hoffmann-Hernandez-Brown-Erdil-Besiroglu, trajektorię sprzętową z bazy danych mocy obliczeniowej Epoch AI oraz aparat teorii wzrostu z linii rodowej Jones-Romer / Aghion-Jones-Jones. Ramy są pozycjonowane jako pochodne tych źródeł, nie jako alternatywa. To jest strukturalnie bardziej uczciwe niż przedstawianie modelu gwałtownego startu jako samodzielnego wyprowadzenia: dokładność ram jest ograniczona przez dokładność danych wejściowych, a dane wejściowe są nazwane (ustalone — weryfikowalne w research_notes/forecasts_database.json davidson_2023_compute primary_sources). Davidson rozszerza zbiór importów o teorię wzrostu i strukturę ekonomiczną, których ani Aschenbrenner, ani Cotra nie formalizują.

Interaktywny symulator jako opublikowany artefakt odtworzenia. Towarzyszący symulator takeoffspeeds.com (zbudowany wspólnie z Epoch AI) jest metodologicznie opublikowanym pakietem odtworzenia: dowolny czytelnik może warować około siedemdziesiąt parametrów i obserwować, jak przesuwa się rozkład czasu trwania gwałtownego startu. Ramy Aschenbrennera nie mają publicznego artefaktu odtworzenia; Cotra (2020) raportuje granice wrażliwości bez interfejsu parametrów. W ramach badanego zbioru prognoz Davidson jest jedynym wpisem spełniającym standard every quantitative claim has a reproducible code artifact na poziomie ram (ustalone). Ta własność podnosi poprzeczkę dla własnego konstruktu z Rozdziału 14 niniejszego manuskryptu: konstruktywna propozycja niepublikująca symulatora na równi z Davidsonem byłaby o jeden poziom odtwarzalności niżej niż ramy, które audytuje.

5.4 §4 — Czego metoda nie może nam powiedzieć

Cztery pytania wyłaniają się z samej dekompozycji; w ramach Reguły 3 (samozastosowanie) każde mapuje się na sekcję rozdziału audytowego i na analogiczne pytanie stojące przed własnym konstruktem z Rozdziału 14 niniejszego manuskryptu.

Pytanie 1: obserwowalność przestrzeni przeszukiwania parametrów. Symulator wystawia około siedemdziesięciu nazwanych parametrów; opublikowany centralny scenariusz reprezentuje jedną trajektorię przez przestrzeń wspólną. Wrażliwość jest skoncentrowana na garstce — cztery najbardziej-wrażliwe parametry pochłaniają większość zmienności wyniku — lecz reszta żyje w przestrzeni przeszukiwania. Ile kombinacji parametrów oceniono zanim wybrano centralny scenariusz? Ile alternatywnych centralnych scenariuszy — różnych szerokości rozkładu wymogu treningu, wartości mnożnika przebudzenia, zakresów CES ρ — rozważono i odrzucono? Transparentność metodologiczna na poziomie symulatora (publikowanie parametrów) nie jest równoważna pre-specyfikacji (zobowiązaniu do wartości przed obserwacją wyników); pod logiką testowania wielokrotnego rozróżnienie jest nośne. Ramy nie wyliczają implikowanej liczby przeszukiwań (spekulatywne co do wielkości inflacji; ustalone jako obserwacja metodologiczna o dokumencie).

Obserwacja samozastosowania. Estymator efektywnego N z Rozdziału 14 (preregistration v2 §Adaptation 4 — Effective-N estimation; LOCKED, TIER_3_NEW_DERIVATION dla Algorytmów A/B/C i złożonego, domyślnie (spekulatywne)) napotyka ścisły analog na największej przestrzeni hiperparametrów w badanym zbiorze: implikowana liczba przeszukiwań nad wyborem jądra i kształtem rozkładu zerowego nie jest bezpośrednio obserwowalna. Manuskrypt pre-zobowiązuje się do zakresu złożonego z nagłówkiem opartym na średniej geometrycznej oraz progami współczynnika widełek 1.5x i 100x (EX POST IMMUTABLE przy haszu v2). Ta sama krytyka stosuje się do manuskryptu samego.

Pytanie 2: dziedziczenie ważności metodologii nadrzędnej. Davidson importuje rozkład wymogu treningu AGI z Cotry, tempa skalowania i wydajności algorytmicznej z Kaplan-Hoffmann-Hernandez-Brown-Erdil-Besiroglu, trajektorię mocy obliczeniowej z Epoch AI (Sevilla i in., 2022) oraz elastyczność półendogenicznego wzrostu z Jones-Romer. Błędy lub rewizje w którymkolwiek źródle nadrzędnym propagują się mechanicznie do wyniku centralnego scenariusza. Wkładu specyficznego dla Davidsona nie da się wyizolować od kontaminacji nadrzędnej: jeśli klaster kotwic Cotry jest rekalibrowany o rząd wielkości, rozkład czasu trwania gwałtownego startu przesuwa się; jeśli łamane skalowanie Caballero i in. (2022) interweniuje, założenie monotonicznego skalowania zawodzi, a model nie może odzyskać przez rewizję parametru (poparte dowodami jako luka; transfer analogu jest nośnym zobowiązaniem metodologicznym ram).

Obserwacja samozastosowania. Partycja zbioru informacyjnego z Rozdziału 14 (preregistration v2 §Adaptation 2 — Information-set partition; LOCKED, TIER_3_NEW_DERIVATION; domyślnie (spekulatywne) do elewacji MC Study 2 zgodnie z Type-I_C > 2·PBO OR Power_C < 0.5·PBO) zakłada, że linia rodowa ilościowych finansów Bailey-López de Prado przenosi się do prognozowania możliwości. Transfer jest sam w sobie zobowiązaniem do ważności analogu tego samego kształtu co import przez Davidsona Cotry i Jones-Romer. Kryterium MC Study 2 wystawia tę zależność; analogiczna krytyka stosuje się do samego manuskryptu.

Pytanie 3: traktowalność modelu dynamiki gwałtownego startu. Sprzężony układ zakłada, że moc obliczeniowa, algorytmy, sprzęt i rekurencyjne sprzężenie zwrotne badań i rozwoju SI składają się multiplikatywnie w przestrzeni logarytmicznej z w przybliżeniu niezależnymi wkładami. W jakich warunkach ta kompozycja wytwarza wiarygodny rozkład, a nie numerycznie stabilny artefakt wybranych form funkcyjnych? Czynniki nie są empirycznie niezależne — czołowe laboratoria alokują kapitał między zakupy mocy obliczeniowej i etaty badań algorytmicznych łącznie, ci sami badacze przyczyniają się do postępu algorytmicznego i do zaangażowania w sprzężenie zwrotne badań i rozwoju SI, a mnożnik przebudzenia warunkowo wzmacnia wszystkie trzy czynniki przy progu 6%. Pod dodatnią korelacją wśród multiplikatywnie-składających się czynników rozkład wspólny ma cięższe ogony niż implikuje traktowanie niezależne. Ani struktura korelacji, ani analiza zależności ogonowej nie pojawia się w ramach (poparte dowodami jako luka).

Obserwacja samozastosowania. Estymator wariancji nie-IID z Rozdziału 14 (preregistration v2 §Adaptation 1 — Non-IID variance estimator; TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do elewacji MC Study 1 zgodnie z n_critical(ρ) > 60) napotyka analog: efektywna liczebność próby zależy od struktury korelacji między multiplikatywnie-składającymi się komponentami, a manuskrypt pre-zobowiązuje się do bootstrapu blokowego na pozbawionych trendu resztach. Krytyka struktury zależności stosuje się do samego manuskryptu w tej samej formie, z elewacją odroczoną do MC Study 1.

Pytanie 4: kompletność ujawnienia wrażliwości. Davidson raportuje wrażliwość parametrów głównie jako perturbację pojedynczą; symulator pozwala na wspólną eksplorację, lecz nie publikuje siatki perturbacji wspólnych. W około siedemdziesięciu parametrach perturbacje wspólne dwuparametrowe liczą rzędu 2500; trójparametrowe rzędu 50 000. Nawet próbkowana eksploracja jest publikowalna; ramy tego nie podejmują. Czy ranking pojedynczy ujmuje znaczącą przestrzeń niepewności czy wygodny podzbiór? Pod agregacją perturbacje wspólne mogą wytworzyć jakościowo różne wyniki od jakiejkolwiek perturbacji jednoparametrowej. Opublikowany ranking wrażliwości jest rankingiem pojedynczym; ranking perturbacji wspólnych jest nieopublikowany (poparte dowodami jako luka).

Obserwacja samozastosowania. Statystyka wyników prognozowania możliwości z Rozdziału 14 (preregistration v2 §Adaptation 3 — Capability-forecasting performance statistic; LOCKED, TIER_2 dla Brier / log-loss / kalibracji / pokrycia przedziałowego; TIER_3 dla capability-Sharpe) napotyka analog: żadna pojedyncza reguła agregacji nad panelem wielostatystycznym nie jest uprzywilejowana, a manuskrypt pre-zobowiązuje się do capability-Sharpe jako podstawowej plus panelu odporności wielostatystycznego. Analogiczna krytyka reguły agregacji stosuje się do manuskryptu samego.

Rozdziały 4 do 7 rozwijają je formalnie.

5.5 §5 — Odniesienie naprzód

Rozdział 2 identyfikuje strukturalny wzorzec jednoczący badany zbiór: oś czasu trwania gwałtownego startu jest jedną z siedmiu prerejestrowanych osi dekompozycji, z których żadna nie wdraża protokołu walidacji poza próbą przy publikacji. Rozdział 4 rozwija protokół kroczącej retrodykcji. Rozdział 6 rozszerza wyprowadzenie DSR Bailey i López de Prado (2014) na prognozowanie możliwości (adresując Pytania 1 i 3 przez Adaptacje 4 i 1). Konstruktywny aparat DCF z Rozdziału 14 adresuje Pytania 2 i 4 przez Adaptacje 2 i 3.

Rozdział 1.4 zwraca się następnie ku benchmarkowi autonomii ekwiwalentu czasu zadania METR, który dekomponuje tę samą kwestię prognostyczną wzdłuż innej osi.

5.6 Pozycje cytowane w tym rozdziale

Aghion, P., Jones, B. F., & Jones, C. I. (2017). Artificial intelligence and economic growth. NBER Working Paper No. 23928.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Caballero, E., Gupta, K., Rish, I., & Krueger, D. (2022). Broken neural scaling laws. arXiv preprint arXiv:2210.14891.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (now Coefficient Giving) (non-peer-reviewed). Companion interactive simulator: https://takeoffspeeds.com.

Erdil, E., & Besiroglu, T. (2022). Algorithmic progress in language models. arXiv preprint arXiv:2212.05153.

Hernandez, D., & Brown, T. B. (2020). Measuring the algorithmic efficiency of neural networks. arXiv preprint arXiv:2005.04305.

Hoffmann, J., Borgeaud, S., Mensch, A., et al. (2022). Training compute-optimal large language models [Chinchilla]. NeurIPS.

Kaplan, J., McCandlish, S., Henighan, T., et al. (2020). Scaling laws for neural language models. arXiv preprint arXiv:2001.08361.

Romer, P. M. (1990). Endogenous technological change. Journal of Political Economy, 98(5), S71-S102.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN).

Sorscher, B., Geirhos, R., Shekhar, S., Ganguli, S., & Morcos, A. S. (2022). Beyond neural scaling laws: Beating power law scaling via data pruning. NeurIPS.

Trammell, P., & Korinek, A. (2023). Economic growth under transformative AI. NBER Working Paper.

6 Rozdział 1.4 — Mapowanie głównych prognoz: empiryczne benchmarki autonomii METR

Ten rozdział rekonstruuje metodologię Kwa et al. (2025) Measuring AI Ability to Complete Long Software Tasks, wraz z aktualizacją METR Time Horizon 1.1 (METR, 2026) oraz aktywnym rankingiem (METR, ongoing) (aktualizacja v1.1 i ranking są nierecenzowane; artykuł arXiv został przyjęty na NeurIPS 2025). Ramy METR mierzą, ile czasu potrzebowałby ludzki profesjonalista, aby ukończyć zadania, przy których czołowy model AI osiąga 50% sukcesu, dopasowują trend tempa podwajania w datach wydania modeli i ekstrapolują to tempo w przód. Tam, gdzie Aschenbrenner, Cotra i Davidson tworzą prognozy ugruntowane w modelowanych agregatach, METR tworzy pomiar, trend i pojedynczy krok ekstrapolacji w przód na ich wierzchu.

Rekonstrukcja jest mapowaniem, nie rozstrzyganiem.

6.1 §1 — Co mierzy METR

METR organizuje postęp możliwości (capabilities) wzdłuż pojedynczej osi, którą prerejestrowana taksonomia tego manuskryptu nazywa osią czasu-kosztu-zadania (czas pracy równoważny ludzkiemu, przy którym model osiąga 50% prawdopodobieństwa sukcesu, mierzony per zadanie w pakiecie benchmarków, gdzie podłużna seria horyzontów czasowych (time horizon) per model tworzy trend tempa podwajania) (prerejestracja v1, §7-axis decomposition taxonomy, 2026-05-18). Oś różni się strukturalnie od osi OOM i osi kotwic: jest mierzoną wielkością na zdefiniowanej populacji zadań, a nie oszacowaniem wywiedzionym z teoretycznych założeń. Głównym wynikiem jest liczba horyzontu czasowego per model w minutach lub godzinach, plus tempo podwajania w oknie 2019-2025 wynoszące w przybliżeniu 7 miesięcy (196.5 dnia w aktualizacji v1.1) (Kwa et al., 2025; METR, 2026).

Metryka horyzontu czasowego przy 50% sukcesu. Dla każdego ocenianego modelu i każdego zadania w pakiecie benchmarków METR oblicza empiryczny wskaźnik sukcesu modelu z wielu niezależnych przebiegów. Zbiór par (zadanie, wskaźnik-sukcesu) dla danego modelu jest dopasowywany krzywą logistyczną względem czasu ukończenia zadań równoważnego ludzkiemu; odcięta przy której dopasowana krzywa logistyczna przecina rzędną 50% prawdopodobieństwa jest horyzontem czasowym modelu. Metryka jest odtwarzalna z opublikowanych definicji zadań, konwencji punktacji oraz otwartoźródłowych ram ewaluacyjnych Inspect (METR, 2026) (ustalone — bezpośrednio poświadczone w arXiv 2503.14499 i metr.org/time-horizons/).

Seria podłużna. Naniesienie horyzontów czasowych per model względem dat wydania modeli daje trend log-liniowy; nachylenie odpowiada tempu podwajania. METR raportuje trzy tempa: pełnookresowe (2019-2025) na poziomie 196.5 dnia; od-2023 na poziomie 130.8 dnia z przedziałem ufności [107, 161] w v1.1; od-2024 na poziomie 89 dni (METR, 2026). Alternatywne dopasowanie wykorzystujące tylko dane 2024-2025 skraca oszacowanie METR co do nadejścia zadania-miesięcznego o około 2.5 roku względem dopasowania pełnookresowego (ustalone dla temp na użytych danych; ekstrapolacja w przód jest odrębnym krokiem).

Wzorzec G — wyżejlokowane prekursory benchmarków. Pakiety zadań METR nie są budowane od zera. RE-Bench (wewnętrzny METR) i HCAST (wewnętrzny METR) rozszerzają tradycję budowania benchmarków egzemplifikowaną przez HumanEval (Chen et al., 2021), MMLU (Hendrycks et al., 2021a), MATH (Hendrycks et al., 2021b), GPQA (Rein et al., 2023), a zwłaszcza SWE-Bench (Jimenez et al., 2024), którego zweryfikowany podzbiór METR włącza jako jedyny zewnętrzny pakiet zadań spośród czterech. Tam, gdzie oszacowania ludzkiego czasu per zadanie w SWE-Bench Verified ulegają rewizji, tempo zewnętrznej kotwicy METR (poniżej 3 miesięcy, w kontraście do ogólnego tempa 7-miesięcznego) przesuwa się. Ta wyżejlokowana zależność jest instancją Wzorca G w domenie METR (prerejestracja v1, §Pattern framework) i jest strukturalną cechą badanego zbioru prognoz, a nie wadą ram METR: dowolne ramy horyzontu czasowego na pakiecie zadań programistycznych dziedziczą konwencje doboru zadań z literatury budowania benchmarków.

6.2 §2 — Dekompozycja metodologii

Ramy METR można sformułować jako funkcję dwuetapową. Niech H_m oznacza horyzont czasowy przy 50% sukcesu modelu m (minuty), t_m datę wydania modelu, a τ parametr tempa podwajania (dni). Pierwszy etap dopasowuje H_m per model z regresji logistycznej na wskaźnikach sukcesu na poziomie zadań. Drugi etap dopasowuje trend log-liniowy

log H(t) = log H(t₀) + (t − t₀) · log 2 / τ

na populacji par (t_m, log H_m) w wybranym oknie. Ekstrapolacja w przód ewaluuje ten trend w dacie kalendarzowej t implikowanej przez docelowy próg H* (np., równoważnik tygodnia ~40 godzin, równoważnik miesiąca ~160 godzin), dając główne oszacowania czasu nadejścia.

Dane wejściowe. Baza empiryczna jest rozwarstwiona na cztery pakiety zadań i trzy klasy danych. Zadania: RE-Bench (wewnętrzny METR, istotny dla badań-i-rozwoju AI); HCAST (wewnętrzny METR, umiejętności-agentowe, z +73 dodaniami, 15 usunięciami i 53 aktualizacjami między v1.0 a v1.1); SWE-Bench Verified (zewnętrzny, Jimenez et al., 2024, filtrowany przez niezależnie zebrane oszacowania ludzkiego czasu); oraz 66 nowatorskich krótkich zadań opracowanych przez METR kotwiczących dolny ogon ≤4-minutowy. Całkowita liczba zadań wzrosła ze 170 (v1.0) do 228 (v1.1); długie zadania (8+ godzin) podwoiły się z 14 do 31 (METR, 2026). Wskaźniki sukcesu modeli: każdy model oceniany w standaryzowanej uprzęży (Vivaria w v1.0; otwartoźródłowy Inspect w v1.1) z wieloma niezależnymi przebiegami per zadanie i kryteriami ukończenia specyficznymi dla zadania. Bazowe poziomy ludzkie: profesjonaliści z 5+ latami doświadczenia na samodzielnych, dobrze sprecyzowanych zadaniach; pomiary powyżej 16 godzin oznaczane jako niewiarygodne z obecnym pakietem (METR, ongoing). Główny parametr jest obliczany łącznie ze wszystkich czterech pakietów zadań, z SWE-Bench Verified dodatkowo raportowanym jako odrębna międzypakietowa kotwica.

Ekstrapolacja i założenia. Forecast niosą sześć założeń modelujących: (i) próg 50%-sukcesu jest miarodajnym wskaźnikiem możliwości (METR publikuje horyzonty czasowe 80% na rankingu dla porównań międzyprogowych); (ii) krzywa logistyczna jest poprawną postacią funkcyjną dla zależności wskaźnik-sukcesu-od-czasu-zadania; (iii) kompozycja czteropakietowa jest w przybliżeniu reprezentatywna dla domeny możliwości (konkretnie autonomii w zadaniach programistycznych; uogólnienie na zadania nieprogramistyczne nie jest deklarowane); (iv) tempo podwajania jest w przybliżeniu stacjonarne wewnątrz każdego wybranego okna, z wielookienną dekompozycją (pełnookresowa / od-2023 / od-2024) dopuszczającą lokalną raczej niż globalną stacjonarność; (v) ekstrapolacja w przód zachowuje tempo wybranego okna przez 2-5 lat kalendarzowych poza punktem końcowym pomiaru, bez załamania strukturalnego; (vi) migracja uprzęży ewaluacyjnej (Vivaria → Inspect) zachowuje równoważność pomiarową na zbiorze bazowym.

Granica w próbie / poza próbą. To jest nośna obserwacja rozdziału. Dopasowanie trendu 2019-2025 jest w próbie z konstrukcji; ekstrapolacja w przód do równoważnika tygodnia (2-4 lata naprzód) i równoważnika miesiąca (5 lat naprzód) automatyzacji zadań jest poza próbą z konstrukcji (Kwa et al., 2025). Ramy METR są najbardziej jednoznaczne co do tej granicy w badanym zbiorze: tempa są raportowane jako dopasowania na danych obserwowanych; projekcje w przód są ujmowane wprost jako ekstrapolacje, a nie jako probabilistyczne prognozy dynamiki możliwości. Przejście v1.0 → v1.1 dostarcza najbliższego analogu walidacji kroczącej w badanym zbiorze: te same modele ponownie ocenione w rozszerzonym pakiecie (+34% zadań; długie zadania podwojone), z reprodukowanym głównym tempem podwajania (196.5 dnia bez zmian) i przedziałami ufności per model w większości zacieśniającymi się (górna granica Claude Opus 4.5 przesunęła się z 4.4× do 2.3× oszacowania punktowego). Jedna godna uwagi rewizja (GPT-4 1106 z 8.5 do 3.6 minuty, z przedziałem ufności v1.1 [1.6, 7.5] zawierającym oszacowanie punktowe v1.0 przy jego górnej krawędzi) jest najbardziej diagnostyczną pojedynczą liczbą w badanym zbiorze dla testu naprężeniowego od-w-próbie-do-poza-próbą (poparte dowodami jako najbliższy analog kroczący, jaki oferuje badany zbiór; formalna własność poza-próby zachodzi tylko dla ponownego testu tych samych modeli v1.0 → v1.1, a nie dla samej ekstrapolacji w przód).

6.3 §3 — Co metoda osiąga

Cztery cechy ram METR zasługują na wyraźne rozliczenie.

Empirycznie obserwowalny trend na zdefiniowanej osi. METR mierzy już-obserwowane horyzonty czasowe na czołowych modelach i dopasowuje trend na populacji tych pomiarów. Główne wyniki są stwierdzeniami o przeszłości i teraźniejszości, sprawdzalnymi dzisiaj na opublikowanych pakietach zadań; jedynie krok ekstrapolacji w przód jest prospektywny. Aschenbrenner tworzy prognozę; Cotra tworzy rozkład w przód; Davidson tworzy rozkład w przód; METR tworzy pomiar plus trend, z dołączoną ekstrapolacją. Główne dla tych ram 7-miesięczne tempo podwajania jest odtwarzalne z danych pierwotnych poprzez otwartoźródłowe ramy Inspect, opublikowane definicje zadań oraz konwencje punktacji per zadanie (ustalone — weryfikowalne w research_notes/forecasts_database.json i względem arXiv 2503.14499). Jest to pierwsza prognoza badanego zbioru, której główne wyniki są weryfikowalne dzisiaj, a nie dopiero na horyzoncie prognozy.

Ustrukturyzowana analiza wrażliwości z jawną liczbą perturbacji. METR publikuje analizę wrażliwości metodą Monte Carlo z 10 000 perturbacji nad wyborami metodologicznymi, z wyświetleniem rozkładu roku nadejścia dla horyzontu 1-miesięcznego oraz pasm percentyli na przedziałach 25-75 i 10-90 (Kwa et al., 2025). W obrębie badanego zbioru żadne inne ramy nie dorównują tej dyscyplinie na tym poziomie strukturalnym: Aschenbrenner nie raportuje opublikowanej analizy wrażliwości; Cotra raportuje perturbacje parametrów po jednym naraz bez jawnej liczby; Davidson eksponuje wrażliwość parametrów poprzez interaktywny symulator takeoffspeeds.com, lecz nie publikuje ustrukturyzowanej tabeli perturbacji w samym raporcie (ustalone — weryfikowalne we wpisach research_notes/forecasts_database.json dla Aschenbrennera, Cotry, Davidsona). METR spełnia standard kanonu metodologicznego sensitivity analysis with explicit perturbation count and confidence intervals w obrębie samej publikacji.

Wersjonowane wydania z jawnym porównaniem przed-po. Przejście v1.0 → v1.1 (METR, 2026) jest pierwszą aktualizacją prognozy w badanym zbiorze, której towarzyszy ustrukturyzowane porównanie obok siebie: te same modele ponownie ocenione w rozszerzonym pakiecie, z oszacowaniami punktowymi, przedziałami ufności oraz zmianą metodologiczną (rozszerzenie pakietu zadań; migracja infrastruktury) nazwaną obok rewizji numerycznych. Tempa podwajania są raportowane z wartościami v1.0 i v1.1 łącznie (ogólne 196.5 dnia bez zmian; od-2023 165 → 130.8; od-2024 109 → 89); horyzonty czasowe per model (Claude Opus 4.5 289 → 320, +11%; GPT-5 138 → 214, +55%; GPT-4 1106 8.5 → 3.6, −57%) z przedziałami ufności v1.1. Aktualizacja Cotry 2020 → 2022 zrewidowała wagi mieszanki bez jawnej tabeli porównania przed-po; ramy Davidsona nie przeszły formalnej aktualizacji wersjonowanej. Przejście METR jest najbliższą opublikowaną praktyką w badanym zbiorze względem standardu ścieżki audytowej (ustalone).

Jawna granica reżimu operacyjnego. METR oznacza pomiary horyzontu czasowego powyżej 16 godzin jako niewiarygodne z obecnym pakietem zadań (METR, ongoing). Oznaczenie pojawia się w tekście aktywnego rankingu źródła pierwotnego. Ramy mają zatem zdefiniowany reżim operacyjny (horyzonty czasowe do 16 godzin; zadania dłuższe niż 16 godzin niemierzone wiarygodnie obecnym pakietem). Żadna inna badana prognoza nie charakteryzuje reżimu operacyjnego swoich twierdzeń numerycznych na tym poziomie szczegółowości (ustalone — weryfikowalne w research_notes/forecasts_database.json). Jest to metodologicznie godne pochwały w sensie López de Prado: rzetelna prognoza charakteryzuje nie tylko prognozę, lecz reżim, w którym prognoza jest miarodajna.

6.4 §4 — Czego metoda nie może nam powiedzieć

Cztery pytania wyłaniają się ze struktury ram; pod Regułą 3 (samozastosowanie) każde mapuje się na sekcję rozdziału audytowego i na analogiczne pytanie stojące przed własnym konstruktem Rozdziału 14 tego manuskryptu.

Pytanie 1: liczba przeszukiwania hiperparametrów pakietu zadań. Ramy wybierają cztery pakiety zadań i 228 zadań (v1.1) z dużo większej przestrzeni wiarygodnych wyborów budowania benchmarków. Sąsiednie benchmarki (LiveCodeBench, AgentBench, WebArena, GAIA, ARC-AGI) nie są włączone; alternatywne wybory progu (50% vs 80% vs 95%), alternatywne wybory okna dopasowania (pełnookresowe / od-2023 / od-2024), alternatywne specyfikacje krzywej logistycznej (pojedyncza logistyczna vs odcinkowa vs mieszanka), oraz alternatywne protokoły elicytacji bazowego poziomu ludzkiego (5+ lat vs inaczej dobrane kohorty) rozpinają implicytną przestrzeń hiperparametrów. METR wylicza dwa z tych wymiarów jawnie (okno dopasowania; próg) i częściowo eksponuje wymiar podzbioru zadań poprzez obliczenie odrębnego tempa SWE-Bench Verified; pozostałe wymiary nie są wyliczone jako alternatywy (spekulatywne co do wielkości zawyżenia indukowanego przeszukiwaniem; ustalone jako obserwacja metodologiczna o ramach).

Obserwacja samozastosowania. Estymator efektywnego N Rozdziału 14 (prerejestracja v2 §Adaptation 4; LOCKED, TIER_3_NEW_DERIVATION dla Algorytmów A/B/C i złożonego, domyślnie (spekulatywne)) napotyka ścisły analog: implicytna liczba przeszukiwania hiperparametrów nie jest bezpośrednio obserwowalna. Manuskrypt prekomituje się do zakresu złożonego z głównym wynikiem średniej geometrycznej i progami współczynnika widełek 1.5x oraz 100x. Analogiczna krytyka — ile wyborów budowania prognozy zapełnia implicytne menu — stosuje się do manuskryptu w identycznym wymiarze.

Pytanie 2: stacjonarność tempa podwajania na horyzoncie projekcji. Ekstrapolacja w przód do równoważnika tygodnia (2-4 lata) i równoważnika miesiąca (5 lat) automatyzacji zadań zakłada, że tempo podwajania wybranego okna trwa bez załamania strukturalnego. W obrębie obserwowanego okna trzy raportowane tempa (196.5 / 130.8 / 89 dni dla pełnookresowego / od-2023 / od-2024) już wykazują niestacjonarność wystarczającą, by przesunąć oszacowanie nadejścia zadania-miesięcznego o około 2.5 roku w zależności od wyboru okna (METR, 2026). Ramy raportują alternatywne okna przejrzyście, lecz nie formalizują testu niestacjonarności, a analiza wrażliwości z 10 000 perturbacji zmienia wybory metodologiczne raczej niż leżącą u podstaw dynamikę trendu (poparte dowodami jako luka; raportowanie wielookienne uznaje problem, nie rozstrzygając go).

Obserwacja samozastosowania. Estymator wariancji nie-IID Rozdziału 14 (prerejestracja v2 §Adaptation 1; TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 1 zgodnie z n_critical(ρ) > 60) napotyka analog: korekta zależy od struktury zależności w podłużnej serii horyzontów czasowych per model. Jeśli modele w obrębie klastra wydania są dodatnio skorelowane (te same laboratoria produkujące podobne zyski; ta sama kompozycja pakietu zadań między generacjami modeli), efektywna liczebność próby kurczy się. Bootstrap blokowy na zdetrendowanych resztach jest prekomitowaną procedurą manuskryptu; analogiczna krytyka stosuje się do manuskryptu samego.

Pytanie 3: specyfikacja metryki wyniku progu 50% i dopasowania logistycznego. Ramy wybierają czas ukończenia zadania przy 50% prawdopodobieństwa sukcesu jako główną metrykę możliwości oraz krzywą logistyczną jako postać funkcyjną prawdopodobieństwa sukcesu. Oba są wyborami konwencjonalnymi, oba metodologicznie obronne, i oba są wyborami w obrębie przestrzeni alternatyw. Horyzont czasowy przy progu 80% jest publikowany na aktywnym rankingu dla porównań międzyprogowych; specyfikacje odcinkowe i mieszanki — nie. Wybór progu 50% pomija jakościowe wymiary, których oś czasu-kosztu-zadania nie ujmuje: niezawodność przy przesunięciu rozkładu, kreatywność w ujęciu zadania, zachowanie dopasowania (alignment) w warunkach adwersarialnych. Główna metryka ram jest jedną statystyką w panelu, który nie istnieje (poparte dowodami jako luka; publikacja alternatywnego progu łagodzi bez rozstrzygnięcia).

Obserwacja samozastosowania. Statystyka wyniku prognozowania możliwości Rozdziału 14 (prerejestracja v2 §Adaptation 3; LOCKED, TIER_2 dla Briera/log-loss/kalibracji/pokrycia-przedziałowego, TIER_3 dla możliwości-Sharpe) napotyka analog: żadna pojedyncza statystyka nie jest uprzywilejowana. Manuskrypt prekomituje się do możliwości-Sharpe jako głównej z wielostatystycznym panelem odporności. Analogiczna krytyka — pod jaką statystyką obliczany jest główny wynik — stosuje się do manuskryptu w identycznym wymiarze.

Pytanie 4: efektywna liczebność próby w skorelowanych obserwacjach zadanie-po-modelu. Podłużna seria ram składa się z około 228 zadań × (liczba ocenianych modeli) obserwacji trójek (model, zadanie, wskaźnik-sukcesu), lecz efektywna liczebność próby jest istotnie mniejsza. Zadania w obrębie pakietu są skorelowane z konstrukcji (wspólne konwencje punktacji, wspólne rozkłady trudności); modele w obrębie laboratorium dzielą architekturę i dane treningowe; czołowe modele 2023-2025 dzielą wiele z postępu 2019-2022. METR raportuje przedziały ufności wewnątrz-dopasowania obliczone metodą bootstrap i analizę wyborów-metodologicznych z 10 000 perturbacji, lecz nie publikuje korekty efektywnego N, która uwzględniałaby między-zadaniową, między-modelową i między-generacyjną strukturę korelacji (poparte dowodami jako luka; międzypakietowa rozbieżność między SWE-Bench Verified a ogólnym tempem jest jednym wskaźnikiem nośnej roli struktury korelacji).

Obserwacja samozastosowania. Estymator zakresu złożonego efektywnego N Rozdziału 14 (prerejestracja v2 §Adaptation 4; LOCKED, TIER_3_NEW_DERIVATION) napotyka to na wymiarze N skorygowanego o korelację raczej niż liczby przestrzeni przeszukiwania. Manuskrypt prekomituje się do złożonego z czterech algorytmów z głównym wynikiem średniej geometrycznej, traktując efektywne N jako zakres raczej niż oszacowanie punktowe. Pytanie 1 i Pytanie 4 oba mapują się naturalnie na Adaptation 4, ponieważ Adaptation 4 niesie obie nośności — wymiarowość przestrzeni przeszukiwania (Pytanie 1) i liczebność próby skorygowaną o korelację (Pytanie 4) — pod pojedynczym estymatorem zakresu złożonego. Te dwa pod-zastosowania są merytorycznie odrębne: P1 rządzi liczbą rozważanych alternatyw ram; P4 rządzi liczbą niezależnych obserwacji możliwości w obrębie pojedynczej instancji ram. Odpowiedzią manuskryptu jest zakres złożony z progami widełek 1.5x oraz 100x; analogiczna krytyka na obu pod-wymiarach stosuje się do manuskryptu samego.

Rozdziały 4 do 7 rozwijają je formalnie.

6.5 §5 — Odniesienie w przód

Rozdział 2 identyfikuje wzorzec strukturalny unifikujący badany zbiór: oś czasu-kosztu-zadania jest jedną z siedmiu prerejestrowanych osi dekompozycji, a empiryczno-pomiarowa struktura METR czyni ją najbogatszą w dane podłużną serią badanego zbioru — a jednak krok ekstrapolacji w przód wciąż brakuje protokołu walidacji poza próbą. Rozdział 4 rozwija protokół kroczącej retrodykcji; przejście METR v1.0 → v1.1 jest głównym opracowanym przykładem. Rozdział 6 rozszerza wyprowadzenie DSR Bailey i López de Prado (2014) na prognozowanie możliwości, adresując Pytania 2 i 3 poprzez Adaptation 1 i 3. Konstruktywny aparat DCF Rozdziału 14 adresuje Pytania 1 i 4 poprzez Adaptation 4 — estymator zakresu złożonego niesie zarówno wymiarowość przestrzeni przeszukiwania, jak i skorygowane o korelację efektywne N jako nośności pod pojedynczym zobowiązaniem LOCKED.

Rozdział 1.5 zwraca się następnie ku kompozycji Karnofsky / Grace / Epoch AI, która dekomponuje to samo pytanie prognostyczne wzdłuż trzech dalszych osi.

6.6 Źródła cytowane w tym rozdziale

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Chen, M., Tworek, J., Jun, H., et al. (2021). Evaluating large language models trained on code [HumanEval]. arXiv preprint arXiv:2107.03374.

Hendrycks, D., Burns, C., Basart, S., Zou, A., Mazeika, M., Song, D., & Steinhardt, J. (2021a). Measuring massive multitask language understanding [MMLU]. International Conference on Learning Representations.

Hendrycks, D., Burns, C., Kadavath, S., Arora, A., Basart, S., Tang, E., Song, D., & Steinhardt, J. (2021b). Measuring mathematical problem solving with the MATH dataset. NeurIPS Datasets and Benchmarks.

Jimenez, C. E., Yang, J., Wettig, A., Yao, S., Pei, K., Press, O., & Narasimhan, K. (2024). SWE-bench: Can language models resolve real-world GitHub issues? International Conference on Learning Representations.

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

METR. (2026, January 29). Time horizon 1.1 update. metr.org/blog (non-peer-reviewed).

METR. (ongoing). Time horizons leaderboard. metr.org/time-horizons/ (non-peer-reviewed).

Rein, D., Hou, B. L., Stickland, A. C., et al. (2023). GPQA: A graduate-level Google-proof Q&A benchmark. arXiv preprint arXiv:2311.12022.

7 Rozdział 1.5 — Mapowanie głównych prognoz: Najważniejsze stulecie Karnofsky'ego

Ten rozdział rekonstruuje metodologię Karnofsky (2021-2022), The Most Important Century (nierecenzowane), jedenastowpisowej serii bloga Cold Takes. Seria dowodzi, że obecne stulecie niesie nadzwyczaj wysoką masę prawdopodobieństwa nad wynikami przekształcającymi cywilizację z transformacyjnej sztucznej inteligencji, oraz że all possible views about humanity’s future are wild przy kosmologicznej klasie odniesienia. Seria nie tworzy roku nadejścia AGI w postaci oszacowania punktowego. Przedmiotem jest tu ujęcie masy prawdopodobieństwa.

Rekonstrukcja jest mapowaniem, nie rozstrzyganiem.

7.1 §1 — Co Karnofsky koncentruje

Karnofsky organizuje pytanie o najważniejsze stulecie wzdłuż pojedynczej osi, którą prerejestrowana taksonomia tego manuskryptu nazywa osią masy-prawdopodobieństwa / cywilizacyjnej-doniosłości (masa prawdopodobieństwa rozłożona na kategorie wyników cywilizacyjnych z punktacją per kategoria na pięciu wymiarach cywilizacyjnej-doniosłości) (prerejestracja v1, §7-axis decomposition taxonomy, 2026-05-18). Oś operuje na masie prawdopodobieństwa nad kategoriami wyników raczej niż na latach kalendarzowych, mocy obliczeniowej treningu czy czasie ukończenia zadania, odrębna od czterech wcześniejszych osi badanego zbioru. Karnofsky integruje cztery filary argumentacyjne w obrębie kanonicznej serii.

Filar 1: przejście władzy poprzez mechanizm PASTA. Karnofsky proponuje, że AI zdolna do automatyzacji postępu naukowego i technologicznego — w serii skracana do PASTA, od Process for Automating Scientific and Technological Advancement — wytwarza pętlę sprzężenia zwrotnego zasoby-do-pomysłów przyspieszającą wzrost produktywności ku wynikom przekształcającym cywilizację (Karnofsky, 2021, In a Nutshell; nierecenzowane). Mechanizm jest dziedziczony raczej niż wyprowadzony: struktura dynamiczna idzie za symulatorem prędkości startu Davidsona oraz szerszą literaturą wzrostu pół-endogenicznego (ustalone jako obserwacja o architekturze ram; dziedziczenie weryfikowalne w kanonicznej serii).

Filar 2: emergencja możliwości AI zakotwiczona na kotwicach biologicznych Cotry. Karnofsky cytuje ramy kotwic biologicznych Cotry z 2020 roku jako główne wejście ilościowe wspierające more likely than not this century co do nadejścia PASTA, uzupełnione agregatami ankiet-badaczy-AI Grace et al. (2018) i Stein-Perlman et al. (2022). Karnofsky nie wyprowadza niezależnie ponownie mieszanki kotwic Cotry; dziedziczenie jest bezpośrednie (poparte dowodami; dziedziczenie tworzy strukturalną propagację rezydualnej niepewności Cotry).

Filar 3: rozważania kompromisu długoterminowego ugruntowane w Bostromie i Ordzie. Karnofsky ujmuje implikacje cywilizacyjnej-doniosłości używając taksonomii kosmicznego-uposażenia i ryzyka egzystencjalnego Bostroma (2014), z Ordem (2020) dostarczającym punktację doniosłości per wynik (wymarcie, trwały totalitaryzm, odwracalny-upadek, suboptymalna-trajektoria). Pięć wymiarów cywilizacyjnej-doniosłości, które Karnofsky nazywa — przyspieszenie ram czasowych, skala przyszłej populacji, kontrola środowiskowa, stabilność strukturalna, niepewność kierunkowa — operuje na poziomie analizy, którego cztery wcześniejsze ramy badanego zbioru nie angażują (ustalone jako wyliczenie weryfikowalne w In a Nutshell* podsumowaniu)*.

Filar 4: rozumowanie z analogii-historycznej poprzez This Can’t Go On. Argument niemożliwości-wzrostu-gospodarczego Karnofsky'ego (Karnofsky, 2021, This Can’t Go On; nierecenzowane) wyprowadza, że 2% rocznego wzrostu rzutowane na 8200 lat daje implikowaną gospodarkę około 3×10^70 w jednostkach dzisiejszych, przekraczając galaktyczną liczbę atomów około 10^70. Alternatywna kotwica oparta na energii — 2.3% wzrostu energii wyczerpuje budżet energii gwiazdowej w obrębie około 2500 lat — dostarcza równoległego argumentu o krótszym horyzoncie (ustalone jako bezpośrednia matematyczna konsekwencja tempa 2% na podanym horyzoncie).

Zagregowane w obrębie czterech filarów, ramy raportują koncentrację masy-prawdopodobieństwa na trzech kategoriach wyników. Pierwsza — cywilizacja obejmująca galaktykę rozpoczynająca się w tym stuleciu, warunkowo względem nadejścia PASTA — jest ujęta jako more likely than not jakościowo, bez wyprowadzonej wartości procentowej. Druga — opóźniona ekspansja galaktyczna za 500 do 100 000 lat — jest ujęta jako konserwatywna alternatywa, która still kwalifikuje się jako wild na trzech wymiarach dzikości Karnofsky'ego. Trzecia — brak ekspansji, w tym wymarcie i trwała stagnacja — jest ujęta jako more than 50% probable yet very weird to claim as overwhelmingly likely (Karnofsky, 2021, All Possible Views Are Wild; sparafrazowane, by pozostać poniżej 15 słów). Koncentracja masy-prawdopodobieństwa jest stwierdzona raczej niż wyprowadzona z ustrukturyzowanej aktualizacji bayesowskiej (ustalone jako fakt o dokumencie).

Filary Karnofsky'ego dziedziczą ze źródeł wyżejlokowanych: Filar 1 z prac Davidsona o prędkościach startu i literatury wzrostu pół-endogenicznego; Filar 2 z kotwic biologicznych Cotry (2020) i serii ankiet-ekspertów Grace et al.; Filar 3 z Bostroma (2014) i Orda (2020); Filar 4 z modelowania długookresowego wzrostu, w tym być może Roodman (2020). Ta wyżejlokowana zależność jest instancją Wzorca G w domenie Karnofsky'ego (prerejestracja v1, §Pattern framework) i jest strukturalną cechą badanego zbioru prognoz, a nie wadą ram Karnofsky'ego: dowolna synteza narracyjno-filozoficzna dziedziczy rezydualną niepewność swoich składowych.

7.2 §2 — Dekompozycja metodologii

Ramy masy-prawdopodobieństwa można sformułować jako funkcję. Niech O ∈ {ekspansja obejmująca galaktykę w tym stuleciu; opóźniona ekspansja 500-100 000 lat; brak ekspansji / wymarcie / stagnacja} oznacza kategorię wyniku, d_i dla i ∈ {przyspieszenie ram czasowych, skala populacji, kontrola środowiskowa, stabilność strukturalna, niepewność kierunkowa} oznacza wymiary cywilizacyjnej-doniosłości, a P(O) oznacza masę prawdopodobieństwa na O. Ramy raportują

*P(O), {d_i(O)}_i for each O*

z P(galaxy-spanning this century) jakościowo stwierdzonym jako przekraczający 0.5 oraz d_i(O) wyliczonym narracyjnie raczej niż wyprowadzonym z modelu. Integracja w obrębie czterech filarów argumentacyjnych jest agregacją narracyjną raczej niż agregacją algorytmiczną.

Dane wejściowe. Baza empiryczna jest heterogeniczna w obrębie trzech rodzin. Prognoza-możliwości: ramy kotwic biologicznych Cotry (2020) dostarczają ilościowej kotwicy mediany-2052; prace Davidsona o dynamice startu dostarczają parametryzacji dynamicznej mechanizmu-PASTA; ankiety badaczy-AI Grace et al. (2018) i Stein-Perlman et al. (2022) dostarczają ugruntowania agregatu-eksperckiego. Model-zagrożenia: Bostrom (2014) dostarcza rusztowania kosmicznego-uposażenia oraz taksonomii ryzyka egzystencjalnego; Ord (2020) dostarcza wyrafinowanej kategoryzacji wymarcie-vs-stagnacja-vs-suboptymalność; Hanson (2016) dostarcza poprzednika ujęcia eksplozji-cyfrowych-ludzi. Analogia-historyczna: 2% historyczne tempo wzrostu z klasy odniesienia ery-przemysłowej (około 1700-2000); galaktyczna liczba atomów ~10^70 z astrofizycznych dzieł odniesienia; kotwice historii-kosmosu (czas życia gwiazdy ~10^17 lat; okno-inteligentnego-życia ~10^9 lat) wspierające argument dzikości-poprzez-unikalność-czasową.

Ekstrapolacja i założenia. Ramy niosą sześć założeń modelujących: (i) rozumowanie w skali cywilizacyjnej jest wykonalne — masa prawdopodobieństwa może być spójnie alokowana na kategorie wyników mimo niefalsyfikowalności wewnątrz-horyzontu; (ii) modele zagrożeń ujmują miarodajne ryzyka katastroficzne — taksonomia Bostroma-Orda jest w przybliżeniu wyczerpująca dla kategorii wyników-katastroficznych; (iii) analogie historyczne informują rozumowanie cywilizacyjnej-doniosłości — kotwica 2%-wzrostu i kotwica energii-gwiazdowej informują prognozowanie przyszłej dynamiki cywilizacyjnej, nie tylko matematyczną niemożliwość bezterminowej kontynuacji; (iv) masa prawdopodobieństwa jest alokowana narracyjnie raczej niż poprzez ustrukturyzowane rozliczenie przestrzeni przeszukiwania; (v) dziedziczenie z Cotry, Davidsona, Bostroma, Hansona i Grace propaguje się bez niezależnego ponownego wyprowadzenia; (vi) fundamentalne twierdzenie o most important century jest miarodajne mimo niefalsyfikowalności w obrębie horyzontu predykcji.

Granica w próbie / poza próbą. To jest nośna obserwacja rozdziału. Ramy Karnofsky'ego zajmują najwyraźniejszy w badanym zbiorze przypadek graniczny ram pozbawionych granicy w próbie / poza próbą. Warstwa matematyczna Filaru 4 (This Can’t Go On) jest w próbie na swojej warstwie matematycznej-konsekwencji: 2% historyczny wzrost jest obserwowanymi danymi historycznymi; horyzont 8200-letni oraz implikowana gospodarka 3×10^70 są bezpośrednimi algebraicznymi konsekwencjami; sprzeczność-z-liczbą-atomów jest weryfikowalną astrofizyką. Same koncentracje masy-prawdopodobieństwa są poza próbą z konstrukcji: żadna klasa odniesienia precedensu-historycznego nie pozwala na walidację probability that this century is the most important. Nie przedstawiono formalnej analizy kroczącej. Brak okresu walidacji wydzielonego. Brak wstępnie sprecyzowanego kryterium falsyfikacji na poziomie ram. Karnofsky nie opublikował samorewizji 2024-2025 serii 2021-2022; ramy są pojedynczą-migawką raczej niż serią wielo-migawkową (ustalone jako fakt o dokumencie).

Niefalsyfikowalność fundamentalnego twierdzenia w obrębie horyzontu predykcji jest strukturalną cechą odróżniającą ramy Karnofsky'ego od czterech wcześniejszych wpisów badanego zbioru. Twierdzenie Aschenbrennera o AGI w 2027 dopuszcza zasadniczo falsyfikację wewnątrz-horyzontu poprzez obserwację z 2028; rozkład mediany-2052 Cotry dopuszcza falsyfikację poprzez obserwację z roku-2100 względem przedziału ram; rozkład czasu-trwania-startu Davidsona dopuszcza falsyfikację w obrębie-dekady-od-startu; seria czasu-ukończenia-zadania-przy-50% METR dopuszcza falsyfikację rok-po-roku względem projekcji ram. Twierdzenie Karnofsky'ego this is the most important century nie może być testowane w obrębie samego stulecia. Odpowiedzią ram jest wynieść na powierzchnię uchwyty falsyfikowalności pod-twierdzeń (argument matematyczny 8200-letni; mechanizm PASTA; twierdzenie eksplozji-cyfrowych-ludzi) raczej niż twierdzić o falsyfikowalności wewnątrz-horyzontu twierdzenia-fundamentalnego.

Nieobecna granica jest pomostem do Rozdziałów 6 i 7. Rozdział 6 zakłada, że statystyka wyniku pod korektą jest obliczana na próbie operacyjnej. Ramom Karnofsky'ego z konstrukcji brakuje tej próby w momencie publikacji. Rozdział 7 musi pomieścić twierdzenia teleologiczne w stylu Karnofsky'ego jako przypadek graniczny: zero uchwytów falsyfikacji w obrębie horyzontu predykcji jest metodologicznie równoważne nieskończonej implicytnej-wielokrotności-testów w obrębie horyzontu, w tym ścisłym sensie, że żadna obserwacja w obrębie horyzontu nie odróżnia twierdzenia od jego alternatyw. Rozdział 4 rozwija protokół kroczącej retrodykcji, który generowałby próbę operacyjną retrospektywnie; ramy Karnofsky'ego są przypadkiem testowym dla zachowania protokołu na granicy.

7.3 §3 — Co metoda osiąga

Cztery cechy ram Karnofsky'ego zasługują na wyraźne rozliczenie.

Ujęcie masy-prawdopodobieństwa jako początkowe zobowiązanie epistemologiczne. Głównym ruchem metodologicznym Karnofsky'ego jest odmowa roku nadejścia AGI w postaci oszacowania punktowego i koncentracja masy prawdopodobieństwa na kategoriach wyników cywilizacyjnych. Ujęcie jest strukturalnie bliższe dyscyplinie prognoz-jako-rozkładów niż ujęciom w postaci oszacowania punktowego tworzonym przez Aschenbrennera (2027) lub przez medianę 2052 / 2040 Cotry: Karnofsky nie publikuje mediany roku; ujęcie asymetrycznej-pewności jest jednostronne. Ujęcie jako epistemiczne początkowe zobowiązanie jest metodologicznie odrębne od czterech wcześniejszych wpisów badanego zbioru i reprezentuje pierwsze w badanym zbiorze wejście masy-prawdopodobieństwa-nad-wynikami (ustalone — weryfikowalne we wpisach research_notes/forecasts_database.json dla Aschenbrennera, Cotry, Davidsona, METR).

Rola syntetyzująca integrująca trzy wcześniej-odrębne literatury. Ramy Karnofsky'ego są pierwszą w badanym zbiorze próbą integracji trzech literatur, które wcześniejsze prace prognostyczne traktowały oddzielnie: prognozowanie możliwości AI (Cotra, Davidson, Grace et al.); filozofia długoterministyczna (Parfit, MacAskill współczesny); taksonomia ryzyka egzystencjalnego (Bostrom, Ord). Integracja jest jednokierunkowa — prognozy możliwości zasilają Karnofsky'ego jako wejścia, lecz Karnofsky nie zasila zwrotnie jako ograniczenie — a struktura dziedziczenia jest jawna co do nazwanego-cytowania raczej niż osadzona implicytnie. Integracja wynosi na powierzchnię strukturalne dziedziczenie do audytu w dół strumienia: twierdzenie o prawdopodobieństwie co do najważniejszego-stulecia dziedziczy założenia z każdej składowej literatury, a zintegrowana pewność nie może przekroczyć łącznej-pewności składowych literatur (poparte dowodami; struktura dziedziczenia weryfikowalna z cited_argument_sources w research_notes/forecasts_database.json).

Samoświadomość co do ograniczeń ram w obrębie własnego ujęcia. Seria Karnofsky'ego wprost charakteryzuje przypisania prawdopodobieństwa jako niewyprowadzone z pojedynczego modelu ilościowego. Podsumowanie In a Nutshell przypisuje more likely than not this century co do nadejścia PASTA ankietom-badaczy-AI raczej niż własnemu modelowi ilościowemu Karnofsky'ego. Wpis All Possible Views Are Wild charakteryzuje wszystkie stanowiska co do przyszłości ludzkości — w tym własne Karnofsky'ego — jako wild na co najmniej jednym z wymiarów: unikalności czasowej, nieprawdopodobieństwa lub rozwiązania Paradoksu-Fermiego. Pod Regułą 9 (bez tchórzostwa asekuracji) ramy formułują stanowiska, jawnie ujmując je jako koncentracje masy-prawdopodobieństwa raczej niż predykcje punktowe (ustalone; wielokrotnie poświadczone w In a Nutshell* i podcaście 80.000 Hours)*.

Uchwyty falsyfikowalności wyłaniają się na poziomie pod-twierdzeń mimo niefalsyfikowalności fundamentalnej. Fundamentalne twierdzenie ram jest teleologiczne — this is the most important century nie może być testowane w obrębie samego stulecia — lecz Karnofsky wynosi na powierzchnię uchwyty falsyfikowalności pod-twierdzeń w sposób strukturalnie odrębny od autentycznie mglistych twierdzeń. Argument matematycznej-niemożliwości 8200-letni jest falsyfikowalny poprzez wykazanie błędu-matematycznego. Twierdzenie mechanizmu-PASTA jest falsyfikowalne poprzez wykazanie, że automatyzacja napędzana-AI nie wytwarza deklarowanej pętli sprzężenia zwrotnego (np. skalowania pod-liniowego). Twierdzenie eksplozji-cyfrowych-ludzi jest falsyfikowalne poprzez wykazanie, że nieskończona duplikacja napotyka koszty koordynacji lub wyczerpanie paradygmatu w skali. Profil falsyfikowalności pod-twierdzeń jest odpowiedzią ram na niefalsyfikowalność fundamentalną i jest metodologicznie odrębnym ruchem od ram, które po prostu stwierdzają nietestowalne twierdzenia (poparte dowodami).

7.4 §4 — Czego metoda nie może nam powiedzieć

Cztery pytania wyłaniają się z samej dekompozycji; pod Regułą 3 (samozastosowanie) każde mapuje się na sekcję rozdziału audytowego i na analogiczne pytanie stojące przed własnym konstruktem Rozdziału 14 tego manuskryptu.

Pytanie 1: liczba przeszukiwania hiperparametrów doboru-filarów. Ramy wybierają cztery filary argumentacyjne i przypisują każdemu rolę narracyjną w koncentracji masy-prawdopodobieństwa. Ile alternatywnych kombinacji-filarów rozważono? Co najmniej implicytna przestrzeń doboru rozpina (i) wybór wejścia prognozy-możliwości (kotwice Cotry / start Davidsona / ankiety Grace / liczenie-OOM w stylu Aschenbrennera); (ii) taksonomię modelu-zagrożenia (Bostrom / Ord / Hanson / Sandberg-Bostrom / mieszane); (iii) kotwicę analogii-historycznej (2% wzrost / super-wykładniczy Roodman / studium-przypadku rewolucji-przemysłowej / analogia rewolucji-rolniczej); (iv) schemat kategorii-wyniku (trzy / cztery Bostroma / pięć Orda / ciągły). Iloczynem jest przestrzeń przeszukiwania-filarów nietrywialnego rozmiaru, a seria jej nie wylicza (spekulatywne co do wielkości zawyżenia indukowanego przeszukiwaniem; ustalone jako obserwacja metodologiczna o dokumencie).

Obserwacja samozastosowania. Estymator efektywnego N Rozdziału 14 (prerejestracja v2 §Adaptation 4, LOCKED, TIER_3_NEW_DERIVATION; domyślnie (spekulatywne)) napotyka ścisły analog: liczba przeszukiwania hiperparametrów manuskryptu nie jest bezpośrednio obserwowalna, a prekomitacją jest zakres złożony z głównym wynikiem średniej geometrycznej i EX POST IMMUTABLE progami współczynnika widełek 1.5x oraz 100x. Analogiczna krytyka co do obserwowalności implicytnej liczby przeszukiwania stosuje się do manuskryptu samego.

Pytanie 2: kompozycja metodologii wyżejlokowanej propaguje raczej niż koryguje. Ramy Karnofsky'ego czerpią Filar 1 z Davidsona, Filar 2 z Cotry i Grace, Filar 3 z Bostroma i Orda, Filar 4 z być może Roodmana. Dziedziczenie jest jednokierunkowe: Karnofsky cytuje i traktuje wyniki jako wejścia. Ramy nie dodają warstwy korekcji-błędu w punktach dziedziczenia. Przy dodatniej korelacji między źródłami wyżejlokowanymi (Cotra, Davidson i Grace dzielą wiele założeń o prawach skalowania, trajektoriach mocy obliczeniowej oraz doborze kohorty badaczy-AI), łączna-pewność nie może przekroczyć łącznej-pewności składowych-literatur, a zintegrowane ramy mogą raczej spotęgować niż zdywersyfikować rezydualną niepewność. Czy zachodzi ważność-analogu-dziedziczenia, nie jest badane w serii (poparte dowodami jako luka strukturalna).

Obserwacja samozastosowania. Partycja zbioru-informacji Rozdziału 14 (prerejestracja v2 §Adaptation 2, TIER_3_NEW_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 2 zgodnie z Type-I_C > 2·PBO LUB Power_C < 0.5·PBO) napotyka analog: partycja zakłada sekwencyjno-przyczynowe uporządkowanie, samo będące zobowiązaniem ważności-analogu. Kryterium MC Study 2 jest prekomitowane, by wyeksponować tę zależność na falsyfikację; analogiczna krytyka ważności-dziedziczenia stosuje się do manuskryptu samego.

Pytanie 3: ważność rozumowania z analogii-historycznej. Argument This Can’t Go On używa 2% historycznego tempa wzrostu, 35-letniego okresu podwajania oraz 8200-letniego horyzontu projekcji. Warstwa matematyczna jest odporna. Wnioskowanie od exponential growth cannot continue indefinitely do this century is the transition century wymaga koncentracji masy-prawdopodobieństwa na bieżąco-stuleciowej części przejścia o nieokreślonym-czasie. Horyzont 8200-letni nie ogranicza przejścia do bycia w bieżącym stuleciu: przejście mogłoby być w stuleciu 50 lub 80 projekcji, a argument matematyczny byłby równie spełniony. Koncentracja Karnofsky'ego na bieżącym stuleciu jest nośnym narracyjnym skokiem od matematycznego-faktu do prognozy. Pod jakimi alternatywnymi kotwicami (super-wykładniczy Roodman 2020; zmiana-reżimu rewolucji-rolniczej) konkluzja się przesuwa? Seria nie angażuje tych alternatyw (poparte dowodami jako luka strukturalna).

Obserwacja samozastosowania. Estymator wariancji nie-IID Rozdziału 14 (prerejestracja v2 §Adaptation 1, TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 1 zgodnie z n_critical(ρ) > 60) napotyka analog: ważność-analogu ekstrapolacji w poprzek reżimów wzrostu jest pytaniem o strukturę zależności nad leżącą u podstaw serią. Prekomitowaną odpowiedzią manuskryptu jest bootstrap blokowy na zdetrendowanych resztach; analogiczna krytyka struktury-zależności stosuje się do manuskryptu samego.

Pytanie 4: reguła ujęcia masy-prawdopodobieństwa. Karnofsky stwierdza, że galaxy-spanning civilization beginning this century jest more likely than not, przy jakościowo-stwierdzonym progu 0.5. Ujęcie agreguje prawdopodobieństwo na oknie 100-letnim: P(rozpoczęcie-obejmowania-galaktyki w obrębie stulecia) jest strukturalnie większe niż P(rozpoczęcie w jakimkolwiek pojedynczym roku). Reguła agregacji jest nośnym zobowiązaniem prezentacyjnym ram. Ujęcie Aschenbrennera z 2027 koncentruje się na oknie 4-letnim; mediana-2052 Cotry z 2020 koncentruje się na roku z raportowanymi przedziałami; this century Karnofsky'ego agreguje na 100 latach. Czy agregacja na horyzoncie długim-na-stulecie zawyża pozorną pewność względem rozkładów roku-TAI, czy też wynosi na powierzchnię rzetelną niepewność, którą ujęcia w postaci oszacowania punktowego ukrywają? Seria nie rozstrzyga; ujęcie jest stwierdzone, nie wyprowadzone (poparte dowodami jako obserwacja metodologiczna).

Obserwacja samozastosowania. Statystyka wyniku prognozowania możliwości Rozdziału 14 (prerejestracja v2 §Adaptation 3, LOCKED, TIER_2 dla Briera / log-loss / kalibracji / pokrycia-przedziałowego; TIER_3 dla możliwości-Sharpe) napotyka analog: żadna pojedyncza reguła agregacji nie jest uprzywilejowana dla prognoz możliwości. Manuskrypt prekomituje się do statystyki głównej per-ramy plus wielostatystycznego panelu odporności; analogiczna krytyka reguły-agregacji stosuje się do manuskryptu samego.

Rozdziały 4 do 7 rozwijają je formalnie.

7.5 §5 — Odniesienie w przód

Rozdział 2 identyfikuje wzorzec strukturalny: oś masy-prawdopodobieństwa / cywilizacyjnej-doniosłości jest jedną z siedmiu prerejestrowanych osi, żadna nie wdraża protokołu walidacji poza próbą w momencie publikacji. Rozdział 4 rozwija protokół kroczącej retrodykcji; ramy Karnofsky'ego są jego przypadkiem granicznym dla teleologicznych twierdzeń fundamentalnych. Rozdział 6 rozszerza wyprowadzenie DSR Bailey i López de Prado (2014) na prognozowanie możliwości (adresując Pytanie 1 poprzez Adaptation 4 oraz Pytanie 3 poprzez Adaptation 1). Konstruktywny aparat DCF Rozdziału 14 adresuje Pytanie 2 poprzez Adaptation 2 oraz Pytanie 4 poprzez Adaptation 3.

Rozdział 1.6 zwraca się następnie ku ramom agregacji-ankiet-eksperckich Grace, które dekomponują to samo pytanie prognostyczne wzdłuż odmiennej osi.

7.6 Źródła cytowane w tym rozdziale

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about takeoff speeds. Open Philanthropy (non-peer-reviewed).

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729-754.

Stein-Perlman, Z., Weinstein-Raun, B., & Grace, K. (2022). 2022 expert survey on progress in AI. AI Impacts (non-peer-reviewed).

Hanson, R. (2016). The age of Em: Work, love, and life when robots rule the Earth. Oxford University Press.

Karnofsky, H. (2021). All possible views about humanity’s future are wild. Cold Takes blog (non-peer-reviewed).

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Karnofsky, H. (2021). This can’t go on. Cold Takes blog (non-peer-reviewed).

Ord, T. (2020). The precipice: Existential risk and the future of humanity. Bloomsbury Publishing.

Roodman, D. (2020). Modeling the human trajectory. Open Philanthropy (non-peer-reviewed).

8 Rozdział 1.6 — Mapowanie głównych prognoz: metoda agregacji ankiety eksperckiej Grace / AI Impacts

Niniejszy rozdział rekonstruuje metodologię programu ankiety eksperckiej (expert survey) Grace / AI Impacts (Grace i in., 2018; Stein-Perlman i in., 2022; Grace i in., 2024) — czterofalowego programu obejmującego okres od 2014 do 2024 roku (blog z fali z 2022 roku oraz reanaliza z grudnia 2024 roku są nierecenzowane; publikacje z 2018 i 2024 roku są recenzowane w JAIR). Program zbiera od badaczy SI indywidualne rozkłady prawdopodobieństwa nad latami pojawienia się możliwości (capabilities), agreguje je i raportuje mediany, percentyle oraz efekty wewnątrzankietowe. Przedmiotem analizy jest tu właśnie ta metodologia agregacji (aggregation).

Rekonstrukcja jest mapowaniem, a nie rozstrzyganiem.

8.1 §1 — Co bada Grace

Program Grace porządkuje pytanie o ramy czasowe SI wzdłuż jednej osi, którą prerejestrowana taksonomia tego manuskryptu nazywa osią agregacji ankiety eksperckiej (rozkłady prawdopodobieństwa na respondenta nad latami pojawienia się możliwości, łączone w obrębie zdefiniowanej populacji ekspertów, raportowane jako mediana plus pasma percentylowe plus ustalenia o efektach wewnątrzankietowych) (prerejestracja v1, §taksonomia dekompozycji siedmioosiowej, 2026-05-18). Oś ta jest strukturalnie odrębna od pięciu wcześniejszych osi zbioru badanego: jest to metodologia metapoziomowa agregująca przekonania badaczy, którzy sami mogą posługiwać się zliczaniem OOM, mieszaniną kotwic lub innym rozumowaniem, a nie osią treściową dekomponującą postęp możliwości bezpośrednio. Głównym wynikiem jest połączony rozkład roku pojawienia się dla danego pytania — najbardziej widoczna jest mediana 50%-prawdopodobieństwa HLMI z fali z 2024 roku, wynosząca 2047 (Grace i in., 2024).

Odrębność osi względem Karnofsky'ego. Zarówno ta oś, jak i oś masy prawdopodobieństwa / cywilizacyjnej doniosłości Karnofsky'ego (Rozdział 1.5) obejmują prawdopodobieństwo, lecz są strukturalnie odrębne. Grace agreguje rozkłady punktowe wielu ekspertów nad wielkością roku pojawienia się — każdy respondent dostarcza rozkład, a program łączy je w agregat populacyjny. Ramy Karnofsky'ego to pojedynczy analityk rozkładający masę prawdopodobieństwa na kategorie wyników cywilizacyjnych — jedna alokacja, brak populacji do połączenia. Oba podejścia dzielą słowo prawdopodobieństwo i nic ze swojego przedmiotu (ustalone — weryfikowalne w research_notes/forecasts_database.json).

Dwa pytania kotwiczące. Dwa pytania są zachowane we wszystkich falach Grace i niosą porównanie międzyfalowe: HLMI (High-Level Machine Intelligence — inteligencja maszynowa wykonująca wszystkie zadania lepiej i taniej niż ludzie) oraz FAOL (Full Automation of Labor — automatyzacja wszystkich zawodów). Każda fala dodaje pytania o kamienie milowe, eksplozję inteligencji, priorytetyzację bezpieczeństwa i ryzyko wymarcia; kotwice HLMI i FAOL są głównymi pomiarami porównywalnymi międzyfalowo (Grace i in., 2018; Grace i in., 2024) (ustalone — poświadczone w aneksie tekstów pytań każdej publikacji).

Funkcja agregacji. Każdy respondent dostarcza rozkład prawdopodobieństwa na pytanie (lub punkty o ustalonym prawdopodobieństwie/ustalonym roku, z których jeden jest dopasowywany). Program łączy je, raportując medianę jako główny wynik, średnią jako drugorzędny oraz 10./25./75./90. percentyl. Wszyscy respondenci otrzymują równą wagę; nie stosuje się ważenia wynikami poszczególnych ekspertów. Wybór metody agregacji (mediana kontra średnia ucinana kontra średnia geometryczna, plus postępowanie z obserwacjami odstającymi) sam jest udokumentowany jako zmienna metodologiczna, a baza kodu reanalizy z grudnia 2024 roku umożliwia niezależną reagregację (Grace i in., 2024) (ustalone — wybory agregacji udokumentowane w każdej publikacji).

Wzorzec G — wcześniejsza linia ustrukturyzowanego pozyskiwania opinii ekspertów. Program dziedziczy tradycję ustrukturyzowanego pozyskiwania opinii ekspertów (structured expert elicitation) sformalizowaną w Cooke (1991), który ustanowił probabilistyczny osąd ekspercki jako dyscyplinę z jawną punktacją wyników, oraz literaturę o agregacji predykcji, w której Atanasov i in. (2017) pokazują, że wybór mechanizmu agregacji jest empiryczny, a nie teoretyczny. Program dziedziczy też własnych poprzedników — Müllera i Bostroma (2014) oraz wcześniejsze fale Grace, które dostarczają tekstu pytań kotwiczących i podłużnego punktu odniesienia. Ta zależność wcześniejsza jest instancją Wzorca G w domenie Grace (prerejestracja v1, §ramy wzorców) i strukturalną cechą zbioru badanego, a nie wadą: każde ramy ankiety eksperckiej dziedziczą konwencje projektowe i punktacyjne literatury o pozyskiwaniu opinii.

8.2 §2 — Dekompozycja metodologii

Agregację Grace można przedstawić jako funkcję. Niech R indeksuje populację respondentów dla danej fali, F_r(t) oznacza skumulowane prawdopodobieństwo respondenta r, że odpytywana możliwość pojawi się do roku t, a w_r oznacza wagę agregacji na respondencie r. Program konstruuje połączony rozkład

F̄(t) = Σ_r w_r · F_r(t), przy w_r = 1/|R| (równe ważenie),

i raportuje lata percentylowe {t : F̄(t) = p} dla p ∈ {0.10, 0.25, 0.50, 0.75, 0.90}, z rokiem 50%-prawdopodobieństwa jako głównym wynikiem. Efekty wewnątrzankietowe (sposób sformułowania, kolejność pytań) są mierzone jako różnice między F̄ obliczonym na odrębnych sformułowaniach pytań lub odrębnych kolejnościach pytań tej samej populacji.

Dane wejściowe. Bazą empiryczną jest zapis odpowiedzi z ankiety we wszystkich czterech falach. Müller-Bostrom 2014 objął próbą około 170 respondentów; fala z 2018 roku objęła próbą autorów NeurIPS/ICML 2015 (352 odpowiedzi, 21% wskaźnik); fala z 2022 roku objęła próbą autorów NeurIPS/ICML 2021 (738 odpowiedzi, 17% wskaźnik); fala z 2024 roku objęła próbą autorów z sześciu konferencji (2778 odpowiedzi — największa dotąd ankieta ekspercka SI). Każdy respondent dostarcza punkty prawdopodobieństwa lub rozkłady nad pytaniami kotwiczącymi i o kamienie milowe; teksty pytań są publikowane w aneksach, a fale z 2022 i 2024 roku stosują projekt z podziałem ankiety (zrandomizowane podzbiory pytań na respondenta) (Grace i in., 2018; Stein-Perlman i in., 2022; Grace i in., 2024). Istotne ustalenie o sformułowaniu powtarza się we wszystkich falach: HLMI i FAOL, zadane tym samym respondentom, dają ramy czasowe różniące się o około 60-105 lat (ustalone — wartości na falę i efekt sformułowania bezpośrednio w każdej publikacji).

Ekstrapolacja i założenia. Sześć zobowiązań modelowych niesie agregat prognozy: (i) autorstwo NeurIPS/ICML (oraz rama sześciu konferencji z 2024 roku) jest obronnym wskaźnikiem zastępczym dla społeczności badaczy SI; (ii) wskaźniki odpowiedzi rzędu 17-21% dają reprezentatywne agregaty mimo braku odpowiedzi; (iii) równe ważenie wszystkich respondentów jest właściwe — bez ważenia kalibracją poszczególnych ekspertów; (iv) mediana jest właściwą główną agregacją dla odpowiedzi o ramach czasowych o rozkładzie logarytmicznym; (v) tekst pytania kotwiczącego jest wystarczająco stabilny między falami, by wspierać porównanie; (vi) efekt sformułowania wewnątrz respondenta jest ustaleniem poznawczym o tym, jak eksperci rozumują, a nie artefaktem projektu pytania.

Granica w próbie / poza próbą. Jest to nośna obserwacja tego rozdziału i sedno ryzyka Hipotezy A, które program niesie. Program jest empirycznie bogaty na swojej warstwie pomiaru: odpowiedzi z ankiety są danymi obserwowanymi, ustalenia o efekcie sformułowania i kolejności pytań są mierzone na tych danych, a czterofalowy szereg podłużny agregatów jest najgęstszym zapisem ewolucji przekonań badaczy SI w zbiorze badanym — wszystko (ustalone). Lecz bogactwo danych ankietowych nie jest walidacją prognozy. Agregat rozkładu roku pojawienia się — HLMI 50% do 2047, FAOL 50% do 2116 — jest z konstrukcji poza próbą: prognoza wyprzedzająca, której horyzont (23 lata dla HLMI, 92 dla FAOL od publikacji z 2024 roku) daleko przekracza odstęp międzyfalowy, więc żadna wcześniejsza prognoza fali nie została przetestowana wobec zrealizowanego pojawienia się. Pomyłka, przed którą trzeba się strzec, jest tą, którą Rozdział 1.4 ujawnił dla METR: bogate dane obserwacyjne na warstwie wejścia nie przenoszą swojego statusu dowodowego na warstwę prognozy. Przesunięcie międzyfalowe — HLMI 50% z około 2061 (2018) do 2059 (2022) do 2047 (2024) — jest (ustalonym) pomiarem tego, jak przesunęło się agregowane przekonanie; to, czy to przekonanie jest poprawne, jest pytaniem poza próbą i (spekulatywnym).

Nieobecna granica walidacji prognozy jest pomostem do Rozdziałów 6 i 7. Rozdział 6 zakłada, że statystyka wyników poddawana korekcie jest obliczana na próbie operacyjnej; program dostarcza bogaty zapis pomiaru wewnątrz próby, lecz brak zwalidowanej próby prognozy w chwili publikacji. Rozdział 7 musi pomieścić wielość projektu pytań programu — około 30-60 odrębnych pytań we wszystkich trzech falach, z wariantami sformułowania — jako kontekst testowania wielokrotnego. Rozdział 4 rozwija protokół kroczącej retrodykcji, który wygenerowałby próbę operacyjną retrospektywnie; czterofalowy szereg podłużny jest najbliższym substratem, jaki oferuje zbiór badany.

8.3 §3 — Co metoda osiąga

Cztery cechy metodologii agregacji Grace zasługują na jawne rozliczenie.

Jawne ujawnienie rozkładu i pasm ufności. Program raportuje nie tylko agregowane mediany, lecz pełny rozkład percentylowy (10./25./75./90.) na pytanie, a tam, gdzie to wykonalne, rozkłady poszczególnych respondentów leżące u podstaw agregatu. Zachowuje to informację o niepewności, którą publikacje z główną medianą odrzucają: mediana 2047 z 10. percentylem 2027 i 90. percentylem 2150 niesie istotnie odmienną informację niż ta sama mediana z wąskim pasmem 2040-2060. W obrębie zbioru badanego jest to wyróżniająca dyscyplina — Aschenbrenner raportuje jednopunktowe 2027 z brakiem ilościowego przedziału, a mieszanina kotwic Cotry raportuje wyprowadzony rozkład, a nie rozrzut leżących u podstaw przekonań; program Grace pokazuje rozkład przekonań bezpośrednio (Grace i in., 2024) (ustalone — raportowanie percentyli bezpośrednio w każdej publikacji).

Różnorodność puli ekspertów wobec jednoautorskich prognoz. Program agreguje setki do tysięcy niezależnych odpowiedzi badaczy (352 w 2018, 738 w 2022, 2778 w 2024) zaczerpniętych z jawnej, odtwarzalnej ramy doboru próby. Cztery z pięciu wcześniejszych badanych prognoz są konstrukcjami jednoautorskimi lub jednoorganizacyjnymi; program Grace zastępuje osąd pojedynczego prognosty zdefiniowaną populacją, a jawna rama czyni granice populacji audytowalnymi — czytelnik może ocenić, czy autorstwo NeurIPS/ICML odpowiada populacji, która go interesuje (ustalone — liczebności prób i definicje ramy bezpośrednio we wszystkich falach). Fala z 2024 roku z 2778 respondentami jest największą dotąd, zacieśniając przedział ufności (confidence interval, CI) agregatu i wspierając analizy podgrup, których mniejsze ankiety nie mogą udźwignąć.

Odtwarzalna, powtarzalna, podłużnie porównywalna metodologia. Program publikuje aneksy z tekstami pytań, udostępnia zbiory danych odpowiedzi i (grudzień 2024) udostępnił bazę kodu reanalizy o otwartym źródle umożliwiającą niezależną reagregację przy alternatywnych wyborach metody. Kolejne fale zachowują pytania kotwiczące HLMI i FAOL, dając najgęstszy szereg podłużny zbioru badanego — cztery fale na przestrzeni mniej więcej dekady, wobec sześciomiesięcznego przejścia METR, pojedynczej dwuletniej aktualizacji Cotry oraz pojedynczej werbalnej aktualizacji Davidsona (ustalone — aneksy, zbiory danych i udostępnienie bazy kodu bezpośrednio w zapisie publikacji). Jest to najwyraźniejszy w zbiorze badanym analog dyscypliny odtwarzalności, jaką ten manuskrypt nakłada na siebie.

Uczciwe ujawnienie niespójności wewnątrzankietowej. Zamiast godzić lukę sformułowania HLMI-FAOL czy niespójność kamień-milowy-kontra-HLMI poprzez wybory agregacji, program raportuje obie estymacje i charakteryzuje rozbieżność jawnie. Efekt sformułowania — ci sami respondenci, logicznie bliskie pytania, ramy czasowe różniące się o 60-105 lat — jest przedstawiony jako ustalenie, a fala z 2024 roku dokumentuje, że respondenci przypisujący ≥50% konkretnym kamieniom milowym 2028 nie są spójnie tymi samymi, którzy przypisują 50% HLMI 2047 (Grace i in., 2024) (poparte dowodami — dyscyplina raportowania niespójności bezpośrednio; jej względna siła między falami jest zależna od kalibracji). Dziedziczy to dyscyplinę Cooke (1991) traktowania niespójności eksperckiej jako mierzalnej informacji, a nie szumu do wygładzenia.

8.4 §4 — Czego metoda nie może nam powiedzieć

Cztery pytania wyłaniają się ze struktury programu; pod Regułą 3 (samozastosowanie) każde mapuje się na sekcję rozdziału audytu i na analogiczne pytanie stojące przed własnym konstruktem Rozdziału 14 tego manuskryptu.

Pytanie 1: liczba przeszukiwań hiperparametrów doboru ekspertów. Program definiuje swoją pulę ekspertów poprzez autorstwo NeurIPS/ICML (2018, 2022) i ramę sześciu konferencji (2024). Ile alternatywnych ram doboru próby rozważono? Niejawna przestrzeń selekcji obejmuje wybór konferencji (NeurIPS/ICML kontra sześć konferencji kontra ramy oparte na cytowaniach kontra badacze przemysłowi, którzy nie publikują zewnętrznie), konstrukcję ramy kontaktowej, postępowanie z progiem odpowiedzi oraz ważenie podpolami. Rozszerzenie konferencji z 2024 roku samo jest zmianą ramy splecioną ze zmierzonym przesunięciem przekonań, a program nie wylicza przestrzeni doboru ramy jako przeszukiwania (spekulatywne co do wielkości inflacji indukowanej selekcją; ustalone jako obserwacja metodologiczna o programie).

Obserwacja samozastosowania. Estymator efektywnego N Rozdziału 14 (prerejestracja v2 §Adaptacja 4; LOCKED, TIER_3_NEW_DERIVATION; domyślnie (spekulatywne)) staje przed ścisłym analogiem: własna rama manuskryptu — które-prognozy-badać — jest niejawną liczbą przeszukiwań, bezpośrednio nieobserwowalną. Prezobowiązaniem jest złożony zakres z główną wartością średniej geometrycznej oraz EX POST NIEZMIENNYMI progami współczynnika widełek 1.5x i 100x. Analogiczna krytyka obserwowalności stosuje się do samego manuskryptu.

Pytanie 2: trafność funkcji agregacji. Program raportuje medianę-rozkładów jako główny wynik, z równym ważeniem. Czy mediana połączonego rozkładu przekonań odzwierciedla prawdziwy rozkład epistemiczny, czy nakłada wygodną strukturę metaniepewności, którą udokumentowana wrażliwość metody agregacji (mediana kontra średnia ucinana kontra średnia geometryczna) pokazuje jako zależną od wyboru? Główne 2047 jest jedną liczbą w małej rodzinie obronnych agregatów; program dokumentuje — lecz nie rozstrzyga — wrażliwości głównego wyniku na wybór (poparte dowodami jako luka; raportowanie wrażliwości uznaje problem, nie uprzywilejowując reguły).

Obserwacja samozastosowania. Statystyka wyników prognozowania możliwości Rozdziału 14 (prerejestracja v2 §Adaptacja 3; LOCKED, TIER_2 dla Briera/log-loss/kalibracji/pokrycia przedziałowego; TIER_3 dla Sharpe'a możliwości) staje przed analogiem: żadna pojedyncza reguła agregacji nie jest uprzywilejowana dla prognoz możliwości. Manuskrypt prezobowiązuje się do głównej statystyki na ramy plus wielostatystycznego panelu odporności. Analogiczna krytyka reguły agregacji — pod którą regułą obliczany jest główny wynik — stosuje się do samego manuskryptu.

Pytanie 3: nieobecność kalibracji ekspertów. Literatura o ustrukturyzowanym pozyskiwaniu opinii, którą program dziedziczy (Cooke, 1991), waży ekspertów wynikami na zmiennych nasiennych o znanych odpowiedziach, a to ważenie wynikami przewyższa równe ważenie w mniej więcej 80% badań walidacyjnych (Cooke i Goossens, 2008). Eksperci Grace mają brak historii wyników na predykcjach AGI — żadne zmienne nasienne nie istnieją dla pytań o pojawienie się możliwości — więc wagi w stylu Cooke'a nie mogą być obliczone, a równe ważenie jest narzucone z konieczności, a nie wybrane jako optymalne. Pozyskiwanie opinii o pokrywie lodowej IPCC AR6 (Bamber i in., 2019) mogło zastosować ważenie Cooke'a do prognoz o długim horyzoncie, ponieważ kalibracja na zmiennych nasiennych była dostępna; ustawienie Grace zamyka tę drogę (poparte dowodami jako ograniczenie strukturalne; konieczność równego ważenia jest udokumentowaną konsekwencją ustawienia bez zmiennych nasiennych).

Obserwacja samozastosowania. Podział zbioru informacyjnego Rozdziału 14 (prerejestracja v2 §Adaptacja 2; TIER_3_NEW_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 2 zgodnie z Type-I_C > 2·PBO LUB Power_C < 0.5·PBO) staje przed analogiem: podział zakłada uporządkowanie poświadczeń wyników nad zapisem historycznym — to samo założenie, które zawodzi, gdy żadna zmienna nasienna nie kalibruje prognosty. Kryterium MC Study 2 jest prezobowiązane do ujawnienia tej zależności; analogiczna krytyka poświadczenia kalibracji stosuje się do samego manuskryptu.

Pytanie 4: efektywna liczebność próby przy skorelowanych respondentach. Fala z 2024 roku raportuje 2778 respondentów, lecz efektywna liczba niezależnych opinii jest istotnie mniejsza. Respondenci dzielą potoki treningowe, czytają nakładającą się literaturę, cytują te same wcześniejsze prognozy (Cotra, Davidson, Aschenbrenner siedzą w wspólnych priorytetach dziedziny) i są zaczerpnięci z małego zbioru konferencji. Dodatnia korelacja kurczy efektywną liczebność próby poniżej nominalnej, poszerzając prawdziwy przedział ufności mediany 2047 poza to, co nominalne n implikuje. Program raportuje przedziały bootstrapowe nad populacją, lecz nie publikuje korekty efektywnego N na strukturę korelacji międzyrespondenckiej (poparte dowodami jako luka; korelacja wspólnych priorytetów jest strukturalną cechą ramy doboru próby z jednej społeczności).

Obserwacja samozastosowania. Estymator wariancji nie-IID Rozdziału 14 (prerejestracja v2 §Adaptacja 1; TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 1 zgodnie z n_critical(ρ) > 60) staje przed ścisłym analogiem: korekta zależy od struktury zależności w obrębie połączonych obserwacji. Jeśli eksperci dzielą priorytety społeczności — dokładnie jak szeregi benchmarków dzielą proweniencję laboratoryjną — efektywna liczebność próby kurczy się poniżej nominalnej, a korekta jest surowsza. Manuskrypt prezobowiązuje się do bootstrapu blokowego na zdetrendowanych resztach; analogiczna krytyka struktury zależności stosuje się do samego manuskryptu.

Rozdziały 4 do 7 rozwijają je formalnie.

8.5 §5 — Odniesienie w przód

Rozdział 2 identyfikuje wzorzec strukturalny: oś agregacji ankiety eksperckiej jest jedną z siedmiu prerejestrowanych osi dekompozycji, a bogactwo warstwy ankietowej programu — strukturalnie podobne do METR — nie zastępuje walidacji poza próbą prognozy wyprzedzającej. Rozdział 4 rozwija protokół kroczącej retrodykcji; czterofalowy szereg podłużny jest najgęstszym substratem, jaki oferuje zbiór badany. Rozdział 6 rozszerza wyprowadzenie DSR Baileya i López de Prado (2014), adresując Pytanie 2 poprzez Adaptację 3 i Pytanie 4 poprzez Adaptację 1. Rozdział 7 rozwija traktowanie wielości projektu pytań (Pytanie 3 poprzez Adaptację 2). Konstruktywny aparat DCF Rozdziału 14 integruje wszystkie cztery adaptacje i adresuje Pytanie 1 poprzez Adaptację 4.

Rozdział 1.7 przechodzi następnie do ram empirycznego skalowania mocy obliczeniowej Epoch AI, siódmej i ostatniej osi zbioru badanego.

8.6 Pozycje cytowane w tym rozdziale

Atanasov, P., Rescober, P., Stone, E., Swift, S. A., Servan-Schreiber, E., Tetlock, P., Ungar, L., & Mellers, B. (2017). Distilling the wisdom of crowds: Prediction markets vs. prediction polls. Management Science, 63(3), 691-706.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Bamber, J. L., Oppenheimer, M., Kopp, R. E., Aspinall, W. P., & Cooke, R. M. (2019). Ice sheet contributions to future sea-level rise from structured expert judgment. Proceedings of the National Academy of Sciences, 116(23), 11195-11200.

Cooke, R. M. (1991). Experts in uncertainty: Opinion and subjective probability in science. Oxford University Press.

Cooke, R. M., & Goossens, L. H. J. (2008). TU Delft expert judgment data base. Reliability Engineering & System Safety, 93(5), 657-674.

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729-754.

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Müller, V. C., & Bostrom, N. (2014/2016). Future progress in artificial intelligence: A survey of expert opinion. In V. C. Müller (Ed.), Fundamental issues of artificial intelligence (pp. 553-571). Springer.

Stein-Perlman, Z., Weinstein-Raun, B., & Grace, K. (2022). 2022 expert survey on progress in AI. AI Impacts (non-peer-reviewed).

9 Rozdział 1.7 — Mapowanie głównych prognoz: metodologia empirycznego skalowania mocy obliczeniowej Epoch AI

Niniejszy rozdział rekonstruuje metodologię programu trendów mocy obliczeniowej Epoch AI (Sevilla i in., 2022; Epoch AI, 2024 (nierecenzowane); the ongoing public model database (nierecenzowane)), siódmych i ostatnich ram w zbiorze badanym. Epoch nie produkuje prognozy pojawienia się AGI: estymuje moc obliczeniową treningu (training compute) na przełomowy system SI z informacji publicznej, dopasowuje trendy logarytmiczno-liniowe wzdłuż zapisu historycznego i raportuje tempa podwojenia z przedziałami ufności bootstrapowymi. Przedmiotem analizy jest tu ta metodologia estymacji mocy obliczeniowej.

Rekonstrukcja jest mapowaniem, a nie rozstrzyganiem.

9.1 §1 — Co mierzy Epoch

Epoch porządkuje stronę mocy obliczeniowej pytania o ramy czasowe AGI wzdłuż jednej osi, którą prerejestrowana taksonomia tego manuskryptu nazywa osią empirycznego skalowania mocy obliczeniowej (estymacje treningowego FLOP na model wyprowadzone z informacji publicznej, agregowane w trendy logarytmiczno-liniowe na zidentyfikowaną erę, raportowane jako tempa podwojenia z przedziałami ufności bootstrapowymi) (prerejestracja v1, §taksonomia dekompozycji siedmioosiowej, 2026-05-18). Oś ta jest strukturalnie odrębna od sześciu wcześniejszych osi zbioru badanego pod jednym decydującym względem: jest to infrastruktura pomiarowa, a nie produkcja prognozy. Aschenbrenner, Cotra, Davidson, METR, Karnofsky i Grace każdy dekomponuje pytanie o pojawienie się AGI bezpośrednio; Epoch dekomponuje wcześniejsze pytanie empiryczne, które te ramy konsumują — ile mocy obliczeniowej zużył faktycznie każdy przełomowy system i w jakim tempie ta wielkość rosła? Główne empiryczne twierdzenie to podwojenie mocy obliczeniowej na granicy możliwości o około 4-5x na rok w okresie 2010-2024 (Epoch AI, 2024).

Podwójna rola strukturalna. Epoch zajmuje dwie pozycje naraz, a to rozróżnienie jest nośne dla reszty tego manuskryptu. Po pierwsze, Epoch jest samodzielnymi ramami analizowalnymi na własnych warunkach, z własną procedurą estymacji, założeniami i granicą w próbie / poza próbą — przedmiotem §2 do §4. Po drugie, Epoch jest wcześniejszym substratem, na którym trzy już zbadane prognozy oparte na mocy obliczeniowej zależą: pierwszy czynnik OOM Aschenbrennera bierze estymacje GPT-2/3/4 Epoch jako swoją empiryczną kotwicę (Rozdział 1.1, §1, Czynnik 1); symulator tempa gwałtownego startu Davidsona bierze trajektorie mocy obliczeniowej Epoch jako parametry wejściowe (Rozdział 1.3); ekstrapolacja kosztu sprzętu Cotry używa metodologii w stylu Epoch i powiązanych temp wydajności algorytmicznej (Rozdział 1.2). Te dwie role nie zlewają się: wkładem Epoch jest metodologia, a prognozy zależne zależą od Epoch, a nie odwrotnie.

Wzorzec G jest tu refleksyjny. Każdy z trzech rozdziałów napędzanych mocą obliczeniową uznał zależność od wcześniejszej metodologii pod Wzorcem G manuskryptu (prerejestracja v1, §ramy wzorców). Epoch jest tą wcześniejszą metodologią. Wzorzec G Rozdziału 1.7 nie jest zatem uznaniem zależności zewnętrznej, lecz refleksyjnym: substrat, który wcześniejsze rozdziały nazwały rzeczą, od której zależą, jest teraz ramami poddanymi rekonstrukcji. Jest to strukturalna cecha zbioru badanego — pojedyncza publiczna metodologia estymacji mocy obliczeniowej leży u podstaw trzech z jego siedmiu pozycji — a nie wada programu Epoch. Refleksyjność jest unikalnie specyficzna dla Epoch, tak jak autorewizja Cotry z 2022 roku była unikalnie specyficzna dla Cotry (ustalone — sieć cytowań jest jednokierunkowa i weryfikowalna w research_notes/forecasts_database.json).

9.2 §2 — Dekompozycja metodologii

Metodologię Epoch można przedstawić jako funkcję dwuetapową. Niech C_m oznacza estymowaną moc obliczeniową treningu modelu m w FLOP, skonstruowaną na etapie na-model jako

C_m = f_m · u_m · p_m · d_m

iloczyn przepustowości na procesor f_m (FLOP/s), frakcji wykorzystania u_m, liczby procesorów p_m oraz czasu trwania treningu d_m. Drugi etap agreguje estymacje na-model według daty wydania i dopasowuje trend logarytmiczno-liniowy na zidentyfikowaną erę, log C(t) = log C(t₀) + (t − t₀)·log 2 / τ, z charakterystycznym dla ery czasem podwojenia τ estymowanym regresją i raportowanym z bootstrapowym przedziałem ufności.

Dane wejściowe. Bazą empiryczną jest informacja publiczna w czterech rodzinach wejść na model: artykuły treningowe (architektury, hiperparametry, ujawnienia procedury treningowej); specyfikacje sprzętu (szczytowy FLOP/s producenta, skorygowany o frakcję wykorzystania); ujawnienia czasu treningu (godziny, dni, tygodnie); oraz ogłoszenia infrastrukturalne (rozmiar klastra, liczba GPU). Modele bez wystarczającej informacji publicznej są oznaczane jako nieujawnione, a nie imputowane. Publiczna baza danych modeli śledzi około 3200 systemów od mniej więcej 1950 roku do teraz; artykuł fundamentalny użył około 100-200, a udoskonalenie trendu z 2024 roku użyło frontowego podzbioru 333 modeli (Sevilla i in., 2022; Epoch AI, 2024) (ustalone — metodologia wielokrotnie poświadczona w kanonicznym zbiorze powierzchniowym).

Ekstrapolacja i założenia. Sześć zobowiązań modelowych niesie metodologię: (i) czteroczynnikowy iloczyn, z frakcją wykorzystania 30-50%, przybliża faktyczną moc obliczeniową treningu; (ii) publiczne ujawnienia czasu treningu są dokładne w obrębie rzędu wielkości; (iii) ogłoszenia infrastrukturalne odpowiadają faktycznej, a nie aspiracyjnej pojemności; (iv) logarytmiczno-liniowa postać funkcyjna jest właściwa, wobec superwykładniczych, łamanego prawa potęgowego czy alternatyw z przełączaniem reżimów; (v) progi trójerowe na 2010 i 2015 są empirycznie odporne; (vi) kryteria doboru bazy danych czynią ją wystarczająco reprezentatywną dla leżącej u podstaw populacji systemów.

Granica w próbie / poza próbą. Jest to nośna obserwacja tego rozdziału i różni się od sześciu wcześniejszych rozdziałów formą. Historyczne estymacje mocy obliczeniowej Epoch i dopasowane na nich trendy są z konstrukcji w próbie — i niezwykle czyste: rozszerzenia zbioru danych 2022 → 2024 → 2026 funkcjonują jako częściowy test poza próbą metodologii, z trendem 4-5x/rok odtwarzającym się we wszystkich rozszerzeniach 333 modeli (Epoch AI, 2024). Lecz krok wyprzedzający — projekcja tempa po 2015 roku poza obserwowane okno — jest poza próbą dokładnie w sensie, który Rozdział 4 formalizuje, a własna trójerowa dekompozycja Epoch jest bezpośrednim dowodem na to, że tempo nie jest stacjonarne między reżimami. Rozróżnienie etykietowania jest zatem ostre i musi być stwierdzone jawnie: estymacje historyczne są (ustalone) w obrębie metodologii; ekstrapolacja wyprzedzająca do przyszłych systemów jest (spekulatywna) zgodnie z kalibracją zastosowaną do wyników poza obserwowanym zakresem. Nieobecna granica walidacji wyprzedzającej jest pomostem do Rozdziałów 6 i 7: Rozdział 6 zakłada, że statystyka wyników poddawana korekcie jest obliczana na próbie operacyjnej, której ekstrapolacja wyprzedzająca brak w chwili publikacji, a Rozdział 4 rozwija protokół kroczącej retrodykcji — dla którego rozszerzenia wersji zbioru danych Epoch są najwyraźniejszym analogiem warstwy pomiaru w zbiorze badanym.

9.3 §3 — Co metoda osiąga

Cztery cechy metodologii Epoch zasługują na jawne rozliczenie.

Najbardziej rygorystyczna publiczna metodologia estymacji mocy obliczeniowej w domenie zbioru badanego. Czteroczynnikowa procedura, triangulowana między artykułami treningowymi, specyfikacjami sprzętu, ujawnieniami czasu treningu i ogłoszeniami infrastrukturalnymi, bije zarówno metody oparte tylko na artykułach akademickich (które zależą od niespójnego raportowania FLOP na artykuł), jak i estymacje zamkniętych dostawców (które zależą od decyzji o ujawnieniu dostawcy). Jest udokumentowana na poziomie organizacyjnym, odtwarzalna z informacji publicznej i operacjonalizowana na skalę we wszystkich 3200 modelach bazy danych. Poprzednik (Amodei i Hernandez, 2018 (nierecenzowane)) użył mniej więcej 30-50 systemów i jednotempowego modelu; Sevilla i in. (2022) rozszerzyli próbę o rząd wielkości, wprowadzili trójerową dekompozycję i poddali ją recenzji (ustalone — wielokrotnie poświadczone w Sevilla i in., 2022 oraz w dokumentacji metodologii Epoch).

Niepewność ugruntowana na estymacji, a nie ustanowione słupki błędu. Każda estymacja niesie jawną granicę niepewności tam, gdzie informacja publiczna jest wystarczająca, oraz flagę nieujawnienia tam, gdzie nie jest; bootstrapowe przedziały ufności na poziomie trendu agregują te niepewności na-estymację, a nie nakładają rozkład na cały trend. Ta nieparametryczna dyscyplina pomieszcza niegaussowski kształt błędu estymacji mocy obliczeniowej i jest bardziej uczciwa niż jakościowe słupki błędu Aschenbrennera czy niejawna niepewność na-kotwicę wag mieszaniny Cotry (poparte dowodami — metodologia bootstrapowych CI jest ustaloną praktyką statystyki stosowanej).

Publiczne udostępnienia zbiorów danych z historią wersji. Kolejne udostępnienia niosą jawne przyrosty wersji — około 100-200 modeli w 2022, frontowy podzbiór 333 modeli w 2024, 3200+ do 2026 — więc audyt w dowolnym przyszłym punkcie może odtworzyć wcześniejszą analizę trendu z opublikowanej wersji. W obrębie zbioru badanego tylko przejście METR v1.0 → v1.1 zbliża się do tej dyscypliny; pozostałe cztery ilościowe ramy nie mają kontroli wersji zbioru danych na porównywalnym poziomie (ustalone — trajektoria historii wersji bezpośrednio poświadczalna z repozytorium organizacyjnego). Jest to najwyraźniejszy w zbiorze badanym analog dyscypliny odtwarzalności, jaką ten manuskrypt nakłada na siebie.

Wcześniejszy substrat jest metodologicznym dobrem publicznym. Epoch umożliwia trzy z sześciu pozostałych badanych prognoz, dostarczając wspólny fundament mocy obliczeniowej: bez niego Aschenbrenner, Davidson i Cotra każdy wymagałby niezależnej estymacji mocy obliczeniowej, a rozbieżność między trzema prywatnymi metodologiami byłaby nieaudytowalna. Pojedynczy publiczny, wersjonowany, recenzowany substrat czyni ich wejścia mocy obliczeniowej inspekcjonowalnymi na wspólnym gruncie. Jest to istotny walor, a nie znak, że Epoch jest pochodny — zależność biegnie w dół od Epoch, a substrat istnieje wcześniej i niezależnie wspiera ramy, które go konsumują (ustalone — jednokierunkowa sieć cytowań weryfikowalna w research_notes/forecasts_database.json).

9.4 §4 — Czego metoda nie może nam powiedzieć

Cztery pytania wyłaniają się ze struktury metodologii; pod Regułą 3 (samozastosowanie) każde mapuje się na sekcję rozdziału audytu i na analogiczne pytanie stojące przed własnym konstruktem Rozdziału 14 tego manuskryptu.

Pytanie 1: liczba przeszukiwań doboru systemów przełomowych. Baza danych dopuszcza system na alternatywie czterech kryteriów (liczba cytowań powyżej 1000; wyniki stanu sztuki (state-of-the-art); znaczenie historyczne; istotne wdrożenie produktowe), a analizy trendu działają na podzbiorach — 333 modele frontowe tutaj, cięcia segmentów tam. Ile alternatywnych wyborów doboru-i-podzbioru było dostępnych, zanim te zostały ustalone? Niejawna przestrzeń obejmuje progi włączenia, definicje frontu, lata progów ery oraz podziały segmentów, a program raportuje wybrany podzbiór bez wyliczania przestrzeni selekcji jako przeszukiwania (spekulatywne co do wielkości inflacji indukowanej selekcją; ustalone jako obserwacja metodologiczna o programie).

Obserwacja samozastosowania. Estymator efektywnego N Rozdziału 14 (prerejestracja v2 §Adaptacja 4; LOCKED, TIER_3_NEW_DERIVATION; domyślnie (spekulatywne)) staje przed ścisłym analogiem: własna rama manuskryptu — które-prognozy-badać-i-który-podzbiór — jest niejawną liczbą przeszukiwań, bezpośrednio nieobserwowalną. Prezobowiązaniem jest złożony zakres z główną wartością średniej geometrycznej oraz EX POST NIEZMIENNYMI progami współczynnika widełek 1.5x i 100x. Analogiczna krytyka obserwowalności stosuje się do samego manuskryptu.

Pytanie 2: wiarygodność opublikowanego raportu. Metodologia zakłada, że publiczne raporty o mocy obliczeniowej treningu odzwierciedlają faktyczną zużytą moc obliczeniową. Dla modeli akademickich i o otwartym źródle jest to obronne; dla frontowych systemów zamkniętych dostawców, gdzie presja konkurencyjna może obciążać to, co jest ujawnione, estymowane, marketingowane lub pominięte, samo wejście jest poświadczoną wielkością o niepewnej proweniencji. Metodologia flaguje nieujawnienie, lecz nie certyfikuje, że ujawnione wartości są niemarketingowane; asymetria ujawnień między modelami akademickimi a komercyjnymi jest cechą strukturalną, a nie pomiarem, który czteroczynnikowy iloczyn rozstrzyga (poparte dowodami jako luka; asymetria ujawnień jest nośnym narażeniem każdej dyscypliny estymacji opartej tylko na informacji publicznej).

Obserwacja samozastosowania. Podział zbioru informacyjnego Rozdziału 14 (prerejestracja v2 §Adaptacja 2; TIER_3_NEW_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 2 zgodnie z Type-I_C > 2·PBO LUB Power_C < 0.5·PBO) staje przed analogiem: podział zakłada strukturę poświadczeń wyników nad wejściami historycznymi — to samo założenie, które naciąga się, gdy ujawnione wejście nie może być certyfikowane jako faktyczna wielkość. Kryterium MC Study 2 jest prezobowiązane do ujawnienia tej zależności; analogiczna krytyka stosuje się do samego manuskryptu.

Pytanie 3: horyzont ekstrapolacji praw skalowania. Tempo podwojenia po 2015 roku jest dopasowane w próbie; operacyjnie istotne użycie zależne projektuje je w przód. Jak długo bieżące dopasowanie może ekstrapolować, zanim nastąpi zmiana reżimu — zakłócenie podaży mocy obliczeniowej, nasycenie wydajności algorytmicznej, krzywa S sprzętu? Dwa własne empiryczne progi metodologii (2010, 2015) oraz uznane frontowe tempo po 2018 roku 4.2x/rok są bezpośrednim dowodem na to, że tempo się przesuwa; program raportuje je przejrzyście, lecz nie formalizuje horyzontu na przestrzeni którego ekstrapolacja wyprzedzająca jest obronna (poparte dowodami jako luka; raportowanie wielosegmentowe uznaje problem bez rozstrzygnięcia horyzontu).

Obserwacja samozastosowania. Statystyka wyników prognozowania możliwości Rozdziału 14 (prerejestracja v2 §Adaptacja 3; LOCKED, TIER_2 dla Briera / log-loss / kalibracji / pokrycia przedziałowego; TIER_3 dla Sharpe'a możliwości) staje przed analogiem: okno, na przestrzeni którego statystyka jest obliczana i projektowana, samo jest wyborem. Manuskrypt prezobowiązuje się do głównej statystyki plus wielostatystycznego panelu odporności, a nie pojedynczego horyzontu; analogiczna krytyka okna ekstrapolacji stosuje się do samego manuskryptu.

Pytanie 4: efektywna liczebność próby przy skorelowanych obserwacjach. Baza danych mieści tysiące estymacji na-model, lecz liczba niezależnych obserwacji mocy obliczeniowej jest istotnie mniejsza. Organizacje grupują się (tempa na-dostawcę już obejmują 4.9x do 7.1x/rok); metodologia dryfuje w okresie 1950-2026; a strategie publikacji są skorelowane, ponieważ te same laboratoria ujawniają pod podobnymi bodźcami konkurencyjnymi. Dodatnia korelacja kurczy efektywną liczebność próby poniżej nominalnej i poszerza prawdziwy przedział ufności agregatu 4-5x/rok poza to, co nominalna liczba implikuje. Program raportuje przedziały bootstrapowe, lecz nie publikuje korekty efektywnego N na tę strukturę korelacji międzyobserwacyjnej (poparte dowodami jako luka; korelacja wspólnej proweniencji jest strukturalną cechą frontu małych organizacji).

Obserwacja samozastosowania. Estymator wariancji nie-IID Rozdziału 14 (prerejestracja v2 §Adaptacja 1; TIER_2_ADAPTED_DERIVATION; domyślnie (spekulatywne) do podniesienia w MC Study 1 zgodnie z n_critical(ρ) > 60) staje przed ścisłym analogiem: korekta zależy od struktury zależności w obrębie połączonych obserwacji. Jeśli modele dzielą proweniencję laboratoryjną — dokładnie jak wskazuje rozrzut tempa na-dostawcę — efektywna liczebność próby kurczy się poniżej nominalnej, a korekta jest surowsza. Manuskrypt prezobowiązuje się do bootstrapu blokowego na zdetrendowanych resztach; analogiczna krytyka struktury zależności stosuje się do samego manuskryptu.

Rozdziały 4 do 7 rozwijają je formalnie.

9.5 §5 — Odniesienie w przód

Rozdział 2 identyfikuje wzorzec strukturalny: oś empirycznego skalowania mocy obliczeniowej jest siódmą z siedmiu prerejestrowanych osi, z których żadna nie wdraża protokołu walidacji wyprzedzającej poza próbą przy publikacji. Rozdział 2 dodatkowo integruje wyróżniającą rolę Epoch jako wspólnego substratu empirycznego leżącego u podstaw trzech z sześciu wcześniejszych prognoz (Aschenbrenner, Cotra, Davidson) — więc refleksyjność Wzorca G ujawniona w §1 jest cechą architektury dokumentu. Rozdział 4 rozwija protokół kroczącej retrodykcji; rozszerzenia wersji zbioru danych Epoch są najgęstszym substratem warstwy pomiaru, jaki oferuje zbiór badany. Rozdział 6 rozszerza wyprowadzenie DSR Baileya i López de Prado (2014), adresując Pytanie 4 poprzez Adaptację 1 i Pytanie 3 poprzez Adaptację 3. Rozdział 7 adresuje Pytanie 2 poprzez Adaptację 2. Konstruktywny aparat DCF Rozdziału 14 integruje wszystkie cztery adaptacje i adresuje Pytanie 1 poprzez Adaptację 4.

Z zmapowanym Epoch zbiór badany jest kompletny. Rozdział 2 przechodzi do wspólnego wzorca metodologicznego we wszystkich siedmiu.

9.6 Pozycje cytowane w tym rozdziale

Amodei, D., & Hernandez, D. (2018, May). AI and compute. OpenAI (non-peer-reviewed). https://openai.com/research/ai-and-compute

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Epoch AI. (2024). Training compute of frontier AI models grows by 4-5x per year (non-peer-reviewed). https://epoch.ai/blog/training-compute-of-frontier-ai-models-grows-by-4-5x-per-year

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

10 Rozdział 2 — Wspólny wzorzec metodologiczny

Część I rekonstruowała siedem prognoz ram czasowych AGI pojedynczo. Ten rozdział zmienia jednostkę analizy: tam gdzie rozdziały od 1.1 do 1.7 każdorazowo poddawały rekonstrukcji jedną metodologię, rozdział 2 ujmuje zbiór w syntezie. Pyta, co dzieli tych siedem, co ich różnice ujawniają na temat jednej taksonomii klasyfikacyjnej i jaka jedna cecha strukturalna propaguje się do wyprowadzeń ramowych rozdziałów od 3 do 16.

Badane prognozy są przedmiotem analizy, a nie przeciwnikiem. Niniejszy manuskrypt rozszerza kanon metodologiczny Baileya, Lópeza de Prado i Harveya na prognozowanie możliwości; nie burzy prognoz, które bada, a kilka z nich przewyższa własne standardy odtwarzalności kanonu (§3).

10.1 §1 — Co dzieli siedem prognoz

W siedmiu rekonstrukcjach metodologie różnią się strukturalnie w stopniu, który opiera się pobieżnemu grupowaniu. Aschenbrenner sumuje rzędy wielkości (orders of magnitude, OOMs) efektywnej mocy obliczeniowej w przestrzeni logarytmicznej (Aschenbrenner, 2024; rozdział 1.1). Cotra miesza sześć rozkładów mocy obliczeniowej kotwic biologicznych przy subiektywnych wagach (Cotra, 2020, 2022; rozdział 1.2). Davidson całkuje sprzężony układ równań różniczkowych po mniej więcej siedemdziesięciu parametrach (Davidson, 2023; rozdział 1.3). METR dopasowuje trend logistyczny-następnie-log-liniowy do mierzonych czasów ukończenia zadań (Kwa i in., 2025; rozdział 1.4). Karnofsky rozdziela masę prawdopodobieństwa narracyjnie pomiędzy kategorie wyników cywilizacyjnych (Karnofsky, 2021; rozdział 1.5). Grace łączy tysiące eksperckich rozkładów prawdopodobieństwa w agregat populacyjny (Grace i in., 2018, 2024; rozdział 1.6). Epoch szacuje moc obliczeniową treningu na model na podstawie publicznych informacji i dopasowuje trendy tempa podwajania (Sevilla i in., 2022; rozdział 1.7). Siedem obiektów pomiaru — log-moc obliczeniowa, moc obliczeniowa kotwic biologicznych, czas trwania gwałtownego startu, czas ukończenia zadania, masa kategorii wyników, łączone przekonanie o roku nadejścia, trajektoria mocy obliczeniowej na granicy możliwości — z których żadne dwa nie dzielą jednostek, statusu czasowego ani pierwotnego elementu epistemicznego (ustalone — ortogonalność wymiarowa jest weryfikowalna w research_notes/forecasts_database.json i była prerejestrowana jako twierdzenie falsyfikowalne; prerejestracja v1, §7-axis decomposition taxonomy).

Mimo tej rozbieżności jedna cecha metodologiczna jest wspólna wszystkim siedmiu. Każda prognozuje przyszłą możliwość poprzez dekompozycję pytania na komponenty, dopasowanie tych komponentów do danych historycznych i ekstrapolację dopasowanej dekompozycji w przód — bez żadnego protokołu walidacji w przód poza próbą wdrożonego w momencie publikacji. To jest nośna obserwacja tego rozdziału i jest ona raczej strukturalna niż oceniająca: opisuje, co siedem metodologii robi, a nie czy to, co robią, jest poprawne. §2 każdej prognozy w części I zlokalizowała tę samą granicę niezależnie. Dekompozycja Aschenbrennera z lat 2019–2023 ekstrapolowana do 2027 nie rezerwuje żadnego wydzielonego okresu (rozdział 1.1, §2). Trendy kosztów Cotry z lat 2010–2020 ekstrapolują do 2030–2100 bez protokołu kroczącego (rozdział 1.2, §2). Sprzężony układ Davidsona całkuje parametry dopasowane do historii 2010–2023 w przód, bez retrodykcji zamrożonego stanu wiedzy (rozdział 1.3, §2). Dopasowanie trendu METR z lat 2019–2025 jest z konstrukcji w próbie, a jego ekstrapolacja w przód poza próbą z konstrukcji (rozdział 1.4, §2). Koncentracje masy prawdopodobieństwa Karnofsky'ego nie dopuszczają żadnej historycznej klasy odniesienia pozwalającej na walidację (rozdział 1.5, §2). Agregatowy rozkład roku nadejścia Grace jest z konstrukcji prognozą w przód, a jego horyzont znacznie przekracza odstęp między falami (rozdział 1.6, §2). Historyczne oszacowania Epoch są w próbie, a jego ekstrapolacja prawa skalowania poza próbą (rozdział 1.7, §2).

Twierdzenie unifikujące nie głosi zatem, że siedem prognoz jest błędnych. Żadna nie dostarcza walidacji w przód poza próbą swojego kroku ekstrapolacji w momencie publikacji (ustalone — każdy przypadek poświadczony w odpowiadającej §2 części I oraz w raportach z audytu reviews/audit/phase-1-chapter-1.1 do phase-1-chapter-1.7). Jeden problem, siedem przejawów. Pozostała część tego rozdziału ustanawia taksonomię, która czyni je porównywalnymi (§2), uwidacznia, jak taksonomia klasyfikuje realne cechy strukturalne (§3), nazywa wspólny krok ekstrapolacji jako pojedynczą sygnaturę (§4) i przerzuca pomost do rozdziału 3 (§5).

10.2 §2 — Taksonomia dekompozycji siedmioosiowej

Porównanie w §1 zakłada taksonomię. Niniejszy manuskrypt prerejestrował jedną, zanim rozpoczęło się redagowanie części I: siedem osi dekompozycji, z których każda nazywa centralny ruch metodologiczny prognozy z jawną semantyką wymiarową (prerejestracja v1, §7-axis decomposition taxonomy; hash a2f7e52c…, zablokowany 2026-05-18). Osie są tu odtworzone jako rusztowanie klasyfikacyjne dokumentu, każda wraz ze swoim kanonicznym egzemplarzem oraz, tam gdzie taka istnieje, ze swoją operacyjną literą wzorca.

Oś OOM (Aschenbrenner) rozkłada efektywną moc obliczeniową na addytywne komponenty rzędów wielkości — fizyczna moc obliczeniowa, wydajność algorytmiczna i odhamowanie (unhobbling) — sumowane w przestrzeni logarytmicznej (rozdział 1.1). Oś kotwic (Cotra) rozkłada wymóg mocy obliczeniowej transformacyjnej sztucznej inteligencji na mieszankę sześciu biologicznych benchmarków przy subiektywnych wagach (rozdział 1.2). Oś czasu trwania startu (Davidson) parametryzuje czas trwania od częściowej do pełnej automatyzacji w reżimach wolnym, szybkim i nieciągłym (rozdział 1.3). Oś czasu-kosztu-zadania (METR) mierzy ekwiwalentny ludzki czas pracy, przy którym model osiąga pięćdziesięcioprocentowy sukces w zadaniu, i dopasowuje trend tempa podwajania; niesie ona wzorzec D, zobowiązanie manuskryptu, że ta mierzona wielkość jest wymiarowo ortogonalna względem parametru czasu trwania startu Davidsona mimo wspólnego słownictwa czasu (rozdział 1.4). Oś masy prawdopodobieństwa / znaczenia cywilizacyjnego (Karnofsky) rozdziela masę prawdopodobieństwa po kategoriach wyników cywilizacyjnych; niesie ona wzorzec E, zobowiązanie, że masa-prawdopodobieństwa-nad-zdarzeniem-binarnym oraz jakościowe ujęcie znaczenia cywilizacyjnego są osiami ortogonalnymi (rozdział 1.5). Oś agregacji ankiet eksperckich (Grace) łączy rozkłady roku nadejścia per respondent w zdefiniowanej populacji eksperckiej; niesie ona wzorzec F, zobowiązanie, że łączenie statystyczne oraz indywidualny rozkład per respondent są ortogonalne (rozdział 1.6). Oś empiryczna skalowania mocy obliczeniowej (Epoch) szacuje moc obliczeniową na granicy możliwości per model i agreguje ją w trendy log-liniowe; niesie ona wzorzec G (rozdział 1.7).

Te siedem wyczerpuje badany zbiór. Taksonomia rezerwuje również ósmą, konstruktywną oś — własną oś przeszukiwania hiperparametrów rozdziału 14 manuskryptu, przestrzeń przeszukiwania samej konstruktywnej ramy podlegającą korekcie na testowanie wielokrotne (prerejestracja v1, §7-axis decomposition taxonomy, 8. oś). Jest ona konstruktywnym dopełnieniem siedmiu badanych osi: tam gdzie siedem nazywa ruchy dekompozycji, które manuskrypt audytuje, ósma nazywa ruch dekompozycji, który manuskrypt sam wykona, i jest wobec tego podległa tej samej dyscyplinie ortogonalności i walidacji. Jest zdefiniowana dla kompletności i nie jest jeszcze operacyjna; staje się operacyjna dopiero wtedy, gdy rozdział 14 skonstruuje ramę, której przestrzeń przeszukiwania nazywa. Nazwanie jej tutaj wypełnia zobowiązanie samozastosowania reguły 3: własny aparat prognostyczny dokumentu jest prognozą podległą tej samej dyscyplinie osiowej zastosowanej wobec tych siedmiu.

Wzorzec G jest refleksyjny, i to w sposób wyjątkowy. Oś OOM, oś kotwic oraz oś czasu trwania startu każda konsumuje oszacowania mocy obliczeniowej Epoch jako wejścia od strony źródła — pierwszy czynnik OOM Aschenbrennera, ekstrapolacja kosztów sprzętu Cotry oraz parametry trajektorii mocy obliczeniowej Davidsona — wszystkie kotwiczą na bazie danych Epoch (rozdziały 1.1, 1.2, 1.3; Sevilla i in., 2022). Oś empiryczna skalowania mocy obliczeniowej nie jest zatem jedynie siódmą ramą, lecz wspólnym empirycznym podłożem pod trzema z pozostałych sześciu. Jest to cecha architektury dokumentu: jedna publiczna metodologia szacowania mocy obliczeniowej leży u podstaw jednej czwartej badanych pozycji, a zależność biegnie jednokierunkowo w dół od Epoch (ustalone — sieć cytowań jest jednokierunkowa i weryfikowalna w research_notes/forecasts_database.json). Refleksyjność jest ograniczona do Epoch. Jest to właściwość pozycji tego konkretnego podłoża w badanym zbiorze — wyjścia empiryczne jednej osi zasilające trzy osie w dół — a nie struktura relacyjna dzielona przez pozostałe sześć. Żadna z osi OOM, kotwic, czasu trwania startu, czasu-kosztu-zadania, masy prawdopodobieństwa ani ankiet eksperckich nie dostarcza wejść pozostałym; ich zależności biegną na zewnątrz do Epoch, nigdy między sobą. Refleksyjność jest zatem atrybutem jednoosiowym, tak jak samokorekta Cotry z 2022 była właściwością wyjątkową dla Cotry i nie ogólną cechą osi kotwic. Nadmierne uogólnianie refleksyjności na wszystkie siedem osi błędnie przedstawiłoby architekturę; manuskrypt nazywa ją precyzyjnie raz, tutaj, jako swoistą dla Epoch (zgodnie z audytem rozdziału 1.7, zastrzeżenie przeniesione naprzód).

Wzorzec H sytuuje się całkowicie poza taksonomią. Kanon metodologiczny — Bailey, López de Prado, Borwein, Harvey, Tetlock, Flyvbjerg — nie uczestniczy w dekompozycji siedmioosiowej (Bailey & López de Prado, 2014; Bailey i in., 2014; López de Prado, 2018; Harvey i in., 2016; Tetlock & Gardner, 2015; Flyvbjerg, 2014). Prace te produkują aparat statystyczny do oceny wyników i twierdzeń prognostycznych przy testowaniu wielokrotnym; są one metodologią stosowaną do osi, a nie ramą prognostyczną wśród nich. Wzorzec H jest zatem nazwany bez przypisania osi, z konstrukcji. Rozróżnienie jest prerejestrowane jako falsyfikowalne: gdyby okazało się, że jakakolwiek pozycja kanonu funkcjonuje jako dekomponowalna rama prognostyczna w taksonomii siedmioosiowej, strukturalne rozróżnienie wzorca H wymagałoby rewizji (prerejestracja v1, FC-3). W fazach 0.2 i 0.3 nie znaleziono takiego przypadku (poparte dowodami — wzorzec H potwierdzony w pozycjach kanonu metodologicznego; research_notes/methodology_canon.json). Relacja jest kierunkowa: kanon jest celem rozszerzenia, z którego dokument dziedziczy swój aparat oceniający, a nie obiektem, który taksonomia siedmioosiowa klasyfikuje. Taksonomia siedmioosiowa i kanon zajmują zatem role rozłączne: osie są tym, co jest audytowane, kanon jest tym, co audytuje.

10.3 §3 — Rozróżnienie bogactwa danych / bogactwa poświadczeń

Taksonomia zasługuje na swoje miejsce tylko wtedy, gdy klasyfikuje znaczące cechy strukturalne, a nie arbitralne grupowania autorów. Istotny wgląd wyłaniający się z audytów części I dostarcza dowodu, że to czyni.

Przed redagowaniem części I niniejszy manuskrypt prerejestrował rozkładowy priorytet: prognozy zakotwiczone na osiach danych empirycznych miałyby produkować wyższy (ustalone) udział zdekomponowanych twierdzeń niż ramy filozofii prognostycznej polegające na ekstrapolacji w przód (prerejestracja v1, §Distribution analysis). Ten priorytet systematycznie przeszacowywał udział (ustalone) dla prognoz, które zapożyczają bogactwo z warstwy pomiaru odrębnej od ich warstwy poświadczeń. Trzy potwierdzone przypadki, każdy poddany niezależnemu spisowi etykiet architekt–audytor, ustanawiają wzorzec (research_notes/forecasts_database.json, project_level_methodology_notes.hypothesis_a_confirmed_pattern).

Priorytet METR przewidywał siedemdziesięciotrzyprocentowy udział (ustalone); zrealizowany spis zwrócił 46.2 procent — odchylenie −26.8 punktu procentowego, mniej więcej −2.18σ przy spisie trzynastu twierdzeń, z 13/13 niezależną zgodnością co do poszczególnych etykiet (audyt rozdziału 1.4) (ustalone — niezależny spis udokumentowany). Priorytet Grace przewidywał 82.5 procent, najwyżej w badanym zbiorze; zrealizowany udział spadł do mniej więcej 48–59 procent — odchylenie −24 do −35 punktu procentowego, mniej więcej −2.8 do −4.0σ, z 16/16 zgodnością spisu, największe bezwzględne odchylenie z trzech i najczystsza demonstracja (audyt rozdziału 1.6) (ustalone). Karnofsky jest przypadkiem sąsiednim: udział (ustalone) wylądował w granicach wariancji jego 38-procentowego priorytetu, lecz twierdzenia o architekturze ram i sieci cytowań, które priorytet sklasyfikował jako (spekulatywne), okazały się (poparte dowodami) po inspekcji (+7.3pp poparte dowodami, −10.5pp spekulatywne, 17/17 spisu) — ten sam mechanizm konflacji działający na innym poziomie (audyt rozdziału 1.5) (poparte dowodami).

Mechanizm konflacji wart jest rozwinięcia, ponieważ jest ten sam we wszystkich trzech przypadkach i wyjaśnia, dlaczego priorytet był systematycznie błędny, a nie losowo. Aktywności warstwy pomiaru produkują natychmiastowe, weryfikowalne obserwacje — czasy ukończenia zadań METR, dosłowne odpowiedzi ankietowe Grace, twierdzenia Karnofsky'ego o architekturze ram i sieci cytowań — które naturalnie czytają się jako kwalifikujące się do (ustalone), ponieważ są bezpośrednio poświadczone. Priorytet odziedziczył to poświadczenie w górę: czytał bogactwo warstwy pomiaru tak, jak gdyby było ono bogactwem poziomu prognozy. Lecz nośne twierdzenie każdej prognozy leży na warstwie metodologii — ekstrapolacja od obserwowanych pomiarów do roku nadejścia lub projekcji możliwości — a ten krok jest poza próbą niezależnie od tego, jak bogato podstawowe pomiary są poświadczone. Ten sam mechanizm przybiera różne formy powierzchniowe w tych trzech: METR przechodzi od obserwacji benchmarków do mniej więcej siedmiomiesięcznej ekstrapolacji podwajania; Karnofsky przechodzi od obserwacji architektury ram do rozkładu prawdopodobieństwa w skali cywilizacyjnej; Grace przechodzi od rozkładów ankietowych per respondent do zagregowanego rozkładu roku nadejścia. Różne obiekty, jedna konflacja.

Epoch jest przypadkiem potwierdzającym granicę i potwierdza tę granicę właśnie dlatego, że konflacja nie ma na czym zadziałać. Jego warstwa pomiaru jest jego warstwą poświadczeń: oszacowania FLOP per model oraz ustalenia prawa skalowania są same twierdzeniami metodologii-poświadczenia, a nie bogactwem zapożyczonym z zewnętrznej warstwy pomiaru i przypisanym ponownie do prognozy. Nie istnieje zatem odrębna bogata warstwa pomiaru, której bogactwo mogłoby zostać błędnie przypisane. Jego zrealizowany rozkład uzgodnił się do mniej więcej 60.0 / 30.9 / 9.1 — najniższy udział (spekulatywne) w zbiorze, z 17/17 zgodnością spisu etykiet manifestu (audyt rozdziału 1.7) (ustalone). Granica utrzymuje się, ponieważ konflacja, która napędza trzy potwierdzone przypadki, nie może wystąpić tam, gdzie dwie warstwy się pokrywają.

Mechanizm jest rozróżnieniem, które sekcja nazywa: bogactwo danych nie jest bogactwem poświadczeń-metodologii. Obserwacje ukończonych benchmarków METR, odpowiedzi ukończonych ankiet Grace oraz architektura sieci cytowań Karnofsky'ego są autentycznie bogate na warstwie pomiaru; nośny krok ekstrapolacji, który zamienia każde z nich w prognozę, jest poza próbą na warstwie metodologii. Priorytet skonfundował te dwie rzeczy. Konsekwencja klasyfikacyjna jest precyzyjna: osie produkujące bogactwo warstwy pomiaru — wzorzec D, wzorzec E, wzorzec F — są różnicowo podatne na konflację, podczas gdy refleksyjne podłoże wzorca G jest wyłączone, ponieważ jego warstwa pomiaru i warstwa poświadczeń się pokrywają. Taksonomia przewiduje zatem, które prognozy będą podatne, a przewidywanie utrzymuje się w czterech niezależnych spisach (13/13, 17/17, 16/16, 17/17) (ustalone — 100-procentowa zgodność architekt–audytor we wszystkich czterech spisach). To jest istotny dowód, że taksonomia siedmioosiowa klasyfikuje realne cechy strukturalne.

Własne zachowanie dokumentu w tej kwestii jest nośne pod regułą 3. Architekt nie dostosował zrealizowanych etykiet do zmiskalibrowanego priorytetu. Automatyczne dostosowanie byłoby dopasowaniem w próbie do priorytetu znanego z miskalibracji — dokładnie ten tryb porażki ten manuskrypt audytuje w badanym zbiorze. Niedostosowanie zachowuje integralność krytyki: priorytet przeuczył udział (ustalone) dla prognoz bogatych w pomiar, a to przeuczenie samo jest zdarzeniem dopasowania w próbie na poziomie metametodologii, odziedziczonym przez traktowanie testowania wielokrotnego w rozdziale 5 (project_level_methodology_notes, implications_for_chapter_4_5).

10.4 §4 — Wspólny krok ekstrapolacji poza próbą

Nośna obserwacja z §1 może być teraz wyrażona jako pojedyncza sygnatura strukturalna, a nie siedem osobnych ustaleń. Każda prognoza w badanym zbiorze wykonuje ten sam dwuetapowy ruch: dopasuj dekompozycję do historycznego okna, następnie ekstrapoluj dopasowaną dekompozycję poza koniec okna. Granica w próbie / poza próbą przypada na koniec okna we wszystkich siedmiu przypadkach. Różni się jedynie obiekt po każdej stronie granicy.

Precyzyjne nazwanie granicy dla każdej osi jest fundamentem, który dziedziczy formalna krytyka ekstrapolacji w próbie z rozdziału 4, więc każdej przypisuje się jej stronę w próbie, jej stronę poza próbą oraz transformację, która odwzorowuje jedną na drugą. Aschenbrenner trzyma w próbie trend efektywnej mocy obliczeniowej z lat 2019–2023 i projektuje prognozę 2023–2027 poza próbą, transformacją będąc rozszerzenie tempa OOM per czynnik przy stosunku dopasowania-do-horyzontu mniej więcej pięć do czterech. Cotra trzyma w próbie trendy kosztu sprzętu i wydajności algorytmicznej z lat 2010–2020 i projektuje rozkład roku TAI do 2100, transformacją będąc ewaluację sześciu kotwic pod subiektywnymi wagami. Davidson trzyma w próbie trajektorię mocy obliczeniowej z lat 2010–2023 i całkuje rozkład czasu trwania startu szybki/wolny poza próbą, transformacją będąc całkowanie sprzężonego układu w przód. METR trzyma w próbie obserwowane czasy trwania zadań i projektuje oszacowanie roku AGI poza próbą, transformacją będąc mniej więcej siedmiomiesięczne dopasowanie podwajania. Karnofsky trzyma w próbie analogie cywilizacyjne i rozumuje do rozkładu prawdopodobieństwa w skali stulecia poza próbą — transformacja, której horyzont czyni ją niefalsyfikowalną w obrębie własnego terminu. Grace trzyma fale ankietowe z 2018, 2022 i 2024 w próbie i projektuje w przód punktowe rozkłady roku nadejścia poza próbą, transformacją będąc agregację międzyfalową. Epoch trzyma historyczne oszacowania mocy obliczeniowej w próbie i projektuje prawo skalowania w przód poza próbą, transformacją będąc ekstrapolację log-liniową. Siedem obiektów dopasowanych, siedem obiektów ekstrapolowanych, jedna granica.

Wspólna sygnatura może być teraz wyrażona jako jeden wzorzec, a nie siedem odczytów. Wszystkie siedem wykonuje transformację ekstrapolacji od obserwacji w próbie do projekcji poza próbą; wszystkim siedmiu brakuje prespecyfikowanego kryterium walidacji w momencie publikacji — żadnego wydzielonego okresu, żadnego protokołu falsyfikacji, żadnego prekomitowanego progu, względem którego projekcja byłaby później punktowana; wszystkie siedem stoi wobec tego przed tym samym ryzykiem dopasowania w próbie. Sygnaturą jest uniwersalność granicy, a nie różnorodność tego, co ją przekracza.

Różnorodność ma znaczenie z jednego tylko powodu: wyklucza wyjaśnienie, że wspólna luka jest artefaktem wspólnej metody. Dwie prognozy używające tej samej procedury mogłyby pominąć walidację poza próbą z tego samego incydentalnego powodu. Siedem strukturalnie ortogonalnych procedur pomijających ją niezależnie jest dowodem, że pominięcie jest właściwością zadania prognostycznego — ekstrapolacji możliwości poza obserwowane okno — a nie projektowych wyborów którejkolwiek pojedynczej metodologii. Ortogonalność wymiarowa z §2 i wspólna sygnatura z §4 są tą samą obserwacją oglądaną z dwóch kątów: osie różnią się we wszystkim poza strukturalnym położeniem granicy i dzielą tę granicę właśnie dlatego, że zadanie jest to samo.

Ta sygnatura jest tu nazwana bez przepisanego rozwiązania. Dyscypliną jest granica wzorca A odziedziczona z części I: strukturalna wspólność jest zidentyfikowana, korygujący aparat nie jest jeszcze wprowadzony. Nazwy korygujących metodologii oraz konstruktywnej ramy, która je integruje, należą do późniejszych rozdziałów i nie są wdrożone w tej sekcji. To, co ustanawia §4, to jedynie to, że siedem prognoz dzieli krok ekstrapolacji poza próbą, którego żadna nie waliduje w momencie publikacji — empiryczna przesłanka, na której budują rozdziały ramowe. Ten wspólny krok jest również strukturalnym warunkiem wstępnym, którego wymaga następny rozdział: okno w próbie i projekcja poza próbą są formalnie podziałem trening/test, z granicą na końcu okna funkcjonującą jako linia cięcia między danymi dopasowanymi i wydzielonymi. Prognoza, która dopasowuje w próbie i projektuje w przód bez wydzielonego kryterium, w tym strukturalnym sensie zadeklarowała podział, a następnie odmówiła użycia jego strony testowej. Ta odpowiedniość — granica ekstrapolacji jako podział trening/test — jest tym, co udostępnia analizę następnego rozdziału; sama analiza jest dla niego zarezerwowana. Rozdział 3 przeformułowuje ten krok jako analogię do obiektu finansów ilościowych zbudowanego, by być oceniany właśnie pod tą luką. Rozdział 4 formalizuje krytykę ekstrapolacji w próbie i rozwija protokół kroczącej retrodykcji, który wygenerowałby operacyjną próbę, jakiej brakuje siedmiu prognozom. Rozdziały od 5 do 7 oraz 14 dostarczają formalnego rozszerzenia.

10.5 §5 — Pomost naprzód do rozdziału 3

Ten rozdział ustanowił taksonomię siedmiu osi dekompozycji, zidentyfikował jedną cechę strukturalną wspólną wszystkim siedmiu — ekstrapolację dopasowaną w próbie bez walidacji w przód poza próbą w momencie publikacji — i pokazał, poprzez rozróżnienie bogactwa danych / bogactwa poświadczeń, że taksonomia klasyfikuje realne cechy strukturalne, a nie arbitralne grupowania autorów. Wspólny krok ekstrapolacji jest empiryczną przesłanką, którą angażuje reszta manuskryptu.

Rozdział 3 wprowadza analogię backtestu. Prognoza możliwości, która dopasowuje dekompozycję w próbie i projektuje ją w przód bez wydzielonej walidacji, jest strukturalnie backtestem raportowanym bez testowania poza próbą — obiektem, który kanon metodologiczny finansów ilościowych został zbudowany, by oceniać. Rozdział 3 rozwija tę analogię i przerzuca pomost od obserwacji części I do wyprowadzenia ramy części II. Rozdział 4 zamienia analogię w formalną krytykę ekstrapolacji w próbie oraz protokół kroczący; rozdział 5 rozwija traktowanie testowania wielokrotnego, dziedzicząc z §3 implikację, że zmiskalibrowany priorytet bazowy sam jest porażką dopasowania w próbie na metapoziomie. Rozdziały 6 i 7 następnie wyprowadzają formalne metodologie rozszerzenia — adaptację zdeflowanego współczynnika Sharpe'a (deflated Sharpe ratio, DSR) oraz prawdopodobieństwo przeuczenia prognozy (probability of forecast overfitting, PFO) — a rozdział 14 integruje je w syntetyczną ramę Zdeflowanej Prognozy Możliwości (Deflated Capability Forecast, DCF).

Są one rozszerzeniem kanonu metodologicznego, a nie konkurentem dla prognoz, które będą oceniać. Bailey, López de Prado, Borwein, Harvey, Tetlock i Flyvbjerg wyprodukowali aparat statystyczny do oceny twierdzeń o wynikach przy testowaniu wielokrotnym i obciążeniu selekcyjnym (Bailey & López de Prado, 2014; Bailey i in., 2014; López de Prado, 2018; Harvey i in., 2016; Tetlock & Gardner, 2015; Flyvbjerg, 2014); niniejszy manuskrypt przenosi ten aparat do dziedziny prognozowania możliwości, dla której nie był początkowo zbudowany. Siedem badanych prognoz jest przedmiotem tego rozszerzenia, nazywanym w całości jako analizowany zbiór, a nie przeciwnik. Terminy DSR, PFO i DCF są tu nazwane dla odniesienia naprzód; są stosowane począwszy od rozdziału 6.

10.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

Flyvbjerg, B. (2014). What you should know about megaprojects and why: An overview. Project Management Journal, 45(2), 6-19.

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729-754.

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown Publishers.

11 Rozdział 3 — Prognozy jako backtesty

Rozdział 2 ustanowił, że siedem badanych prognoz dzieli jedną cechę strukturalną: każda dopasowuje dekompozycję do historycznego okna i projektuje ją w przód bez prespecyfikowanego kryterium walidacji poza próbą w momencie publikacji. Ten rozdział dostarcza soczewki, która udostępnia korektę. Nie wprowadza nowego aparatu statystycznego; argumentuje, że struktura już badana w finansach ilościowych — backtest raportowany bez testowania poza próbą — jest strukturą, którą siedem prognoz urzeczywistnia.

Poszczególne prognozy pojawiają się jako ilustracje cechy strukturalnej. Pozycja jest zachowana: niniejszy manuskrypt rozszerza kanon metodologiczny Baileya, Lópeza de Prado i Harveya na dziedzinę prognozowania możliwości, nie konkurując z badanymi prognozami ani z kanonem.

11.1 §1 — Wprowadzenie analogii backtestu

Backtest jest procedurą o ustalonym kształcie. Badacz dopasowuje strategię do historycznego zapisu cen, ocenia jej wyniki na tym zapisie i raportuje statystykę wyników jako dowód, że strategia będzie działać poza próbą. Centralnym przedmiotem troski kanonu metodologicznego jest luka między dopasowaniem w próbie a wynikami poza próbą — luka, którą backtest raportowany bez wydzielonego testowania pozostawia niezmierzoną (Bailey & López de Prado, 2014; Bailey, Borwein, López de Prado, & Zhu, 2014). Prognoza możliwości, widziana jako backtest, dzieli ten kształt. Prognosta dopasowuje dekompozycję do historycznego okna, ocenia dopasowanie dekompozycji na tym oknie i raportuje projekcję jako dowód na temat przyszłej możliwości. Te dwie procedury różnią się dziedziną i słownictwem; zbiegają się w strukturze.

Odpowiedniość jest specyficzna, a nie luźna, i biegnie wzdłuż trzech komponentów. Zbiór treningowy odpowiada oknu w próbie — historycznemu okresowi, do którego prognosta dopasował dekompozycję. Zbiór testowy odpowiada regionowi poza próbą — przyszłemu okresowi, w którym projekcja musi się zwalidować. Metryka wyników odpowiada dokładności prognozy możliwości — jakakolwiek statystyka, która później punktowałaby projekcję względem zrealizowanej możliwości. Rozdział 2 §4 już zlokalizował granicę, która oddziela te komponenty dla każdej z siedmiu: okno w próbie kończy się, a projekcja zaczyna się, przy jednej linii cięcia na prognozę. Prognoza, która deklaruje taki podział, a następnie raportuje tylko stronę w próbie, w słownictwie backtestu odmówiła użycia swojego zbioru testowego.

Siedem urzeczywistnia ten kształt w wszystkich siedmiu osiach dekompozycji, przy czym okno w próbie i projekcja różnią się jedynie swoimi obiektami. Oś OOM dopasowuje trend efektywnej mocy obliczeniowej z lat 2019–2023 i projektuje do 2027; oś kotwic dopasowuje trendy kosztów z lat 2010–2020 i projektuje rozkład do 2100; oś czasu trwania startu całkuje trajektorię z lat 2010–2023 w przód; oś czasu-kosztu-zadania dopasowuje obserwowane czasy trwania zadań i ekstrapoluje tempo podwajania; oś masy prawdopodobieństwa rozumuje od analogii cywilizacyjnych do rozkładu w skali stulecia; oś ankiet eksperckich agreguje seryjne fale w prognozowy rozkład roku nadejścia; oś skalowania mocy obliczeniowej dopasowuje historyczne oszacowania i ekstrapoluje prawo skalowania (Aschenbrenner, 2024; Cotra, 2020; Davidson, 2023; Kwa i in., 2025; Karnofsky, 2021; Grace i in., 2024; Sevilla i in., 2022; rozdziały 1.1–1.7). Siedem zbiorów treningowych, siedem regionów testowych, jeden kształt backtestu (ustalone jako odpowiedniość strukturalna; każda granica per oś jest poświadczona w odpowiadającej §2 części I i zsyntetyzowana w rozdziale 2 §4). Pozostała część rozdziału rozwija, co ten kształt osiąga (§3), nazywa kanon, z którego zapożycza soczewkę (§2), i wyznacza granice tego, czego analogia nie może nam powiedzieć (§4).

11.2 §2 — Kanon metodologiczny, z którego zapożycza analogia

Analogia backtestu jest warta rozwinięcia tylko dlatego, że dojrzała literatura już zbadała strukturę, którą identyfikuje. Do wczesnych lat 2010 przemysł handlu systematycznego produkował backtestowane historie wyników na skalę przemysłową — tysiące konfiguracji strategii przeszukiwanych na analityka, na tych samych kilku dekadach historii cen (Bailey, Borwein i in., 2014; research notes, Phase 0.2 SUB-B). Arytmetyka fałszywego odkrycia stała się nieunikniona: przeszukaj dość konfiguracji, a najlepszy wykonawca w próbie z wysokim prawdopodobieństwem przekroczy własne prawdziwe oczekiwane wyniki o margines, który zależy od liczby przeszukanych. Kanon jest formalną odpowiedzią dziedziny na tę arytmetykę i jest soczewką, którą ten rozdział zapożycza.

Trzy wkłady definiują soczewkę na poziomie, którego analogia wymaga. Bailey i López de Prado (2014) podjęli kwestię inflacji statystyki wyników najlepszej-z-wielu: obserwowany współczynnik Sharpe'a raportowany z przeszukiwania jest maksimum po przeszukanych konfiguracjach, a rozkład z próby maksimum nie jest rozkładem z próby pojedynczej próby (research notes, Phase 0.2 SUB-B, §2). Bailey, Borwein, López de Prado i Zhu (2014) podjęli odrębne pytanie — wśród konfiguracji, które badacz faktycznie przeszukał, jaki ułamek osiągnąłby gorsze wyniki poza próbą przy danej randze w próbie — i zoperacjonalizowali je jako prawdopodobieństwo obliczane po symetrycznych podziałach w próbie/poza próbą zapisu (research notes, Phase 0.2 SUB-B, §3). López de Prado (2018) skonsolidował oba w podręcznikowe ujęcie, które czytelnik może odtworzyć z listingów kodu, ustanawiając zintegrowaną dyscyplinę, którą późniejsza praktyka przyjęła jako standard (research notes, Phase 0.2 SUB-A, §1). Literatura „ogrodu zoologicznego czynników" (factor zoo) w wycenie aktywów zastosowała tę samą logikę testowania wielokrotnego do publikowanych predyktorów stóp zwrotu, stwierdzając, że konwencjonalne progi istotności były nieadekwatne, gdy dopuszczono liczbę prób (Harvey, Liu, & Zhu, 2016).

Tym, co unifikuje te wkłady na poziomie, którego analogia potrzebuje, jest jedna dyscyplina metodologiczna: granica między dopasowaniem w próbie a wynikami poza próbą musi być wyznaczona na poziomie procedury selekcji, a nie poszczególnego wyniku. Jeśli wiele konfiguracji jest przeszukiwanych, a najlepsza raportowana, pytanie o to, czy ten pojedynczy wynik generalizuje, jest źle postawione; metodologicznie postawione pytanie brzmi, czy procedura przeszukiwania produkuje wyniki, które generalizują, i jakiej korekty domaga się wielokrotność przeszukiwania (research notes, Phase 0.2 SUB-A, §1(viii)). Manifest kanonu wyraził konsekwencję dyscyplinarną w prostych słowach: metryka wyników raportowana bez ujawnienia liczby prób nie jest interpretowalna jako dowód statystyczny (Bailey, Borwein i in., 2014; research notes, Phase 0.2 SUB-B, §4) (ustalone w obrębie dziedziny finansów; transfer międzydziedzinowy tego ujęcia jest traktowany jako (poparte dowodami) w §3 oraz kalibracja per założenie jest zarezerwowana dla rozdziałów 6 i 7).

Ten rozdział nazywa kanon i jego udokumentowany tryb porażki; nie stosuje jeszcze korygujących statystyk. Formalna korekta statystyki wyników oraz formalne obliczenie prawdopodobieństwa przeuczenia są przedmiotem rozdziałów 6 i 7, gdzie wyprowadza się modyfikacje założeń międzydziedzinowych, których wymaga kanon (research notes, Phase 0.2 SUB-A, §5; SUB-B, §5). Relacja jest relacją rozszerzenia. Kanon wyprodukował aparat do oceny twierdzeń dopasowanych w próbie przy wielokrotności przeszukiwania w dziedzinie, dla której był zbudowany; niniejszy manuskrypt przenosi soczewkę do dziedziny, dla której nie był zbudowany. Siedem badanych prognoz jest przedmiotem tego rozszerzenia, a nie jego przeciwnikiem, a kilka z nich — w szczególności osie czasu-kosztu-zadania i skalowania mocy obliczeniowej — już spełnia standardy odtwarzalności, które sam kanon uznaje za godne pochwały (rozdziały 1.4, 1.7).

11.3 §3 — Co osiąga analogia backtestu

Analogia zasługuje na swoje miejsce tylko wtedy, gdy cechy strukturalne przenoszą się mechanicznie, a nie sugestywnie. Cztery się przenoszą, każda ugruntowana w cesze obecnej w obu dziedzinach.

Pierwszą jest sam podział w próbie/poza próbą — granica między zapisem dopasowanym i wydzielonym w backteście, między oknem, do którego dopasowano, a regionem w przód, do którego projektuje się w prognozie możliwości. Rozdział 2 §4 ustanowił, że wszystkie siedem deklaruje taki podział z konstrukcji i że żadna nie punktuje projekcji względem wydzielonego kryterium w momencie publikacji. Podział jest jednym obiektem w obu dziedzinach: linią cięcia, po której wyniki są niezmierzone w momencie raportowania.

Drugą jest swoboda specyfikacji. Dopasowanie w próbie backtestu może być zawyżone przez swobodę badacza w wyborze spośród specyfikacji — które konfiguracje przeszukać, które raportować — zwaną swobodą decyzyjną badacza (researcher degrees of freedom), z korektą operującą na liczbie przeszukanych (Bailey & López de Prado, 2014). Analogiem jest swoboda wyboru struktury dekompozycji: czynniki, kotwice, parametry, wagi. Oś czasu-kosztu-zadania odsłania część swojej przestrzeni specyfikacji poprzez analizę wrażliwości na dziesięć tysięcy perturbacji (Kwa i in., 2025; rozdział 1.4); oś OOM i oś masy prawdopodobieństwa pozostawiają tę przestrzeń niewyliczoną (rozdziały 1.1, 1.5). Stopień różni się w tych siedmiu, ale rodzaj swobody jest rodzajem backtestu (ustalone jako odpowiedniość strukturalna; ujawnienie przestrzeni specyfikacji per prognoza jest poświadczone w każdej §3 części I).

Trzecią jest wartość prekomitacji. Dyscyplina kanonu jest najskuteczniejsza, gdy procedura selekcji jest zadeklarowana przed zobaczeniem danych zamiast rekonstruowana po fakcie. Prerejestracja jest analogiem, a jej wartość jest symetryczna: prognoza, która prespecyfikuje swoją dekompozycję, kryterium falsyfikacji i regułę aktualizacji, zamyka przeszukiwanie specyfikacji po fakcie, które zawyża dopasowanie w próbie. Żadna z tych siedmiu nie prerejestrowała w tym sensie; rozdział 2 §4 nazwał nieobecny prekomitowany próg jako część wspólnej sygnatury.

Czwartą jest wymóg walidacji metryki wyników. Statystyka w próbie backtestu jest dowodem na temat wyników poza próbą dopiero wtedy, gdy obliczona na próbie wydzielonej przy korekcie na przeszukiwanie, które ją wytworzyło. Analog: dopasowanie w próbie dekompozycji jest dowodem na temat jej projekcji dopiero wtedy, gdy projekcja jest punktowana względem zrealizowanej możliwości — wymagając zarówno zrealizowanej próby, jak i reguły punktacji. Jest to wymóg, którego siedem nie spełnia, i ten, który rozdział 4 istnieje, by retrospektywnie wytworzyć.

Te cztery odpowiedniości czynią obserwację bogactwa danych z rozdziału 2 §3 przekładalną. Tam własny priorytet bazowy fazy 0.1 dokumentu przeszacował udział poziomu (ustalone) dla prognoz bogatych w pomiar, konfundując bogactwo warstwy pomiaru z poświadczeniem poziomu prognozy; niedostosowanie zrealizowanych etykiet było metodologicznie wymaganym wyborem (rozdział 2 §3; research_notes/forecasts_database.json, project_level_methodology_notes). W kategoriach backtestu ta konflacja jest dopasowaniem w próbie na poziomie metametodologii — własny priorytet dokumentu dopasowany do próby, którą następnie traktował jako wydzieloną — a odmowa jego dostosowania jest dyscypliną prekomitacji zastosowaną do manuskryptu pod regułą 3. Ta sama soczewka, którą analogia obraca na siedem, obraca się na dokument, który nią włada (poparte dowodami — metapoziomowa konflacja jest udokumentowana, a niedostosowanie zarejestrowane w spisach rozdziałów 1.4 do 1.7).

Analogia działa strukturalnie pomimo dysanalogii, którą §4 rozwija w pełni: wyniki poza próbą backtestu są zrealizowane, podczas gdy prognoza możliwości leży po części w przyszłości. Cztery odpowiedniości utrzymują się niezależnie, ponieważ każda dotyczy struktury procedury w momencie raportowania — zadeklarowanego podziału, wykorzystanej swobody specyfikacji, zaniechanej prekomitacji, niespełnionego wymogu walidacji — żadna nie zależy od tego, czy region testowy upłynął. Tym, czego analogia nie może przenieść, jest zrealizowana próba testowa, granica, którą §4 wyznacza, oraz luka, którą rozdział 4 adresuje.

11.4 §4 — Czego analogia nie może nam powiedzieć

Odpowiedniość strukturalna nie jest tożsamością. Trzy dysanalogie oddzielają prognozę możliwości od finansowego backtestu, każda genuinnie ograniczając to, na co analogia zezwala, i każda wyznaczona substancjalnie poniżej.

Dysanalogia 1 — asymetria realizacji. Region poza próbą finansowego backtestu jest zrealizowany: stopy zwrotu w okresie wydzielonym istnieją i pozwalają zweryfikować wyniki. Region prognozy możliwości jest po części niezrealizowany — niektóre lata docelowe nie nastąpiły — więc jej wyniki są po części nieweryfikowalne w momencie publikacji. Jest to nośna dysanalogia i nie jest jednolita w tych siedmiu. Dwie są w pełni niezrealizowane, walidacja wyłącznie w przód: oś masy prawdopodobieństwa, której twierdzenie w skali stulecia nie dopuszcza żadnej falsyfikacji w obrębie horyzontu i nie niesie żadnej opublikowanej samokorekty (Karnofsky, 2021; rozdział 1.5 §2); oraz oś czasu trwania startu na poziomie jej centralnego obiektu, ponieważ start po AGI nie może być zmierzony przed AGI, a jej jedynym zrealizowanym fragmentem jest werbalna nieformalna samoaktualizacja (Davidson, 2023; rozdział 1.3 §2). Pięć jest częściowo zrealizowanych, z upłynionym okresem teraz dostępnym do punktowania: oś skalowania mocy obliczeniowej, której trend 2010–2024 wciąż gromadzi obserwacje po publikacji w wersjach zbioru danych 2022 → 2024 → 2026 (Sevilla i in., 2022; rozdział 1.7 §3); oś czasu-kosztu-zadania, najwyraźniejsza ze zbioru, jej re-test tego samego modelu v1.0 → v1.1 najbliższym analogiem zrealizowanego sprawdzenia poza próbą, tempo podwajania reprodukujące się, a przedziały w większości zacieśniające się (Kwa i in., 2025; rozdział 1.4 §2); oś OOM, której z projekcji 2023–2027 niezrealizowany pozostaje tylko 2027 (Aschenbrenner, 2024); oś kotwic, której samokorekta z 2022 — mniej więcej dwunastoletnie przesunięcie mediany po dwóch latach — jest udokumentowanym zdarzeniem quasi-poza-próbą na wczesnym okresie (Cotra, 2020; rozdział 1.2 §2); oraz oś ankiet eksperckich, której cztery seryjne fale tworzą zrealizowaną serię międzyfalową obserwowalną teraz (Grace i in., 2024; rozdział 1.6 §2) (poparte dowodami — każda klasyfikacja opiera się na dacie publikacji i horyzoncie prognozy w research_notes/forecasts_database.json oraz odpowiadającej §2 części I; Davidson i Karnofsky to ci dwaj, których centralny obiekt pozostaje w pełni naprzód). Konsekwencja jest precyzyjna: tam gdzie korekta backtestu oblicza na zrealizowanej próbie, pięć z siedmiu oferuje częściową, a dwie zasadniczo żadną — dlatego protokół kroczący rozdziału 4 istnieje, by wytworzyć próbę, której sama analogia nie może dostarczyć.

Dysanalogia 2 — niejednoznaczność metryki wyników. Backtest punktuje względem stóp zwrotu: obserwowalnych, w jednej uzgodnionej jednostce. Prognoza możliwości punktuje względem możliwości, nie pierwotnej obserwabli, lecz przedmiotu metodologii pomiaru wymagającego własnej walidacji — ekwiwalentnego ludzkiego czasu zadania na jednej osi, treningowego FLOP na innej, łączonego przekonania na trzeciej, niczego operacyjnie obserwowalnego w obrębie horyzontu na osi masy prawdopodobieństwa (rozdziały 1.4, 1.7, 1.6, 1.5). Nie ma jednej jednostki możliwości w tych siedmiu, a wybór reguły punktacji — kalibracja, właściwa reguła punktacji, pokrycie przedziałowe — sam jest specyfikacją podległą wielokrotności, którą analogia identyfikuje. Metryka musi być skonstruowana i uzasadniona przed jakąkolwiek korektą poza próbą, by była sensowna. Ta konstrukcja jest jawnym przedmiotem rozdziału 6, prerejestrowanym jako wielostatystyczny panel zamiast jednej uprzywilejowanej reguły (prerejestracja v2, §Adaptation 3; hash a88856d9…, zablokowany 2026-05-19).

Dysanalogia 3 — założenia o reżimie rozkładu. Korekty backtestu zakładają w przybliżeniu stacjonarny proces generujący dane lub uwzględniają znane przesunięcia reżimu; człony wariancji kanonu dziedziczą założenie i.i.d., którego postęp możliwości nie spełnia (research notes, Phase 0.2 SUB-B, §5.2). Kandydujące zmiany reżimu — zakłócenie podaży mocy obliczeniowej, nasycenie wydajności algorytmicznej, krzywa S sprzętu — niosą własną literaturę empiryczną i żadna nie jest antycypowana przez stacjonarną korektę (rozdział 1.1 §4). Adaptacja do prognozowania możliwości nie może zatem dziedziczyć członu wariancji i.i.d. niezmienionego, lecz musi wyprowadzić rozkład z próby skorygowany o stacjonarność od pierwszych zasad. Ta korekta niezgodna z i.i.d. jest jawnym przedmiotem wyprowadzenia wariancji rozdziału 6, trzymanym jako (spekulatywne) do czasu spełnienia jego kryterium walidacji Monte Carlo (prerejestracja v2, §Adaptation 1; zablokowany 2026-05-19). Analogia identyfikuje strukturę; nie certyfikuje, że założenia rozkładowe kanonu przetrwają przejście, dlatego odpowiedniości z §3 są ograniczone do cech struktury-procedury niezależnych od tych założeń.

Te trzy dysanalogie są warunkami brzegowymi, które dziedziczy rozdział 4. Nie osłabiają one odpowiedniości strukturalnej z §3; wyznaczają granice dziedziny, na której formalne rozszerzenie rozdziałów 6 i 7 musi być wyprowadzone, a nie zaimportowane.

11.5 §5 — Odniesienie naprzód do rozdziałów 4, 6, 7 i 14

Ten rozdział argumentował, że prognoza możliwości dopasowująca dekompozycję w próbie i projektująca ją w przód bez wydzielonej walidacji jest strukturalnie backtestem raportowanym bez testowania poza próbą — obiektem, który kanon metodologiczny został zbudowany, by oceniać — i wyznaczył granice trzech dysanalogii, które delimitują odpowiedniość. Analogia jest pomostem od obserwacji części I do wyprowadzenia ramy części II.

Rozdział 4 zamienia analogię w formalną krytykę ekstrapolacji w próbie i rozwija protokół kroczącej retrodykcji, który wygenerowałby zrealizowaną próbę poza próbą, której brakuje siedmiu, dziedzicząc bezpośrednio wyznaczenie granic asymetrii realizacji z §4. Rozdział 5 rozwija traktowanie testowania wielokrotnego wzdłuż linii Harveya, Liu i Zhu (2016), dziedzicząc z rozdziału 2 §3 implikację, że zmiskalibrowany priorytet bazowy sam jest porażką dopasowania w próbie na metapoziomie. Rozdziały 6 i 7 następnie wyprowadzają formalne rozszerzenie: rozdział 6 adaptuje zdeflowany współczynnik Sharpe'a do projekcji możliwości, rozwiązując konstrukcję metryki wyników z dysanalogii 2 oraz korektę wariancji niezgodną z i.i.d. z dysanalogii 3 (prerejestracja v2, §Chapter 6/7/14 derivation roadmap, adaptacje 1, 3, 4); rozdział 7 adaptuje prawdopodobieństwo przeuczenia prognozy poprzez podział zbioru informacyjnego i estymację efektywnej liczby prób (adaptacje 2, 3, 4). Rozdział 14 integruje oba w syntetyczną ramę Zdeflowanej Prognozy Możliwości (wszystkie adaptacje). Terminy DSR, PFO i DCF są tu nazwane wyłącznie dla odniesienia naprzód; formalne zastosowanie któregokolwiek z nich rozpoczyna się w rozdziale 6.

11.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

Część II — Kryzys statystyczny

12 Rozdział 4 — Ekstrapolacja w próbie

Część II rozpoczyna pracę naprawczą. Jest to pierwszy rozdział, który stosuje formalną krytykę zamiast opisywać strukturę: bierze diagnozę ekstrapolacji w próbie (in-sample extrapolation) postawioną przez kanon metodologiczny, rozwija protokół kroczącej retrodykcji (walk-forward retrodiction), który wygenerowałby próbę wydzieloną, której brakuje całej siódemce, i stosuje tę diagnozę — na poziomie koncepcji, nie obliczeń — do pięciu prognoz, których okna projekcji częściowo upłynęły.

Poszczególne prognozy powracają jako studia przypadków; przedmiotami operacyjnymi są ryzyko dopasowania w próbie, protokół kroczący oraz koncepcja deflacji (deflation), którą dostarcza kanon.

12.1 §1 — Ekstrapolacja w próbie: diagnoza kanonu metodologicznego

Ekstrapolacja w próbie jest głównym udokumentowanym trybem zawodności testu historycznego (backtest), do którego oceny kanon został zbudowany. Struktura jest stała: badacz dopasowuje procedurę do zapisu historycznego, obserwuje jej dopasowanie w próbie i raportuje to dopasowanie jako dowód na temat wyników na zapisie jeszcze nieoglądanym. Centralnym ustaleniem kanonu jest to, że dopasowanie w próbie, wzięte samo w sobie, systematycznie zawyża poparcie poza próbą — oraz że to zawyżenie jest mechaniczne, a nie incydentalne, i skaluje się z liczbą konfiguracji, które badacz przeszukał przed zaraportowaniem najlepszej z nich (Bailey & López de Prado, 2014; Bailey, Borwein, López de Prado, & Zhu, 2014; research notes, Phase 0.2 SUB-B §1).

Mechanizmem jest obciążenie selekcyjne (selection bias) przy testowaniu wielokrotnym (multiple testing). Gdy wiele konfiguracji jest ocenianych i raportowany jest najlepszy wynik w próbie, raportowana statystyka jest maksimum po przeszukanych konfiguracjach, a rozkład z próby (sampling distribution) maksimum leży powyżej rozkładu z próby pojedynczej próby (research notes, Phase 0.2 SUB-B §2.2). Odpowiedzią kanonu jest koncepcja zdeflowanego Sharpe'a: obserwowana statystyka wyników jest korygowana w dół o tę wielkość, o jaką najlepszy-z-wielu przekraczałby prawdę przy hipotezie zerowej (null hypothesis), przy danej liczbie przeszukań (Bailey & López de Prado, 2014; research notes, Phase 0.2 SUB-A §1(v)). Koncepcja towarzysząca, prawdopodobieństwo przeuczenia na danych historycznych (probability of backtest overfitting), zadaje pokrewne pytanie o to, jak często najlepsza w próbie konfiguracja osiąga gorsze wyniki poza próbą w poprzek symetrycznych podziałów zapisu (Bailey et al., 2014; research notes, Phase 0.2 SUB-B §3). Obie są tu nazwane na poziomie koncepcji; ich formalne zastosowanie zarezerwowano dla rozdziałów 6 i 7.

Warunek wstępny zastosowania tej diagnozy do prognoz możliwości (capabilities) ustalono w części I. Rozdział 2 §4 zlokalizował, dla każdej z siódemki, granicę, na której kończy się okno w próbie i zaczyna projekcja; rozdział 3 dowodził, że prognoza dopasowująca dekompozycję w próbie i projektująca ją naprzód bez wydzielonego kryterium jest strukturalnie tym obiektem, który kanon ocenia. Diagnoza zatem przenosi się jako kwestia strukturalna: prognoza możliwości, która raportuje swoje dopasowanie w próbie jako dowód na temat nieobserwowanego przyszłego okna, stoi w obliczu tego samego ryzyka dopasowania w próbie co test historyczny, a ta sama korekta-na-wielokrotność-przeszukań jest metodologicznie postawionym pytaniem (poparte dowodami — odpowiedniość strukturalna jest poświadczona w rozdziale 2 §4 i rozdziale 3; kalibracja maszynerii kanonu, założenie po założeniu, do dziedziny możliwości jest zarezerwowana dla rozdziałów 6 i 7). To, co dodaje ten rozdział, to protokół, który dostarczyłby próby wydzielonej (§3), oraz koncepcyjne zastosowanie diagnozy oś po osi (§4); §2 najpierw artykułuje koncepcję deflacji, na której diagnoza się opiera.

12.2 §2 — Ramy deflacji na poziomie koncepcji

Koncepcja deflacji jest korektą na obciążenie selekcyjne, a nie testem dobroci dopasowania. Statystyka wyników raportowana z przeszukania odzwierciedla dwie odrębne wielkości: prawdziwe oczekiwane wyniki procedury oraz zawyżenie w górę wynikające z wyselekcjonowania najlepszej z wielu prób. Koncepcja deflacji je rozdziela. Traktuje raportowaną statystykę jako maksimum po przeszukaniu i pyta, czemu maksimum byłoby oczekiwane jako równe przy hipotezie zerowej braku prawdziwych wyników, przy danej liczbie przeszukanych konfiguracji; skorygowana statystyka jest wartością obserwowaną pomniejszoną o to oczekiwane maksimum (Bailey & López de Prado, 2014; research notes, Phase 0.2 SUB-B §2.3). Korekta rośnie z liczbą przeszukań, ponieważ oczekiwane maksimum wielu prób rośnie z liczbą prób (research notes, Phase 0.2 SUB-A §1(viii)).

Powodem, dla którego ten rozdział operuje na poziomie koncepcji, jest to, że formalna korekta dziedziczy założenia, których dziedzina możliwości nie spełnia bez modyfikacji. Deflacja w dziedzinie finansów opiera się na w przybliżeniu stacjonarnym, niezależnym i o jednakowym rozkładzie szeregu zwrotów; postęp możliwości jest niestacjonarny i seryjnie zależny, więc człon wariancji, którego korekta używa, nie może być zaimportowany bezpośrednio (research notes, Phase 0.2 SUB-B §5.2). Liczba przeszukanych konfiguracji, która napędza wielkość korekty, jest rzadko ujawniana w prognozie możliwości i w kilku przypadkach nie da się jej wyliczyć z opublikowanej metodologii (research notes, Phase 0.2 SUB-B §5.2, Violation 3). A kanoniczna statystyka wyników — odpowiednik współczynnika Sharpe'a — musi być skonstruowana dla dziedziny możliwości, a nie założona (research notes, Phase 0.2 SUB-A §5(a)). Każde z tego jest zadaniem wyprowadzenia, podjętym w rozdziale 6, a nazwanie zdeflowanej wartości przed wykonaniem tych zadań twierdziłoby o precyzji, na którą ramy jeszcze nie zasłużyły.

Odwzorowanie międzydziedzinowe, którego dostarcza koncepcja, jest mimo to konkretne. Konfiguracje, które przeszukuje badacz, odpowiadają wyborom dekompozycji, których dokonuje prognosta — które czynniki zsumować, które kotwice zmieszać, które parametry sprząc, które wagi przypisać — każdy będący alternatywną specyfikacją, która mogłaby być zaraportowana zamiast tej opublikowanej (research notes, Phase 0.2 SUB-B §5.1). Raportowane dopasowanie w próbie wybranej dekompozycji jest odpowiednikiem najlepszego-z-wielu współczynnika Sharpe'a w próbie. Walidacja na próbie wydzielonej, której prognozie brakuje, jest odpowiednikiem testu poza próbą, którego koncepcja deflacji wymaga, zanim dopasowanie w próbie da się zinterpretować jako dowód. Diagnoza, którą daje koncepcja, jest zatem warunkowa i na poziomie koncepcji: w zakresie, w jakim prognosta przeszukiwał specyfikacje dekompozycji bez zobowiązania się z góry do jednej, deklarowane dopasowanie w próbie zawyża poparcie poza próbą o wielkość, którą koncepcja deflacji by skorygowała, a rozmiar tej korekty jest obliczeniem z rozdziału 6 (poparte dowodami — odwzorowanie jest udokumentowane w notatkach kalibracji międzydziedzinowej; skorygowana wielkość jest (spekulatywne) do czasu wyprowadzenia z rozdziału 6 i jego kryterium walidacji Monte Carlo).

12.3 §3 — Walidowalność krocząca: które prognozy można retrodykować?

Walidacja krocząca (walk-forward validation) jest protokołem, który wytwarza próbę wydzieloną, której prognoza nie zarezerwowała. Rekonstruuje prognozę na dzień jej publikacji — zamrażając zbiór informacji do tego, co było wówczas dostępne — i ocenia jej projekcję względem okresu, który od tego czasu upłynął, symulując prognozę w czasie rzeczywistym ocenianą wyłącznie na danych, których prognosta nie mógł widzieć. Protokół jest własną metodą tego rękopisu, zaadaptowaną z dyscypliny oczyszczonej walidacji krzyżowej (purged cross-validation) kanonu (López de Prado, 2018; research notes, Phase 0.2 SUB-A §2): okno w próbie jest zamrożone na stanie wiedzy z publikacji, upłynięty okres po publikacji jest regionem testowym, a granica między nimi jest oczyszczona z wycieku tak, by żadna obserwacja po publikacji nie zanieczyszczała zrekonstruowanego dopasowania. Krocząca retrodykcja nie jest deflacją; jest krokiem poprzedzającym, który produkuje obserwacje poza próbą, względem których jakakolwiek diagnoza deflacji lub przeuczenia (overfitting) musi później być obliczona.

Protokół stosuje się tylko tam, gdzie region testowy upłynął. Rozdział 3 §4 sklasyfikował siódemkę dokładnie według tego kryterium: dwie są w pełni niezrealizowane, ich centralny obiekt całkowicie wybiega w przód, a pięć jest częściowo zrealizowanych, z upłyniętym okresem dostępnym teraz do oceny. Dwie w pełni niezrealizowane prognozy nie mogą być walidowane krocząco na swoich centralnych obiektach i są tu wykluczone z powodu, który rozdział 3 §4 odnotował — oś masy prawdopodobieństwa projektuje na horyzont stuletniej skali, który nie dopuszcza żadnej falsyfikacji wewnątrz horyzontu i nie niesie żadnej opublikowanej samorewizji, a oś czasu trwania gwałtownego startu (takeoff) projektuje wielkość niemierzalną przed nadejściem AGI, a jej jedynym zrealizowanym fragmentem jest słowna nieformalna samoaktualizacja (Karnofsky, 2021; Davidson, 2023; rozdział 3 §4). Retrodykowanie którejkolwiek z nich oznaczałoby ocenianie projekcji, której cel jeszcze nie nastąpił, czego protokół nie może uczynić. Pięć częściowo zrealizowanych osi jest poniżej potraktowanych systematycznie; dla każdej pytaniem jest, co rekonstrukcja krocząca względem upłyniętego okresu by testowała, oraz co koncepcja deflacji oceniłaby następnie na temat deklarowanego przez prognozę wcześniejszego zobowiązania.

Oś OOM jest najczystszym przypadkiem kroczącym wśród prognoz ekstrapolujących moc obliczeniową. Jej dekompozycja efektywnej mocy obliczeniowej (effective compute) z lat 2019–2023 została zaprojektowana na 2027, więc rekonstrukcja na stanie wiedzy z publikacji z 2024 ocenia ekstrapolację per czynnik względem okresu upłyniętego 2023–2026, przy czym niezrealizowany pozostaje tylko punkt końcowy 2027 (Aschenbrenner, 2024; Chapter 1.1 §2). Oś kotwic dopuszcza quasi-walidację kroczącą obecną już we własnym zapisie: dopasowanie z 2020 zostało nieformalnie zrewidowane w 2022, przesunięcie mediany o około dwanaście lat po dwóch latach, co funkcjonuje jako częściowe zdarzenie poza próbą na wczesnym okresie, które formalna rekonstrukcja może rozszerzyć (Cotra, 2020, 2022; Chapter 1.2 §2). Oś czasu-kosztu-zadania oferuje najbliższy istniejący odpowiednik zrealizowanej kontroli kroczącej w badanym zbiorze — swój powtórny test tego samego modelu w wersji v1.0-do-v1.1, w którym nagłówkowe tempo podwajania się odtworzyło, a przedziały per model w większości się zacieśniły (Kwa et al., 2025; Chapter 1.4 §2) — względem którego rekonstrukcja zamrożonego stanu wiedzy o dopasowaniu tempa podwajania może być oceniona na kontynuowanej obserwacji. Oś ankiety ekspertów przedstawia cztery seryjne fale obejmujące lata 2016–2024, zrealizowany szereg międzyfalowy, którego wcześniejsze fale można ocenić względem realiów fal późniejszych przy rekonstrukcji zamrożonego stanu wiedzy (Grace et al., 2018, 2024; Chapter 1.6 §2). Oś skalowania mocy obliczeniowej narasta obserwacjami po publikacji w poprzek kolejnych wersji zbioru danych od 2022 wzwyż, więc jej trend 2010–2024 można retrodykować względem trajektorii 2024–2026 na każdym stanie wiedzy zbioru danych (Sevilla et al., 2022; Chapter 1.7 §3). Pięć stanów wiedzy z publikacji, pięć upłyniętych regionów testowych, jeden protokół kroczący — próba operacyjna, której sama analogia nie mogła dostarczyć.

12.4 §4 — Ryzyko dopasowania w próbie: zastosowanie na poziomie koncepcji oś po osi

Diagnoza stosuje się do każdej częściowo zrealizowanej osi przez trzy pytania na poziomie koncepcji, odziedziczone z §2: ile specyfikacji dekompozycji było dostępnych do przeszukania (odpowiednik prób-w-testowaniu-wielokrotnym); czy prognosta zobowiązał się z góry do pojedynczej specyfikacji przed dopasowaniem (odpowiednik prerejestracji); oraz czy rekonstrukcja krocząca względem upłyniętego okresu ujawniłaby zawyżenie w próbie, które koncepcja deflacji by skorygowała. Żadna z pięciu nie prerejestrowała dekompozycji, kryterium falsyfikacji ani progu punktacji, więc na drugim pytaniu diagnoza jest jednolita; osie różnią się na pierwszym i trzecim.

Oś OOM sumuje trzy addytywne czynniki efektywnej mocy obliczeniowej w przestrzeni logarytmicznej i nie ujawnia żadnej analizy wrażliwości wyliczającej rozważane alternatywne dekompozycje, więc przeszukanie specyfikacji jest nieograniczone w wersji opublikowanej, a liczba prób w testowaniu wielokrotnym nie jest odzyskiwalna z metodologii (Aschenbrenner, 2024; Chapter 1.1 §3; research_notes/forecasts_database.json). Oś kotwic miesza sześć biologicznych benchmarków przy subiektywnych wagach i dokumentuje zaburzanie parametrów pojedynczo, co ujawnia część przestrzeni specyfikacji, ale nie łączne przeszukanie; jej samorewizja z 2022 jest sama w sobie dowodem na to, że dekompozycja z 2020 była jedną selekcją spośród kilku, które autorka miała później zrewidować (Cotra, 2020, 2022; Chapter 1.2 §3). Oś czasu-kosztu-zadania jest osią, która najbardziej redukuje własne ryzyko dopasowania w próbie: jej dziesięciotysięczno-zaburzeniowe Monte Carlo po wyborach metodologicznych wylicza dużą łączną przestrzeń specyfikacji, a jej powtórny test tego samego modelu jest najbliższym w badanym zbiorze podejściem do kontroli na próbie wydzielonej — więc koncepcja deflacji oceniłaby mniejszą korektę tutaj niż dla osi, które pozostawiają przeszukanie niewyliczonym (Kwa et al., 2025; Chapter 1.4 §3). Oś ankiety ekspertów niesie częściową wrażliwość metody agregacji i bazę kodu do reanalizy umożliwiającą alternatywne łączenie, co ogranicza przeszukanie specyfikacji na kroku agregacji, pozostawiając nieudokumentowanym przeszukanie konstrukcji pytań (Grace et al., 2024; Chapter 1.6 §3). Dla każdej wniosek na poziomie koncepcji jest taki sam co do rodzaju i różny co do stopnia: gdzie przeszukanie specyfikacji jest szerokie i nieujawnione i nie dokonano żadnego zobowiązania z góry, deklarowane dopasowanie w próbie zawyża poparcie poza próbą o wielkość, którą koncepcja deflacji by skorygowała; gdzie przeszukanie jest częściowo wyliczone i istnieje niemal-wydzielona kontrola, zawyżenie jest mniejsze (poparte dowodami — fakty ujawnienia specyfikacji oś po osi są poświadczone w każdym Chapter 1.x §3 i bazie danych prognoz; skorygowane wielkości są (spekulatywne) do czasu rozdziału 6).

Oś skalowania mocy obliczeniowej wymaga dyscypliny refleksyjności, którą część I do niej ograniczyła. Jako samodzielna prognoza — dopasowująca historyczne oszacowania per model i ekstrapolująca trend tempa podwajania — podlega tej samej diagnozie na poziomie koncepcji: jej tempa podwajania specyficzne dla segmentów ujawniają część przestrzeni specyfikacji, a rekonstrukcja krocząca względem trajektorii 2024–2026 testuje ekstrapolację bezpośrednio (Sevilla et al., 2022; Chapter 1.7 §3). Ale ta oś jest również wyższorzędnym substratem empirycznym, który trzy inne osie konsumują jako wkład, a diagnoza tutaj jest ograniczona do własnej samodzielnej ekstrapolacji osi, nie do jej roli substratu; krytykowanie substratu podwójnie liczyłoby ryzyko dopasowania w próbie już przypisane prognozom niższego rzędu, które go pochłaniają (rozdział 2 §2). Refleksyjność jest własnością jednej osi, nazwaną raz, a diagnoza oś po osi respektuje tę granicę.

Dwie w pełni niezrealizowane osie są wyłączone z tego zastosowania z powodu, który podał §3 i rozstrzygnął rozdział 3 §4: oś masy prawdopodobieństwa projektuje na horyzont, który nie dopuszcza punktacji wewnątrz horyzontu, a oś czasu trwania gwałtownego startu projektuje centralny obiekt niemierzalny przed AGI, więc żadna z nich nie oferuje upłyniętego okresu, względem którego koncepcja deflacji mogłaby ocenić zawyżenie w próbie (Karnofsky, 2021; Davidson, 2023; rozdział 3 §4). Nie są zwolnione z ryzyka dopasowania w próbie; są zwolnione jedynie z jego testu kroczącego, ponieważ test wymaga zrealizowanej próby, której one jeszcze nie dostarczają. Diagnoza dla nich jest zarezerwowana do czasu, aż ich horyzonty upłyną, a potraktowanie testowaniem wielokrotnym ich przeszukań dekompozycji jest skierowane do rozdziału 5.

12.5 §5 — Odniesienie naprzód do rozdziałów 5, 6, 7 i 14

Ten rozdział zastosował diagnozę ekstrapolacji w próbie kanonu na poziomie koncepcji, rozwinął protokół kroczącej retrodykcji, który dostarczyłby próby wydzielonej, oraz ustalił, że pięć badanych osi jest walidowalnych krocząco, a dwie nie. Formalne rozszerzenie następuje dalej.

Rozdział 5 rozwija potraktowanie testowaniem wielokrotnym wzdłuż linii Harvey, Liu i Zhu (2016), dziedzicząc z rozdziału 2 §3 implikację, że źle skalibrowany priors bazowy jest sam w sobie metapoziomową zawodnością dopasowania w próbie, i podejmując liczenie przeszukań dekompozycji, które §4 pozostawił na poziomie koncepcji. Rozdział 6 wyprowadza formalną adaptację zdeflowanego współczynnika Sharpe'a (deflated Sharpe ratio, DSR), rozstrzygając konstrukcję statystyki wyników i korektę wariancji nie-IID, którą ten rozdział nazwał jako zarezerwowaną (preregistration v2, Adaptations 1, 3, 4; hash a88856d9…, locked 2026-05-19); formalne obliczenie deflacji zaczyna się tam. Rozdział 7 wyprowadza adaptację prawdopodobieństwa przeuczenia prognozy (probability of forecast overfitting, PFO) za pośrednictwem podziału respektującego zbiór informacji oraz oszacowania efektywnej liczby prób (Adaptations 2, 3, 4), przy czym podział jest formalnym odpowiednikiem protokołu kroczącego tego rozdziału. Rozdział 14 integruje oba w syntetyczne ramy Zdeflowanej Prognozy Możliwości (Deflated Capability Forecast, DCF). Terminy DSR, PFO i DCF są tu nazwane do odniesienia naprzód; ich formalne zastosowanie zaczyna się w rozdziale 6.

12.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729-754.

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

13 Rozdział 5 — Testowanie wielokrotne

Rozdział 4 zastosował diagnozę ekstrapolacji w próbie kanonu do pięciu prognoz z upłyniętymi oknami projekcji; dwie w pełni niezrealizowane prognozy zostały wstrzymane, ponieważ krocząca retrodykcja wymaga upłyniętego regionu testowego. Ten rozdział usuwa to ograniczenie. Liczba przeszukań dekompozycji jest własnością opublikowanej metodologii, obserwowalną w momencie publikacji niezależnie od upłyniętego horyzontu, więc potraktowanie testowaniem wielokrotnym rozszerza się na wszystkie siedem osi.

Rozdział 4 dostarczył koncepcji deflacji w momencie walidacji; ten rozdział dostarcza koncepcji testowania wielokrotnego w momencie publikacji; razem tworzą fundament, który rozdziały 6 i 7 formalizują.

13.1 §1 — Testowanie wielokrotne w finansach ilościowych: diagnoza kanonu

Testowanie wielokrotne jest trybem zawodności, który zmienia uczciwe przeszukanie w mylący wynik. Struktura jest tą, którą nazwał rozdział 4: gdy wiele konfiguracji jest ocenianych i raportowana jest najlepsza, raportowana statystyka jest maksimum po przeszukaniu, a maksimum wielu prób przekracza prawdę przy hipotezie zerowej o wielkość, która rośnie z liczbą prób. Korekta, którą literatura statystyczna rozwinęła dla tego, jest stopniowaną linią, a kanon znajduje się na jej końcu. Najwcześniejsza dyscyplina kontroluje wskaźnik błędu rodzinowego (family-wise error rate, FWER) — prawdopodobieństwo choćby jednego fałszywego pozytywu w całej rodzinie testów — dzieląc próg istotności per test przez liczbę testów, poprawka Bonferroniego (Bonferroni correction); procedura krokowa w dół Holma osiąga tę samą rodzinową kontrolę z większą mocą, testując uporządkowane wartości p (p-value) sekwencyjnie, a nie względem jednego ustalonego progu (Holm, 1979; research notes, Phase 0.2 SUB-B §4). Dyscyplina odsetka fałszywych odkryć (false discovery rate, FDR) rozluźnia cel z kontrolowania jakiegokolwiek fałszywego pozytywu do kontrolowania proporcji fałszywych pozytywów wśród odkryć, co jest bardziej użytecznym obiektem, gdy liczba testów jest duża (Benjamini & Hochberg, 1995; research notes, Phase 0.2 SUB-B §4).

Wkładem dziedziny finansów w tę linię jest zastosowanie jej do wyników z testów historycznych. Bailey i López de Prado (2014) ujęli raportowany współczynnik Sharpe'a jako maksimum po przeszukaniu strategii i skorygowali go za to przeszukanie; Bailey, Borwein, López de Prado i Zhu (2014, 2017) zajęli się pytaniem towarzyszącym — w poprzek faktycznie przeszukanych konfiguracji, jaka frakcja osiągnęłaby gorsze wyniki poza próbą przy danej randze w próbie — i zoperacjonalizowali to jako prawdopodobieństwo przeuczenia na danych historycznych, obliczone w poprzek symetrycznych podziałów w próbie/poza próbą zapisu. Test rzeczywistości na podglądanie danych (data snooping) White'a (2000) i procedura krokowa w dół Romano-Wolfa (2005) są poprzednikami opartymi na bootstrapie, które kanon cytuje jako komparatory testowania wielokrotnego, które rozszerza jego własna maszyneria (research notes, Phase 0.2 SUB-B §4).

Wynikiem, który czyni tę linię obrazową dla literatury empirycznej, jest „ogród zoologiczny czynników" (factor zoo). Harvey, Liu i Zhu (2016) skatalogowali setki opublikowanych predyktorów zwrotów przekrojowych i pokazali, że gdy liczba prób stojących za opublikowanym zbiorem zostanie uznana, konwencjonalny próg istotności jest zdecydowanie za niski: skorygowany próg wzrasta znacznie powyżej konwencjonalnego, a duży udział opublikowanych predyktorów go nie przeżywa (Harvey, Liu, & Zhu, 2016; research_notes/methodology_canon.json, harvey_liu_zhu_2016). „Ogród zoologiczny czynników" jest empiryczną demonstracją diagnozy kanonu: cała literatura odkryć w próbie, z których większość korekta na testowanie wielokrotne (multiple-testing correction) reklasyfikuje jako artefakty liczby przeszukań, gdy ta liczba zostanie policzona. Diagnoza przenosi się do dziedziny możliwości jako pytanie, jeszcze nie jako liczba: §3 liczy specyfikacje dekompozycji dostępne każdej z siódemki, a §4 stosuje koncepcję prawdopodobieństwa przeuczenia do tej liczby. §2 najpierw artykułuje koncepcję, na której opiera się zastosowanie.

13.2 §2 — Ramy prawdopodobieństwa-przeuczenia-prognozy na poziomie koncepcji

Koncepcja prawdopodobieństwa przeuczenia zadaje inne pytanie niż koncepcja deflacji, którą rozwinął rozdział 4. Deflacja koryguje raportowaną statystykę w dół za oczekiwany najlepszy-z-wielu; koncepcja prawdopodobieństwa przeuczenia zamiast tego szacuje, jak często konfiguracja wyselekcjonowana jako najlepsza w próbie osiągnęłaby gorsze wyniki poza próbą w poprzek podziałów zapisu. Instrumentem dziedziny finansów jest prawdopodobieństwo przeuczenia na danych historycznych, obliczone za pośrednictwem kombinatorycznie symetrycznej walidacji krzyżowej (combinatorially symmetric cross-validation, CSCV): zapis jest dzielony na równe bloki, bloki są przypisane symetrycznie do połówek w próbie i poza próbą w poprzek wielu podziałów, a statystyka jest częstością, z którą najlepsza w próbie konfiguracja spada poniżej mediany poza próbą (Bailey et al., 2014; research notes, Phase 0.2 SUB-B §3). Symetria kombinatoryczna nie jest ozdobna: gwarantuje ocenę każdej konfiguracji na tej samej liczbie podziałów w próbie i poza próbą, więc wynikowa częstość ma znaczenie, którego arbitralny pojedynczy podział nie ma (research notes, Phase 0.2 SUB-B §1, fifth strength). Odpowiednik tego instrumentu w dziedzinie możliwości nosi nazwę prawdopodobieństwa przeuczenia prognozy; zarówno enumeracja symetrycznych podziałów, jak i agregacja logitowa, które je obliczają, są krokami formalnymi, zarezerwowanymi tutaj.

Powodem, dla którego ten rozdział operuje na poziomie koncepcji, jest ten sam powód co u rozdziału 4, przeniesiony na podział. Symetria kombinatoryczna, na której opiera się procedura, wymaga wymienialnych rang konfiguracji w poprzek podziałów; prognozy możliwości opublikowane w różnych datach nie są wymienialne, ponieważ późniejsza prognoza ma dostęp do dowodów, których wcześniejsza nie miała, więc podział symetryczny nie może być zaimportowany bezpośrednio i w jego miejsce musi być wyprowadzony podział respektujący zbiór informacji (research notes, Phase 0.2 SUB-B §5.2, Violation 4). Liczba przeszukanych konfiguracji, która ustala, po ilu próbach prawdopodobieństwo przeuczenia jest obliczane, jest rzadko ujawniana i w kilku przypadkach nie da się jej wyliczyć z opublikowanej metodologii (research notes, Phase 0.2 SUB-B §5.2, Violation 3). A ponieważ konfiguracje, które prognosta przeszukuje, są zazwyczaj zależne, a nie niezależne — sprzężone parametry, teoretycznie umotywowane kotwice, addytywne składowe, które poruszają się razem — naiwna liczba prób zawyża obciążenie testowaniem wielokrotnym, a efektywna liczba niezależnych prób musi być oszacowana, a nie odczytana (research notes, Phase 0.2 SUB-A §5(b); methodology_canon.json, harvey_liu_zhu_2016). Każde jest zadaniem wyprowadzenia, podjętym w rozdziale 7; nazwanie prawdopodobieństwa przeuczenia przed ich wykonaniem twierdziłoby o precyzji, na którą ramy nie zasłużyły.

Odwzorowanie międzydziedzinowe, którego dostarcza koncepcja, jest konkretne. Konfiguracje, które przeszukuje badacz, odpowiadają wyborom dekompozycji, których dokonuje prognosta — które czynniki zsumować, które kotwice zmieszać, które parametry sprząc, które wagi przypisać — każdy będący alternatywną specyfikacją, która mogłaby być zaraportowana w miejsce tej opublikowanej (research notes, Phase 0.2 SUB-B §5.1). Liczba tych alternatyw jest liczbą prób, której potrzebuje koncepcja prawdopodobieństwa przeuczenia; status ujawnione-kontra-niewyliczone tej liczby jest tym, co §3 odnotowuje per oś. Diagnoza, którą daje koncepcja, jest warunkowa i na poziomie koncepcji: w zakresie, w jakim prognosta przeszukiwał specyfikacje dekompozycji bez zobowiązania się z góry do jednej i bez ujawnienia liczby, dopasowanie w próbie raportowanej specyfikacji zawyża poparcie poza próbą o wielkość, którą koncepcja prawdopodobieństwa przeuczenia by zasygnalizowała, a korekta na porównania wielokrotne by dostosowała — przy czym wielkość tego dostosowania jest obliczeniem z rozdziału 7 (poparte dowodami — odwzorowanie jest udokumentowane w notatkach kalibracji międzydziedzinowej; skorygowana wielkość jest (spekulatywne) do czasu wyprowadzenia z rozdziału 7 i jego kryterium walidacji Monte Carlo).

13.3 §3 — Liczby wyborów dekompozycji: ocena ryzyka testowania wielokrotnego oś po osi

Ryzyko testowania wielokrotnego prognozy jest ustalone przez dwie wielkości, które obie są obserwowalne w momencie publikacji: ile specyfikacji dekompozycji było dostępnych do przeszukania oraz ile z nich opublikowana metodologia ujawnia. Każda z siedmiu osi jest oceniana na tych dwóch wielkościach poniżej, przy czym liczba pochodzi z zapisu ujawnienia specyfikacji prognozy (research_notes/forecasts_database.json; każdy Chapter 1.x §3). Ocena jest obserwowalna teraz, ponieważ obie wielkości są własnościami opublikowanego dokumentu, a nie jakiegokolwiek upłyniętego horyzontu — co jest powodem, dla którego ta sekcja traktuje wszystkie siedem osi, w tym dwie, które rozdział 4 wstrzymał.

Oś OOM sumuje trzy addytywne czynniki efektywnej mocy obliczeniowej w przestrzeni logarytmicznej i nie ujawnia żadnej analizy wrażliwości wyliczającej rozważane alternatywne dekompozycje, więc przeszukanie jest nieograniczone w wersji opublikowanej, a liczba prób nie jest odzyskiwalna z metodologii (Aschenbrenner, 2024; Chapter 1.1 §3). Oś kotwic miesza sześć biologicznych benchmarków przy subiektywnych wagach i dokumentuje zaburzanie parametrów pojedynczo, co ujawnia część przestrzeni specyfikacji, ale pozostawia łączne przeszukanie po konfiguracjach wag nieograniczonym (Cotra, 2020; Chapter 1.2 §3). Oś zrewidowanej kotwicy ponownie elicytuje te wagi po dwóch latach bez specyfikowania reguły aktualizacji, więc jej przeszukanie dekompozycji jest przeszukaniem z 2020 plus nieudokumentowana re-selekcja, przy czym rewizja z 2022 jest sama w sobie dowodem na to, że opublikowane wagi były jedną konfiguracją spośród kilku, które autorka miała później zmienić (Cotra, 2022; Chapter 1.2 §3). Oś czasu trwania gwałtownego startu eksponuje około siedemdziesiąt sprzężonych parametrów przez interaktywny symulator i zaburzanie pojedynczo, największą ukrytą przestrzeń przeszukania wśród siódemki, przy czym wymiarowość łącznego zaburzania nie jest scharakteryzowana w opublikowanym raporcie (Davidson, 2023; Chapter 1.3 §3). Oś czasu-kosztu-zadania jest osią, która najbardziej ujawnia własne przeszukanie: dziesięciotysięczno-zaburzeniowe Monte Carlo po wyborach metodologicznych wylicza dużą łączną przestrzeń specyfikacji z jawnymi pasmami percentylowymi, pierwszą w badanym zbiorze ustrukturyzowaną analizą wrażliwości z podaną liczbą zaburzeń (Kwa et al., 2025; Chapter 1.4 §3). Oś masy prawdopodobieństwa alokuje masę narracyjnie w poprzek kategorii wyników cywilizacyjnych bez żadnej ustrukturyzowanej analizy wrażliwości i bez wyliczonej przestrzeni przeszukania, więc jej wybory dekompozycji — podział na kategorie, selekcja analogii historycznej — są stwierdzane, a nie przeszukane-i-ujawnione (Karnofsky, 2021; Chapter 1.5 §3). Oś ankiety ekspertów dokumentuje częściową wrażliwość metody agregacji i udostępnia bazę kodu do reanalizy umożliwiającą alternatywne łączenie, co ogranicza przeszukanie na kroku agregacji, pozostawiając nieudokumentowanym przeszukanie konstrukcji pytań — selekcję fal, brzmienie pytań, skład puli ekspertów (Grace et al., 2024; Chapter 1.6 §3). Oś skalowania mocy obliczeniowej ujawnia około sześć temp podwajania specyficznych dla segmentów i jawne kryteria selekcji dla swojego podzbioru frontierowego, eksponując część przestrzeni wyboru dopasowania, pozostawiając samą korektę na wielokrotność przeszukań nieobecną (Sevilla et al., 2022; Chapter 1.7 §3). Siedem osi, dwie z ustrukturyzowanym i policzonym przeszukaniem, reszta ujawniająca część lub nic — jedno pytanie o ryzyko testowania wielokrotnego, siedem odpowiedzi różniących się co do stopnia (poparte dowodami — fakty ujawnienia specyfikacji oś po osi są poświadczone w każdym Chapter 1.x §3 i bazie danych prognoz).

Dwa rozróżnienia muszą być utrzymane precyzyjnie. Oś czasu trwania gwałtownego startu i oś masy prawdopodobieństwa są obecne tutaj, choć rozdział 4 je wykluczył, ponieważ wielokrotność ich przeszukania dekompozycji jest obserwowalna w momencie publikacji, choć ich centralne obiekty — czas trwania gwałtownego startu po AGI, wynik cywilizacyjny stuletniej skali — pozostają niemierzalne w obrębie jakiegokolwiek upłyniętego horyzontu (rozdział 4 §4). Wielokrotność, którą liczy rozdział 5, jest przeszukaniem wyboru parametrów i alokacji kategorii, które czytelnik może wyliczyć z opublikowanej metody, a nie walidacją roku-AGI, którą zarezerwował rozdział 4. A oś skalowania mocy obliczeniowej jest liczona tutaj wyłącznie za jej samodzielne wybory dopasowania — jej przeszukanie tempa segmentów i selekcji podzbioru — a nie za jej rolę substratu pod trzema niższorzędnymi osiami, ponieważ liczenie przeszukania substratu podwójnie liczyłoby ryzyko testowania wielokrotnego już przypisane prognozom, które go pochłaniają (rozdział 2 §2). Refleksyjność pozostaje własnością jednej osi, nazwaną raz.

13.4 §4 — Zastosowanie krytyki PFO na poziomie koncepcji oś po osi

Krytyka prawdopodobieństwa przeuczenia stosuje się do każdej osi przez trzy pytania na poziomie koncepcji, odziedziczone z §2: ile specyfikacji dekompozycji obejmuje liczba prób (z §3); czy prognosta zobowiązał się z góry do pojedynczej specyfikacji i ujawnił przeszukanie przed dopasowaniem (odpowiednik prerejestracji); oraz czy koncepcja prawdopodobieństwa przeuczenia, obliczona po tej liczbie prób przy podziale respektującym zbiór informacji, zasygnalizowałaby dopasowanie w próbie jako zawyżone. Żadna z siódemki nie prerejestrowała dekompozycji, kryterium falsyfikacji ani progu punktacji, a baza danych prognoz nie odnotowuje żadnej korekty na porównania wielokrotne dla żadnej z nich, więc na drugim pytaniu krytyka jest jednolita; osie różnią się na pierwszym i trzecim.

Trzy osie ekstrapolujące moc obliczeniową dzielą profil i różnią się co do stopnia. Oś OOM pozostawia swoje przeszukanie dekompozycji nieograniczonym i nieskorygowanym, więc koncepcja prawdopodobieństwa przeuczenia zasygnalizowałaby największe zawyżenie wśród nich, a korekta na porównania wielokrotne — podniesienie progu w stylu Bonferroniego, krok w dół Holma lub korekta odsetka fałszywych odkryć po ukrytej rodzinie specyfikacji — byłaby największa tam, gdzie liczba prób jest najmniej ograniczona (Aschenbrenner, 2024; Chapter 1.1 §3). Oś czasu trwania gwałtownego startu niesie największe ukryte przeszukanie siódemki w poprzek swoich około siedemdziesięciu sprzężonych parametrów, ale sprzężenie oznacza, że efektywna liczba niezależnych prób jest znacznie poniżej liczby parametrów, więc właściwą korektą jest forma prób zależnych, której dostarczają komparatory krokowe i odsetka fałszywych odkryć kanonu, a nie naiwna oparta na liczbie (Davidson, 2023; Chapter 1.3 §3; research notes, Phase 0.2 SUB-A §5(b)). Oś skalowania mocy obliczeniowej, oceniana samodzielnie, ujawnia swoje przeszukanie tempa segmentów i tym samym dopuszcza częściowo wyliczoną korektę, mniejszą niż osi nieograniczonych — przy czym ograniczenie wzorca G utrzymuje ocenę przy własnych wyborach dopasowania osi, nie przy jej roli substratu (Sevilla et al., 2022; Chapter 1.7 §3; rozdział 2 §2). Dla dwóch konfiguracji kotwic, mieszanka sześciu benchmarków przy nieograniczonych łącznych wagach pociągnęłaby znaczną korektę, a re-elicytacja z 2022 ją wzmacnia: drugie nieujawnione przeszukanie po tej samej przestrzeni wag, które koncepcja prawdopodobieństwa przeuczenia potraktowałaby jako dodatkowe próby na zapisie, który pierwsze przeszukanie już dopasowało (Cotra, 2020, 2022; Chapter 1.2 §3).

Dwie osie znajdują się na ekstremach ujawnienia. Oś czasu-kosztu-zadania najbardziej redukuje swoją ekspozycję na prawdopodobieństwo przeuczenia: jej dziesięciotysięczno-zaburzeniowe Monte Carlo wylicza łączną przestrzeń specyfikacji, a jej pasma percentylowe raportują rozproszenie, które to przeszukanie indukuje, więc koncepcja prawdopodobieństwa przeuczenia obliczyłaby się po ujawnionej liczbie prób i oceniła mniejszą korektę niż dla jakiejkolwiek osi, która pozostawia przeszukanie niewyliczonym — kredyt, który rozdział 4 §4 również odnotował (Kwa et al., 2025; Chapter 1.4 §3). Oś masy prawdopodobieństwa znajduje się na drugim ekstremum: jej narracyjna alokacja nie ujawnia żadnego przeszukania do policzenia, więc koncepcja prawdopodobieństwa przeuczenia nie ma wyliczonej liczby prób do obliczenia, a diagnoza jest taka, że obciążenie testowaniem wielokrotnym jest nieujawnione, a nie skorygowane — możliwe do oceny w momencie publikacji jako luka w ujawnieniu, choć obiekt stuletniej skali nie dopuszcza walidacji wewnątrz horyzontu (Karnofsky, 2021; Chapter 1.5 §3). Oś ankiety ekspertów mieści się pomiędzy: jej przeszukanie na kroku agregacji jest ograniczone przez udostępnioną bazę kodu do reanalizy, więc korekta po wyborach łączenia jest obliczalna, podczas gdy jej nieudokumentowane przeszukanie konstrukcji pytań pozostawia resztkową liczbę prób, której koncepcja nie może wyliczyć (Grace et al., 2024; Chapter 1.6 §3). Dla wszystkich siedmiu wniosek na poziomie koncepcji jest taki sam co do rodzaju i różny co do stopnia: gdzie przeszukanie specyfikacji jest szerokie, nieujawnione i nieskorygowane, raportowane dopasowanie w próbie zawyża poparcie poza próbą o wielkość, którą koncepcja prawdopodobieństwa przeuczenia by zasygnalizowała, a korekta na porównania wielokrotne by dostosowała; gdzie przeszukanie jest wyliczone, a jego dyspersja zaraportowana, zawyżenie jest mniejsze (poparte dowodami — fakty ujawnienia specyfikacji oś po osi są poświadczone w każdym Chapter 1.x §3 i bazie danych prognoz; skorygowane wielkości są (spekulatywne) do czasu rozdziału 7). Każda ocena oś po osi jest fundamentem liczby prób, który dziedziczy formalna adaptacja prawdopodobieństwa przeuczenia rozdziału 7 oraz człon efektywnej liczby prób rozdziału 6.

13.5 §5 — Odniesienie naprzód do rozdziałów 6, 7 i 14

Ten rozdział wziął diagnozę testowania wielokrotnego kanonu, wyartykułował koncepcję prawdopodobieństwa przeuczenia, w której się ona kulminuje, policzył specyfikacje przeszukania dekompozycji wszystkich siedmiu osi i zastosował koncepcję do tej liczby per oś. Formalne rozszerzenie następuje dalej i dziedziczy z dwóch rozdziałów naraz.

Rozdział 6 wyprowadza formalną adaptację zdeflowanego współczynnika Sharpe'a, łącząc koncepcyjną krytykę deflacji z rozdziału 4 z liczbami przeszukania dekompozycji tego rozdziału: jego człon efektywnej liczby prób formalizuje liczby przeszukań, które odnotował §3, obok konstrukcji statystyki wyników i korekty wariancji nie-IID, które rozdział 4 zarezerwował (preregistration v2, §Chapter 6/7/14 derivation roadmap, Adaptations 1, 3, 4; hash a88856d9…, locked 2026-05-19). Rozdział 7 wyprowadza formalną adaptację prawdopodobieństwa przeuczenia prognozy, łącząc koncepcyjną krytykę prawdopodobieństwa przeuczenia tego rozdziału z kanonem testowania wielokrotnego: podział respektujący zbiór informacji zastępujący symetryczny, który §2 nazwał jako zarezerwowany, oraz oszacowanie efektywnej liczby prób po przeszukaniach oś po osi, które §3 i §4 pozostawiły na poziomie koncepcji (Adaptations 2, 3, 4). Rozdział 14 integruje oba w syntetyczne ramy Zdeflowanej Prognozy Możliwości. Formalne obliczenie — enumeracja symetrycznych podziałów, agregacja logitowa, oszacowanie efektywnej liczby prób, skorygowane wielkości — zaczyna się w rozdziałach 6 i 7; termin DCF jest tu nazwany wyłącznie do odniesienia naprzód.

13.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The probability of backtest overfitting. Journal of Computational Finance, 20(4), 39-69.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B, 57(1), 289-300.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65-70.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Romano, J. P., & Wolf, M. (2005). Stepwise multiple testing as formalized data snooping. Econometrica, 73(4), 1237-1282.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

14 Rozdział 6 — Zdeflowany współczynnik Sharpe'a dla projekcji możliwości

Rozdziały 4 i 5 doprowadziły diagnozę kanonu metodologicznego do granicy obliczeń i tam się zatrzymały. Rozdział 4 nazwał koncepcję deflacji oraz protokół kroczący; rozdział 5 nazwał koncepcję prawdopodobieństwa przeuczenia i policzył specyfikacje dekompozycyjne, które każda prognoza mogła przeszukać. Oba zarezerwowały arytmetykę. Niniejszy rozdział ją wykonuje: wyprowadza zdeflowany współczynnik Sharpe'a (deflated Sharpe ratio, DSR) z jego źródła pierwotnego, adaptuje trzy człony wzoru do dziedziny prognozowania możliwości i stosuje zaadaptowaną statystykę do badanych osi, które mają upłynioną próbę do oceny.

Badane prognozy powracają jako wiersze tabeli aplikacyjnej, pod dyscypliną widełkowania skodyfikowaną w części I. Stanowisko pozostaje niezmienione: manuskrypt rozszerza kanon Baileya, Borweina, López de Prado i Zhu na dziedzinę możliwości, a badane prognozy są przedmiotem tego rozszerzenia, nie jego przeciwnikiem. Każdy wynik dla danej osi jest raportowany jako symbol zastępczy w oczekiwaniu na odtwarzalny notatnik, który go oblicza; wyprowadzenie jest pracą rozdziału, obliczenie — pracą notatnika, i żadna liczba nie jest tu twierdzona, której czytelnik nie mógłby później ponownie wygenerować z zatwierdzonego kodu.

14.1 §1 — Formalne ramy DSR: wyprowadzenie Bailey-Borwein-López de Prado-Zhu

Zdeflowany współczynnik Sharpe'a wyprowadza się w trzech krokach, z których każdy dodaje jedno jawne założenie, a ich łączny zbiór definiuje granicę stosowalności, którą adaptacja musi następnie renegocjować (Bailey & López de Prado, 2014; research notes, Phase 0.2 SUB-B §2). Pierwszym krokiem jest rozkład z próby (sampling distribution) statystyki wyników. Przy niezależnych i o jednakowym rozkładzie (independent and identically distributed, IID) zwrotach o skończonych drugich momentach, oszacowany współczynnik Sharpe'a jest asymptotycznie normalny, a Lo (2002) podaje jego wariancję jako funkcję prawdziwego współczynnika Sharpe'a, skośności (skewness) oraz kurtozy (kurtosis) rozkładu zwrotów (Lo, 2002, equations 7–9; research notes, Phase 0.2 SUB-B §2.1, Theorem 1). W konwencji kurtozy nadmiarowej (excess kurtosis), którą niniejszy rozdział przyjmuje konsekwentnie, wariancja asymptotyczna wynosi

σ²_SR = 1 + (1/2)·SR² − γ_3·SR + (γ_4/4)·SR²

gdzie γ_3 to skośność, a γ_4 to kurtoza nadmiarowa zwrotów, równa czwartemu momentowi standaryzowanemu minus trzy, tak że rozkład normalny (Gaussian) ma γ_4 = 0 (Lo, 2002, equation 9; research notes, Phase 0.2 SUB-B theorem catalog §0). Konwencja wymaga jawnego sformułowania: Bailey i López de Prado (2014) zapisują człon wariancyjny w konwencji nadmiarowej, lecz zapisują mianownik DSR w konwencji nienadmiarowej, w której ten sam symbol γ_4 oznacza surowy czwarty moment standaryzowany, a rozkład normalny ma γ_4 = 3 (research notes, Phase 0.2 SUB-B §2.3, theorem catalog §0). Obie konwencje są powiązane zależnością γ_4(nienadmiarowa) = γ_4(nadmiarowa) + 3, a krok algebraiczny od wariancji Lo do opublikowanego mianownika DSR po cichu pochłania tę substytucję. Niniejszy manuskrypt standaryzuje do konwencji nadmiarowej konsekwentnie, zgodnie z López de Prado (2018, Chapter 14), stosując substytucję (γ_4 − 3) ↔︎ γ_4 na kroku od wariancji do mianownika; implementacja referencyjna używa wyłącznie kurtozy nadmiarowej (ustalone — standaryzacja konwencji jest udokumentowana wobec źródła pierwotnego, wpisu kanonu metodologicznego oraz mapy drogowej wyprowadzenia, wszystkich trzech we wzajemnej zgodzie; specjalista log C-γ).

Drugim krokiem jest rozkład maksimum. Gdy badacz przeszukuje N konfiguracji-kandydatów i raportuje najlepszy współczynnik Sharpe'a w próbie (in-sample), raportowana statystyka jest maksimum z N losowań, a przy hipotezie zerowej, że prawdziwy współczynnik Sharpe'a jest zerowy dla wszystkich N, oczekiwane maksimum jest wartością oczekiwaną największej z N standardowych zmiennych normalnych. Bailey i López de Prado (2014, equation 5) podają przybliżenie w postaci zamkniętej dla E[SR_max] wyrażone przez odwrotną dystrybuantę rozkładu normalnego Φ⁻¹ oraz stałą Eulera-Mascheroniego; dla dużych N redukuje się ono do asymptotyki wartości ekstremalnych √(2 ln N) / √T (Lo, 2002; research notes, Phase 0.2 SUB-A theorem catalog T3, T7). Dodane tu założenie głosi, że N jest znane, lub że efektywne N można oszacować ze struktury korelacji prób — to człon, którego konstrukcję w dziedzinie możliwości wyprowadza §3.

Trzecim krokiem jest sama deflacja. DSR jest prawdopodobieństwem, przy standardowej dystrybuancie rozkładu normalnego, że prawdziwy współczynnik Sharpe'a przekracza to, czego model zerowy oczekuje jako maksimum z N prób:

DSR = Φ( (SR_max − E[SR_max])·√(T − 1) / √(σ²_SR) )

gdzie mianownik jest błędem standardowym (standard error) Lo (2002), skorygowanym dla próby skończonej, zapisanym w konwencji kurtozy nadmiarowej, do której niniejszy rozdział standaryzuje (Bailey & López de Prado, 2014, equation 9; research notes, Phase 0.2 SUB-B §2.3). Licznik nettuje obserwowane maksimum wobec oczekiwania zerowego dla maksimum; iloraz jest asymptotycznie standardowo normalny przy hipotezie zerowej SR = 0; transformacja Φ zwraca prawdopodobieństwo w [0, 1]. Reguła decyzyjna odrzuca hipotezę zerową na poziomie ufności 1 − α, gdy DSR ≥ 1 − α.

Trzy składniki wzoru nie przenoszą się bez zmian. Człon wariancyjny σ²_SR opiera się na założeniu IID, które szeregi postępu możliwości naruszają; Adaptacja 1 (§2) zastępuje go estymatorem bootstrap blokowy (block bootstrap). Statystyka wyników SR jest finansowym współczynnikiem Sharpe'a, dla którego dziedzina możliwości nie ma gotowego odpowiednika; Adaptacja 3 (§2) konstruuje go. Liczba prób (number of trials) N napędza E[SR_max], lecz jest rzadko ujawniana i często nie do wyliczenia; Adaptacja 4 (§3) szacuje efektywne N (effective-N). Dwa zatwierdzone z góry progi rządzą tym, jak raportowane są wynikłe wielkości deflacji: gdy współczynnik widełek (bracket ratio) górny-do-dolnego dla oszacowania efektywnego N przekracza 100× lub spada poniżej 1.5×, wynik jest raportowany jako zakres bez nagłówkowego punktu (preregistration v2, Adaptation 4; hash a88856d9…, locked 2026-05-19). Te progi są prerejestrowane i ex post niezmienne.

14.2 §2 — Adaptacja 1 (Wariancja nie-IID) i Adaptacja 3 (Statystyka wyników)

Adaptacja 1 zastępuje człon wariancyjny IID Lo (2002) estymatorem nie-IID. Szeregi postępu możliwości naruszają założenie niezależności z trzech strukturalnych powodów: wzrost mocy obliczeniowej treningu narzuca trend sekularny (Sevilla et al., 2022); poprawa wydajności algorytmicznej narzuca drugi (Hernandez & Brown, 2020; Erdil & Besiroglu, 2022); a postęp możliwości porusza się w autokorelowanych skupiskach, ponieważ architektura lub metoda treningu, która podnosi jeden benchmark, zwykle podnosi kilka (research notes, Phase 0.2 SUB-D4 §3). Przy dodatniej autokorelacji (autocorrelation) estymator wariancji IID zaniża prawdziwą wariancję, więc DSR obliczone z członem Lo nadmiernie odrzuca hipotezę zerową SR = 0 (research notes, Phase 0.2 SUB-B applicability calibration §5.1). Środkiem zaradczym jest bootstrap stacjonarny Politisa i Romano (1994), preferowany nad wariantem ruchomego bloku Künscha (1989) oraz wariantem nienakładającym się Carlsteina (1986), ponieważ jego geometryczna randomizacja długości bloku daje przepróbkowany szereg, który sam jest stacjonarny i adaptuje się do leżącego u podstaw tempa mieszania (research notes, Phase 0.2 SUB-D4 §2.1). Estymator jest stosowany do reszt szeregu pozbawionego trendu, przy czym model detrendowania jest ujawnionym hiperparametrem podlegającym dyscyplinie samozastosowania; oczekiwana długość bloku jest dobierana regułą opartą na danych Politisa i White'a (2004). Spójność dla statystyki będącej analogiem Sharpe'a wynika stąd, że statystyka jest gładką funkcją dwóch pierwszych momentów próbkowych, do których Theorem 2 Politisa i Romano (1994) oraz jego corollary §5 rozszerzają się przez wynik gładkiej funkcjonalnej Halla, Horowitza i Jinga (1995) (research notes, Phase 0.2 SUB-D4 §3.2).

Wynik o spójności jest empirycznie zwalidowany przez Politisa i Romano (1994, §6) dla rozmiarów próby na poziomie 64 lub powyżej, a selektor długości bloku Politisa i White'a (2004) jest symulowany tylko w dół do 64; badane szeregi możliwości, mierzone w latach upłynionej historii prognozy, plasują się znacznie poniżej tej dolnej granicy (research notes, Phase 0.2 SUB-D4 §2.4, §3.3). Zachowanie wariancji bootstrap w reżimie poniżej 64 nie jest zatem poświadczone przez symulacje źródłowe, a Adaptacja 1 jest oznaczona jako (spekulatywne) w oczekiwaniu na Monte Carlo Study 1, które podnosi adaptację do (poparte dowodami) tylko jeśli krytyczny rozmiar próby wynosi 30 lub mniej we wszystkich testowanych reżimach autokorelacji i uruchamia wyzwalacz przeprojektowania powyżej 60 (preregistration v2, MC Study 1; hash a88856d9…). To badanie już się odbyło; jego pierwsze wykonanie uruchomiło wyzwalacz. Przeprojektowanie awaryjne FC-2 — selektor długości bloku Politisa i White'a (2004) w jego formie bootstrap stacjonarnego Pattona, Politisa i White'a (2009) — zostało ocenione pod kątem względnego obciążenia i błędu średniokwadratowego estymatora wariancji: krytyczny rozmiar próby wynosi 20 przy ρ = 0.3 (spełniając próg podniesienia), 50 przy ρ = 0.5 oraz powyżej 60 przy ρ = 0.7 (uruchamiając wyzwalacz). Przeprojektowanie nie podnosi estymatora. Niepowodzenie jest ograniczeniem informacji z próby — wariancja jest zaniżona o margines, który maleje monotonicznie wraz z rozmiarem próby, więc warunek unieważnienia cap-and-halt (który wymaga, by błąd rósł) nie jest spełniony — a nie wadą metodologiczną, i żadna rewizja prerejestracji nie jest wywoływana (reviews/validation/specjalista_fc2_redesign_evaluation.md; reviews/audit/phase-2-chapter-6-fc2-evaluation.md; reviews/project_tracker/dependencies.md D-5). Adaptacja 1 pozostaje zatem (spekulatywne), podobnie jak wielkości deflacji niniejszego rozdziału.

Adaptacja 3 konstruuje statystykę wyników, której właściwością jest wariancja. Finansowy współczynnik Sharpe'a nie ma jednoznacznego odpowiednika w prognozowaniu możliwości, więc adaptacja ocenia panel pięciu kandydatów i wybiera dla danego typu prognozy (research notes, Phase 0.2 SUB-D4 §1, §3): wynik Briera (Brier, 1950), log-loss (Gneiting & Raftery, 2007), błąd kalibracji (DeGroot & Fienberg, 1983), statystykę pokrycia przedziałowego (Gneiting et al., 2007) oraz analog Sharpe'a dla ekstrapolacji możliwości na resztach tempa podwajania parametrycznej trajektorii możliwości. Pierwsze cztery dziedziczą ustalone rozkłady asymptotyczne z literatury oceny prognoz; piąty dziedziczy rozkład Lo (2002) przy IID oraz wariancję bootstrap Adaptacji 1 przy nie-IID, i jest naturalną statystyką, gdy obiektem prognozy jest samo tempo podwajania (research notes, Phase 0.2 SUB-D4 §1.5, §2.5). Wiążącym ograniczeniem dla wszystkich pięciu jest gęstość zrealizowanych wyników: nagłówkowe zdarzenie przybycia AGI jest pojedynczą niezrealizowaną obserwacją, niewystarczającą dla żadnego kandydata (research notes, Phase 0.2 SUB-D4 §3.1). Operacjonalizacja na niższym poziomie agregacji — przekroczenia progów dla poszczególnych benchmarków, prognozy ankietowe dla poszczególnych respondentów lub wartości możliwości dla poszczególnych okresów — rozwiązuje ograniczenie gęstości bez przeprojektowania (research notes, Phase 0.2 SUB-D4 §3.2). Wybór dla danej ramy jest prerejestrowany: analog Sharpe'a dla możliwości dla prognoz ekstrapolacji parametrycznej, wynik Briera dla prognoz rozkładu probabilistycznego, przy czym pozostali kandydaci są raportowani jako panel odporności, którego nagłówkiem jest mediana, a którego zakresem jest widełki niepewności specyfikacji (preregistration v2, Adaptation 3; hash a88856d9…). Rozkłady asymptotyczne są poświadczone źródłem pierwotnym, a nie nowo wyprowadzone, więc Adaptacja 3 jest oznaczona jako (poparte dowodami) dla kanonicznych reguł punktacji w ich określonych reżimach, przy czym analog Sharpe'a dla możliwości pozostaje (spekulatywne) w reżimach małej próby i grubego ogona powszechnych dla badanych szeregów (poparte dowodami dla kanonicznych reguł punktacji; spekulatywne dla analogu Sharpe'a dla możliwości — research notes, Phase 0.2 SUB-D4 §4).

14.3 §3 — Adaptacja 4 (Złożony estymator efektywnego N)

Adaptacja 4 szacuje efektywną liczbę prób N, człon, który napędza E[SR_max] i jest drugim co do wielkości czynnikiem przyczyniającym się do wielkości deflacji po samej obserwowanej statystyce (research notes, Phase 0.2 SUB-D4 §1.1). Dziedzina możliwości odbiega od reżimu finansowego, w którym N jest do wyliczenia z dziennika przeszukiwania strategii pojedynczego analityka, wzdłuż trzech osi strukturalnych: przestrzeń przeszukiwania jest ograniczona, lecz tylko częściowo ujawniona; przeszukiwanie jest rozproszone w społeczności badawczej bez centralnego dziennika, problem szuflady Rosenthala (1979); a późniejsze prognozy dziedziczą wybory modelowania od wcześniejszych, więc skumulowane N przekracza N pojedynczej prognozy (research notes, Phase 0.2 SUB-D4 §1.2). Żaden pojedynczy estymator nie adresuje wszystkich trzech, więc adaptacja konstruuje cztery algorytmy-kandydatów i je składa: Algorithm D, dolną granicę ujawnienia wrażliwości, ścisłą dolną granicę z opublikowanej liczby wariantów prognosty; oraz Algorithms A, B i C — pełnomocnik sieci cytowań, pełnomocnik tempa publikacji i pełnomocnik budżetu mocy obliczeniowej — oszacowania głębokości przeszukiwania społeczności obciążone w górę (research notes, Phase 0.2 SUB-D4 §2). Złożony estymator zakresowy bierze dolną granicę ujawnienia jako swoją dolną granicę oraz minimum z pełnomocników obciążonych w górę jako swoją górną granicę:

N_range = [ max(N_D), min(max(N_A, N_B, N_C)) ]

przy czym nagłówek raportowany jest jako średnia geometryczna √(N_lower · N_upper) (preregistration v2, Adaptation 4; hash a88856d9…). Średnia geometryczna jest preferowana nad arytmetyczną, ponieważ wrażliwość deflacji na N jest logarytmiczna — E[SR_max] skaluje się z √(2 ln N) — więc uśrednianie geometryczne na skali liczby odpowiada arytmetycznemu uśrednianiu na skali log-N, gdzie deflacja zmienia się liniowo (research notes, Phase 0.2 SUB-D4 §3.2). Deflacja jest obliczana przy dolnej granicy, nagłówku i górnej granicy, ujawniając niepewność specyfikacji efektywnego N jako zakres, a nie fałszywy punkt (research notes, Phase 0.2 SUB-D4 §3.3). Estymator dziedziczy wynik minimalnej długości historii backtestu, który ustala wrażliwość wymaganej długości próby na N (López de Prado, 2018, T4), oraz zasadę oceny na poziomie procedury, która czyni ujawnienie N obowiązkiem metodologicznym (López de Prado, 2018, T11; research notes, Phase 0.2 SUB-D4 §7.1). Zatwierdzona z góry reguła anomalii kierunku obciążenia rządzi przypadkiem patologicznym: jeśli dolna granica ujawnienia przekracza minimalny pełnomocnik obciążony w górę, wynik jest raportowany jako anomalny i degradowany do (spekulatywne) (preregistration v2, Adaptation 4, L82; hash a88856d9…). Złożony estymator jest oznaczony jako (spekulatywne) domyślnie, a jego podniesienie wymaga empirycznych badań walidacyjnych nieobecnych w obecnej literaturze (research notes, Phase 0.2 SUB-D4 §4.3).

Człon efektywnego N bierze wejścia ze wszystkich siedmiu osi, nie tylko z pięciu osi wielkości deflacji, ponieważ liczba przeszukiwań dekompozycji, która go zasila, jest obserwowalna przy publikacji niezależnie od tego, czy jakikolwiek horyzont upłynął — to rozróżnienie ustanowione w rozdziale 5 §3. Oś OOM sumuje trzy addytywne czynniki efektywnej mocy obliczeniowej w przestrzeni logarytmicznej bez ujawnionego wyliczenia wrażliwości, pozostawiając swoje przeszukiwanie nieograniczone w opublikowanej postaci (Aschenbrenner, 2024; Chapter 5 §3). Oś kotwic miesza sześć benchmarków biologicznych pod perturbacją jednostkową, która eksponuje część, lecz nie łączne, przeszukiwania wag (Cotra, 2020; Chapter 5 §3). Konfiguracja zrewidowanych kotwic ponownie elicytuje te wagi bez ujawnionej reguły aktualizacji, dodając drugie nieudokumentowane przeszukiwanie do pierwszego (Cotra, 2022; Chapter 5 §3). Oś czasu trwania startu eksponuje około siedemdziesięciu sprzężonych parametrów przez interaktywny symulator, największą ukrytą przestrzeń przeszukiwania spośród siedmiu, której łączna wymiarowość jest nieokreślona (Davidson, 2023; Chapter 5 §3). Oś czasu-kosztu-zadania uruchamia Monte Carlo z dziesięcioma tysiącami perturbacji nad wyborami metodologii, jedyne ustrukturyzowane i policzone przeszukiwanie badanego zbioru (Kwa et al., 2025; Chapter 5 §3). Oś masy prawdopodobieństwa alokuje masę narracyjnie bez wyliczonego przeszukiwania do policzenia (Karnofsky, 2021; Chapter 5 §3). Oś skalowania mocy obliczeniowej ujawnia około sześciu tempo podwajania dla poszczególnych segmentów z jawnymi kryteriami wyboru podzbiorów (Sevilla et al., 2022; Chapter 5 §3). Ich konwersja na numeryczne efektywne N dla danej osi jest obliczeniem zarezerwowanym dla notatników, które wylicza §4; dolną granicą ujawnienia dla każdej jest liczba wariantów wrażliwości udokumentowana w notatkach źródłowych odpowiedniej prognozy (research notes, Phase 0.2 SUB-D4 §7.3) (poparte dowodami — liczby przeszukiwań dekompozycji dla poszczególnych osi są poświadczone w rozdziale 5 §3 oraz w bazie prognoz; wartości efektywnego N, które dają, są (spekulatywne) obliczonymi wielkościami w oczekiwaniu na notatniki).

14.4 §4 — Formalna aplikacja DSR dla poszczególnych osi

Sekcje §§1–3 wyprowadziły Adaptacje 1, 3 i 4 — kluczowy wkład rozdziału i ramy, których trafność wewnętrzną §§1–3 ustalają. Niniejsza sekcja demonstruje aplikację DSR Stage-1 dla poszczególnych osi tych ram do sześciu badanych punktów odniesienia z upłynioną próbą. Dla trzech z tych punktów odniesienia — osi OOM Aschenbrennera, Cotra 2020 i Cotra 2022 — pełna asymetryczna Zdeflowana Prognoza Możliwości (Deflated Capability Forecast, DCF) jest obliczona i raportowana w rozdziale 16 §§16.1–16.3; zdeflowane wielkości dla tych trzech punktów odniesienia są podane tam, nie w tej tabeli. Dla DSR Stage-1 dla poszczególnych osi dla wszystkich sześciu pozycji, komórki γ_4, wielkości DSR oraz współczynnika widełek 1.5× zależą od zewnętrznych odzyskań danych — ekstrakcji Briera dla poszczególnych kotwic D-2 dla dwóch wierszy Cotra, konstrukcji reszt tempa podwajania METR D-3, danych Grace dla poszczególnych respondentów lub awaryjnego rozwiązania na poziomie fali D-4, konstrukcji szeregu reszt OOM Aschenbrennera D-24 oraz protokołu konstrukcji szeregu reszt Epoch D-25 — a każda komórka niesie swoją swoistą etykietę (spekulatywne — w oczekiwaniu na D-N …) nazywającą zależność, na którą czeka. Ujawnienie jest ujawnieniem: tabela raportuje to, co ramy obliczają na obecnym stanie danych tej rewizji, nie więcej, a wdrożenie w rozdziale 16 jest empiryczną demonstracją na trzech punktach odniesienia, dla których ramy były wdrażalne.

Wielkość deflacji jest stosowana tylko do osi z upłynioną próbą. Zbiór wielkości deflacji to grupa częściowo zrealizowana pięciu osi, obejmująca sześć pozycji, gdy dwie konfiguracje osi kotwic są liczone osobno: oś OOM, Cotra-2020, Cotra-2022, oś czasu-kosztu-zadania, oś ankiety ekspertów oraz oś skalowania mocy obliczeniowej samodzielnie. Dwie osie w pełni niezrealizowane są wyłączone: oś masy prawdopodobieństwa projektuje na horyzont w skali stuletniej z brakiem oceny w obrębie horyzontu, a oś czasu trwania startu projektuje obiekt centralny niemierzalny przed AGI (Karnofsky, 2021; Davidson, 2023; Chapter 4 §4). Ich wyłączenie dotyczy tylko wielkości deflacji; ich liczby przeszukiwań dekompozycji zasiliły siedmioosiowy człon efektywnego N §3, zachowując rozróżnienie pięć-kontra-siedem. Oś skalowania mocy obliczeniowej pojawia się tylko jako prognoza samodzielna — jej deflacja jest obliczana na jej własnej ekstrapolacji tempa podwajania, nie na jej roli substratu pod trzema osiami pochodnymi, ponieważ deflowanie substratu podwójnie liczyłoby ryzyko dopasowania w próbie już przypisane do prognoz, które go pobierają (Chapter 2 §2).

Każdy wiersz rejestruje, dla jednej pozycji: statystykę wyników i jej źródłową operacjonalizację (Adaptacja 3); kurtozę nadmiarową γ_4 odpowiedniego szeregu reszt lub wyników; efektywne N ze złożonego estymatora §3; wielkość deflacji DSR; oraz status współczynnika widełek wobec prerejestrowanego progu 1.5×. Każda obliczona komórka — oszacowanie kurtozy, wartość efektywnego N, DSR i status widełek — jest symbolem zastępczym w oczekiwaniu na odtwarzalny notatnik, oznaczonym (spekulatywne). Prerejestrowany próg współczynnika widełek 1.5× dla poszczególnych osi jest stosowany zgodnie z zatwierdzeniem wraz z nagłówkowym progiem 100× z §1 (preregistration v2, Adaptation 4; hash a88856d9…). Górna granica efektywnego N jest teraz dostarczona: siedmioosiowy złożony z rozdziału 7 §3, obliczony w przebiegu efektywnego N D-6 (notebooks/part2/figure_7_3.ipynb), jest podstawiony do kolumny efektywnego N, przy czym każda wartość niesie swój status widełek w przypisie wiersza i pozostaje (spekulatywne) przy domyślnej Adaptacji 4. Analog Sharpe'a i kurtoza dla poszczególnych osi nie są jeszcze obliczalne, więc wielkość deflacji i jej status widełek 1.5× nadal wyświetlają się jako input-pending (przypisy wierszy; reviews/project_tracker/dependencies.md).

Wybory statystyki dla poszczególnych osi podążają za prerejestrowanym wyborem dla danej ramy z Adaptacji 3: prognozy ekstrapolacji parametrycznej — osie czasu-kosztu-zadania i skalowania mocy obliczeniowej — biorą analog Sharpe'a dla możliwości na resztach tempa podwajania; prognozy rozkładu probabilistycznego — osie kotwic i ankiety ekspertów — biorą statystykę z rodziny wyniku Briera zoperacjonalizowaną na poziomie poszczególnych kotwic lub poszczególnych respondentów, gdzie gęstość zrealizowanych wyników jest wystarczająca; a oś OOM bierze pokrycie przedziałowe na przedziałach wstecznie wyekstrahowanych z jej nagłówka i zakresu wrażliwości (research notes, Phase 0.2 SUB-D4 §3.3; preregistration v2, Adaptation 3). Każdy wiersz jest opatrzony przypisem do notatnika, który oblicza jego wielkości, przy czym numer notatnika odpowiada numerowi figury zgodnie z regułą odtwarzalności.^789101112 Wielkości deflacji nie są tu twierdzone; są wyjściem notatników, walidowanym na poziomie kodu — w tym konwencji kurtozy nadmiarowej, której poprawne zastosowanie jest najbardziej konsekwentnym sprawdzeniem w rozdziale — i podstawianym do tych symboli zastępczych dopiero po przejściu tej walidacji. To, co niniejsza sekcja ustala, to struktura: która statystyka, operacjonalizacja, wejście efektywnego N i próg dla której pozycji — oraz które dwie osie są wyłączone z wielkości deflacji, jednocześnie nadal zasilając człon efektywnego N.

14.5 §5 — Odniesienie wyprzedzające do rozdziałów 7 i 14

Rozdział 7 wyprowadza formalne prawdopodobieństwo przeuczenia prognozy (probability of forecast overfitting, PFO), łącząc krytykę na poziomie koncepcji z rozdziału 5 §4 z kanonem testowania wielokrotnego: partycję respektującą zbiór informacyjny zastępującą kombinatorycznie symetryczną (Adaptacja 2), metrykę odległości panelu Briera (Adaptacja 3) oraz estymację efektywnej liczby prób wyprowadzoną tutaj, zastosowaną do prawdopodobieństwa przeuczenia (Adaptacja 4) (preregistration v2, Chapter 6/7/14 derivation roadmap; hash a88856d9…). Rozdział 14 integruje oba w syntetyczne ramy Zdeflowanej Prognozy Możliwości, propozycję konstruktywną części V, gdzie dyscyplina samozastosowania poddaje własne przeszukiwanie hiperparametrów ram tej samej korekcie, a traktowanie rozkładu asymetrycznego dopełnia rozwój Sharpe'a dla możliwości. Nagłówkowy próg współczynnika widełek 100× jest prerejestrowany i niezmienny; status epistemiczny wielkości, które bramkuje, nie jest jeszcze ustalony.

Górna granica efektywnego N złożonego z §3 jest obliczana przez rozdział 7 §3, więc każda wielkość z §4 jest ostateczna dopiero, gdy rozdział 7 ją dostarczy — to zależność wyprzedzająca, nie cyrkularność, ponieważ rozdział 7 dziedziczy konwencję γ_4 niniejszego rozdziału i ramy Adaptacji, nie jego magnitudy. Wejścia statystyki dla poszczególnych osi są odzyskiwane równolegle; wielkości z §4 podstawiają się przyrostowo w miarę odzyskiwania każdej i walidacji jej notatnika (reviews/project_tracker/dependencies.md).

14.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Brier, G. W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, 78(1), 1-3.

Carlstein, E. (1986). The use of subseries values for estimating the variance of a general statistic from a stationary sequence. Annals of Statistics, 14(3), 1171-1179.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

DeGroot, M. H., & Fienberg, S. E. (1983). The comparison and evaluation of forecasters. The Statistician (Journal of the Royal Statistical Society D), 32(1-2), 12-22.

Erdil, E., & Besiroglu, T. (2022). Algorithmic progress in computer vision (arXiv:2212.05153).

Gneiting, T., Balabdaoui, F., & Raftery, A. E. (2007). Probabilistic forecasts, calibration and sharpness. Journal of the Royal Statistical Society: Series B, 69(2), 243-268.

Gneiting, T., & Raftery, A. E. (2007). Strictly proper scoring rules, prediction, and estimation. Journal of the American Statistical Association, 102(477), 359-378.

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729–754.

Hall, P., Horowitz, J. L., & Jing, B.-Y. (1995). On blocking rules for the bootstrap with dependent data. Biometrika, 82(3), 561-574.

Hernandez, D., & Brown, T. B. (2020). Measuring the algorithmic efficiency of neural networks (arXiv:2005.04305).

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Künsch, H. R. (1989). The jackknife and the bootstrap for general stationary observations. Annals of Statistics, 17(3), 1217-1241.

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

Lo, A. W. (2002). The statistics of Sharpe ratios. Financial Analysts Journal, 58(4), 36-52.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Politis, D. N., & Romano, J. P. (1994). The stationary bootstrap. Journal of the American Statistical Association, 89(428), 1303-1313.

Politis, D. N., & White, H. (2004). Automatic block-length selection for the dependent bootstrap. Econometric Reviews, 23(1), 53-70.

Rosenthal, R. (1979). The file drawer problem and tolerance for null results. Psychological Bulletin, 86(3), 638-641.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

15 Rozdział 7 — Prawdopodobieństwo przeuczenia prognozy dla projekcji możliwości

Rozdział 6 wyprowadził statystykę deflacji i zatrzymał się na towarzyszącej korekcji. Pozostawił dwa człony do rozliczenia w niniejszym rozdziale: prawdopodobieństwo przeuczenia, które rozdział 5 nazwał na poziomie koncepcji i zarezerwował jego arytmetykę, oraz górną granicę efektywnego N, na której wielkości deflacji z rozdziału 6 §4 czekają. Niniejszy rozdział wykonuje oba. Wyprowadza prawdopodobieństwo przeuczenia prognozy (PFO) z kanonu Bailey-Borwein-López de Prado-Zhu, zastępuje kombinatorycznie symetryczną partycję partycją respektującą zbiór informacyjny, ponieważ prognozy możliwości nie są wymienialne w taki sposób jak finansowe backtesty, i oblicza siedmioosiowy złożony estymator efektywnego N, którego górna granica rozwiązuje rozdział 6 §4.

Badane prognozy powracają jako wiersze tabeli aplikacyjnej, pod dyscypliną widełkowania skodyfikowaną w części I. Stanowisko jest tym utrzymywanym od rozdziału 4: manuskrypt rozszerza kanon na dziedzinę możliwości, a badane prognozy są przedmiotem tego rozszerzenia, nie jego przeciwnikiem. Każda obliczona poniżej wielkość jest symbolem zastępczym w oczekiwaniu na odtwarzalny notatnik, który ją oblicza; domyślną etykietą epistemiczną dla każdej obliczonej wielkości przed uruchomieniem jej walidacji Monte Carlo jest (spekulatywne).

15.1 §1 — Formalne ramy PFO: wyprowadzenie PBO Bailey-Borwein-López de Prado-Zhu

Prawdopodobieństwo przeuczenia na danych historycznych (probability of backtest overfitting, PBO) jest towarzyszem zdeflowanego współczynnika Sharpe'a i odpowiada na pytanie, którego deflacja nie odpowiada. Tam gdzie DSR koryguje raportowaną statystykę w dół o oczekiwany najlepszy-z-N, PBO szacuje, w obrębie konfiguracji faktycznie przeszukanych, częstość, z jaką konfiguracja najlepsza-w-próbie spada poniżej mediany poza próbą (out-of-sample) (Bailey et al., 2017; research notes, Phase 0.2 SUB-B §3). Jest to procedura nieparametryczna, oparta na rangach, więc nie dziedziczy założenia IID-normalności Lo (2002), na którym opiera się DSR; w zamian czyni bardziej wymagające założenie o partycji, nad którą obliczana jest częstość. Ten kompromis jest tym, co §2 musi renegocjować dla dziedziny możliwości.

PBO jest obliczane przez kombinatorycznie symetryczną walidację krzyżową. Niech M będzie macierzą zapisów wyników T × N, T okresów na N konfiguracji. Zapis jest podzielony na S równych bloków; C(S, S/2) sposobów przypisania S/2 bloków do połowy w próbie i S/2 do połowy poza próbą jest wyliczanych; a dla każdego podziału s konfiguracja o maksymalnej randze w próbie jest identyfikowana, a jej ranga poza próbą w_s rejestrowana, gdzie zgodnie z konwencją ranga 1 jest najgorsza a ranga N najlepsza, tak że λ_s < 0 oznacza niedostateczne osiągnięcie poza próbą (Bailey et al., 2017, §3; research notes, Phase 0.2 SUB-B §3.1, theorem catalog Theorem 3). Miara przeuczenia dla danego podziału to logit tej rangi poza próbą,

λ_s = log( w_s / (N − w_s + 1) )

a prawdopodobieństwo przeuczenia jest częstością podziałów, w których konfiguracja najlepsza-w-próbie ląduje poniżej mediany poza próbą, równoważnie częstością ujemnych logitów:

PBO = ( 1 / C(S, S/2) ) · Σ_s I{ λ_s < 0 }

(Bailey et al., 2017, §3; research notes, Phase 0.2 SUB-B theorem catalog Theorem 3, equations for λ_s and PBO). Transformacja logitowa odwzorowuje statystykę rangową na prostą rzeczywistą, symetryczną wokół zera przy hipotezie zerowej braku przeuczenia, dopuszczając bootstrapowe przedziały ufności, kanoniczną formę raportowania (López de Prado, 2018, T10). PBO przyjmuje wartości od zera, gdzie najlepsza-w-próbie jest zawsze najlepsza-poza-próbą, do jedności, gdzie jest zawsze najgorsza; PBO = 0.5 jest poziomem braku informacji (no-information baseline), a PBO > 0.5 reżimem, w którym selekcja w próbie jest aktywnie myląca.

Symetria kombinatoryczna jest substantywną gwarancją procedury. Każdy blok pojawia się w połowie w próbie w dokładnie C(S − 1, S/2 − 1) z C(S, S/2) podziałów i w połowie poza próbą w tej samej liczbie, więc każda konfiguracja jest oceniana na identycznej liczbie partycji w próbie i poza próbą, a wynikła częstość niesie znaczenie, którego brakuje dowolnemu pojedynczemu podziałowi wydzielonemu (Bailey et al., 2017, Definition 3.1; research notes, Phase 0.2 SUB-B §1, fifth strength, theorem catalog Theorem 4). Interpretacja opiera się na drugim warunku: rangi strategii muszą być wymienialne w obrębie partycji, założenie IID-nad-strukturą-partycji, które nadaje symetrycznemu wyliczeniu jego treść statystyczną (research notes, Phase 0.2 SUB-B §3.4, theorem catalog Theorem 3, assumption 4). Gdzie wymienialność zawodzi, procedura nadal zwraca liczbę, lecz ta liczba nie mierzy przeuczenia — tryb awarii, który §2 konfrontuje bezpośrednio.

Trzy składniki procedury nie przenoszą się bez zmian. Kombinatorycznie symetryczna partycja opiera się na wymienialnych rangach, które prognozy możliwości opublikowane w różnych datach naruszają, ponieważ późniejsza prognoza ma dostęp do dowodów, których wcześniejsza nie miała; Adaptacja 2 (§2) zastępuje symetryczną partycję respektującą zbiór informacyjny. Statystyka rangowa dla danego podziału jest obliczana na metryce wyników, dla której dziedzina możliwości nie ma gotowego analogu Sharpe'a; Adaptacja 3 dostarcza metrykę odległości panelu Briera, którą wyprowadził rozdział 6 §2, zastosowaną tu do prawdopodobieństwa przeuczenia, a nie deflacji (research notes, Phase 0.2 SUB-D4 Adaptation 3 §1; preregistration v2, Chapter 7 §2). A liczba prób N jest rzadko ujawniana i często nie do wyliczenia; Adaptacja 4 (§3) szacuje efektywne N, ten sam estymator zakresowy złożony, z którego rozdział 6 zarezerwował swoją górną granicę. Te same dwa zatwierdzone z góry progi stosują się: gdy współczynnik widełek górny-do-dolnego dla oszacowania efektywnego N przekracza 100× lub spada poniżej 1.5×, wynik jest raportowany jako zakres bez nagłówkowego punktu (preregistration v2, Adaptation 4; hash a88856d9…, locked 2026-05-19). Te progi są prerejestrowane i ex post niezmienne.

15.2 §2 — Adaptacja 2: Partycja zbioru informacyjnego zastępująca symetrię kombinatoryczną

Adaptacja 2 zastępuje kombinatorycznie symetryczną partycję respektującą zbiór informacyjny, ponieważ wymienialność, której wymaga symetryczna partycja, zawodzi w dziedzinie możliwości z powodu strukturalnego, którego dziedzina finansów nie napotyka. Informacja dostępna prognoście kumuluje się w czasie: prognoza opublikowana w 2020 nie może użyć danych o możliwościach z 2022, prognoza opublikowana w 2024 może. Formalnie akumulacja jest filtracją — niemalejącą rodziną pod-σ-algebr {F_t} indeksowanych czasem publikacji, z F_s ⊆ F_t dla s < t, przy czym każda prognoza jest mierzalna względem zbioru informacyjnego dostępnego w jej dacie publikacji (Doob, 1953; Williams, 1991; research notes, Phase 0.2 SUB-D4 Adaptation 2 §1.1). Filtracja zrywa implikację od symetrii kombinatorycznej (geometrycznej własności podziału) do wymienialności (statystycznej własności rang na niej).

Zerwanie ma dwa udokumentowane tryby awarii. Przy symetrycznej partycji blok obserwowalny dopiero po publikacji prognozy może być przypisany do połowy w próbie tej prognozy — kontrfaktyczna ranga z brakiem operacyjnego znaczenia (research notes, Phase 0.2 SUB-D4 Adaptation 2 §1.2, failure mode 1). Prognozy opublikowane po dacie medianowej również dziedziczą dane o możliwościach dostępne przy medianie, zawyżając ich wyniki w próbie względem reżimu informacji asymetrycznej, więc symetryczna partycja niedostatecznie koryguje to obciążenie selekcyjne (selection bias) (tryb awarii 2). Każdy z trybów awarii zwraca liczbę, która nie mierzy przeuczenia prognozy.

Kombinatorycznie symetryczna partycja jest zastąpiona ramą testu sekwencyjnego pod filtracją. Dla kolejnych czasów publikacji zbiorem w próbie są dane obserwowalne do wcześniejszej daty, a zbiorem poza próbą przyrost między nimi; statystyka dla danego testu pyta, czy prognoza, która uplasowała się na pierwszym miejscu przy wcześniejszym zbiorze informacyjnym, osiąga gorzej w przyroście, który jej data publikacji wydzieliła, a zagregowane prawdopodobieństwo przeuczenia prognozy jest częstością testów sekwencyjnych, w których to czyni (research notes, Phase 0.2 SUB-D4 Adaptation 2 §4.2). Każdy test sekwencyjny jest przyczynowy z konstrukcji — prognoza nie mogła użyć przyrostu jako w próbie — więc interpretacja częstościowa przetrwa: PFO = 0.5 przy hipotezie zerowej braku umiejętności prognostycznej, PFO < 0.5 przy dodatniej umiejętności, PFO > 0.5 przy przeuczeniu, bezpośredni analog odczytu PBO z partycjami sekwencyjno-przyczynowymi w miejsce kombinatoryczno-symetrycznych (research notes, Phase 0.2 SUB-D4 Adaptation 2 §4.2, frequency interpretation).

Przeformułowanie zachowuje trzy z czterech substantywnych wkładów PBO i porzuca czwarty z zasady. Zachowuje jawne przyznanie wielokrotności — każda prognoza jedną z N kandydatów, korekcja nadal nad efektywnym N z §3; statystykę operacyjną w [0, 1] z tym samym raportowaniem transformacji logitowej i bootstrapowymi przedziałami ufności co PBO; oraz ramę pseudomatematyki, że statystyka prognozy raportowana bez swojej struktury testu sekwencyjnego nie jest interpretowalna jako dowód statystyczny (Bailey et al., 2014; research notes, Phase 0.2 SUB-D4 Adaptation 2 §4.3). Porzuca kombinatoryczno-symetryczną dyscyplinę — środek do wymienialności, nie cel — na rzecz sekwencyjno-przyczynowej dyscypliny konstytutywnej dla prognozowania możliwości, która przybliża wymienialność warunkową na filtrację (research notes, Phase 0.2 SUB-D4 Adaptation 2 §5.2). Dwa awaryjne rozwiązania o ograniczonym reżimie są niesione obok: przyczynowa partycja blokowa dla przypadku wewnątrzprognozowego, gdzie pojedynczy prognosta wydaje wiele wariantów w jednej dacie, oraz partycja permutacyjna przy stacjonarności dla przypadku międzyprognozowego, gdzie segment stacjonarny dopuszcza maszynerię symetryczną (research notes, Phase 0.2 SUB-D4 Adaptation 2 §2, §3).

Adaptacja 2 nie ma bezpośredniego poprzednika w kanonie Bailey-Borwein-López de Prado-Zhu i jest oznaczona jako (spekulatywne) domyślnie. Agregacja po testach sekwencyjnych nie jest równoważna agregacji po podziałach kombinatorycznych, własności mocy statystycznej przeformułowanej statystyki nie są ustalone teoretycznie, a zależność między kolejnymi testami leży poza założeniem wymienialności, na którym opiera się dowód kanonu (research notes, Phase 0.2 SUB-D4 Adaptation 2 §4.5, §6). Jej kryterium podniesienia jest prerejestrowane: Adaptacja 2 podnosi się do (poparte dowodami) tylko jeśli błąd I rodzaju przeformułowanej statystyki pozostaje w granicach 1.5× procedury symetrycznej, a jej moc na poziomie 0.8× tej procedury lub powyżej, i uruchamia wyzwalacz przeprojektowania, jeśli błąd I rodzaju przekracza 2× lub moc spada poniżej 0.5× w jakiejkolwiek komórce (preregistration v2, MC Study 2; hash a88856d9…). Badanie od tego czasu się odbyło. Jego pierwsze wykonanie uruchomiło wyzwalacz przeprojektowania; diagnoza D-8 zastąpiła ten odczyt jako artefakt harnessu walidacyjnego, Option C skalibrowana zerowo na poprawionym harnessie, a preregistration v3 — korekcja zgodności — zablokowana odpowiednio (sha256 510c8e8c…; tag preregistration-v3-locked). Ponownie uruchomione pod v3 wobec bramki prawdziwej hipotezy zerowej SNR=0, kryterium podniesienia zawodzi przy jednej liczbie dekompozycji (N=30), gdzie artefakt dyskretności w hipotezie zerowej komparatora symetrycznego zawyża współczynnik poza jego granicę; wyzwalacz przeprojektowania §3.3 nie uruchamia się, więc procedura nie jest zepsuta, lecz podniesienie nie jest zasłużone. Diagnoza wielowarstwowa rozwiązała tę porażkę jako artefakt, nie deficyt: bramka współczynnika §3.1(a) jest czuła na pojedynczy szczebel przy N=30, jej mianownik to dyskretna hipoteza zerowa komparatora symetrycznego niedostatecznie odrzucająca przy małym N i skończonym budżecie, a potwierdzający ponowny przebieg przy wyższym K rozpuszcza naruszenie z wyzwalaczem §3.3 nieuruchomionym (poparte dowodami). Adaptacja 2 mimo to pozostaje (spekulatywne). Korekcja v3 jest obronna na trzech faktach — metryka §2.4 jest nieregulowalna, każdy próg v2 zachowany, wynik odtwarza się w zatwierdzonym artefakcie — i, w kierunku, który rozumowanie umotywowane musi badać, nie podniosła własnej adaptacji ram.¹³

15.3 §3 — Adaptacja 4: Złożony estymator efektywnego N

Adaptacja 4 szacuje efektywną liczbę prób N, człon, który napędza zarówno deflację oczekiwanego maksimum w DSR, jak i korekcję wielokrotności w PFO, i jest drugim co do wielkości czynnikiem przyczyniającym się do każdej z wielkości po samej obserwowanej statystyce (research notes, Phase 0.2 SUB-D4 Adaptation 4 §1.1).¹⁴ Niniejsza sekcja wyprowadza estymator i produkuje górną granicę, którą rozdział 6 §4 zarezerwował; ścieżka rozwiązania z powrotem do rozdziału 6 jest uczyniona jawną na zakończenie (reviews/project_tracker/dependencies.md D-1).

Dziedzina możliwości odbiega od reżimu finansowego, w którym N jest do wyliczenia z udokumentowanego dziennika przeszukiwania strategii pojedynczego analityka, wzdłuż trzech osi strukturalnych: przestrzeń przeszukiwania jest ograniczona, lecz tylko częściowo ujawniona (Axis A); przeszukiwanie jest rozproszone w społeczności badawczej bez centralnego dziennika, problem szuflady Rosenthala (1979) (Axis B); a późniejsze prognozy dziedziczą wybory modelowania od wcześniejszych, więc skumulowane N społeczności przekracza N pojedynczej prognozy (Axis C) (research notes, Phase 0.2 SUB-D4 Adaptation 4 §1.2). Żaden pojedynczy estymator nie adresuje wszystkich trzech, więc adaptacja konstruuje cztery algorytmy-kandydatów: Algorithm D, dolną granicę ujawnienia wrażliwości, ścisłą dolną granicę z opublikowanej liczby wariantów prognosty; oraz Algorithms A, B i C — pełnomocnik sieci cytowań, pełnomocnik tempa publikacji i pełnomocnik budżetu mocy obliczeniowej — oszacowania głębokości przeszukiwania społeczności obciążone w górę (research notes, Phase 0.2 SUB-D4 Adaptation 4 §2.1–§2.4).

Złożony estymator zakresowy bierze dolną granicę ujawnienia jako swoją dolną granicę oraz minimum z pełnomocników obciążonych w górę jako swoją górną granicę:

N_range = [ max(N_D), min(max(N_A, N_B, N_C)) ]

przy czym nagłówek raportowany jest jako średnia geometryczna √(N_lower · N_upper) (preregistration v2, Adaptation 4; hash a88856d9…). Średnia geometryczna jest preferowana nad arytmetyczną, ponieważ wrażliwość deflacji na N jest logarytmiczna — oczekiwane maksimum skaluje się z √(2 ln N) — więc uśrednianie geometryczne na skali liczby odpowiada arytmetycznemu uśrednianiu na skali log-N, gdzie deflacja zmienia się liniowo (research notes, Phase 0.2 SUB-D4 Adaptation 4 §3.2). Estymator dziedziczy twierdzenia López de Prado (2018) o minimalnej długości backtestu (T4), ocenie na poziomie procedury (T11) oraz dekompozycji obciążenia selekcyjnego (T12), ostatnie dostarczające zależności od N √(2 ln N), którą niesie deflacja; niesie zatwierdzoną z góry regułę anomalii kierunku obciążenia, która raportuje anomalny wynik i degraduje do (spekulatywne), gdy dolna granica ujawnienia przekracza minimalny pełnomocnik obciążony w górę (preregistration v2, Adaptation 4, L82; hash a88856d9…).¹⁵ Złożony estymator jest oznaczony jako (spekulatywne) domyślnie, a jego podniesienie wymaga empirycznych badań walidacyjnych nieobecnych w obecnej literaturze (research notes, Phase 0.2 SUB-D4 Adaptation 4 §4.3).

Estymator bierze wejścia ze wszystkich siedmiu osi — liczb przeszukiwań dekompozycji, które rozdział 5 §3 zarejestrował jako fakty obserwowalne przy publikacji — ponieważ liczba zasilająca człon efektywnego N jest obserwowalna przy publikacji niezależnie od tego, czy jakikolwiek horyzont upłynął (rozróżnienie pięć-kontra-siedem, które manuskrypt utrzymuje konsekwentnie). Dolna granica ujawnienia dla danej osi N_D oraz górna granica N_upper są zarezerwowane dla notatników, przy czym liczby cytowań dla poszczególnych osi, tempa publikacji i budżety mocy obliczeniowej są zadaniem zbierania danych, a nie faktem z notatki źródłowej.¹⁶ Oś OOM Aschenbrennera sumuje trzy addytywne czynniki efektywnej mocy obliczeniowej bez ujawnionego wyliczenia wrażliwości (N_upper = 189, C-only, PASS przy 27.0×); kotwica Cotry z 2020 miesza sześć benchmarków biologicznych pod perturbacją jednostkową (N_upper = 69, Lang-scope primary, PASS przy 3.85×); re-elicytacja Cotry z 2022 dodaje drugie nieudokumentowane przeszukiwanie wag do pierwszego (N_upper = 296, Lang-scope primary, PASS przy 16.4×); oś czasu trwania startu Davidsona eksponuje około siedemdziesięciu sprzężonych parametrów przez interaktywny symulator, największą ukrytą przestrzeń przeszukiwania spośród siedmiu (N_upper = 706, Lang-only primary, PASS przy 10.1×); oś czasu-kosztu-zadania METR uruchamia Monte Carlo z dziesięcioma tysiącami perturbacji nad wyborami metodologii, jedyne ustrukturyzowane i policzone przeszukiwanie badanego zbioru i anomalię kierunku obciążenia badanego zbioru, z nagłówkiem stłumionym pod prerejestrowaną regułą; oś masy prawdopodobieństwa Karnofsky'ego alokuje masę narracyjnie bez wyliczonego przeszukiwania (N_upper = 84, Lang-only primary, PASS przy 10.5×); oś ankiety ekspertów Grace ogranicza swoje przeszukiwanie kroku agregacji wydanym kodem reanalizy, pozostawiając swoje przeszukiwanie projektu pytań nieudokumentowanym (Grace 2018: N_upper = 126, PASS przy 12.6×; Grace 2024: N_upper = 11, RANGE-ONLY przy 1.10×); a oś skalowania mocy obliczeniowej Epoch ujawnia około sześciu tempo podwajania dla poszczególnych segmentów z jawnymi kryteriami wyboru podzbiorów (N_upper = 64, standalone, PASS przy 10.7×). Złożony estymator zakresowy łączy dolną granicę i górną granicę każdej osi w nagłówek będący średnią geometryczną oraz status współczynnika widełek — wszystkie PASS po ich współczynniku widełek dla danej osi (oś METR wyłączona przez anomalię, fala Grace 2024 tylko zakresowa) — z nagłówkami złożonymi dla poszczególnych osi stabelaryzowanymi w §4.

Ścieżka rozwiązania z powrotem do rozdziału 6 jest przyrostowa. N_upper dla danej osi złożonego jest członem, który rozdział 6 §4 pozostawił jako [input-pending]; gdy notatnik niniejszej sekcji zwaliduje N_upper, orchestrator podstawia go do notatników figure_6_2 do figure_6_7, ponownie uruchamia bramkę walidatora rozdziału 6 i podstawia zwalidowane wielkości do symboli zastępczych z §4.¹⁷ Zależność jest wyprzedzająca, nie cyrkularna: rozdział 7 dziedziczy konwencję kurtozy nadmiarowej rozdziału 6 oraz ramy Adaptacji 1/3/4, nie jego wielkości dla poszczególnych osi. Dwie osie w pełni niezrealizowane, Karnofsky i Davidson, zasilają ten siedmioosiowy złożony, lecz nie biorą wielkości deflacji z rozdziału 6 §4; ich N_upper jest konsumowane zamiast tego przez §4 niniejszego rozdziału (spekulatywne — wartości efektywnego N dla poszczególnych osi, nagłówek złożony i statusy widełek są obliczonymi wielkościami w oczekiwaniu na notatniki i walidację MC; liczby przeszukiwań dekompozycji, na których się opierają, są (poparte dowodami) z rozdziału 5 §3 i z bazy prognoz).

15.4 §4 — Formalna aplikacja PFO dla poszczególnych osi

Prawdopodobieństwo przeuczenia jest stosowane do wszystkich siedmiu osi, nie tylko do pięciu osi wielkości deflacji: PFO jest obliczane nad partycją testu sekwencyjnego zapisu publikacji, a nie nad upłynionym horyzontem walidacji, a liczba przeszukiwań dekompozycji jest obserwowalna przy publikacji dla każdej osi. Wielkość deflacji DSR wymagała upłynionego regionu testowego i dlatego wyłączała Karnofsky'ego i Davidsona; PFO wymaga jedynie struktury testu sekwencyjnego po datach publikacji, którą obie osie w pełni niezrealizowane posiadają. Rozróżnienie pięć-kontra-siedem jest zachowane przez stosowanie wielkości deflacji do pięciu osi i prawdopodobieństwa przeuczenia do siedmiu. Oś skalowania mocy obliczeniowej pojawia się tylko jako prognoza samodzielna — jej prawdopodobieństwo przeuczenia jest obliczane na jej własnym tempie segmentowym i przeszukiwaniu wyboru podzbiorów, nie na jej roli substratu pod trzema osiami pochodnymi, ponieważ ocena przeuczenia substratu podwójnie liczyłaby ryzyko przeszukiwania już przypisane do prognoz, które go pobierają (Chapter 2 §2).

Każdy wiersz rejestruje, dla jednej osi: liczbę wyborów dekompozycji ustanawiającą wymiar prób, odziedziczoną z rozdziału 5 §3; partycję zbioru informacyjnego, którą przypisuje jej Adaptacja 2; statystykę wyników, którą przypisuje jej Adaptacja 3; złożony estymator efektywnego N z §3; obliczone PFO; status współczynnika widełek wobec prerejestrowanego progu 1.5×; oraz etykietę epistemiczną. Wartości efektywnego N i statusy widełek są podstawiane ze złożonego §3 (przebieg efektywnego N D-6). Kolumna PFO raportuje PFO odniesienia zerowego — poziom braku umiejętności prognostycznej p0(N) = ⌊N/2⌋/N — oznaczony (spekulatywne). Ten poziom jest wielkością obserwowalną w czasie publikacji; PFO zrealizowane dodatkowo wymaga zrealizowanego szeregu wyników i pozostaje w oczekiwaniu dokładnie tak jak wielkości deflacji z rozdziału 6 §4 (odniesienie zerowe bliskie 0.5 jest poziomem bazowym, nie ustaleniem braku przeuczenia). Prerejestrowany próg 1.5× dla danej osi jest stosowany zgodnie z zatwierdzeniem wraz z nagłówkowym progiem 100×. Pełna proweniencja dla poszczególnych osi: reviews/project_tracker/chapter_7_section_4_pfo_provenance.md.

Sześć osi bierze partycję testu sekwencyjnego Adaptacji 2; oś ankiety ekspertów bierze przyczynowe blokowe awaryjne rozwiązanie, ponieważ jej pytanie o przeuczenie jest wewnątrzprognozowe — pojedynczy instrument ankietowy wydający wiele prognoz respondentów w jednej dacie fali (research notes, Phase 0.2 SUB-D4 Adaptation 2 §2.3). Wybory statystyki podążają za prerejestrowanym wyborem dla danej ramy z rozdziału 6: osie ekstrapolacji parametrycznej biorą Sharpe dla możliwości na resztach tempa podwajania, osie rozkładu probabilistycznego biorą statystykę z rodziny Briera, a trajektoria OOM bierze pokrycie przedziałowe (research notes, Phase 0.2 SUB-D4 Adaptation 3 §3.3; preregistration v2, Adaptation 3). Każdy wiersz jest opatrzony przypisem do notatnika, który oblicza jego wielkości. Prawdopodobieństwa przeuczenia odniesienia zerowego są wyjściem notatników, emitowanym jako (spekulatywne); ich zrealizowane odpowiedniki czekają na szereg wyników dla poszczególnych osi, a Adaptacja 2 pozostaje (spekulatywne). Jej bramka podniesienia MC Study 2, ponownie uruchomiona pod zablokowanym v3 wobec warunku prawdziwej hipotezy zerowej SNR=0, zawiodła przy jednej liczbie dekompozycji (N=30) na artefakcie dyskretności — wyzwalacz przeprojektowania §3.3 nieuruchomiony, partycja prawidłowa, lecz niepodniesiona. To, co niniejsza sekcja ustala, to struktura: która partycja, statystyka, źródło liczby prób, wejście efektywnego N i próg dla której osi — podstawione efektywne N i status widełek podstawione; zrealizowane PFO i etykieta Adaptacji 2 oba w oczekiwaniu.

15.5 §5 — Odniesienie wyprzedzające do rozdziału 14

Rozdział 14 integruje obie statystyki w konstruktywne ramy Zdeflowanej Prognozy Możliwości, propozycję części V. Łączy formalne DSR rozdziału 6 — zaadaptowaną wariancję, statystykę wyników oraz człony efektywnej liczby prób — z formalnym PFO niniejszego rozdziału — partycją zbioru informacyjnego i tym samym złożonym estymatorem efektywnego N — w pojedynczą statystykę obliczaną wobec badanego zbioru, pod prerejestrowaną, ex post niezmienną dyscypliną współczynnika widełek (preregistration v2, Chapter 6/7/14 derivation roadmap; hash a88856d9…). Sześć wielkości deflacji z rozdziału 6 §4 rozwiązuje się przyrostowo przez N_upper z §3 niniejszego rozdziału, przy czym orchestrator podstawia każdą zwalidowaną wartość, gdy przechodzi bramka jej notatnika (reviews/project_tracker/dependencies.md D-1). Formalna synteza DCF rozpoczyna się w rozdziale 14, gdzie traktowanie rozkładu asymetrycznego dopełnia rozwój Sharpe'a dla możliwości.

15.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The probability of backtest overfitting. Journal of Computational Finance, 20(4), 39-69.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

Doob, J. L. (1953). Stochastic processes. John Wiley & Sons.

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Rosenthal, R. (1979). The file drawer problem and tolerance for null results. Psychological Bulletin, 86(3), 638-641.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

Williams, D. (1991). Probability with martingales. Cambridge University Press.

Część III — Luka między możliwościami a rzeczywistością produkcyjną

16 Rozdział 8 — Możliwości a certyfikacja

Status epistemiczny: pewność co do faktów dotyczących wymogów certyfikacyjnych, z których każdy jest skodyfikowany w przepisie lub normie cytowanej poniżej i oznaczony jako (ustalone); mniejsza pewność co do czasu trwania w ramach czasowych — typowe obserwowane wartości oznaczone jako (poparte dowodami); projekcja, że luka między możliwościami a wdrożeniem będzie wiązać przyszłe ramy czasowe AGI, jest (spekulatywna)i utrzymywana warunkowo w całym tekście.

Część II wyprowadziła aparat statystyczny: statystykę deflacji dla projekcji możliwości, prawdopodobieństwo przeuczenia prognozy oraz człon efektywnej liczby prób, którego wymagają oba. Część III podejmuje lukę, na którą formalny aparat wskazuje, lecz której nie zamyka. Twierdzenie o możliwości, które przechodzi deflację i prawdopodobieństwo przeuczenia, wykazało jedynie, że możliwość prawdopodobnie istnieje poza próbą. Nie wykazało, że tę możliwość można certyfikować do systemu, od którego zależą życie, pieniądze lub bezpieczeństwo narodowe. Ten dystans jest tematem niniejszej części.

Dyscyplina walidacyjna spotyka się teraz z aparatem instytucjonalnym — regulatorami, reżimami oceny zgodności, nadzorem po wprowadzeniu do obrotu — który inżynier w regulowanym sektorze przemysłowym traktuje jako dominujący koszt wdrożenia, a który główne prognozy ram czasowych traktują jako przypis.

16.1 §1 — Ramy „możliwości a certyfikacja”

Luka między możliwościami a wdrożeniem (capability–deployment gap) to różnica między istnieniem możliwości a certyfikowaniem tej możliwości do systemu, którego awaria niesie konsekwencje. Te dwie rzeczy różnią się co do rodzaju, nie stopnia. Możliwość istnieje, gdy model w sposób wykazywalny realizuje zadanie — gdy benchmark zostaje nasycony, gdy współczynnik Sharpe'a zostaje zrealizowany, gdy zmierzono dokładność diagnostyczną. Możliwość zostaje certyfikowana, gdy instytucja mająca prawne uprawnienia nad domeną wdrożenia przyjęła formalny dowód, że możliwość realizuje zadanie zgodnie z określoną normą w warunkach użytkowania, i przejęła lub przypisała odpowiedzialność za awarie. Pierwsze jest pomiarem; drugie jest postępowaniem dowodowym i prawnym. Prognozowanie możliwości — przedmiot Części II — projektuje to pierwsze. Certyfikowanie możliwości — przedmiot Części III — rządzi tym drugim. Prognoza ram czasowych, która prognozuje to pierwsze, a jest odczytywana jako prognoza tego drugiego, pomyliła pomiar z postępowaniem (ustalone — rozróżnienie między wykazaną wydajnością a oceną zgodności jest skodyfikowane w każdym reżimie regulacyjnym omawianym w tym rozdziale).

Pomylenie to nie jest bezpłodne. Główne opublikowane prognozy ram czasowych prognozują nadejście możliwości i są odczytywane — przez swoich odbiorców, a często przez swoich autorów — jako prognozy transformacyjnego wdrożenia. Trajektoria efektywnej mocy obliczeniowej Aschenbrennera projektuje, kiedy zostaje przekroczony próg możliwości (Aschenbrenner, 2024; rozdział 1.1); kotwice biologiczne Cotry projektują, kiedy moc obliczeniowa treningu wystarcza dla modelu transformacyjnego (Cotra, 2020; rozdział 1.2). Żadna nie projektuje, kiedy taki model zostałby certyfikowany do domeny, w której jego błędy są rozliczane w życiach lub kapitale, ponieważ żadna nie modeluje kroku certyfikacji. Luka jest strukturalnym powodem, dla którego data nadejścia możliwości i data wdrożenia są różnymi wielkościami.

Luka ma formalny cień, który rzuciła Część II. Twierdzenie o możliwości, które nie zostało zdeflowane pod kątem niejawnego przeszukiwania modeli ani skorygowane o przeuczenie skrywane przez dopasowanie w próbie, jest twierdzeniem, które nie przetrwałoby certyfikacji, ponieważ certyfikacja jest właśnie instytucjonalnym żądaniem, by twierdzenie o wydajności było walidowane poza próbą, w warunkach użytkowania, względem niezależnej normy. Zdeflowany współczynnik Sharpe'a (deflated Sharpe ratio, DSR) oraz prawdopodobieństwo przeuczenia prognozy (probability of forecast overfitting, PFO), które rozdziały 6 i 7 zaadaptowały z kanonu Baileya-Borweina-Lópeza de Prado-Zhu, są statystyczną treścią tego żądania (Bailey & López de Prado, 2014; Bailey et al., 2017). Możliwość, która je przechodzi, przekroczyła poprzeczkę statystyczną; certyfikacja dokłada na wierzchu poprzeczkę instytucjonalną. Niniejszy rozdział nie przelicza tych statystyk — są one tu nazwane jako kontekst ramowy, który zsyntetyzuje Zdeflowana Prognoza Możliwości (Deflated Capability Forecast, DCF) z rozdziału 14. Sedno jest strukturalne: dyscyplina walidacyjna, którą Część II sformalizowała, jest tą samą dyscypliną, którą reżimy certyfikacyjne zinstytucjonalizowały od dziesięcioleci, a trzy sektory poniżej są tam, gdzie ta instytucjonalizacja jest najbardziej wyraźna (ustalone — odpowiedniość między walidacją statystyczną poza próbą a regulacyjną oceną zgodności jest udokumentowana w każdym reżimie cytowanym w §2–§4).

Trzy reżimy certyfikacyjne ilustrują lukę, wybrane dlatego, że ich organy certyfikujące, ich ramy czasowe i ich charakterystyczne tryby awarii są ortogonalne. Motoryzacyjna jazda autonomiczna certyfikuje możliwość względem przypadków granicznych i ograniczeń operacyjnej domeny projektowej pod nadzorem regulatorów bezpieczeństwa drogowego. Usługi finansowe certyfikują modele algorytmiczne względem norm zarządzania ryzykiem modelu pod nadzorem organów nadzoru ostrożnościowego. AI w wyrobach medycznych certyfikuje możliwość diagnostyczną względem wymogów walidacji klinicznej i nadzoru po wprowadzeniu do obrotu pod nadzorem regulatorów zdrowotnych. W każdym z nich twierdzenie o możliwości, które przeszłoby benchmark, wielokrotnie nie przeszło certyfikacji, luka ma udokumentowany czas trwania, a istnieje historia prognozowania, w której projekcje nadejścia możliwości były wydawane i chybiane. Trzy sekcje, które następują, omawiają je kolejno.

16.2 §2 — Studium przypadku: motoryzacyjna jazda autonomiczna

Motoryzacyjna jazda autonomiczna to przypadek, w którym twierdzenie o możliwości i wymóg certyfikacyjny rozeszły się najbardziej publicznie, a rozejście to jest mierzone względem aparatu regulacyjnego, który wyprzedza tę możliwość o dziesięciolecia. Twierdzeniem o możliwości jest pełna jazda autonomiczna: pojazd, który działa bez nadzoru człowieka w warunkach, którymi radzi sobie ludzki kierowca. Wymogiem certyfikacyjnym jest, by taki pojazd uzyskał homologację typu lub samocertyfikację jako zgodny z normami bezpieczeństwa drogowego w całej zadeklarowanej operacyjnej domenie projektowej (ODD) — ograniczonym zbiorze warunków (typy dróg, prędkości, pogoda, oświetlenie), w których system jest zaprojektowany do działania. Luka między tymi dwoma to różnica między wykazaniem kompetentnej jazdy w warunkach obserwowanych a wykazaniem jej w warunkach przeciwstawnych i z długiego ogona, dla których regulator bezpieczeństwa drogowego wymaga dowodów (ustalone — koncepcja operacyjnej domeny projektowej i jej ciężar dowodowy są skodyfikowane w SAE J3016 i UNECE R157, cytowanych poniżej).

Taksonomią, która organizuje twierdzenie o możliwości, jest SAE J3016, która definiuje sześć poziomów automatyzacji jazdy od poziomu 0 (brak automatyzacji) do poziomu 5 (pełna automatyzacja we wszystkich warunkach), gdzie poziom 3 (automatyzacja warunkowa, człowiek jako instancja awaryjna) i poziom 4 (wysoka automatyzacja w ramach operacyjnej domeny projektowej) wyznaczają progi, w których człowiek przestaje być ciągłą instancją awaryjną (SAE International, 2021). Poziomy są taksonomią możliwości, a nie normą certyfikacyjną; system jest projektowany w kierunku danego poziomu, lecz certyfikowany względem przepisu. W Stanach Zjednoczonych ścieżka certyfikacji biegnie przez samocertyfikację względem Federal Motor Vehicle Safety Standards, przy czym National Highway Traffic Safety Administration zachowuje uprawnienia do wycofania i orzekania o wadach oraz wydaje wytyczne polityczne dotyczące pojazdów zautomatyzowanych zamiast jednolitej homologacji typu (NHTSA, 2017; 49 CFR Part 571). W Europie i u stron porozumień UNECE ścieżka biegnie przez homologację typu, a wiążącym instrumentem dla pierwszej regulowanej możliwości poziomu 3 jest UNECE Regulation No. 157, która dopuszcza Automated Lane Keeping Systems w ściśle ograniczonej operacyjnej domenie projektowej i określa wymogi dowodowe — audyt, test, monitorowanie w trakcie eksploatacji — które producent musi spełnić (UNECE, 2021). Początkowa domena UN R157 była z założenia wąska: utrzymywanie pasa przy niskiej prędkości na drodze z rozdzielonymi pasami, czyli warunki, w których ryzyko z długiego ogona jest najbardziej ograniczone.

Wyzwaniem certyfikacyjnym jest długi ogon i to właśnie dlatego możliwość i certyfikacja się rozchodzą. System może wykazać kompetentną jazdę w przygniatającej większości obserwowanych mil i nadal nie spełnić normy dowodowej, ponieważ norma wymaga dowodów dotyczących warunków, które są rzadkie w danych i konsekwentne w razie awarii: przeciwstawnego pieszego, niezmapowanej strefy robót, pogody pogarszającej działanie czujników, krawędzi operacyjnej domeny projektowej, gdzie system musi oddać kontrolę lub osiągnąć stan minimalnego ryzyka. Walidacja wydajności w całym tym długim ogonie nie jest większą wersją walidacji w przypadku powszechnym; jest odrębnym problemem dowodowym, który ramy operacyjnej domeny projektowej istnieją po to, by ograniczyć, oraz problemem, którego twierdzenie o możliwości oparte na nasyceniu benchmarku nie podejmuje. Jest to certyfikacyjny odpowiednik walidacji poza próbą, którą Część II sformalizowała: regulator wymaga dowodu, że możliwość uogólnia się poza warunki, na których była dopasowana (ustalone — wymogi operacyjnej domeny projektowej i stanu minimalnego ryzyka są określone w UNECE R157 i SAE J3016; ciężar walidacji długiego ogona jest udokumentowaną treścią pakietu dowodowego homologacji typu).

Historia prognozowania jest własnym wzorcem tego rozdziału, zinstancjonowanym. Możliwość pełnej jazdy autonomicznej była projektowana jako nadchodząca w przyszłym roku w kolejnych latach przez najbardziej znanego producenta konsumenckich systemów wspomagania kierowcy; projekcje były wydawane i chybiane przez mniej więcej dekadę, podczas gdy certyfikowane wdrożenie pozostawało ograniczone do wąskich operacyjnych domen projektowych (NHTSA, 2017; UNECE, 2021). Struktura chybienia jest dokładnie strukturą, którą zdiagnozowały rozdziały 4 i 5: trajektoria możliwości ekstrapolowana z obserwowanej poprawy, projektowana naprzód bez korekty o lukę między warunkami obserwowanymi a warunkami, dla których certyfikacja wymaga dowodów. Możliwość się poprawiła; certyfikacja nie nadeszła w projektowanym harmonogramie, ponieważ nigdy nie była funkcją samej trajektorii możliwości. Typowe rozszerzenie homologacji typu na szerszą operacyjną domenę projektową było mierzone w wieloletnich cyklach gromadzenia dowodów, przeglądu regulacyjnego i monitorowania w trakcie eksploatacji, a nie w rocznych przyrostach, które zakładały projekcje możliwości (poparte dowodami — wieloletni cykl homologacji typu i rozszerzania domeny jest obserwowanym wzorcem w ramach UNECE WP.29; konkretne czasy trwania różnią się w zależności od domeny i strony porozumienia). Prognoza nadejścia możliwości i data certyfikowanego wdrożenia były różnymi wielkościami, a luka między nimi jest wielkością, którą mierzy niniejsza część.

16.3 §3 — Studium przypadku: usługi finansowe

Usługi finansowe to przypadek, w którym narodziły się ramy manuskryptu, a odpowiednik certyfikacyjny jest najbardziej bezpośredni. Twierdzeniem o możliwości jest algorytmiczny model handlowy lub model ryzyka, który działa — strategia poddana testowi historycznemu (backtest) ze zrealizowanym współczynnikiem Sharpe'a, model wartości zagrożonej (value-at-risk, VaR) dopasowany do historycznych strat, model wyceny zgodny z obserwowanymi cenami. Wymogiem certyfikacyjnym jest walidacja modelu: niezależne wykazanie, odrębne od twórców modelu, że model jest koncepcyjnie poprawny, działa poza próbą i pozostaje w swoim zwalidowanym zakresie pod obciążeniem. W Stanach Zjednoczonych obowiązującą normą są międzyagencyjne wytyczne dotyczące zarządzania ryzykiem modelu (model risk management, MRM), SR 11-7, które wymagają skutecznego zakwestionowania, niezależnej walidacji oraz bieżącego monitorowania każdego modelu istotnego dla decyzji regulowanej instytucji (Board of Governors of the Federal Reserve System & Office of the Comptroller of the Currency, 2011). W Europie równoległe obowiązki biegną przez ramy ostrożnościowe oraz, dla firm inwestycyjnych i systemów obrotu, przez drugą dyrektywę w sprawie rynków instrumentów finansowych, która nakłada mechanizmy kontroli handlu algorytmicznego, wymogi testowania oraz dokumentowanie systemów wdrażających modele na rynki (European Parliament & Council, 2014). Model, który działa w backteście, postawił twierdzenie o możliwości; SR 11-7 i MiFID II są instytucjonalnym żądaniem, by twierdzenie zostało zwalidowane, zanim podąży za nim kapitał lub dostęp do rynku (ustalone — niezależna walidacja, skuteczne zakwestionowanie i bieżące monitorowanie są skodyfikowanymi wymogami SR 11-7; mechanizmy kontroli handlu algorytmicznego są skodyfikowane w MiFID II i jej rozporządzeniach delegowanych).

Wyzwanie certyfikacyjne jest tutaj tym, którym zajmuje się cały aparat manuskryptu i to właśnie dlatego finanse są domeną źródłową, a nie jedynie przykładem. Walidacja modelu w ramach SR 11-7 wymaga dokładnie tych korekt, które zaadaptowała Część II: by statystyka wydajności została zakwestionowana pod kątem warunków jej powstania, przetestowana poza próbą oraz wykazana — a nie założona — jako utrzymująca się pod obciążeniem i poza swoim dopasowanym zakresem. Zdeflowany współczynnik Sharpe'a i prawdopodobieństwo przeuczenia na danych historycznych (probability of backtest overfitting, PBO) są formalną treścią skutecznego zakwestionowania — kwantyfikują, jaka część zgłoszonej statystyki wydajności przetrwa korektę o niejawne przeszukiwanie i dopasowanie w próbie (Bailey & López de Prado, 2014; Bailey et al., 2017; Harvey et al., 2016). Model, który je przechodzi, spełnił poprzeczkę statystyczną, którą instytucjonalizuje walidacja; model, który nie został im poddany, postawił twierdzenie o możliwości, którego odmowa jest właśnie tym, po co istnieje walidacja. Jest to kontekst ramowy rozdziału, nazwany, a nie przeliczony: reżim certyfikacyjny regulowanych finansów jest instytucjonalnym ucieleśnieniem dyscypliny walidacyjnej, którą sformalizowały rozdziały 6 i 7.

Historią prognozowania jest kryzys finansowy 2008 roku, w którym modele ryzyka, które działały w próbie, zawiodły poza próbą na dużą skalę, a awaria była awarią walidacji, zanim stała się awarią rynku. Modele, które wyceniały i oceniały strukturyzowany kredyt, dopasowały się do swoich danych historycznych i projektowały naprzód przy założeniu, że dopasowane zależności się utrzymają; nie były testowane pod obciążeniem względem reżimu, w którym te zależności się załamały, a możliwość, którą głosiły — zmierzenia ryzyka instrumentów — nie uogólniła się poza warunki, na których była dopasowana (Board of Governors & OCC, 2011, do których adresowano wytyczne pokryzysowe). Lekcja strukturalna jest tą, którą sformalizowała Część II: twierdzenie o wydajności zwalidowane wyłącznie w próbie zawyża swoje wsparcie poza próbą o wielkość, która rośnie wraz z niejawnym przeszukiwaniem i kurczy dostępną próbę, a koszt jest ponoszony, gdy warunki się zmieniają. Pokryzysowe wzmocnienie norm zarządzania ryzykiem modelu jest regulacyjnym zapisem domeny, która kosztownie nauczyła się, że luka między tym, że model działa, a tym, że model jest walidowany, jest luką, która ma znaczenie — lekcja, którą zapożyczają ramy manuskryptu (poparte dowodami — pokryzysowe reformy zarządzania ryzykiem modelu są udokumentowaną odpowiedzią regulacyjną; przypisanie przyczynowe do awarii walidacji modelu jest konsensusem nadzorczym zapisanym w wytycznych i ich uzasadnieniu).

16.4 §4 — Studium przypadku: AI w wyrobach medycznych

AI w wyrobach medycznych to przypadek, w którym organ certyfikujący wymaga dowodów klinicznych, których twierdzenie o możliwości nie dostarcza, i w którym obowiązek po wprowadzeniu do obrotu rozciąga certyfikację poza wdrożenie. Twierdzeniem o możliwości jest dokładność diagnostyczna: model, który klasyfikuje obrazy, sygnalizuje patologię lub przewiduje wyniki przy zmierzonej czułości i swoistości na zbiorze testowym. Wymogiem certyfikacyjnym jest, by oprogramowanie, traktowane jako wyrób medyczny, zostało dopuszczone lub zatwierdzone względem normy walidacji klinicznej odpowiedniej dla swojej klasy ryzyka, a następnie monitorowane w zastosowaniu w świecie rzeczywistym pod kątem dryfu wydajności, którego zbiór testowy nie mógł ujawnić. W Stanach Zjednoczonych oprogramowanie jako wyrób medyczny (software as a medical device, SaMD) jest regulowane przez Food and Drug Administration poprzez ścieżki oparte na ryzyku — zgłoszenie przedrynkowe w trybie section 510(k) dla wyrobów istotnie równoważnych z predykatem, ścieżkę De Novo dla nowatorskich wyrobów o niskim do umiarkowanego ryzyku bez predykatu oraz zatwierdzenie przedrynkowe dla klasy najwyższego ryzyka (FDA, 2017; FDA, 2021). W Europie to samo oprogramowanie jest certyfikowane na mocy rozporządzenia w sprawie wyrobów medycznych (Medical Device Regulation, MDR) poprzez ocenę zgodności i oznakowanie CE, przy czym jednostka notyfikowana ocenia dowody kliniczne dla klas wyższego ryzyka (European Parliament & Council, 2017). Międzynarodowymi ramami harmonizacji dla samej kategorii wyrobów są wytyczne IMDRF Software as a Medical Device, które definiują kategoryzację ryzyka, na której budują reżimy krajowe (IMDRF, 2014). Model, który zgłasza dokładność diagnostyczną, postawił twierdzenie o możliwości; ścieżka FDA, ocena zgodności w ramach oznakowania CE oraz ramy ryzyka IMDRF są instytucjonalnym żądaniem, by dokładność została zwalidowana klinicznie i monitorowana po wprowadzeniu do obrotu (ustalone — ścieżki 510(k), De Novo i zatwierdzenia przedrynkowego są skodyfikowane w regulacjach FDA; oznakowanie CE w ramach MDR oraz ramy ryzyka SaMD IMDRF są odpowiadającymi im skodyfikowanymi instrumentami).

Wyzwaniem certyfikacyjnym jest to, że dokładność diagnostyczna na wyselekcjonowanym zbiorze testowym nie jest ważnością kliniczną we wdrożeniu, a luka między nimi jest luką, którą certyfikacja istnieje po to, by zamknąć. Zmierzona czułość i swoistość modelu są warunkowe względem populacji, sprzętu obrazującego, częstości występowania oraz przepływu pracy danych, na których został on zwalidowany; walidacja kliniczna wymaga dowodu, że wydajność utrzymuje się w populacji docelowej i kontekście klinicznym, a nadzór po wprowadzeniu do obrotu wymaga dowodu, że utrzymuje się ona w miarę dryfu tych warunków. Jest to ponownie problem poza próbą w formie instytucjonalnej: regulator wymaga dowodu, że możliwość diagnostyczna uogólnia się poza zbiór walidacyjny na warunki użytkowania oraz utrzymuje uogólnianie w miarę zmiany warunków. Wysoka dokładność na zbiorze testowym jest twierdzeniem o możliwości; walidacja kliniczna wraz z nadzorem po wprowadzeniu do obrotu jest certyfikacją, że twierdzenie przetrwa warunki użytkowania (ustalone — wymogi walidacji klinicznej i nadzoru po wprowadzeniu do obrotu są skodyfikowane w ramach SaMD FDA, w MDR oraz w wytycznych IMDRF; luka uogólniania od zbioru testowego do wdrożenia jest ich udokumentowanym uzasadnieniem).

Historią prognozowania jest trajektoria IBM Watson Health, najbardziej znanego przypadku, w którym twierdzenie o możliwości diagnostycznej i rzeczywistość certyfikowanego wdrożenia się rozeszły. Projektowana możliwość — system wspomagania decyzji onkologicznych, który dorównałby zaleceniom ekspertów lub je przewyższał w różnych nowotworach — była prognozą nadejścia możliwości we wzorcu rozdziału: ekstrapolacją od wykazanej wydajności do wdrożenia klinicznego, która nie modelowała luki walidacji klinicznej i warunków użytkowania między tymi dwoma. Wdrożenie nie nadeszło w projektowanej skali, a udokumentowanym powodem jest luka, którą mierzy niniejszy rozdział: możliwość wykazana na wyselekcjonowanych przypadkach nie uogólniła się na różnorodność rzeczywistej praktyki klinicznej, a ważność kliniczna, której wymaga reżim certyfikacyjny, nie została ustalona w skali, którą zakładało twierdzenie o możliwości (FDA, 2021, o ciężarze walidacji klinicznej SaMD). Struktura chybienia jest strukturą rozdziału: projekcja nadejścia możliwości wydana bez modelowania kroku certyfikacji, chybiona, ponieważ ten krok nigdy nie był funkcją samego twierdzenia o możliwości (poparte dowodami — rozejście między projektowanym a zrealizowanym wdrożeniem systemu jest udokumentowanym wynikiem; przypisanie do luki walidacji klinicznej i uogólniania jest relacją konsensualną, a nie obliczoną wielkością).

16.5 §5 — Odniesienie naprzód do rozdziałów 9–13 i 14

Niniejszy rozdział zdefiniował lukę między możliwościami a wdrożeniem, odróżnił prognozowanie możliwości od jej certyfikowania oraz ugruntował to rozróżnienie w trzech ortogonalnych reżimach — motoryzacyjnym, finansowym i wyrobów medycznych — z których każdy ma organ certyfikujący, udokumentowany czas trwania luki oraz historię prognozowania, w której projekcje nadejścia możliwości były wydawane i chybiane.

Rozdział 9 podejmuje wąskie gardło infrastruktury walidacyjnej. Rozdział 10 bada szczegółowo konkretne instrumenty regulacyjne. Rozdziały 11 do 13 podejmują stos europejski: akt w sprawie sztucznej inteligencji (EU AI Act) jako ograniczenie prognozy, wdrożenie związane z poświadczeniem bezpieczeństwa i podwójnego zastosowania oraz to, dlaczego ramy czasowe skoncentrowane na USA są niekompletne. Rozdział 14 syntetyzuje rozdziały 6 do 13 w konstruktywną Zdeflowaną Prognozę Możliwości.

16.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The probability of backtest overfitting. Journal of Computational Finance, 20(4), 39-69.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Board of Governors of the Federal Reserve System, & Office of the Comptroller of the Currency. (2011). Supervisory guidance on model risk management (SR 11-7 / OCC Bulletin 2011-12). https://www.federalreserve.gov/supervisionreg/srletters/sr1107.htm

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

European Parliament & Council of the European Union. (2014). Directive 2014/65/EU on markets in financial instruments (MiFID II). Official Journal of the European Union, L 173.

European Parliament & Council of the European Union. (2017). Regulation (EU) 2017/745 on medical devices (MDR). Official Journal of the European Union, L 117.

Food and Drug Administration. (2017). Software as a medical device (SAMD): Clinical evaluation — guidance for industry and FDA staff. U.S. Department of Health and Human Services.

Food and Drug Administration. (2021). Artificial intelligence/machine learning (AI/ML)-based software as a medical device (SaMD) action plan. U.S. Department of Health and Human Services.

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

International Medical Device Regulators Forum. (2014). Software as a medical device: Possible framework for risk categorization and corresponding considerations (IMDRF/SaMD WG/N12).

National Highway Traffic Safety Administration. (2017). Automated driving systems 2.0: A vision for safety. U.S. Department of Transportation.

SAE International. (2021). Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles (J3016_202104).

United Nations Economic Commission for Europe. (2021). UN Regulation No. 157 — Uniform provisions concerning the approval of vehicles with regard to Automated Lane Keeping Systems (ALKS). UNECE WP.29.

17 Rozdział 9 — Wąskie gardło infrastruktury walidacyjnej

Status epistemiczny: pewność co do strukturalnego twierdzenia, że zdolność certyfikacyjna jest ograniczona przez nakłady niezależne od możliwości modelu, ugruntowanego w cytowanych reżimach regulacyjnych i oznaczonego jako (ustalone); mniejsza pewność co do wielkości czasów trwania w różnych sektorach — typowe obserwowane wartości oznaczone jako (poparte dowodami); projekcja, że wąskie gardło będzie wiązać przyszłe ramy czasowe możliwości–wdrożenia, jest (spekulatywna)i utrzymywana warunkowo w całym tekście.

Rozdział 8 ustalił, gdzie pojawia się luka między możliwościami a wdrożeniem. Niniejszy rozdział argumentuje, dlaczego ona trwa: instytucjonalna zdolność do certyfikowania możliwości do systemu niosącego konsekwencje skaluje się z czynnikami w dużej mierze niezależnymi od certyfikowanej możliwości, czyniąc lukę samopodtrzymującą się, a nie przejściową. Ten argument — wąskie gardło infrastruktury walidacyjnej (validation-infrastructure bottleneck) — jest analitycznym rdzeniem Części III.

17.1 §1 — Teza o wąskim gardle infrastruktury walidacyjnej

Przejście poprzeczki statystycznej z rozdziału 6 (DSR) i rozdziału 7 (PFO) ustala, że możliwość prawdopodobnie istnieje poza próbą. Nie ustala, że instytucja mająca prawne uprawnienia nad domeną wdrożenia może zwalidować, iż możliwość realizuje zadanie zgodnie z określoną normą w warunkach użytkowania. To drugie jest dziełem infrastruktury walidacyjnej (ustalone — rozróżnienie między statystycznym wsparciem poza próbą a instytucjonalną oceną zgodności jest udokumentowaną architekturą każdego reżimu omawianego w rozdziale 8).

Infrastruktura walidacyjna to zbiór zdolności instytucjonalnych, których domena wdrożenia używa do przekształcenia twierdzenia o możliwości w certyfikowane wdrożenie. Ma identyfikowalne komponenty — praktykę weryfikacji, instrumenty benchmarkowe, zdolność audytową oraz aparat odtwarzalności — omawiane w §3. Tezą rozdziału jest twierdzenie o tym, jak te komponenty się skalują. Model, który poprawia się o rząd wielkości na benchmarku, zmienił twierdzenie o możliwości. Nie zmienił liczby wykwalifikowanych audytorów, przepustowości organu regulacyjnego, tempa, w jakim gromadzą się dane operacyjne, ani niezależności prawnej, której wymaga walidacja. Te nakłady są wiążącymi ograniczeniami certyfikacji i nie są funkcjami wyniku modelu na benchmarku. Krzywa możliwości i krzywa zdolności walidacyjnej są rządzone przez różne czynniki, a luka między nimi jest wąskim gardłem (ustalone — niezależność nakładów zdolności certyfikacyjnej od wydajności modelu jest strukturalną przesłanką literatury o ryzyku modelu i ocenie zgodności cytowanej w rozdziale 8).

Wąskie gardło jest strukturalnym powodem, dla którego główne opublikowane prognozy ram czasowych, które modelują krzywą możliwości, nie prognozują wdrożenia, gdy prognozują możliwości. Trajektoria efektywnej mocy obliczeniowej Aschenbrennera oraz seria horyzontu czasowego autonomii obie projektują tempo, w jakim nadchodzą możliwości (Aschenbrenner, 2024; Kwa et al., 2025; rozdziały 1.1 i 1.4). Żadna nie projektuje tempa, w jakim rozszerza się zdolność walidacyjna, ponieważ zdolność walidacyjna nie jest wielkością możliwości. Prognoza, która ekstrapoluje krzywą możliwości i odczytuje z niej datę wdrożenia, założyła, że obie krzywe są tą samą krzywą. Nie są, a pozostała część rozdziału mierzy dystans między nimi: gdzie zdolność walidacyjna jest ograniczona (§3), jak mechanizmy wąskiego gardła utrzymują lukę otwartą (§4) oraz jak wyglądają obie krzywe wykreślone względem czasu (§2).

17.2 §2 — Luka między możliwościami a wdrożeniem

Luka jest najbardziej czytelna jako dwie linie czasowe na jednej osi. Pierwszą jest postęp możliwości, dla którego badane prognozy dostarczają dobrze udokumentowanych szacunków trendu. Szacowanie trendu mocy obliczeniowej umieszcza moc obliczeniową treningu na granicy możliwości na tempie podwajania wynoszącym mniej więcej sześć miesięcy w erze głębokiego uczenia oraz na tempie wzrostu na granicy bliskim cztero- do pięciokrotnemu rocznie w erze wielkiej skali, wyprowadzonym z bazy danych model po modelu z przedziałami ufności uzyskanymi metodą bootstrap (Sevilla et al., 2022; Epoch AI, 2024). Pomiar benchmarku autonomii umieszcza horyzont czasowy ukończenia zadania przy 50% sukcesu na tempie podwajania wynoszącym mniej więcej siedem miesięcy w całym obserwowanym oknie, przyspieszającym do mniej więcej czterech do trzech miesięcy w najnowszych oknach dopasowania (Kwa et al., 2025). Są to strome krzywe i to one są krzywymi, które ekstrapolują prognozy ram czasowych (ustalone — tempa podwajania mocy obliczeniowej i horyzontu czasowego są opublikowanymi szacunkami trendu cytowanych źródeł pierwotnych).

Drugą linią czasową jest certyfikowane wdrożenie do regulowanych sektorów, a rządzą nim cykle certyfikacyjne, które udokumentował rozdział 8. Rozszerzenie homologacji typu na szerszą operacyjną domenę projektową przebiega w wieloletnich cyklach gromadzenia dowodów, przeglądu regulacyjnego i monitorowania w trakcie eksploatacji (UNECE, 2021). Cykl walidacji ryzyka modelu w ramach nadzoru ostrożnościowego przebiega według kalendarza przeglądu instytucji, a nie kalendarza treningu modelu (Board of Governors & OCC, 2011). Reżim walidacji klinicznej i nadzoru po wprowadzeniu do obrotu rozciąga certyfikację poza sam punkt wdrożenia (FDA, 2021). Linia czasowa wdrożenia jest mierzona w latach na przyrost, a przyrosty są ograniczone przepustowością instytucjonalną, a nie możliwościami (poparte dowodami — wieloletni cykl certyfikacyjny jest obserwowanym wzorcem w cytowanych reżimach; konkretne czasy trwania różnią się w zależności od sektora i jurysdykcji).

Rysunek 9.1 wykreśla obie linie czasowe względem czasu kalendarzowego: krzywą postępu możliwości z serii podwajania mocy obliczeniowej i horyzontu czasowego względem krzywej penetracji certyfikowanego wdrożenia w regulowanych sektorach. Argument wizualny jest taki, że obie krzywe się rozchodzą oraz że rozejście nie zamyka się w miarę, jak krzywa możliwości staje się stromsza. Szybsze podwajanie możliwości poszerza lukę, zamiast ją zwężać, ponieważ krzywa wdrożenia nie jest funkcją tempa podwajania możliwości. Opóźnienie strukturalne widoczne na rysunku jest wielkością, którą mierzy niniejsza część; jego trwałość przy przyspieszających możliwościach jest twierdzeniem, które §4 gruntuje w mechanizmie (spekulatywne — projekcja, że rozejście trwa w przyszłych reżimach możliwości, jest utrzymywana warunkowo, a nie asertowana jako prognoza dat wdrożenia).

²⁶

Luka dopuszcza charakterystykę co do rzędu wielkości bez prognozy punktowej. Jeśli podwojenia możliwości nadchodzą w rytmie krótszym niż roczny, a przyrosty certyfikowanego wdrożenia nadchodzą w rytmie wieloletnim, stosunek tych dwóch temp jest sam w sobie zgrubną wielkością wąskiego gardła i rośnie wraz z przyspieszeniem możliwości. Rysunek nie przewiduje, kiedy jakakolwiek możliwość zostaje wdrożona; pokazuje, że data, w której możliwość nadchodzi, i data, w której zostaje certyfikowana, są różnymi wielkościami na różnych zegarach oraz że żadna ilość przyspieszenia możliwości nie synchronizuje tych dwóch zegarów (ustalone — struktura niedopasowania temp wynika bezpośrednio z cytowanych szacunków trendu i cykli certyfikacyjnych, niezależnie od jakiejkolwiek projekcji daty wdrożenia).

17.3 §3 — Komponenty infrastruktury

Infrastruktura walidacyjna rozkłada się na cztery komponenty, z których każdy jest zdolnością ograniczającą certyfikację niezależnie od możliwości modelu. Pierwszym jest weryfikacja: ustalenie, że system spełnia swoją specyfikację, poprzez metody formalne, ustrukturyzowane testowanie oraz pokrycie środowiska operacyjnego, dla którego regulator wymaga dowodów. Weryfikacja skaluje się z konsekwencją wdrożenia, a nie z możliwościami weryfikowanego modelu. Bardziej zdolny model w systemie o wyższej konsekwencji wymaga więcej weryfikacji, a nie mniej, ponieważ ciężar dowodowy podąża za kosztem awarii, a nie za wydajnością komponentu. Zdolność weryfikacyjna jest ograniczona podażą wykwalifikowanej siły roboczej oraz czasem, którego wymaga gromadzenie dowodów (ustalone — ciężar dowodowy indeksowany konsekwencją jest skodyfikowany w normach weryfikacji systemów krytycznych dla bezpieczeństwa, które stosują regulowane sektory).

Drugim komponentem są benchmarki. Benchmark przekształca możliwość w zmierzoną wielkość, a prognozy ram czasowych zależą od benchmarków dla swoich krzywych możliwości. Lecz benchmark waliduje wydajność na rozkładzie, z którego pobiera próbki, a certyfikacja wymaga dowodów dotyczących warunków użytkowania, których benchmark nie próbkuje. Literatura o benchmarku autonomii wyraźnie stwierdza, że pomiary powyżej zdefiniowanego pułapu horyzontu czasowego są niewiarygodne przy obecnym zestawie zadań oraz że uogólnienie poza domenę zadań programistycznych nie jest głoszone (Kwa et al., 2025). Benchmark jest instrumentem możliwości, a nie instrumentem certyfikacyjnym; traktowanie nasyconego benchmarku jako certyfikowanej możliwości jest pomyleniem, które obnaża luka (ustalone — ograniczenia reżimu operacyjnego benchmarku są podane w cytowanym źródle pierwotnym).

Trzecim komponentem jest audyt: niezależny przegląd przez stronę trzecią lub regulacyjny, którego wymaga walidacja właśnie dlatego, że twórca nie może certyfikować własnego twierdzenia. Zdolność audytowa jest ograniczona liczbą wykwalifikowanych niezależnych audytorów oraz przepustowością organu regulacyjnego, z których żadne nie rozszerza się wraz z możliwościami modelu. Wymóg niezależności jest nośny — jest instytucjonalną formą żądania poza próbą, które sformalizowała Część II — i nie może zostać spełniony przez twórcę skalującego własny wysiłek, ponieważ ten wysiłek nie jest niezależny. Audyt jest komponentem najbardziej bezpośrednio rządzonym przez siłę roboczą i przepustowość instytucjonalną, a nie przez możliwości (ustalone — wymóg niezależności jest skodyfikowany w reżimach ryzyka modelu i oceny zgodności cytowanych w rozdziale 8).

Czwartym komponentem jest odtwarzalność: aparat prerejestracji i replikacji, który pozwala stronie innej niż autor sprawdzić twierdzenie. Literatura o benchmarku autonomii dostarcza najsilniejszej praktyki odtwarzalności w badanym zbiorze — otwartoźródłową infrastrukturę ewaluacyjną, wersjonowane aktualizacje z tabelami porównawczymi oraz opublikowaną analizę wrażliwości (Kwa et al., 2025), normę, do której niniejszy dokument sam się stosuje. Lecz odtwarzalność pomiaru możliwości nie jest odtwarzalnością certyfikacji; ciężar odtwarzalności certyfikacji — że niezależny audytor może na nowo wyprowadzić ustalenie zgodności — jest wyższą i rzadszą poprzeczką (ustalone — praktyki odtwarzalności są udokumentowane w cytowanym źródle pierwotnym; rozróżnienie odtwarzalności certyfikacji wynika z wymogów niezależności reżimów oceny zgodności).

17.4 §4 — Mechanizmy wąskiego gardła

Cztery komponenty nie skalują się z możliwościami poprzez identyfikowalne mechanizmy, a ich nazwanie przekształca wąskie gardło z obserwacji w twierdzenie strukturalne. Pierwszym jest pętla sprzężenia zwrotnego między możliwościami a walidacją biegnąca w złą stronę. Bardziej zdolny model nie zmniejsza ciężaru walidacji; podnosi go, ponieważ większe możliwości w systemie niosącym konsekwencje powiększają przestrzeń warunków, w której system musi być walidowany. Warunki z długiego ogona, którymi system o wyższych możliwościach jest obdarzany zaufaniem, są właśnie warunkami, których walidacja jest najdroższa, więc przyrosty możliwości kierują się ku zwiększonemu zapotrzebowaniu na walidację, a nie ku skróconemu czasowi walidacji. Pętla zacieśnia wąskie gardło w miarę poprawy możliwości (ustalone — ciężar walidacji indeksowany konsekwencją jest udokumentowaną strukturą reżimów certyfikacji krytycznych dla bezpieczeństwa).

Drugim mechanizmem jest asymetria zasobów. Zasoby, które wytwarzają możliwości — moc obliczeniowa, dane, siła robocza tworząca modele — są w dużej mierze odrębne od tych, które wytwarzają zdolność walidacyjną: wykwalifikowanych audytorów, przepustowości organu regulacyjnego, zgromadzonych danych operacyjnych. Kapitał płynie preferencyjnie do strony możliwości, gdzie jest mierzalny, finansowalny postęp, a strona walidacyjna gromadzi się wolniej i przyciąga mniej inwestycji. Obie krzywe są finansowane przez różne mechanizmy w różnym tempie, a krzywa finansowana wolniej jest tą wiążącą (poparte dowodami — asymetria w inwestycjach między rozwojem możliwości a zdolnością walidacyjną jest obserwowanym wzorcem w regulowanych sektorach; wielkość nie jest obliczoną wielkością).

Trzecim mechanizmem jest niedopasowanie bodźców. Stroną, która korzysta z szybkiego wdrożenia, jest twórca; stroną, która ponosi koszt walidacji, jest po części regulator i opinia publiczna. Bodźcem twórcy jest skompresowanie cyklu walidacji; mandatem regulatora jest odmowa kompresji tam, gdzie konsekwencja wymaga dowodów. To nie jest porażka żadnej ze stron — jest to zaprojektowana struktura niezależnej walidacji, która istnieje właśnie dlatego, że bodziec strony wdrażającej jest niedostatecznie zgodny z kosztem awarii. Niedopasowanie jest nośne, a nie patologiczne, i jest instytucjonalnym powodem, dla którego cykl walidacji nie może zostać skompresowany przez stronę, która najbardziej pragnie jego kompresji (ustalone — uzasadnienie niezależności jest skodyfikowane w reżimach ryzyka modelu i oceny zgodności, które wymagają walidacji właśnie dlatego, że bodziec twórcy nie jest wystarczający).

Czwartym mechanizmem jest ograniczenie danych operacyjnych. Certyfikacja systemu niosącego konsekwencje często wymaga dowodów z trakcie eksploatacji — wydajności obserwowanej w rzeczywistych warunkach operacyjnych w czasie — które gromadzą się w tempie, w jakim system jest eksploatowany, a nie w tempie, w jakim model się poprawia. Możliwość można wykazać w jeden dzień; zapis operacyjny, którego regulator wymaga do jej certyfikacji, gromadzi się przez miesiące lub lata monitorowanego wdrożenia. To ograniczenie wiąże niezależnie od każdego innego nakładu, ponieważ żadna ilość możliwości, siły roboczej ani kapitału nie wytwarza upływającego czasu operacyjnego. Najczyściej ustanawia ono wąskie gardło jako strukturalne: zegar walidacji biegnie w czasie operacyjnym, a czas operacyjny nie jest na sprzedaż (ustalone — wymóg dowodu z trakcie eksploatacji jest skodyfikowany w przepisach nadzoru po wprowadzeniu do obrotu i monitorowania w trakcie eksploatacji cytowanych reżimów; inżynier pracujący w regulowanym sektorze przemysłowym traktuje to ograniczenie jako dominujące ryzyko harmonogramu wdrożenia).

17.5 §5 — Odniesienie naprzód do rozdziałów 10–13 i 14

Infrastruktura walidacyjna skaluje się z nakładami w dużej mierze niezależnymi od możliwości modelu — weryfikacją, benchmarkami, audytem i odtwarzalnością, ograniczonymi przez siłę roboczą, przepustowość instytucjonalną, strukturę bodźców i czas operacyjny — czyniąc lukę między możliwościami a wdrożeniem strukturalną, a nie przejściową. Rysunek 9.1 wykreślił dwie linie czasowe, których rozejście utrzymują otwartym cztery mechanizmy.

Rozdział 10 bada konkretne instrumenty regulacyjne, w których normy na poziomie sektora instancjonują wąskie gardło. Rozdziały 11 do 13 zajmują się stosem europejskim — drugą warstwą walidacji nałożoną na tę analizowaną tutaj. Rozdział 14 jest syntezą.

17.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Board of Governors of the Federal Reserve System, & Office of the Comptroller of the Currency. (2011). Supervisory guidance on model risk management (SR 11-7 / OCC Bulletin 2011-12). https://www.federalreserve.gov/supervisionreg/srletters/sr1107.htm

Epoch AI. (2024). Training compute of frontier AI models grows by 4-5x per year (non-peer-reviewed). https://epoch.ai/

Food and Drug Administration. (2021). Artificial intelligence/machine learning (AI/ML)-based software as a medical device (SaMD) action plan. U.S. Department of Health and Human Services.

Kwa, T., West, B., Becker, J., Deng, A., Garcia, K., Hasin, M., … METR. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499) (NeurIPS 2025). https://arxiv.org/abs/2503.14499

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. 2022 International Joint Conference on Neural Networks (IJCNN), 1-8.

United Nations Economic Commission for Europe. (2021). UN Regulation No. 157 — Uniform provisions concerning the approval of vehicles with regard to Automated Lane Keeping Systems (ALKS). UNECE WP.29.

18 Rozdział 10 — Lekcje z automatyki przemysłowej, finansów i prac badawczo-rozwojowych w farmacji

Status epistemiczny: pewność co do faktów dotyczących instrumentów regulacyjnych, z których każdy jest skodyfikowany w opublikowanej normie lub wytycznych nadzorczych cytowanych poniżej i oznaczony jako (ustalone); mniejsza pewność co do czasów trwania cykli certyfikacyjnych i wielkości zbieżności — typowe obserwowane wartości oznaczone jako (poparte dowodami); projekcja, że luka między możliwościami a certyfikacją wiąże przyszłe ramy czasowe możliwości–wdrożenia, jest (spekulatywna)i utrzymywana warunkowo w całym tekście.

Rozdział 9 argumentował, że luka między możliwościami a wdrożeniem jest strukturalna, a nie przejściowa. Ten argument był abstrakcyjny; nie nazwał żadnych instrumentów. Niniejszy rozdział gruntuje twierdzenie strukturalne w konkretnych, publicznie skodyfikowanych normach w trzech sektorach, których organy certyfikujące i tryby awarii są ortogonalne.

18.1 §1 — Od tezy o wąskim gardle do instrumentu regulacyjnego

Teza o wąskim gardle przewiduje coś falsyfikowalnego o instrumentach regulacyjnych: dowód, którego wymaga norma certyfikacyjna, jest indeksowany względem konsekwencji awarii oraz niezależności strony potwierdzającej twierdzenie — a nie względem możliwości certyfikowanego systemu. Jeśli tak, to poprawa wewnętrznej metryki modelu nie zmniejsza ciężaru dowodowego, który nigdy nie był funkcją tej metryki. Krzywa możliwości i wymóg certyfikacyjny są obliczane z różnych wielkości. Luka między nimi — to, co twierdzenie o możliwości asertuje, a to, co norma certyfikacyjna przyjmuje — jest obiektywem międzysektorowym niniejszego rozdziału, formą na poziomie instrumentu rozejścia, które wykreślił rysunek 9.1 (ustalone — indeksowanie konsekwencją i indeksowanie niezależnością dowodu certyfikacyjnego jest skodyfikowaną strukturą norm badanych w §2–§4).

Trzy sektory instancjonują lukę poprzez różne instrumenty: bezpieczeństwo funkcjonalne w automatyce przemysłowej w poziomach nienaruszalności bezpieczeństwa i poziomach zapewnienia bezpieczeństwa, gdzie korpus dowodów jest ustalony przez poziom ryzyka i ponownie otwierany przez jakąkolwiek zmianę funkcji bezpieczeństwa; regulowane finanse w zarządzaniu ryzykiem modelu, gdzie niezależny cykl walidacji przebiega według kalendarza nadzorczego odsprzężonego od poprawy modelu; oraz prace badawczo-rozwojowe w farmacji najostrzej, w mechanizmie wymagającym, by przewidywana zmiana możliwości modelu sztucznej inteligencji była prerejestrowana, a jej walidacja prespecyfikowana, zanim poprawa wejdzie w życie. Trzy instrumenty różnią się formą; mają wspólną strukturę, którą przewiduje teza o wąskim gardle (ustalone — każdy instrument jest badany względem swojego źródła pierwotnego w sekcji, która następuje).

Przedmiotem w całym tekście jest instrument, a nie twierdzenie o możliwości. Tam, gdzie rozdział 8 badał sektory w szerokości studium przypadku — projektowana możliwość, chybiona certyfikacja, udokumentowany czas trwania — niniejszy rozdział bada, czego norma faktycznie wymaga i dlaczego wymóg nie rozpływa się w miarę poprawy modelu. Argument jest konstruktywny: te instrumenty nie są przeszkodami, których prognozy zaniedbały wycenić, lecz instytucjonalną formą dyscypliny walidacyjnej, którą Część II uczyniła statystyczną.

18.2 §2 — Bezpieczeństwo funkcjonalne w automatyce przemysłowej: IEC 61508, IEC 62061, ISO 13849 i co one oznaczają dla AI

Bezpieczeństwo funkcjonalne w automatyce przemysłowej jest rządzone przez niewielką rodzinę norm, których wspólną architekturą jest dowód indeksowany konsekwencją. Generyczny rodzic, IEC 61508, jest międzynarodową normą bezpieczeństwa funkcjonalnego elektrycznych, elektronicznych i programowalnych elektronicznych systemów związanych z bezpieczeństwem. Definiuje cztery poziomy nienaruszalności bezpieczeństwa (Safety Integrity Level, SIL), SIL 1 do SIL 4, gdzie SIL jest określony przez wymaganą redukcję ryzyka, którą musi zapewnić funkcja bezpieczeństwa — sama ustalona przez dotkliwość, częstość i unikalność zagrożenia. Wyższy SIL odpowiada bardziej konsekwentnej awarii i wymaga ilościowo wyższego celu dla prawdopodobieństwa niebezpiecznej awarii, wraz z surowszym reżimem dowodów projektowych, weryfikacyjnych i dokumentacyjnych. SIL jest właściwością zagrożenia i wymaganej redukcji ryzyka, a nie właściwością tego, jak dobrze jakikolwiek komponent działa na benchmarku (ustalone — ramy SIL i ich określanie oparte na konsekwencji są skodyfikowane w IEC 61508; IEC, 2010).

Dwie normy sektorowe wywodzą się z tego rodzica. IEC 62061 stosuje ramy SIL do systemów sterowania maszynami, określając wymogi bezpieczeństwa funkcjonalnego oraz reżim oceny — w tym niezależną ocenę bezpieczeństwa funkcjonalnego — które musi spełnić system sterowania maszynami (IEC, 2021). ISO 13849 rządzi tą samą domeną poprzez równoległą metrykę, poziom zapewnienia bezpieczeństwa (Performance Level) (poziom PL a do poziomu PL e), gdzie poziom PL e jest najwyższy, wymagany dla funkcji bezpieczeństwa, których awaria niesie najdotkliwszą konsekwencję (ISO, 2023). Poziom PL e wymaga ograniczeń architektonicznych — redundancji, wysokiego pokrycia diagnostycznego, obrony przed awarią o wspólnej przyczynie — oraz udokumentowanego wykazania, że funkcja bezpieczeństwa utrzymuje swój poziom zapewnienia bezpieczeństwa we wszystkich określonych warunkach użytkowania. Tak jak w przypadku SIL, poziom zapewnienia bezpieczeństwa jest ustalony przez ryzyko, którym zajmuje się funkcja, a jego dowód wynika z tego poziomu (ustalone — ramy poziomu PL, jego kategorie oraz wymogi architektoniczne poziomu PL e są skodyfikowane w ISO 13849; ISO, 2023).

Nośna konsekwencja dla sztucznej inteligencji jest bezpośrednia. Model, który poprawia swój wynik na benchmarku percepcji lub sterowania, poprawił możliwość; nie zmienił SIL ani poziomu zapewnienia bezpieczeństwa, którego wymaga funkcja bezpieczeństwa, ponieważ te poziomy są ustalone przez zagrożenie — poprawa nie przesuwa funkcji SIL 2 do spełnionego SIL 3 ani nie zwalnia z dowodu pokrycia diagnostycznego, którego wymaga funkcja poziomu PL e. Norma pyta o to, na co benchmark nie odpowiada: nie o to, jak dobrze komponent działa w próbkowanym rozkładzie, lecz jaki dowód wykazuje, że funkcja bezpieczeństwa dostarcza swojej wymaganej redukcji ryzyka we wszystkich określonych warunkach, potwierdzonej niezależnie od twórcy. Możliwość jest nakładem do tego wykazania, a nie jego substytutem (ustalone — niezależność wymogu dowodu SIL/PL od wydajności komponentu wynika z określania poziomu opartego na konsekwencji skodyfikowanego w normach).

Drugi mechanizm jest jeszcze ostrzejszy i jest zawartą ilustracją, na której opiera się ta sekcja. W ramach IEC 61508 każda modyfikacja systemu związanego z bezpieczeństwem wymaga, by wpływ zmiany został przeanalizowany, a dotknięte funkcje bezpieczeństwa ponownie zweryfikowane oraz, tam gdzie zmiana jest znacząca, ponownie ocenione względem pierwotnego twierdzenia SIL; normy na poziomie systemu stosują tę samą dyscyplinę poprzez swoje przepisy o modyfikacji i ponownej walidacji (IEC, 2010; IEC, 2021). Poprawa możliwości komponentu sztucznej inteligencji osadzonego w funkcji bezpieczeństwa SIL 3 lub SIL 4 jest właśnie taką modyfikacją: ponowne trenowanie modelu, aktualizacja jego wag lub rozszerzenie jego zakresu operacyjnego zmienia certyfikowany system, ponownie otwierając korpus dowodów, zamiast go zamykać. Poprawa nie przybywa jako darmowy przyrost możliwości; przybywa jako wyzwalacz ponownej oceny. Jest to inwersja, którą przewiduje teza o wąskim gardle: lepszy model generuje więcej pracy walidacyjnej, a nie mniej, ponieważ ciężar walidacji podąża za zmianą funkcji niosącej konsekwencje, a nie za kierunkiem zmiany (ustalone — przepis „modyfikacja wyzwala ponowną ocenę” jest skodyfikowany w IEC 61508 i jego pochodnych maszynowych).

Konsekwencja integracji systemowej wzmacnia ten punkt. Twierdzenie SIL przylega do kompletnej funkcji bezpieczeństwa, której nienaruszalność jest ograniczona przez jej najsłabszy element; komponent sztucznej inteligencji, który poprawia się na submetryce, nie podnosi SIL funkcji, który jest określony przez architekturę jako całość i potwierdzony względem jej wymaganej redukcji ryzyka (IEC, 2010). Tymczasowa pozycja normalizacyjna wzmacnia ciężar. Harmonizacja tych norm z komponentami sztucznej inteligencji i uczenia maszynowego jest aktywnym, nieukończonym programem w odpowiednich komitetach IEC i ISO, a jej nieustalony stan dodaje niepewności dowodowej do jakiejkolwiek certyfikacji AI w funkcji bezpieczeństwa — wydłużając ramy czasowe certyfikacji w okresie przejściowym, zamiast je skracać (poparte dowodami — harmonizacja AI/ML norm bezpieczeństwa funkcjonalnego jest w toku w strukturach komitetów IEC i ISO; kierunek jej krótkoterminowego wpływu na ramy czasowe certyfikacji jest obserwowanym wzorcem, a nie obliczoną wielkością). Normy są napisane na mocy autorytetu opublikowanego dokumentu; ich wymogi obowiązują każdą organizację wdrażającą do domeny maszynowej, niezależnie od tego, którą.

18.3 §3 — Finanse: MiFID II, SR 11-7 i TRIM

Finanse to domena, w której narodziły się ramy manuskryptu; rozdział 8 §8.3 zbadał jej lukę certyfikacyjną w szerokości studium przypadku — model działający w backteście, reżim walidacji odmawiający przyjęcia wydajności jako walidacji. Niniejsza sekcja zanurza się głębiej w aparat zarządczy tego samego reżimu: bramę wdrożenia, wymóg walidacji oraz projekt nadzorczy, który ustala, co oznacza walidacja na dużą skalę. Zakłada się, że czytelnik niesie rozdział 8 §8.3 naprzód; niniejsza sekcja przybliża, a nie powtarza.

Bramą wdrożenia dla modeli algorytmicznych na rynkach europejskich jest druga dyrektywa w sprawie rynków instrumentów finansowych. MiFID II wymaga, by firma inwestycyjna zajmująca się handlem algorytmicznym miała skuteczne systemy i mechanizmy kontroli ryzyka zapewniające, że jej systemy handlowe są odporne, właściwie przetestowane i poddane odpowiednim progom handlowym, oraz by firma powiadamiała swój właściwy organ i prowadziła rejestry swoich algorytmów (European Parliament & Council, 2014). Powiązana norma techniczna określa testowanie, mechanizmy kontroli wdrożenia oraz zgodność, które algorytm musi spełnić przed wejściem na rynek. Brama jest indeksowana względem środowiska kontrolnego, a nie oczekiwanej stopy zwrotu algorytmu: bardziej zyskowna strategia przechodzi przez ten sam aparat testowania, progów i powiadamiania co mniej zyskowna, ponieważ mechanizmy kontroli zajmują się ryzykiem operacyjnym i ryzykiem integralności rynku wdrożenia — ryzykiem, które nie kurczy się w miarę poprawy wydajności w backteście (ustalone — systemy handlu algorytmicznego, mechanizmy kontroli testowania i powiadamiania są skodyfikowane w MiFID II i jej delegowanych normach technicznych).

Wymóg walidacji biegnie przez zarządzanie ryzykiem modelu. W Stanach Zjednoczonych obowiązująca norma, międzyagencyjne wytyczne nadzorcze SR 11-7, wymaga, by każdy model istotny dla regulowanej instytucji był poddany skutecznemu zakwestionowaniu — krytycznej analizie przez obiektywne, poinformowane strony zdolne zidentyfikować jego ograniczenia — niezależnej walidacji oddzielonej od rozwoju oraz bieżącemu monitorowaniu przez całe jego życie (Board of Governors & OCC, 2011). Zdeflowany współczynnik Sharpe'a z rozdziału 6 oraz prawdopodobieństwo przeuczenia prognozy z rozdziału 7 są statystyczną treścią skutecznego zakwestionowania: kwantyfikują, jaka część zgłoszonej statystyki wydajności przetrwa korektę o niejawne przeszukiwanie i dopasowanie w próbie. Model, który je przeszedł, spełnia poprzeczkę statystyczną, którą instytucjonalizuje skuteczne zakwestionowanie; poprzeczka instytucjonalna siedzi na wierzchu — niezależna funkcja walidacyjna, której twórca nie może obsadzić sam sobą (ustalone — skuteczne zakwestionowanie, niezależna walidacja i bieżące monitorowanie są skodyfikowanymi wymogami SR 11-7; odpowiedniość do korekt statystycznych jest kontekstem ramowym nazwanym w rozdziałach 6–8).

Instrumentem, który ustala znaczenie niezależnie zwalidowanego na skalę nadzorczą, jest Targeted Review of Internal Models Europejskiego Banku Centralnego, TRIM. TRIM był wieloletnim projektem nadzorczym badającym modele wewnętrzne, których znaczące instytucje używają do kapitału regulacyjnego, z wyraźnym celem zmniejszenia nieuzasadnionej zmienności wyników modeli i potwierdzenia zgodności regulacyjnej — mandatem zbieżności harmonizującym oczekiwania walidacyjne w różnych instytucjach i jurysdykcjach (European Central Bank, 2021). Jego znaczenie dla tezy o wąskim gardle polega na tym, że czyni walidację produktem nadzorczym, zdefiniowanym i egzekwowanym przez przegląd regulatora, a nie pewnością instytucji co do jej własnego modelu. Norma walidacji jest ustalona zewnętrznie i obowiązuje jednolicie; instytucja nie obniża poprzeczki, poprawiając swój model, ponieważ poprzeczka jest poprzeczką organu nadzoru (ustalone — cel TRIM, jakim jest zmniejszenie nieuzasadnionej zmienności i potwierdzenie zgodności regulacyjnej modeli wewnętrznych, jest udokumentowany w opublikowanym przeglądzie ECB; European Central Bank, 2021).

Zawartą ilustracją jest odsprzężenie kalendarza walidacji od wydajności. Reżim ryzyka modelu wymaga okresowej walidacji i bieżącego monitorowania w cyklu ustalonym przez zarządzanie instytucji i harmonogram organu nadzoru, a nie przez trajektorię poprawy modelu (Board of Governors & OCC, 2011; European Central Bank, 2021). Lepszy backtest nie przyspiesza następnej walidacji, nie skraca niezależnego przeglądu ani nie zwalnia modelu z monitorowania; kalendarz jest ustalony przez wymóg zarządczy, a przyrost możliwości jest, jeśli już, istotną zmianą, która dodaje zdarzenie walidacyjne, zamiast je usuwać. Jest to finansowa instancja ograniczenia czasu operacyjnego, które nazwał rozdział 9 §4: upłynięty czas przeglądu jest wiążącym nakładem, którego możliwości nie mogą kupić (ustalone — okresowy i wyzwalany zdarzeniami wymóg walidacji jest skodyfikowany w SR 11-7 i potwierdzony w praktyce nadzorczej poprzez TRIM; konkretne czasy trwania cyklu różnią się w zależności od instytucji i klasy modelu — poparte dowodami).

18.4 §4 — Prace badawczo-rozwojowe w farmacji: walidacja FDA/EMA i AI w odkrywaniu leków

Prace badawczo-rozwojowe w farmacji dostarczają najostrzejszego publicznie skodyfikowanego przykładu niezależności od możliwości, ponieważ ich najnowszy instrument zajmuje się przypadkiem sztucznej inteligencji bezpośrednio. Otaczającymi ramami jest ustalona architektura dowodowa rozwoju leków: w Stanach Zjednoczonych kandydat przechodzi przez wniosek Investigational New Drug (IND) przed badaniami na ludziach oraz New Drug Application (NDA) przed wprowadzeniem do obrotu, z których każdy wymaga zdefiniowanego pakietu dowodowego ustalonego przez etap regulacyjny oraz ryzyko dla uczestników badań i pacjentów (FDA, 2023). Europejski odpowiednik biegnie przez European Medicines Agency oraz Common Technical Document (CTD), zharmonizowaną strukturę dossier dla pozwolenia na dopuszczenie do obrotu (EMA, 2024). Dowody kliniczne leżące u podstaw każdego zgłoszenia są rządzone przez ICH E6(R2), normę dobrej praktyki klinicznej (GCP) ustalającą wymogi integralności, identyfikowalności i jakości danych z badań — w tym danych użytych do trenowania lub walidacji modelu odkrywania leków (ICH, 2016). Ciężar dowodowy na każdym etapie jest indeksowany względem konsekwencji — bezpieczeństwa pacjentów — i potwierdzany przez niezależnego regulatora, a nie względem wewnętrznego wskaźnika trafień modelu (ustalone — struktura etapów dowodowych IND/NDA, dossier CTD oraz wymogi integralności danych ICH E6(R2) są skodyfikowane w cytowanych instrumentach).

Względem tych ram zawartą ilustracją jest Predetermined Change Control Plan, skodyfikowany przez United States Food and Drug Administration dla oprogramowania jako wyrobu medycznego wspomaganego sztuczną inteligencją i uczeniem maszynowym. PCCP rozwiązuje dokładnie ten problem, który tworzy model uczący się: model przetrenowany lub zaktualizowany po autoryzacji zmienia wyrób, którego bezpieczeństwo i skuteczność zostały ustalone, zwyczajowo wymagając nowego zgłoszenia dla każdej zmiany. PCCP pozwala producentowi prespecyfikować, w momencie autoryzacji, modyfikacje, które przewiduje, oraz metodologię, według której każda zostanie zwalidowana, tak że zatwierdzone wcześniej zmiany mogą być wdrożone bez świeżego zgłoszenia do wprowadzenia do obrotu (FDA, 2025). Mechanizm nie zwalnia poprawy możliwości z walidacji; wymaga, by walidacja przewidywanej poprawy została określona i zaakceptowana z wyprzedzeniem (ustalone — prespecyfikacja przewidywanych modyfikacji i ich metodologii walidacji w PCCP jest skodyfikowana w wytycznych FDA dotyczących zgłoszeń do wprowadzenia do obrotu dla oprogramowania wyrobów wspomaganych AI/ML; FDA, 2025).

Konsekwencja dla wąskiego gardła jest dokładna i jest najczystszym stwierdzeniem na poziomie instrumentu w niniejszym rozdziale. PCCP czyni ciężar walidacji poprawy możliwości wyraźnym i uprzednim: producent nie może najpierw wdrożyć lepszego modelu, a zwalidować później, ani twierdzić, że wyższy wynik na benchmarku zwalnia z wymogu dowodowego. Poprawa musi być przewidziana, jej walidacja prerejestrowana, a zmiana ograniczona do zatwierdzonej wcześniej koperty; modyfikacja poza tą kopertą wraca do nowego zgłoszenia (FDA, 2025). Możliwości modelu uczącego się nie kurczą jego ciężaru regulacyjnego — przekształcają ciężar w dyscyplinę prerejestracji: twórca ustala, z wyprzedzeniem i na zapisie, przewidywaną zmianę oraz to, jak zostanie ona wykazana, i jest do tego zobowiązania trzymany. Regulator farmaceutyczny skodyfikował, dla poprawy możliwości we wdrożonym modelu, tę samą dyscyplinę ex ante, do której niniejszy manuskrypt sam się stosuje we własnej prerejestracji (ustalone — wymóg prespecyfikacji w PCCP jest skodyfikowany w wytycznych FDA; analogia do dyscypliny prerejestracji jest dokładna co do struktury, naszkicowana tu jako zaczep odniesienia naprzód do §5 i rozdziału 14).

18.5 §5 — Dlaczego one nie znikają z bardziej zdolną AI

Trzy sektory kodyfikują lukę w różnych instrumentach, lecz mają wspólne dwie właściwości strukturalne, z których każda czyni wymóg certyfikacyjny obojętnym wobec możliwości. Pierwszą jest dowód indeksowany konsekwencją: dowód, którego wymaga norma, jest ustalony przez koszt awarii — SIL lub poziom zapewnienia bezpieczeństwa przez zagrożenie, intensywność walidacji SR 11-7 przez istotność modelu, ciężar IND/NDA i PCCP przez ryzyko dla pacjentów. Bardziej zdolny system powierzony bardziej konsekwentnej funkcji podpada pod wyższy poziom dowodowy, a nie niższy, więc przyrosty możliwości kierują się ku zwiększonemu zapotrzebowaniu dowodowemu. Jest to potwierdzenie na poziomie instrumentu pętli sprzężenia zwrotnego między możliwościami a walidacją z rozdziału 9 §4: pętla biegnie w złą stronę dla każdej prognozy, która oczekuje, że lepsze modele będą certyfikować się szybciej (ustalone — indeksowanie ciężaru dowodowego konsekwencją jest skodyfikowane w IEC 61508, SR 11-7 oraz ramach FDA/EMA).

Drugą właściwością jest niezależność. W każdym reżimie strona, która potwierdza twierdzenie, jest strukturalnie oddzielona od strony, która je stawia: niezależna ocena bezpieczeństwa funkcjonalnego w bezpieczeństwie maszyn, niezależna funkcja walidacyjna i przegląd nadzorczy w finansach, autoryzacja regulacyjna w rozwoju farmaceutycznym. Niezależność nie jest wielkością możliwości. Twórca nie może poprawić swojego modelu do bycia jego własnym niezależnym oceniającym, ponieważ niezależność jest definicyjna — istnieje właśnie dlatego, że bodziec strony wdrażającej jest niedostatecznie zgodny z kosztem awarii (rozdział 9 §4). To oddzielenie jest nośnym powodem, dla którego cykl walidacji nie może zostać skompresowany przez stronę, która najbardziej pragnie jego kompresji, niezmiennym względem wyniku na benchmarku (ustalone — wymóg niezależności jest skodyfikowany w przepisach oceny, walidacji i autoryzacji trzech reżimów).

Te dwie właściwości są instytucjonalną formą korekt, które Część II uczyniła statystycznymi. Indeksowanie konsekwencją jest instytucjonalnym cieniem deflacji, której wymaga twierdzenie o możliwości — żądaniem, by wyższe twierdzenie niosło proporcjonalnie więcej dowodów, zanim zostanie przyjęte. Niezależność jest instytucjonalnym cieniem wymogu poza próbą — żądaniem, by twierdzenie zostało potwierdzone przez stronę inną niż ta, która je dopasowała. Zdeflowany współczynnik Sharpe'a kwantyfikuje, jaka część twierdzenia o wydajności przetrwa korektę o niejawne przeszukiwanie; norma certyfikacyjna instytucjonalizuje tę samą odmowę przyjęcia niezwalidowanego twierdzenia. Prawdopodobieństwo przeuczenia prognozy kwantyfikuje szansę, że dopasowanie w próbie się nie uogólni; nacisk normy na dowód z warunków użytkowania i nadzór po wprowadzeniu do obrotu jest tym samym żądaniem w formie regulacyjnej (ustalone — odpowiedniość między korektami statystycznymi z rozdziałów 6–7 a regulacyjnymi wymogami dowodu i niezależności wynika ze struktury obu).

Konsekwencja konstruktywna jest wkładem niniejszego rozdziału w Część III. Zdeflowana Prognoza Możliwości, którą syntetyzuje rozdział 14, jest formalnym odpowiednikiem tego, co te instrumenty czynią nieformalnie: deflauje projekcję możliwości o niejawne przeszukiwanie za nią stojące i dyskontuje lukę między warunkami, na których była dopasowana, a warunkami wdrożenia. Normy certyfikacyjne badane tutaj nie są odrębnym zastrzeżeniem wobec prognoz ram czasowych, lecz tą samą dyscypliną, już zinstytucjonalizowaną tam, gdzie za niezwalidowane twierdzenie płaci się życiami i kapitałem. Farmaceutyczny PCCP jest najbliższym precedensem instytucjonalnym — prerejestruje walidację przewidywanej zmiany możliwości, dokładnie tę dyscyplinę ex ante, którą ucieleśniają Zdeflowana Prognoza Możliwości i własna prerejestracja niniejszego manuskryptu (spekulatywne — projekcja, że ta luka instytucjonalna wiąże przyszłe ramy czasowe możliwości–wdrożenia, jest utrzymywana warunkowo; odpowiedniość strukturalna jest ustalona, konsekwencja co do daty wdrożenia nie jest asertowana jako prognoza).

18.6 §6 — Odniesienie naprzód do rozdziałów 11–13 i 14

Dowód indeksowany konsekwencją oraz strukturalna niezależność są dwiema wspólnymi właściwościami czyniącymi każdy reżim obojętnym wobec poprawy możliwości. Są to formy na poziomie instrumentu luki między możliwościami a certyfikacją.

Rozdziały 11 do 13 podejmują europejski stos regulacyjny — drugą warstwę nałożoną na instrumenty sektorowe badane tutaj. Rozdział 14 syntetyzuje rozdziały 6–13 w konstruktywną Zdeflowaną Prognozę Możliwości. Predetermined Change Control Plan jest zaczepem odniesienia naprzód: jego prerejestracja przewidywanych popraw możliwości jest precedensem instytucjonalnym dla dyscypliny prerejestracji, którą DCF stosuje do projekcji możliwości.

18.7 Bibliografia

Board of Governors of the Federal Reserve System, & Office of the Comptroller of the Currency. (2011). Supervisory guidance on model risk management (SR 11-7 / OCC Bulletin 2011-12). https://www.federalreserve.gov/supervisionreg/srletters/sr1107.htm

European Central Bank. (2021). Targeted Review of Internal Models (TRIM): Project report. European Central Bank Banking Supervision.

European Medicines Agency. (2024). The Common Technical Document (CTD): Harmonised structure for marketing-authorisation applications. European Medicines Agency.

European Parliament & Council of the European Union. (2014). Directive 2014/65/EU on markets in financial instruments (MiFID II). Official Journal of the European Union, L 173.

Food and Drug Administration. (2023). Investigational New Drug (IND) application and New Drug Application (NDA): Regulatory framework for drug development. U.S. Department of Health and Human Services.

Food and Drug Administration. (2025). Marketing submission recommendations for a Predetermined Change Control Plan for artificial intelligence-enabled device software functions — guidance for industry and FDA staff. U.S. Department of Health and Human Services.

International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use. (2016). Integrated addendum to ICH E6(R1): Guideline for Good Clinical Practice E6(R2). ICH.

International Electrotechnical Commission. (2010). IEC 61508: Functional safety of electrical/electronic/programmable electronic safety-related systems (Edition 2.0). IEC.

International Electrotechnical Commission. (2021). IEC 62061: Safety of machinery — Functional safety of safety-related control systems (Edition 2.0). IEC.

International Organization for Standardization. (2023). ISO 13849-1: Safety of machinery — Safety-related parts of control systems — Part 1: General principles for design. ISO.

Część IV — Europejski stos regulacyjny

19 Rozdział 11 — Akt w sprawie sztucznej inteligencji (EU AI Act) jako ograniczenie prognozy

Status epistemiczny: pewność co do skodyfikowanej struktury rozporządzenia (UE) 2024/1689 — systemu poziomów ryzyka, obowiązków oceny zgodności oraz etapowych dat wejścia w życie, każdy odniesiony do instrumentu i oznaczony jako (ustalone); mniejsza pewność co do wielkości tarcia wdrożeniowego, jakie nakłada harmonogram, przy czym zaobserwowany wzorzec oznaczono jako (poparte dowodami); projekcja, że kalendarz oceny zgodności wiąże przyszłe daty wdrożenia możliwości, jest (spekulatywne)i utrzymywana warunkowo na całej długości wywodu.

Rozdział 10 pokazał, że instrumenty sektorowe indeksują swój ciężar dowodowy do konsekwencji niepowodzenia, a nie do możliwości modelu. Owe instrumenty są sektorowe: każdy reguluje jedną dziedzinę wdrożenia. Ten rozdział dodaje warstwę horyzontalną, do której odsyłał rozdział 10 §6. Unia Europejska uchwaliła rozporządzenie (UE) 2024/1689, akt AI — wiążące systemy sztucznej inteligencji we wszystkich dziedzinach naraz. Stanowi ono drugą warstwę walidacji oraz ograniczenie prognozy samo w sobie.

19.1 §1 — Od instrumentu sektorowego do ograniczenia horyzontalnego

Instrumenty sektorowe z rozdziału 10 dzielą wspólne ograniczenie zakresu: każdy wiąże tylko w obrębie swojej dziedziny. Reżim wyrobów medycznych nie mówi nic o systemie obrotu algorytmicznego; norma bezpieczeństwa maszyn nie mówi nic o narzędziu rekrutacyjnym. Możliwość AI przekraczająca granice dziedzin wykracza poza kompetencje któregokolwiek pojedynczego instrumentu. Akt AI zamyka tę lukę. Jest horyzontalny — stosuje się do systemów sztucznej inteligencji jako takich, niezależnie od sektora, i nakłada swoje obowiązki na prawo sektorowe już obowiązujące, zamiast je zastępować (Parlament Europejski i Rada, 2024). System AI wysokiego ryzyka osadzony w regulowanym produkcie podlega zatem zarówno sektorowemu reżimowi oceny zgodności, jak i reżimowi aktu AI, a obowiązki sumują się, a nie zastępują (ustalone — horyzontalny zakres oraz nakładanie się na istniejące unijne prawo harmonizacyjne są skodyfikowane w rozporządzeniu (UE) 2024/1689; Parlament Europejski i Rada, 2024).

Ma to znaczenie dla tezy o wąskim gardle w szczególny sposób. Rozdział 9 dowodził, że zegar wdrożenia działa na danych wejściowych niezależnych od możliwości modelu; rozdział 10 pokazał te dane wejściowe ucieleśnione w instrumentach indeksowanych do konsekwencji i potwierdzonych przez niezależne strony. Akt AI uogólnia tę strukturę. Jego centralnym wyborem projektowym jest indeksowanie obowiązku do poziomu ryzyka, a nie do możliwości, oraz bramkowanie wdrożenia systemów o wyższym ryzyku za uprzednią oceną zgodności (ex ante). Poziom jest ustalony przez sposób użycia systemu oraz konsekwencję jego niepowodzenia — a nie przez to, jak zdolny jest system. Bardziej zdolny model umieszczony w zastosowaniu wysokiego ryzyka nie wychodzi z poziomu wysokiego ryzyka; pozostaje w jego obrębie, niosąc pełny zestaw obowiązków, jaki ów poziom definiuje. Akt jest w tym sensie horyzontalną kodyfikacją indeksowania do konsekwencji, które rozdział 10 odnalazł sektor po sektorze (ustalone — architektura oparta na ryzyku i jej indeksowanie do sposobu użycia, a nie możliwości, są skodyfikowaną strukturą rozporządzenia; Parlament Europejski i Rada, 2024).

Przedmiotem tego rozdziału jest rozporządzenie, a nie jakakolwiek wdrażająca instytucja. Wywód przebiega w trzech ruchach, które podążają za głównym planem: co poziomy ryzyka oznaczają dla wdrożenia (§2), czego wymaga ocena zgodności i jak odnosi się ona do instrumentów sektorowych z rozdziału 10 (§3) oraz co etapowy harmonogram wejścia w życie implikuje dla każdej prognozy ram czasowych, która odczytuje datę wdrożenia z krzywej możliwości (§4). Przez cały czas operatywne twierdzenie jest tym, ku któremu zmierzała część III: prognoza możliwości pomijająca kalendarz oceny zgodności zawyża tempo, w jakim dana możliwość dociera do regulowanego rynku.

19.2 §2 — Kategoryzacja ryzyka i co oznacza ona dla wdrożenia

Akt AI porządkuje systemy sztucznej inteligencji w niewielką liczbę poziomów ryzyka, a poziom określa zestaw obowiązków. Na szczycie znajduje się kategoria praktyk zakazanych — zastosowań uznanych za niosące niedopuszczalne ryzyko, wyliczonych w art. 5 (rozdział II), które nie mogą zostać wprowadzone na rynek ani oddane do użytku w ogóle (Parlament Europejski i Rada, 2024). Poniżej znajduje się poziom wysokiego ryzyka, operacyjne serce rozporządzenia, który dopuszcza wdrożenie, lecz uzależnia je od określonego zestawu obowiązków uprzednich (ex ante) i bieżących. Poniżej tego poziom ograniczonego ryzyka nakłada obowiązki w zakresie przejrzystości — głównie ujawnienie, że użytkownik wchodzi w interakcję z systemem AI — a poziom minimalnego ryzyka nie niesie żadnego obowiązkowego zobowiązania ponad prawo ogólne. Poziomy są porządkowe pod względem ciężaru: im bardziej brzemienne w skutki zastosowanie, tym cięższy obowiązek, przy czym poziom zakazany reprezentuje obowiązek tak ciężki, że całkowicie wyklucza wdrożenie. Uchwalone rozporządzenie organizuje te obowiązki według rozdziałów, a nie według struktury tytułów wniosku z 2021 r.: rozdział II kodyfikuje praktyki zakazane (art. 5), a rozdział III reżim wysokiego ryzyka (art. 6–49) (ustalone — kategoryzacja ryzyka i jej stopniowane obowiązki są skodyfikowane w rozporządzeniu (UE) 2024/1689, art. 5 i 6 oraz rozdziały II–III; Parlament Europejski i Rada, 2024).

Poziomem nośnym dla pytania prognostycznego jest wysokie ryzyko, ponieważ jest to poziom, w którym możliwość się wdraża, ale dopiero po przejściu przez bramkę. Rozporządzenie definiuje AI wysokiego ryzyka na dwie ścieżki, określone w art. 6: na mocy art. 6 ust. 1 systemy, które same są produktami objętymi unijnym prawodawstwem harmonizacyjnym wymienionym w załączniku I i podlegającymi obowiązkowi poddania się ocenie zgodności przez stronę trzecią, lub stanowią ich komponenty bezpieczeństwa; oraz na mocy art. 6 ust. 2 systemy wchodzące w zakres wyliczonych przypadków użycia określonych w załączniku III (Parlament Europejski i Rada, 2024). Lista z załącznika III jest czytelnym, możliwym do zacytowania przykładem indeksowania do konsekwencji w działaniu. Jej kategorie są zdefiniowane przez dziedzinę użycia oraz stawkę dla osób, których dotyczy — wśród nich AI wykorzystywana jako komponent bezpieczeństwa w zarządzaniu i eksploatacji infrastruktury krytycznej (załącznik III, pkt 2) oraz AI wykorzystywana w zatrudnieniu, zarządzaniu pracownikami i dostępie do samozatrudnienia, taka jak systemy, które selekcjonują kandydatów lub wspierają decyzje dotyczące pracowników (załącznik III, pkt 4). System trafia do poziomu wysokiego ryzyka ze względu na to, gdzie jest używany i co kosztuje jego niepowodzenie, a nie ze względu na to, ile punktuje w benchmarku (ustalone — dwuścieżkowa definicja wysokiego ryzyka z art. 6 oraz kategorie z załącznika III są skodyfikowane w rozporządzeniu; Parlament Europejski i Rada, 2024).

Konsekwencja wdrożeniowa jest tezą §2 i jest precyzyjna. System AI wysokiego ryzyka nie może zostać wprowadzony do obrotu ani oddany do użytku, dopóki nie zostaną spełnione obowiązki, jakie nakłada jego poziom — wymogi określone w art. 8–15: udokumentowany system zarządzania ryzykiem (art. 9), wymogi zarządzania danymi (art. 10), dokumentacja techniczna (art. 11), rejestrowanie i prowadzenie zapisów (art. 12), przejrzystość wobec podmiotów stosujących (art. 13), nadzór ze strony człowieka (art. 14) oraz standard dokładności, solidności i cyberbezpieczeństwa (art. 15), realizowane przez dostawcę w ramach obowiązków z art. 16 i potwierdzane w drodze oceny zgodności, którą bada §3 (Parlament Europejski i Rada, 2024). Bramka należy do poziomu, a nie do modelu. Możliwość nie wdraża się, gdy zostaje osiągnięta; wdraża się wtedy, gdy obowiązki jej poziomu ryzyka zostaną zrealizowane. Odstęp między tymi dwoma zdarzeniami jest wkładem aktu AI do luki między możliwościami a wdrożeniem i jest horyzontalnym odpowiednikiem sektorowych bramek skatalogowanych w rozdziale 10 (ustalone — zakaz wprowadzania systemu wysokiego ryzyka do obrotu przed spełnieniem jego obowiązków jest skodyfikowany w rozporządzeniu; wielkość wynikającego z tego odstępu jest zależna od sektora i przypadku — poparte dowodami).

Druga cecha zaostrza to ograniczenie. Rozporządzenie nie traktuje możliwości jako czynnika łagodzącego obowiązek. Nie ma przepisu, na mocy którego system osiągający lepsze wyniki w zadaniu, do którego jest przeznaczony, zostaje zwolniony z wymogów zarządzania ryzykiem, dokumentacji czy nadzoru ze strony człowieka, jakie definiuje jego poziom; obowiązki przywiązane są do poziomu, a poziom przywiązany jest do sposobu użycia. Ulepszenie modelu zmienia twierdzenie o możliwościach, a nie zestaw obowiązków. Jest to akt AI formułujący, na poziomie prawa horyzontalnego, odwrócenie, które rozdział 9 §4 nazwał sprzężeniem zwrotnym walidacji możliwości: bardziej zdolny system powierzony bardziej brzemiennemu w skutki zastosowaniu częściej trafi do poziomu wysokiego ryzyka, a nie rzadziej, więc zyski możliwości kierują się w stronę obowiązku, a nie poza niego (ustalone — indeksowanie obowiązku do poziomu ryzyka i sposobu użycia, bez ulgi opartej na możliwościach, jest skodyfikowaną strukturą rozporządzenia; Parlament Europejski i Rada, 2024).

19.3 §3 — Ocena zgodności jako bramka uprzednia (ex ante)

Mechanizmem, który przekształca klasyfikację wysokiego ryzyka w opóźnienie wdrożenia, jest ocena zgodności — uprzednia (ex ante) procedura, w drodze której wykazuje się, że system AI wysokiego ryzyka spełnia wymogi rozporządzenia, zanim zostanie wprowadzony do obrotu. Procedura podąża za architekturą europejskiego prawa produktowego w ogólności: dostawca kompiluje plik dokumentacji technicznej wykazujący zgodność, system poddaje się właściwej ścieżce oceny zgodności przepisanej przez art. 43, sporządza się deklarację zgodności, a oznakowanie CE zostaje umieszczone na znak tego, że system może być w obrocie w jednolitym rynku (Parlament Europejski i Rada, 2024). Art. 43 ustala ścieżkę według kategorii: dla systemów wysokiego ryzyka z załącznika III ocena jest w większości przypadków procedurą kontroli wewnętrznej z załącznika VI prowadzoną przez dostawcę względem wymogów; procedura zarządzania jakością i dokumentacji technicznej z załącznika VII, która angażuje jednostkę notyfikowaną, ma zastosowanie do kategorii biometrii z załącznika III oraz tam, gdzie dostawca nie zastosował właściwych norm zharmonizowanych (Parlament Europejski i Rada, 2024). Jednostka notyfikowana jest niezależną organizacją oceny zgodności wyznaczoną i monitorowaną przez organ notyfikujący państwa członkowskiego na mocy rozdziału III sekcji 4 rozporządzenia. Ścieżka jednostki notyfikowanej jest instytucjonalną formą wymogu niezależności, który rozdział 9 §3 nazwał: strona potwierdzająca twierdzenie jest strukturalnie oddzielona od strony je formułującej (ustalone — procedury oceny zgodności z art. 43, ścieżki z załącznika VI i załącznika VII, deklaracja zgodności, oznakowanie CE oraz udział jednostki notyfikowanej są skodyfikowane w rozporządzeniu; Parlament Europejski i Rada, 2024).

Relacja z instrumentami sektorowymi z rozdziału 10 jest punktem §3, który zapobiega podwójnemu liczeniu i ujawnia nakładanie się warstw. Akt AI został celowo zaprojektowany tak, by integrować się z istniejącymi reżimami zgodności produktowej, a nie powielać je. Tam gdzie system AI wysokiego ryzyka jest komponentem bezpieczeństwa produktu objętego unijnym prawodawstwem harmonizacyjnym wymienionym w załączniku I i już podlegającego ocenie zgodności przez stronę trzecią — ocenie jednostki notyfikowanej w ramach rozporządzenia w sprawie wyrobów medycznych dla wyrobów wyższego ryzyka (Parlament Europejski i Rada, 2017), ścieżce zgodności w zakresie bezpieczeństwa funkcjonalnego dla systemów sterowania maszyn, reżimowi homologacji typu dla pojazdów drogowych, wszystkim wyliczonym w załączniku I — art. 43 ust. 3 nakazuje, by wymogi aktu AI były oceniane w ramach istniejącej procedury sektorowej, a nie poprzez procedurę równoległą (Parlament Europejski i Rada, 2024). Instrumenty, które badał rozdział 10, są zatem kanałami, przez które obowiązki aktu AI dotyczące wysokiego ryzyka docierają do tych produktów. Obie warstwy nie biegną osobnymi torami; obowiązek horyzontalny jest włączany w bramkę sektorową, a wieloletni cykl certyfikacji sektorowej bramki — ocena dowodów klinicznych wyrobu medycznego, ponowna walidacja bezpieczeństwa funkcjonalnego maszyn, przedłużenie homologacji typu pojazdu — niesie teraz wymogi aktu AI jako dodatkową treść (ustalone — integracja oceny zgodności aktu AI w istniejącej sektorowej ocenie zgodności, poprzez art. 43 ust. 3 i listę z załącznika I zawierającą unijne prawodawstwo harmonizacyjne, jest skodyfikowana w rozporządzeniu; Parlament Europejski i Rada, 2024).

Własnością nośną jest to, że ocena zgodności jest indeksowana do poziomu ryzyka, a nie do możliwości modelu. Dowody, których wymaga procedura — dokumentacja techniczna, wykazanie, że spełnione są wymogi zarządzania ryzykiem i zarządzania danymi, badanie jednostki notyfikowanej tam, gdzie jest wymagane — są ustalone przez klasyfikację systemu do wysokiego ryzyka, która, jak ustalił §2, jest funkcją sposobu użycia i konsekwencji. Wyższy wynik w benchmarku nie zmniejsza ciężaru dokumentacji, nie spełnia wymogu nadzoru ze strony człowieka ani nie zastępuje niezależnego badania jednostki notyfikowanej, ponieważ żaden z tych wymogów nie był funkcją wyniku. Jest to dokładne horyzontalne przeformułowanie ustalenia rozdziału 10 na poziomie instrumentu: bramka jest indeksowana do konsekwencji i potwierdzona przez niezależność, a możliwość jest danymi wejściowymi do wykazania, a nie ich substytutem. Zdeflowany współczynnik Sharpe'a z rozdziału 6 ujął ilościowo, jaka część twierdzenia o wynikach przetrwa korektę o ukryte poszukiwanie; ocena zgodności jest instytucjonalną odmową przyjęcia niezwalidowanego twierdzenia, wyrażoną teraz w horyzontalnym prawie unijnym (ustalone — indeksowanie ciężaru dowodowego oceny zgodności do poziomu ryzyka, a nie do możliwości, wynika ze skodyfikowanej klasyfikacji wysokiego ryzyka i zestawu obowiązków; Parlament Europejski i Rada, 2024).

Ocena skutków, która towarzyszyła wnioskowi Komisji, przewidziała ten ciężar wprost. Przeanalizowała ona koszt zgodności na system wynikający z obowiązków oceny zgodności i zarządzania jakością nakładanych na systemy wysokiego ryzyka i zważyła je względem celu regulacyjnego, traktując ocenę ex ante jako celowe tarcie — koszt zaakceptowany, by zapewnić zaufanie i bezpieczeństwo na jednolitym rynku, a nie niezamierzony hamulec (Komisja Europejska, 2021). Tarcie jest zamierzone, dlatego nie rozpływa się w miarę ulepszania technologii: rozporządzenie postanowiło, mając koszt na uwadze, bramkować brzemienną w skutki AI za oceną ex ante indeksowaną do konsekwencji (poparte dowodami — ocena skutków Komisji przeanalizowała strukturę kosztu zgodności na system obowiązków zgodności wysokiego ryzyka; Komisja Europejska, 2021).

19.4 §4 — Implikacje dla ram czasowych: kalendarz oceny zgodności

Akt AI nie wchodzi w życie naraz, a jego etapowy harmonogram sam jest ograniczeniem prognozy. Rozporządzenie weszło w życie 1 sierpnia 2024 r. — dwudziestego dnia po jego publikacji w Dzienniku Urzędowym UE z 12 lipca 2024 r. — a art. 113 stosuje jego przepisy na rozłożonej w czasie osi mierzonej od tej daty. Zakazy praktyk niedopuszczalnego ryzyka (art. 5) oraz przepisy ogólne rozdziału I stosuje się jako pierwsze, od 2 lutego 2025 r.; obowiązki dostawców modeli AI ogólnego przeznaczenia (rozdział V), przepisy dotyczące zarządzania i jednostek notyfikowanych oraz większość przepisów dotyczących kar stosuje się od 2 sierpnia 2025 r.; ogólna data rozpoczęcia stosowania — która niesie zasadniczą część obowiązków dotyczących wysokiego ryzyka, w tym systemy przypadków użycia z załącznika III — to 2 sierpnia 2026 r.; a obowiązki dotyczące wysokiego ryzyka dla systemów będących komponentami bezpieczeństwa produktów objętych sektorowym prawodawstwem zgodności z załącznika I (ścieżka z art. 6 ust. 1) rozciągają się do 2 sierpnia 2027 r. (Parlament Europejski i Rada, 2024). Harmonogram jest opublikowanym, datowanym kalendarzem — nie prognozą, lecz faktem instrumentu — i ustala najwcześniejsze daty, w których odpowiednie obowiązki wiążą, a zatem najwcześniejsze daty, w których system im podlegający może zostać zgodnie z przepisami wprowadzony do obrotu w pełnym reżimie (ustalone — etapowe daty rozpoczęcia stosowania są skodyfikowane w art. 113 i powiązanych przepisach przejściowych rozporządzenia (UE) 2024/1689; Parlament Europejski i Rada, 2024).

Strukturalne tarcie, jakie to nakłada, jest tezą §4. Prognoza możliwości, która projektuje, kiedy system staje się zdolny, i odczytuje tę datę jako datę wdrożenia systemu na regulowany europejski rynek, pominęła kalendarz oceny zgodności w swoim modelu. Sumują się dwa odrębne źródła opóźnienia. Pierwszym jest data dostępności reżimu: obowiązki dotyczące wysokiego ryzyka i ich infrastruktura oceny wiążą zgodnie z powyższym harmonogramem, więc możliwość osiągnięta przed rozpoczęciem stosowania obowiązków jej poziomu nadal nie może ukończyć pełnej ścieżki oceny zgodności, dopóki reżim i zdolność jednostek notyfikowanych nie wejdą w życie. Drugim jest opóźnienie czasu trwania oceny, które badał §3: gdy reżim już wiąże, uprzednia (ex ante) ocena zgodności — dokumentacja techniczna, wykazanie zarządzania ryzykiem oraz tam gdzie wymagane badanie jednostki notyfikowanej, włączone w wieloletni cykl sektorowy — pochłania upływający czas, którego możliwość nie może kupić. Prognoza, która ignoruje którekolwiek źródło, umieszcza datę wdrożenia wcześniej, niż pozwala harmonogram regulacyjny (poparte dowodami — oba źródła opóźnienia wynikają ze skodyfikowanego harmonogramu i struktury oceny zgodności; ich łączna wielkość jest zależna od sektora i przypadku, jest zaobserwowanym wzorcem, a nie obliczoną wielkością).

Konsekwencja dla badanych prognoz ram czasowych jest precyzyjna i mieści się w ramach części III. Prognozy, które zmapowała część I, ekstrapolują krzywe możliwości — trajektorię efektywnej mocy obliczeniowej Aschenbrennera, serię horyzontu czasowego autonomii — a teza o wąskim gardle z rozdziału 9 pokazała, że krzywa możliwości i krzywa wdrożenia działają na różnych zegarach. Akt AI dostarcza drugiego zegara dla europejskiego udziału we wdrożeniu, a ten zegar ma na sobie opublikowane daty. Prognoza ram czasowych, która przewiduje możliwość docierającą, powiedzmy, do okna stosowalności wysokiego ryzyka i wnioskuje niemal natychmiastowe gospodarcze wdrożenie w całym jednolitym rynku, założyła brak kalendarza oceny zgodności. Uczciwą korektą nie jest stwierdzenie późniejszej daty wdrożenia — manuskrypt nie prognozuje żadnych dat wdrożenia — lecz zaznaczenie, że data wdrożenia na regulowany europejski rynek jest ograniczona z dołu przez harmonogram regulacyjny, którego prognoza możliwości nie zawiera (spekulatywne — projekcja, że kalendarz oceny zgodności wiąże przyszłe daty wdrożenia możliwości, jest utrzymywana warunkowo; harmonogram jest ustalonym faktem, lecz jego wiążący skutek dla jakiegokolwiek konkretnego przyszłego wdrożenia nie jest stwierdzany jako prognoza).

Jest to instancja w europejskim stosie ograniczenia czasu operacyjnego, które rozdział 9 §4 nazwał dominującym ryzykiem harmonogramu: upływający czas regulacyjny jest wiążącymi danymi wejściowymi i żadna ilość możliwości nie wytwarza daty, do której kalendarz jeszcze nie dotarł. Ograniczenie nie jest tarciem, którego prognozy ram czasowych nie wyceniły przez przeoczenie; jest, jak pokazała ocena skutków, tarciem, które rozporządzenie nałożyło celowo, z kosztem zgodności przeanalizowanym z wyprzedzeniem (Komisja Europejska, 2021). Prognoza możliwości, która je pomija, nie tylko nie uwzględnia jakiegoś szczegółu — modeluje zły zegar dla europejskiej frakcji globalnej aktywności gospodarczej (ustalone dla skodyfikowanego harmonogramu jako takiego; poparte dowodami dla strukturalnego niedopasowania między zegarem możliwości a kalendarzem oceny zgodności, które wynika z tego harmonogramu wraz z tezą o wąskim gardle z rozdziałów 9–10; konkretna konsekwencja dla daty wdrożenia pozostaje warunkowa).

19.5 §5 — Odesłanie naprzód do europejskiego stosu i rozdziału 14

Akt AI porządkuje systemy sztucznej inteligencji według poziomu ryzyka indeksowanego do sposobu użycia i konsekwencji (§2), bramkuje wdrożenie wysokiego ryzyka za uprzednią (ex ante) oceną zgodności, która włącza się w istniejące reżimy sektorowe (§3), i wiąże na opublikowanym, etapowym kalendarzu, którego daty ustalają najwcześniejsze zgodne z przepisami wdrożenie systemów, które reguluje (§4). Jego kalendarz jest drugim, datowanym zegarem dla europejskiego udziału we wdrożeniu.

Rozdział 12 podejmuje kolejną warstwę ograniczeń; rozdział 13 dowodzi, że prognozy ram czasowych zbudowane na przeważająco amerykańskiej literaturze prognostycznej są niekompletne dla europejskiego udziału w globalnej aktywności gospodarczej. Kalendarz oceny zgodności aktu AI jest jednymi z danych wejściowych zegara wdrożenia, które Zdeflowana Prognoza Możliwości uwzględnia, gdy deflować będzie projekcję możliwości do możliwego do obrony przedziału wdrożenia; jego formalne opracowanie należy do rozdziału 14.

19.6 Bibliografia

European Commission. (2021). Impact assessment accompanying the proposal for a Regulation laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) (SWD(2021) 84 final). European Commission.

European Parliament & Council of the European Union. (2017). Regulation (EU) 2017/745 on medical devices (MDR). Official Journal of the European Union, L 117.

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L series, 2024/1689.

20 Rozdział 12 — Poświadczenie bezpieczeństwa, podwójne zastosowanie i suwerenna AI

Status epistemiczny: pewność co do skodyfikowanej struktury instrumentów dostępu, kontroli eksportu i suwerennych mocy obliczeniowych traktowanych tutaj — istnienia i konstrukcji reżimów poświadczenia bezpieczeństwa jako publicznych instrumentów regulacyjnych, architektury kontroli eksportu produktów podwójnego zastosowania rozporządzenia (UE) 2021/821, oraz publicznie ogłoszonych programów suwerennych mocy obliczeniowych — każdy odniesiony i oznaczony jako (ustalone); mniejsza pewność co do zaobserwowanych wzorców przepustowości i opóźnień w wydawaniu licencji, jakie te reżimy wykazują, oznaczone jako (poparte dowodami); projekcja, że którakolwiek z tych kontroli wiąże konkretną przyszłą datę wdrożenia możliwości, jest (spekulatywne) i utrzymywana warunkowo na całej długości wywodu. Ten rozdział traktuje instrumenty poświadczeń, kontroli eksportu i suwerenności ściśle jako politykę publiczną na poziomie instrumentu regulacyjnego; nie opiera się na żadnym doświadczeniu praktycznym, nie nazywa żadnego programu ani organizacji i nie stwierdza żadnego poziomu poświadczenia.

Rozdziały 10 i 11 ustaliły dwie warstwy ograniczeń, które rządzą tym, czy system spełnia standard. Ten rozdział dodaje trzecią, która bramkuje wdrożenie według tego, kto jest uprawniony do zbudowania, eksploatacji lub przemieszczenia go i gdzie — warstwę kontroli dostępu, eksportu i suwerenności wiążących niezależnie zarówno od możliwości, jak i zwykłej zgodności.

20.1 §1 — Trzecia warstwa ograniczeń: dostęp, eksport i suwerenność

Teza o wąskim gardle z rozdziału 9 umiejscowiła lukę między możliwościami a wdrożeniem w danych wejściowych, które działają na zegarze niezależnym od krzywej możliwości. Rozdziały 10 i 11 ucieleśniły jedną rodzinę tych danych wejściowych: bramki zgodności, które pytają, czy system został zwalidowany do standardu, jakiego wymaga jego konsekwencja. Ten rozdział identyfikuje strukturalnie odmienną rodzinę. Bramka zgodności zadaje pytanie o system; kontrole dostępu, eksportu i suwerenności zadają pytania o aktora i lokalizację — czy wdrażająca strona jest sprawdzona i godna zaufania, czy dany przedmiot może zgodnie z prawem przekroczyć granicę i czy moce obliczeniowe, na których działa system, znajdują się w suwerennej kontroli danej jurysdykcji. Są to ograniczenia wdrożenia, ale nie są indeksowane do wyników modelu w ogóle (ustalone — że instrumenty kontroli dostępu, kontroli eksportu i suwerenności uzależniają wdrożenie od aktora, klasyfikacji przedmiotu i lokalizacji, a nie od wyników systemu, wynika ze skodyfikowanej konstrukcji każdego z nich, omawianej poniżej).

Rozróżnienie to ma znaczenie dla pytania prognostycznego, ponieważ identyfikuje ograniczenie, którego krzywa możliwości nie może, nawet z zasady, reprezentować. Bramka zgodności jest przynajmniej o systemie, więc prognosta mógłby argumentować — błędnie, jak pokazały rozdziały 10 i 11 — że bardziej zdolny system przechodzi przez nią szybciej. Trzecia warstwa nie dopuszcza takiego argumentu nawet przez pomyłkę. Reżim poświadczenia bezpieczeństwa bramkuje na przepustowości sprawdzania ludzi; bardziej zdolny model nie sprawdza swoich operatorów szybciej. Licencja kontroli eksportu bramkuje na klasyfikacji przedmiotu i jego zadeklarowanym zastosowaniu końcowym; wyższy wynik w benchmarku nie zmienia pozycji na liście kontrolnej, pod którą podpada dany przedmiot. Polityka suwerennych mocy obliczeniowych bramkuje na jurysdykcji sprzętu; możliwość nie przenosi centrum danych. Każda kontrola jest indeksowana do zmiennej, której krzywa możliwości nie zawiera, więc każda jest daną wejściową wdrożenia, którą krzywa pomija z konstrukcji (ustalone — indeksowanie każdej kontroli do zmiennej niezwiązanej z możliwościami jest skodyfikowaną strukturą odpowiedniego instrumentu; konsekwencja, że krzywa możliwości nie może reprezentować tych zmiennych, wynika bezpośrednio).

Rozdział traktuje trzy instrumenty tej warstwy, podążając za głównym planem. Sekcja 2 ujmuje reżimy poświadczenia bezpieczeństwa — sprawdzanie personelu i obiektów, które bramkuje, którzy aktorzy mogą budować lub eksploatować określone systemy AI i uzyskiwać dostęp do określonych danych — ściśle jako generyczne publiczne instrumenty regulacyjne. Sekcja 3 ujmuje europejski reżim kontroli eksportu produktów podwójnego zastosowania, rozporządzenie (UE) 2021/821, pod które podpadają przedmioty związane z zaawansowaną mocą obliczeniową i AI i które licencjonuje ich przemieszczanie transgraniczne. Sekcja 4 ujmuje politykę suwerennych mocy obliczeniowych — unijną inicjatywę AI Factories i EuroHPC oraz szerszą uzasadnienie suwerenności — jako ograniczenie wdrożenia napędzane polityką przemysłową i geopolityczną. Operatywne twierdzenie we wszystkich trzech jest tym, ku któremu zmierzała część III, zaostrzonym: ta warstwa bramkuje wdrożenie na danych wejściowych, których możliwość nie może kupić, więc prognoza ram czasowych, która odczytuje datę wdrożenia z krzywej możliwości, pominęła nie tylko tarcie, które zaniżyła, lecz całą klasę ograniczeń, której krzywa nie potrafi wyrazić.

20.2 §2 — Ramy poświadczeń a dostęp AI

Reżimy poświadczenia bezpieczeństwa są publicznymi instrumentami regulacyjnymi, a ich istnienie i ogólna struktura są kwestiami publicznie znanymi w jurysdykcjach, które je prowadzą. Na poziomie, na którym ten rozdział je traktuje — a traktuje je nie na drobniejszym poziomie — dzielą one wspólną architekturę. Dostęp do informacji niejawnych, do niejawnych środowisk przetwarzania oraz do obiektów, w których takie przetwarzanie zachodzi, jest bramkowany przez orzeczenie sprawdzające: poświadczenie bezpieczeństwa osobowe, przyznane jednostce po postępowaniu sprawdzającym, oraz poświadczenie bezpieczeństwa obiektu, przyznane organizacji uprawnionej do posiadania lub przetwarzania materiałów niejawnych. Orzeczenie jest osądem zaufania osiągniętym poprzez postępowanie wobec człowieka, a dostęp do odpowiednich informacji, systemów i pomieszczeń jest uzależniony od jego posiadania. Na poziomie unijnym ta generyczna architektura osobowo-obiektowa jest sama skodyfikowana: przepisy bezpieczeństwa Rady dotyczące ochrony informacji niejawnych UE uzależniają dostęp od osobowego poświadczenia bezpieczeństwa osiągniętego poprzez postępowanie oraz od poświadczenia bezpieczeństwa obiektu dla organizacji posiadających takie informacje (Rada Unii Europejskiej, 2013) (ustalone — istnienie reżimów poświadczeń bezpieczeństwa osobowych i obiektowych, bramkujących dostęp do informacji niejawnych i środowisk poprzez orzeczenie sprawdzające, jest skodyfikowane na poziomie unijnym i jest kwestią publicznie znaną w jurysdykcjach, które prowadzą takie reżimy; traktowane tutaj generycznie jako publiczny instrument regulacyjny, z odniesieniem do międzyjurysdykcyjnego instrumentu unijnego, a nie jakiegokolwiek pojedynczego krajowego podręcznika poświadczeń; Rada Unii Europejskiej, 2013).

Mechanizm, w drodze którego bramkuje to AI, jest bezpośredni i wynika z architektury. Niektóre systemy sztucznej inteligencji są przeznaczone do tego, by były budowane na danych, trenowane na danych lub eksploatowane wobec danych, które znajdują się wewnątrz niejawnego perymetru, lub by działały wewnątrz akredytowanych niejawnych środowisk przetwarzania. Dla takich systemów populacja aktorów uprawnionych do budowy lub eksploatacji ich jest ograniczona przez reżim poświadczeń: tylko poświadczony personel w obrębie poświadczonej organizacji, pracujący wewnątrz akredytowanego środowiska, może wykonywać tę pracę. Możliwość nie powiększa tej populacji. Bardziej zdolny model nie nadaje poświadczenia ludziom, którzy mieliby go eksploatować, nie akredytuje obiektu, w którym miałby działać, i nie przenosi danych poza perymetr, który chroni poświadczenie. Zbiór uprawnionych aktorów jest ustalony przez sprawdzanie, a sprawdzanie jest funkcją przepustowości dochodzeniowej, a nie wyników modelu (ustalone — że dostęp do danych niejawnych i akredytowanych niejawnych środowisk przetwarzania jest bramkowany przez poświadczenie i że ogranicza to populację aktorów, którzy mogą budować lub eksploatować systemy AI wymagające takiego dostępu, wynika ze skodyfikowanej struktury reżimów poświadczeń traktowanych generycznie).

Własnością wąskiego gardła jest to, że potoki poświadczeń są powolne i związane sprawdzaniem ludzi, a ograniczenie, które nakładają, jest zatem takim, którego żadna ilość możliwości nie może przyspieszyć. Orzeczenie poświadczenia wymaga postępowania, którego upływający czas jest ustalony przez zdolność dochodzeniową — liczbę przeszkolonych śledczych, zaległości oczekujących spraw, głębokość dociekania, jakiej wymaga poziom wrażliwości. Tam gdzie ta zdolność jest wiążącym zasobem, tempo, w jakim nowi aktorzy mogą być dopuszczeni do niejawnej pracy nad AI, jest ograniczone przez tempo, w jakim system sprawdzający może ich poświadczyć, a to tempo jest egzogeniczne wobec krzywej możliwości AI w całości. Jest to instancja w warstwie dostępu ograniczenia czasu operacyjnego, które rozdział 9 §4 nazwał dominującym ryzykiem harmonogramu: upływający czas sprawdzania jest wiążącymi danymi wejściowymi, a zysk możliwości nie wytwarza poświadczonej siły roboczej, której potok jeszcze nie wyprodukował (poparte dowodami — że potoki poświadczeń są związane przepustowością i wykazują zaległości dochodzeniowe, jest zaobserwowaną cechą systemów sprawdzających generycznie; konkretna wielkość jest zależna od jurysdykcji i okresu i nie jest stwierdzana jako obliczona wielkość, a żadne źródło zaległości specyficzne dla jurysdykcji nie jest cytowane, ponieważ każde takie źródło byłoby jednojurysdykcyjne i nie jest wymagane do poparcia generycznego punktu o przepustowości).

Konsekwencja prognostyczna jest precyzyjna i ograniczona do udziału aktywności AI, która wymaga dostępu niejawnego. Dla tego udziału data wdrożenia jest ograniczona z dołu nie przez to, kiedy system staje się zdolny, ani przez to, kiedy przechodzi przez bramkę zgodności, lecz przez to, kiedy istnieje wystarczająca poświadczona populacja, by go zbudować i eksploatować wewnątrz akredytowanego środowiska. Prognoza, która projektuje możliwość i wnioskuje wdrożenie AI z dostępem niejawnym na harmonogramie możliwości, założyła brak potoku poświadczeń — a potok poświadczeń jest jedną daną wejściową w tym rozdziale najwyraźniej zahartowaną na możliwości, ponieważ bramkuje na ludzkim zaufaniu osiągniętym poprzez ludzkie postępowanie. Uczciwą korektą jest ta, którą rozdział 11 §4 zastosował do kalendarza oceny zgodności: nie stwierdzać późniejszej daty, lecz zaznaczyć, że dla udziału z dostępem niejawnym data wdrożenia jest ograniczona z dołu przez przepustowość sprawdzania, której prognoza możliwości nie zawiera (spekulatywne — projekcja, że przepustowość poświadczeń wiąże jakąkolwiek konkretną przyszłą datę wdrożenia, jest utrzymywana warunkowo; że poświadczenie bramkuje populację aktorów dla AI z dostępem niejawnym, jest ustalone, lecz jego wiążący skutek dla konkretnego przyszłego wdrożenia nie jest stwierdzany jako prognoza).

20.3 §3 — Kontrole eksportu produktów podwójnego zastosowania: rozporządzenie (UE) 2021/821

Tam gdzie §2 bramkował na aktorze, europejski reżim kontroli eksportu produktów podwójnego zastosowania bramkuje na przedmiocie i jego przemieszczeniu. Rozporządzenie (UE) 2021/821 jest przekształconym instrumentem unijnym ustanawiającym reżim kontroli eksportu, pośrednictwa, pomocy technicznej, tranzytu i transferu produktów podwójnego zastosowania — przedmiotów nadających się do użytku zarówno do celów cywilnych, jak i wojskowych (Parlament Europejski i Rada, 2021). Jego centralnym mechanizmem jest lista kontrolna i wymóg zezwolenia: przedmioty wyszczególnione na liście kontrolnej rozporządzenia (załącznik I) nie mogą być wywożone z obszaru celnego Unii bez zezwolenia, a rozporządzenie przewiduje kilka rodzajów zezwoleń — unijne generalne zezwolenia na wywóz dla miejsc przeznaczenia o niższym ryzyku oraz indywidualne i globalne zezwolenia udzielane przez właściwy organ państwa członkowskiego, w którym przedsiębiorca ma siedzibę (Parlament Europejski i Rada, 2021). Bramką jest licencja, a licencja jest wymagana, zanim kontrolowany przedmiot zgodnie z prawem przekroczy granicę zewnętrzną Unii (ustalone — definicja podwójnego zastosowania, lista kontrolna z załącznika I oraz architektura zezwoleń na wywóz unijnych generalnych, globalnych i indywidualnych są skodyfikowane w rozporządzeniu (UE) 2021/821; Parlament Europejski i Rada, 2021).

Znaczenie dla wdrożenia AI leży w tym, jak przedmioty związane z zaawansowaną mocą obliczeniową i AI podpadają pod ten reżim. Lista kontrolna z załącznika I jest zorganizowana w dziesięć kategorii wspólnych dla wielostronnych reżimów kontroli eksportu, a sprzęt do obliczeń wielkiej skali (HPC) jest osiągany w ramach kategorii 4 (komputery) — historycznie poprzez próg wydajności przetwarzania, taki jak parametr Adjusted Peak Performance — przy czym powiązaną technologię i oprogramowanie ujmują odpowiednie kontrole technologii i oprogramowania tej kategorii. Ponieważ wielostronne listy są okresowo zmieniane, a załącznik I jest aktualizowany, by za nimi nadążać, operatywną listą jest załącznik I ze zmianami, a nie tekst podstawowy (Parlament Europejski i Rada, 2021, załącznik I, ze zmianami). Przekształcone rozporządzenie wzmocniło też kontrole narzędzi do cyberinwigilacji i wprowadziło mechanizm typu catch-all rozszerzający kontrole na przedmioty niewymienione na liście, gdy eksporter został poinformowany o zamierzonym wrażliwym zastosowaniu końcowym lub jest go świadomy (Parlament Europejski i Rada, 2021). Konsekwencją jest to, że sprzęt, na którym trenowane i eksploatowane są wielkoskalowe systemy AI, oraz pewna powiązana technologia mogą znaleźć się w obrębie perymetru podwójnego zastosowania, a ich przemieszczanie transgraniczne do i z Unii jest wówczas uzależnione od zezwolenia. Wdrożenie, które zależy od przemieszczenia kontrolowanej mocy obliczeniowej lub technologii przez granicę zewnętrzną Unii, zależy najpierw od uzyskania licencji, jakiej to przemieszczenie wymaga (ustalone — że przedmioty obliczeń wielkiej skali (HPC) i powiązana technologia podpadają pod kontrolę produktów podwójnego zastosowania w ramach progów kategorii 4 z załącznika I, oraz że przepisy typu catch-all i cyberinwigilacyjne rozszerzają reżim, jest skodyfikowane w rozporządzeniu (UE) 2021/821 i jego okresowo zmienianym załączniku I; Parlament Europejski i Rada, 2021).

Własnością nośną jest indeksowanie. Decyzja o zezwoleniu jest funkcją klasyfikacji przedmiotu na liście kontrolnej, miejsca przeznaczenia oraz zadeklarowanego i ocenionego zastosowania końcowego — a nie wyników przedmiotu w jakimkolwiek zadaniu pochodnym. Rozporządzenie nakazuje właściwemu organowi zważyć wywóz względem względów obejmujących zamierzone zastosowanie końcowe i ryzyko obejścia, a zezwolenie może zostać odmówione, unieważnione lub zawieszone na tych podstawach (Parlament Europejski i Rada, 2021). Bardziej zdolny system AI trenowany na kontrolowanym sprzęcie nie zmienia pozycji na liście kontrolnej, pod którą podpada ów sprzęt, nie zmienia miejsca przeznaczenia i nie poprawia oceny zastosowania końcowego na korzyść eksportera; jeśli już, to bardziej brzemienne w skutki zastosowanie końcowe waży w kierunku większej kontroli. Bramka eksportowa jest indeksowana do klasyfikacji i zastosowania końcowego, a możliwość nie jest daną wejściową, która ją otwiera (ustalone — indeksowanie decyzji o zezwoleniu do klasyfikacji na liście kontrolnej, miejsca przeznaczenia i zastosowania końcowego jest skodyfikowane w rozporządzeniu; że możliwość nie jest wśród tych danych wejściowych, wynika bezpośrednio; Parlament Europejski i Rada, 2021).

Konsekwencja prognostyczna jest paralelna do §2 i ustalenia o kalendarzu oceny zgodności z rozdziału 11 §4, z bramką teraz na przemieszczeniu przedmiotu, a nie aktorze czy standardzie. Dla udziału wdrożenia, który wymaga kontrolowanej mocy obliczeniowej lub technologii przekroczenia granicy zewnętrznej Unii, data wdrożenia jest ograniczona z dołu przez proces licencjonowania — wniosek o zezwolenie, jego ocenę względem kryteriów zastosowania końcowego i obejścia oraz decyzję właściwego organu — który pochłania upływający czas ustalony przez zdolność administracyjną i wrażliwość sprawy, a nie przez możliwości systemu, któremu moc obliczeniowa będzie służyć. Prognoza, która projektuje możliwość i wnioskuje bezfrykcyjne transgraniczne wdrożenie leżącej u podstaw mocy obliczeniowej, pominęła zegar licencjonowania eksportu. Korektą jest ponownie zaznaczenie dolnej granicy, a nie stwierdzenie daty (poparte dowodami dla wzorca opóźnień w licencjonowaniu — że zezwolenie podwójnego zastosowania pochłania zależny od przypadku czas administracyjny, jest zaobserwowaną cechą administrowania kontrolą eksportu, wielkość zależna od jurysdykcji i przypadku; spekulatywne dla projekcji, że wiąże to jakąkolwiek konkretną przyszłą datę wdrożenia, utrzymywanej warunkowo).

20.4 §4 — Suwerenne moce obliczeniowe: AI Factories, EuroHPC i uzasadnienie suwerenności

Trzeci instrument bramkuje na lokalizacji. Tam gdzie §2 bramkował na aktorze, a §3 na przemieszczeniu przedmiotu, polityka suwerennych mocy obliczeniowych dotyczy jurysdykcji, w której wielkoskalowe moce obliczeniowe są usytuowane i kontrolowane, oraz celowego wysiłku polityki mającego zapewnić, by strategicznie znacząca zdolność obliczeniowa istniała w obrębie własnego suwerennego zasięgu danej jurysdykcji. Europejską instancją jest Wspólne Przedsięwzięcie EuroHPC — organ unijny ustanowiony, by pozyskiwać i eksploatować sieć obliczeń wielkiej skali i, w rosnącym stopniu, zorientowanej na AI mocy superkomputerowej w państwach członkowskich — oraz powiązana inicjatywa AI Factories, która sprzęga te publiczne moce obliczeniowe z danymi, infrastrukturą i wsparciem mającymi pozwolić europejskim aktorom trenować i wdrażać wielkie modele AI na suwerennie kontrolowanych zasobach. Mandat Wspólnego Przedsięwzięcia i jego AI Factories opiera się na wiążącym instrumencie założycielskim i zmieniającym: rozporządzenie Rady (UE) 2021/1173 ponownie ustanowiło Wspólne Przedsięwzięcie w jego obecnej (przekształconej) formie, a rozporządzenie Rady (UE) 2024/1732 zmieniło je w zakresie AI Factories (Rada Unii Europejskiej, 2024). Ożywiające uzasadnienie jest wprost wyrażone w instrumencie: zmniejszyć zależność od mocy obliczeniowych kontrolowanych poza jurysdykcją oraz zabezpieczyć suwerenną zdolność do budowy i eksploatacji strategicznie znaczącej AI w jej obrębie (ustalone — istnienie Wspólnego Przedsięwzięcia EuroHPC i inicjatywy AI Factories jako publicznie ogłoszonego unijnego programu suwerennych mocy obliczeniowych opartego na wiążącym rozporządzeniu Rady, oraz wyrażone uzasadnienie suwerenności, są kwestiami publicznie znanymi; Rada Unii Europejskiej, 2024).

Mechanizm, w drodze którego polityka suwerennych mocy obliczeniowych bramkuje wdrożenie, jest odwrotnością bramki eksportowej z §3, a oba się zazębiają. Sekcja 3 pokazała, że przemieszczenie kontrolowanej mocy obliczeniowej przez granicę wymaga licencji; §4 zauważa, że odpowiedzią polityki na to i powiązane zależności jest budowa suwerennej zdolności wewnątrz granicy. Konsekwencją wdrożeniową jest to, że dla udziału aktywności AI, który jurysdykcja zamierza utrzymać w obrębie swojej suwerennej kontroli — strategicznie wrażliwych obciążeń, wdrożeń sektora publicznego i infrastruktury krytycznej oraz treningu modeli, który polityka suwerenności ma zlokalizować — dostępność mocy obliczeniowych jest funkcją tego, ile suwerennej zdolności dana jurysdykcja pozyskała i postawiła, na harmonogramie zamówień publicznych i budowy infrastruktury. Ten harmonogram jest napędzany polityką przemysłową i geopolityczną oraz upływającym czasem budowy i oddania do użytku obiektów superkomputerowych, a nie krzywą możliwości AI (ustalone — że polityka suwerennych mocy obliczeniowych lokalizuje strategicznie znaczące moce obliczeniowe i uzależnia ich dostępność od publicznie pozyskanej zdolności, wynika z konstrukcji programu EuroHPC i AI Factories; Rada Unii Europejskiej, 2024).

Własność nośna, spójna z §§2–3, polega na tym, że ograniczenie jest indeksowane do zmiennej niezwiązanej z możliwościami. Ilość suwerennej mocy obliczeniowej dostępnej dla strategicznie znaczącego europejskiego wdrożenia jest ustalona przez budżety zamówień, harmonogramy budowy i polityczną decyzję o sfinansowaniu i usytuowaniu zdolności — daną wejściową wdrożenia rządzoną przez politykę przemysłową. Bardziej zdolny model nie pozyskuje superkomputera, nie skraca budowy obiektu, który go mieści, i nie przenosi mocy obliczeniowych do suwerennej kontroli danej jurysdykcji. Możliwość podnosi popyt na suwerenne moce obliczeniowe; nie dostarcza go. Bramka jest indeksowana do przepustowości polityki przemysłowej, a możliwość nie jest daną wejściową, która ją otwiera (ustalone — indeksowanie dostępności suwerennych mocy obliczeniowych do przepustowości zamówień, budowy i finansowania politycznego wynika z konstrukcji programów; że możliwość nie jest wśród tych danych wejściowych, wynika bezpośrednio).

Konsekwencja prognostyczna dopełnia wzorzec rozdziału i łączy się z poprzednimi warstwami. Prognoza ram czasowych, która projektuje możliwość i wnioskuje wielkoskalowe europejskie wdrożenie, założyła, że moc obliczeniowa do jego uruchomienia jest dostępna tam, gdzie wdrożenie musi się znajdować. Dla zlokalizowanego suwerennie udziału to założenie osadza drugi harmonogram — budowę suwerennej zdolności — na szczycie kalendarza oceny zgodności z rozdziału 11 i zegarów licencjonowania eksportu oraz poświadczeń z §§2–3. Trzy warstwy sumują się, a nie zastępują, dokładnie tak, jak sektorowa i horyzontalna warstwa zgodności sumowały się w rozdziale 11 §2: strategicznie znaczące europejskie wdrożenie może wymagać, jednocześnie, poświadczonej siły roboczej (§2), licencjonowanej transgranicznej mocy obliczeniowej lub suwerennie zbudowanej mocy obliczeniowej (§§3–4) oraz zrealizowanej oceny zgodności (rozdział 11). Każda jest indeksowana do innej zmiennej niezwiązanej z możliwościami, a wiążącym ograniczeniem jest najwolniejsza z nich. Prognoza możliwości nie reprezentuje żadnej (spekulatywne dla projekcji, że budowa suwerennych mocy obliczeniowych wiąże jakąkolwiek konkretną przyszłą datę wdrożenia — utrzymywanej warunkowo; ustalone dla istnienia i konstrukcji lokalizującego ograniczenia oraz poparte dowodami dla strukturalnego niedopasowania między krzywą możliwości a harmonogramem zamówień i budowy, które wynika z konstrukcji programów wraz z tezą o wąskim gardle z rozdziałów 9–11).

20.5 §5 — Odesłanie naprzód: stos porównawczy i Zdeflowana Prognoza Możliwości

Reżimy poświadczenia bezpieczeństwa bramkują populację aktorów na przepustowości sprawdzania, której możliwość nie może przyspieszyć (§2); rozporządzenie (UE) 2021/821 bramkuje transgraniczne przemieszczanie mocy obliczeniowej na zezwoleniu indeksowanym do klasyfikacji i zastosowania końcowego, a nie wyników (§3); polityka suwerennych mocy obliczeniowych bramkuje strategicznie znaczące moce obliczeniowe na harmonogramie zamówień i budowy napędzanym polityką przemysłową (§4). Każda jest indeksowana do zmiennej, której krzywa możliwości nie zawiera; trzy sumują się z kalendarzem oceny zgodności, a nie zastępują go.

Europejski stos ma teraz swoje warstwy w polu widzenia: instrumenty sektorowe (rozdział 10), horyzontalny akt AI (rozdział 11) oraz kontrole dostępu-eksportu-suwerenności z tego rozdziału. Rozdział 13 zestawia ten stos z przeważająco amerykańską literaturą prognostyczną. Rozdział 14 jest konstruktywną syntezą; jego formalnym opracowaniem jest Zdeflowana Prognoza Możliwości.

20.6 Bibliografia

Council of the European Union. (2013). Council Decision 2013/488/EU on the security rules for protecting EU classified information. Official Journal of the European Union, L 274.

Council of the European Union. (2024). Council Regulation (EU) 2024/1732 amending Regulation (EU) 2021/1173 as regards a EuroHPC initiative for start-ups to boost European leadership in trustworthy artificial intelligence (AI Factories). Official Journal of the European Union, OJ L 2024/1732.

European Parliament & Council of the European Union. (2021). Regulation (EU) 2021/821 setting up a Union regime for the control of exports, brokering, technical assistance, transit and transfer of dual-use items (recast). Official Journal of the European Union, L 206.

21 Rozdział 13 — Dlaczego prognozy ram czasowych skoncentrowane na USA są niekompletne

Status epistemiczny: pewność co do skodyfikowanych faktów regulacyjnych porównywanych tutaj — wiążących instrumentów, podejść do klasyfikacji ryzyka, wymogów zgodności oraz etapowych dat stosów USA, UE i Wielkiej Brytanii, każdy odniesiony do swojego instrumentu i oznaczony jako (ustalone); pewność co do opublikowanych udziałów w globalnym PKB użytych w §3, również (ustalone) i odniesionych do danych rachunków narodowych; mniejsza pewność co do wzorców tarcia wdrożeniowego wynikających z porównania, oznaczonych jako (poparte dowodami); projekcja, że globalnie uczciwa prognoza ram czasowych daje istotnie inny przedział globalnego wdrożenia niż ta skoncentrowana na USA, jest (spekulatywne) i utrzymywana warunkowo na całej długości wywodu. Ten rozdział jest syntezą porównawczą na poziomie instrumentu regulacyjnego; traktuje ujęcie Aschenbrennera jako obiekt metodologiczny, nie opiera się na żadnym doświadczeniu praktycznym i nie nazywa żadnej organizacji.

Rozdziały od 10 do 12 złożyły europejski stos w trzech warstwach, każda bramkując wdrożenie na zmiennej, której krzywa możliwości nie zawiera — poziom ryzyka, przepustowość sprawdzania, klasyfikacja przedmiotu, budowa suwerennych mocy obliczeniowych — przy czym warstwy sumują się, a nie zastępują. Ten rozdział zestawia ten stos z literaturą prognostyczną, na której zbudowane są badane prognozy AGI. Pytanie jest wąskie i strukturalne: dany stos regulacyjny bramkujący wdrożenie na zmiennych niezwiązanych z możliwościami w dużym udziale globalnej aktywności gospodarczej — co prognoza ram czasowych możliwości, która go pomija, ujmuje błędnie?

21.1 §1 — Od europejskiego stosu do porównania

Europejski stos z rozdziałów od 10 do 12 nie jest jedynym środowiskiem regulacyjnym, jakie globalna prognoza ram czasowych możliwości musi wycenić, i byłoby zaściankowym błędem traktować go jako taki. Stany Zjednoczone i Wielka Brytania prowadzą każde własne środowisko zarządzania AI, zbudowane na różnych instrumentach i odmiennej filozofii regulacyjnej, a udział globalnej aktywności gospodarczej, który działa pod regulowanymi reżimami w ogólności, jest większy niż sama europejska frakcja. Prognoza ram czasowych, która pomija europejski stos, jest niekompletna; krytyka tej prognozy ram czasowych, która zastąpiłaby europejskim stosem globalny obraz, byłaby niekompletna w lustrzanym odbiciu. Korekta, którą ten rozdział oferuje, jest zatem porównawcza, a nie eurocentryczna: zestawia trzy główne stosy obok siebie i pyta, co prognoza, która wycenia tempo wdrożenia jednego z nich — Stanów Zjednoczonych — ujmuje błędnie co do pozostałych.

Porównanie jest skonstruowane, by służyć tezie o wąskim gardle, a nie rozstrzygać, który reżim jest lepiej zaprojektowany. Część III ustaliła, że zegar wdrożenia i zegar możliwości działają na różnych danych wejściowych (rozdział 9), że sektorowe i horyzontalne europejskie instrumenty bramkują na zgodności indeksowanej do konsekwencji (rozdziały 10–11) oraz że warstwa dostępu-eksportu-suwerenności bramkuje na aktorze, przedmiocie i lokalizacji (rozdział 12). Niniejszy rozdział dodaje międzyjurysdykcyjną obserwację, którą tamte rozdziały implikują, lecz nie sformułowały: zegar wdrożenia nie jest jednym zegarem, lecz kilkoma, po jednym na reżim regulacyjny, a globalna prognoza ram czasowych jest najwolniej wiążącym agregatem ich, ważonym przez aktywność gospodarczą, którą rządzi każdy reżim. Prognoza, która uruchamia pojedynczy amerykański zegar wdrożenia dla całego świata, nie popełniła małego błędu regionalnego szczegółu; użyła złej agregacji (poparte dowodami — że globalny zegar wdrożenia rozkłada się na reżimy regulacyjne, wynika z bramkowania na reżim ustalonego w rozdziałach 10–12 wraz z istnieniem odrębnych środowisk regulacyjnych USA, UE i Wielkiej Brytanii udokumentowanych w §2 i tabeli porównawczej).

Wywód przebiega w trzech ruchach, które podążają za głównym planem. Sekcja 2 bada ujęcie Wolnego Świata w Situational Awareness Aschenbrennera jako obiekt metodologiczny i identyfikuje, jako krytykę metodologiczną i nigdy osobistą, co ujęcie trajektorii w ramach USA i sojuszników zaniża. Sekcja 3 dostarcza ilościowej kotwicy: Unia Europejska to z grubsza jedna szósta globalnego PKB według kursów rynkowych, a udział rzędu od jednej piątej do jednej czwartej globalnej aktywności gospodarczej dociera do jednolitego rynku UE przez europejski stos regulacyjny, więc prognoza ram czasowych, która wycenia jedynie tempo wdrożenia USA, błędnie szacuje globalne ramy czasowe wpływu gospodarczego. Sekcja 4 jest konstruktywna: szkicuje, jak wygląda globalnie uczciwa prognoza ram czasowych — taka, która rozkłada wdrożenie na reżim regulacyjny i stosuje kalendarz dostępu każdego reżimu — i identyfikuje tę dekompozycję jako daną wejściową dla Zdeflowanej Prognozy Możliwości z rozdziału 14. Przez cały czas operatywne twierdzenie jest takie, że nadejście możliwości i globalne-gospodarcze-wdrożenie są różnymi zdarzeniami na różnych zegarach oraz że luka między nimi jest zależna od reżimu.

21.2 §2 — Ujęcie Wolnego Świata jako obiekt metodologiczny

Situational Awareness Aschenbrennera (2024) ujmuje trajektorię możliwości w kategoriach geopolitycznych: organizuje projekcję wokół strategicznej pozycji Stanów Zjednoczonych i ich sojuszników — wolnego świata, w ujęciu samego dokumentu — względem głównego autorytarnego konkurenta i traktuje utrzymanie amerykańsko-sojuszniczego prowadzenia jako centralną stawkę trajektorii. Jest to spójny i celowy wybór analityczny, dokonany w służbie argumentu dotyczącego bezpieczeństwa narodowego, który dokument wysuwa wprost i obszernie (Aschenbrenner, 2024). Ujęcie jest cytowane tutaj jako obiekt metodologiczny, a nie krytykowane jako intencja: pytanie, jakie ta sekcja zadaje, nie brzmi, czy ujęcie geopolityczne jest dobrze umotywowane — jest nim ewidentnie, na własnych warunkach — lecz co trajektoria zorganizowana wokół niego zaniża, gdy jest odczytywana, jak często bywa, jako prognoza globalnej transformacji gospodarczej, a nie pozycji strategicznej (ustalone — że Situational Awareness organizuje swoją trajektorię wokół amerykańsko-sojuszniczych ram strategicznych, jest deklarowaną strukturą dokumentu; Aschenbrenner, 2024).

Metodologiczne zaniżenie jest konkretne i możliwe do zidentyfikowania, i wynika bezpośrednio z rozdziałów od 10 do 12. Ujęcie zorganizowane wokół strategicznej rywalizacji między blokiem amerykańskim a autorytarnym konkurentem naturalnie wysuwa na pierwszy plan dane wejściowe, które determinują pozycję względną — frontier compute, postęp algorytmiczny, bezpieczeństwo wag modelu, tempo amerykańskiego rozbudowywania — ponieważ to są dane wejściowe, które przesuwają prowadzenie. To samo ujęcie naturalnie spycha na drugi plan dane wejściowe, które determinują bezwzględne ramy czasowe wdrożenia do regulowanej gospodarki, ponieważ te dane wejściowe nie przesuwają prowadzenia między blokami; przesuwają kalendarz w obrębie bloku. Tarcie regulacyjne największych regulowanych bloków gospodarczych — kalendarz oceny zgodności z rozdziału 11, kalendarze poświadczeń, eksportu i suwerenności z rozdziału 12 — jest właśnie tym drugim rodzajem danych wejściowych. Jest niewidoczne dla ramy pozycji względnej nie przez przeoczenie, lecz przez konstrukcję: rama zbudowana, by śledzić, kto jest na prowadzeniu, nie śledzi, jak długo zajmuje którejkolwiek ze stron wdrożenie na jej własne regulowane rynki (poparte dowodami — że rama pozycji względnej wysuwa na pierwszy plan dane wejściowe przesuwające prowadzenie i spycha na drugi plan dane wejściowe kalendarza wdrożenia, wynika z analitycznej struktury takiej ramy wraz z ustaleniami dotyczącymi kalendarza regulacyjnego z rozdziałów 11–12; jest to właściwość ujęcia, a nie twierdzenie o rozumowaniu autora).

Konsekwencją jest to, że ujęcie skoncentrowane na USA zaniża to, co ten rozdział nazywa mianownikiem wdrożenia. Projekcja możliwości odpowiada w istocie na pytanie licznikowe: jak zdolne staną się systemy frontier i jak szybko. Pytanie o wpływ gospodarczy — kiedy ta możliwość przekłada się na wdrożoną aktywność gospodarczą na rynkach świata — wymaga mianownika: udziału globalnej aktywności gospodarczej, który może faktycznie przyjąć możliwość na własnym harmonogramie możliwości, w przeciwieństwie do udziału, który działa na wolniejszym zegarze regulacyjnym. Ujęcie, które wycenia tempo wdrożenia najmniej obciążonej regulacyjnie dużej gospodarki i które spycha na drugi plan regulowane bloki, ponieważ nie przesuwają one strategicznego prowadzenia, ustawia ten mianownik zbyt wysoko. Traktuje większą frakcję globalnej gospodarki jako natychmiast wdrażalną, niż pozwalają na to stosy regulacyjne z rozdziałów 11 i 12. Krytyka nie polega na tym, że trajektoria jest błędna co do możliwości, ani że autor zbłądził w złej wierze; polega na tym, że trajektoria zbudowana, by odpowiedzieć na pytanie o pozycję prowadzenia, zaniża mianownik wdrożenia, gdy jest zapożyczona, by odpowiedzieć na pytanie o globalny wpływ gospodarczy (poparte dowodami — zaniżenie mianownika wdrożenia wynika z ramy pozycji względnej ustalonej powyżej wraz z bramkami wdrożenia specyficznymi dla reżimu z rozdziałów 11–12; wielkość zaniżenia jest zależna od reżimu i przypadku).

Ta krytyka jest symetryczna w swojej dyscyplinie. Nie stwierdza, że Stany Zjednoczone wdrażają bez tarcia — stos USA, zbadany w tabeli porównawczej poniżej, zawiera realne instrumenty i realne bramki — i nie stwierdza, że europejski stos jest wiążącym globalnym ograniczeniem. Stwierdza jedynie, że pojedynczy reżimowy zegar wdrożenia, uruchomiony dla całego świata, pomija zmienność reżimów, którą dwie kolejne sekcje ujmują ilościowo i rozkładają. Ujęcie jest słuszne dla swojego celu; jest niekompletne dla celu, do którego nie zostało zbudowane (ustalone dla istnienia instrumentów stosu USA wedle tabeli porównawczej; poparte dowodami dla twierdzenia o niekompletności, które wynika z dekompozycji reżimów z §1).

21.3 §3 — Mianownik wdrożenia: jedna szósta globalnego PKB bezpośrednio, do jednej czwartej przez dostęp do rynku

Mianownik wdrożenia można ująć ilościowo na jego europejskiej frakcji, a to ujęcie ilościowe jest kotwicą §3. Należy oddzielić dwa odrębne udziały. Bezpośredni udział Unii Europejskiej w globalnym produkcie krajowym brutto to z grubsza jedna szósta mierzona według bieżących kursów rynkowych — rzędu 17 procent światowego PKB w 2024 r., najnowszego roku, dla którego oba źródła raportują — i istotnie mniejszy mierzony według parytetu siły nabywczej, rzędu 14 procent, ponieważ przeliczenie PPP podnosi mianownik przez nadanie większej wagi dużym nisko-cenowym gospodarkom (Bank Światowy, 2024; Międzynarodowy Fundusz Walutowy, 2024). Większa liczba, która motywuje argument regulacyjny, nie jest bezpośrednim udziałem UE w PKB, lecz udziałem globalnej aktywności gospodarczej transakcjonowanej przez podmioty, które muszą spełnić europejski stos, by dotrzeć do jednolitego rynku UE — samej UE oraz trzech dodatkowych państw Europejskiego Obszaru Gospodarczego (Islandia, Liechtenstein, Norwegia), które przyjmują odpowiedni dorobek prawny UE jednolitego rynku, a także, dla danego produktu, pozaunijnej aktywności firm, które wprowadzają ten produkt na rynek UE i przez to podpadają pod terytorialny zakres aktu AI (Parlament Europejski i Rada, 2024, art. 2). Ta ważona dostępem liczba jest większa niż bezpośredni udział UE i jest rzędu od jednej piątej do jednej czwartej globalnej aktywności, lecz jej dokładna wartość jest specyficzna dla produktu i firmy, a nie pojedynczą opublikowaną liczbą rachunków narodowych; dokument zatem podaje bezpośredni udział UE precyzyjnie, a udział ważony dostępem jako rząd wielkości. Faktem nośnym jest to, że stos regulacyjny rodzaju udokumentowanego w rozdziałach 11 i 12 rządzi wdrożeniem w udział gospodarki światowej mierzony w wysokich kilkudziesięciu punktach procentowych względem własnego PKB UE i w kilkudziesięciu punktach procentowych względem globalnego PKB, a nie w błędzie zaokrąglenia (ustalone — globalny udział UE w PKB według kursów rynkowych (~17%) i według parytetu siły nabywczej (~14%) za 2024 r. jest opublikowany w danych rachunków narodowych i prognozy gospodarczej świata; Bank Światowy, 2024; Międzynarodowy Fundusz Walutowy, 2024) (poparte dowodami — udział ważony dostępem, UE-plus-EEA-plus-pozaunijni-wprowadzający-na-rynek, jest rzędu od jednej piątej do jednej czwartej globalnej aktywności; jest liczbą wyprowadzoną, a nie bezpośrednio opublikowaną, i jest specyficzny dla produktu i firmy, więc jest raportowany jako rząd wielkości na mocy przepisu o terytorialnym zakresie aktu AI, Parlament Europejski i Rada, 2024, art. 2).

Implikacja dla ram czasowych jest tezą §3 i jest bezpośrednią konsekwencją struktury wąskiego gardła. Nadejście możliwości jest globalnym zdarzeniem w tym sensie, że model frontier, raz wytrenowany, istnieje; globalne-gospodarcze-wdrożenie nie jest, ponieważ model musi być wdrożony rynek po rynku, a każdy rynek bramkuje wdrożenie na własnym zegarze regulacyjnym. Dla udziału globalnej aktywności gospodarczej, który działa pod europejskim stosem, tym zegarem jest kalendarz oceny zgodności z rozdziału 11 oraz kalendarze dostępu-eksportu-suwerenności z rozdziału 12 — zegary z opublikowanymi datami i zależnymi od przypadku czasami trwania, których żaden zysk możliwości nie przyspiesza. Prognoza ram czasowych, która wycenia jedynie tempo wdrożenia USA i raportuje globalną datę wpływu gospodarczego, niejawnie założyła, że europejska frakcja wdraża się na zegarze USA. Tak nie jest. Globalna data wpływu gospodarczego jest ważonym aktywnością agregatem dat wdrożenia per reżim, a udział tego agregatu rzędu od jednej piątej do jednej czwartej — ważona dostępem europejska frakcja zdefiniowana powyżej — działa na zegarze, którego wycenione dla USA liczby nie zawierają (poparte dowodami — że globalna data wpływu gospodarczego jest ważonym aktywnością agregatem dat wdrożenia per reżim, wynika z bramkowania per reżim z rozdziałów 10–12; że europejska frakcja nie wdraża się na zegarze USA, wynika z odrębnych europejskich kalendarzy ustalonych tam; wielkość wynikającej z tego różnicy w ramach czasowych jest warunkowa).

Argument o mianowniku nie jest twierdzeniem, że europejska frakcja nigdy się nie wdraża ani że wdraża się dowolnie późno. Jest precyzyjnym twierdzeniem, że nadejście możliwości i globalne-gospodarcze-wdrożenie są różnymi zdarzeniami oraz że różnica między nimi, dla europejskiej frakcji, jest ograniczona z dołu przez harmonogram regulacyjny. Wcześniejsze rozdziały ustaliły dolne granice: etapowe daty kalendarza oceny zgodności (rozdział 11 §4), przepustowość poświadczeń dla AI z dostępem niejawnym (rozdział 12 §2), zegar licencjonowania eksportu dla kontrolowanej mocy obliczeniowej (rozdział 12 §3) oraz budowę suwerennych mocy obliczeniowych (rozdział 12 §4). Każda ogranicza europejską datę wdrożenia z dołu; żadna nie jest reprezentowana w krzywej możliwości. Globalna prognoza ram czasowych, która je pomija, wycenia od jednej piątej do jednej czwartej gospodarki światowej — ważoną dostępem europejską frakcję — tak, jakby wdrażała się w tempie najszybciej wdrażającego dużego reżimu, a to błędne wycenienie jest ustaleniem §3 (spekulatywne — projekcja, że pominięcie istotnie przesuwa globalną datę wpływu gospodarczego, jest utrzymywana warunkowo; ustalone dla istnienia ograniczających z dołu harmonogramów, poparte dowodami dla strukturalnego niedopasowania między nimi a krzywą możliwości).

21.4 §4 — Jak wygląda globalnie uczciwa prognoza ram czasowych

Konstruktywna korekta wynika z diagnozy i jest zmianą rachunkowości, a nie zmianą szacunku możliwości. Globalnie uczciwa prognoza ram czasowych nie rewiduje krzywej możliwości; pozostawia pytanie licznikowe prognostom, którzy się w nim specjalizują. To, co rewiduje, to mianownik wdrożenia: zamiast stosować pojedynczy zegar wdrożenia do globalnej aktywności gospodarczej, rozkłada globalną aktywność na reżim regulacyjny i stosuje kalendarz zgodności i dostępu każdego reżimu do jego własnej frakcji. Globalna data gospodarczego wdrożenia dla danej możliwości jest wówczas ważonym aktywnością agregatem dat wdrożenia per reżim, każda ograniczona z dołu przez kalendarz tego reżimu. Jest to operacjonalizacja obserwacji §1, że zegar wdrożenia to kilka zegarów, po jednym na reżim, ważonych przez aktywność, którą rządzi każdy (poparte dowodami — dekompozycja wynika bezpośrednio z bramkowania per reżim ustalonego w rozdziałach 10–12 i argumentu o ważeniu aktywnością z §3; jest konstruktywną propozycją rachunkowości, a jeszcze nie obliczoną prognozą).

Dekompozycja ma zdefiniowaną strukturę, a tabela porównawcza poniżej dostarcza jej pierwszych trzech komórek. Każdy reżim regulacyjny wnosi frakcję globalnej aktywności (swój udział w PKB) oraz kalendarz wdrożenia (podejście do klasyfikacji ryzyka wiążącego instrumentu, wymóg zgodności i etapowe daty). Kalendarz europejskiej frakcji jest najpełniej wyszczególniony z trzech, ponieważ rozdziały od 10 do 12 go wyszczególniły: jego dolna granica jest ustalona przez kalendarz oceny zgodności aktu AI z rozdziału 11 §4 oraz ograniczenia dostępu i suwerenności z rozdziału 12. Frakcje USA i Wielkiej Brytanii niosą własne kalendarze, które tabela porównawcza czerpie z ich odpowiednich instrumentów i które różnią się od europejskiego kalendarza typem instrumentu, mocą wiążącą i ciężarem uprzednim (ex ante). Globalnie uczciwa prognoza ram czasowych odczytuje datę wdrożenia każdej frakcji z jej własnego kalendarza i agreguje; nie odczytuje wszystkich frakcji z najszybszej (ustalone dla istnienia i struktury instrumentów trzech reżimów wedle tabeli porównawczej; poparte dowodami dla metody dekompozycji, która jest konstruktywną propozycją tej sekcji).

Główna tabela porównawcza zestawia trzy stosy ze sobą wzdłuż wymiarów, które determinują ramy czasowe wdrożenia. Jest to produkt Fazy-4 tego rozdziału: zestawienie obok siebie wiążącego instrumentu, podejścia do klasyfikacji ryzyka, wymogu uprzedniej (ex ante) oceny zgodności, reżimu produktów podwójnego zastosowania i kontroli eksportu, postawy w zakresie suwerennych mocy obliczeniowych, etapowej osi czasu stosowania oraz mechanizmu egzekwowania dla każdego ze Stanów Zjednoczonych, Unii Europejskiej i Wielkiej Brytanii.

Tabela 13.1 — Porównawcze stosy regulacyjne: Stany Zjednoczone, Unia Europejska, Wielka Brytania. (ustalone dla skodyfikowanej treści każdego cytowanego instrumentu; specyfika instrumentów USA/Wielkiej Brytanii zweryfikowana względem instrumentów pierwotnych na stan 2026-01, przy czym pozycje o niepewnym statusie lub zmieniające się wraz z administracją niosą wyraźne daty stanu. Instrumenty pierwotne USA i Wielkiej Brytanii są dokumentami rządowymi, nie recenzowanymi — oznaczone (non-peer-reviewed) w bibliografii.)

Strukturalnym ustaleniem tabeli jest to, którego potrzebuje dekompozycja. Trzy reżimy różnią się najostrzej w wymiarze, który napędza ramy czasowe wdrożenia najbardziej bezpośrednio: wymogu uprzedniej (ex ante) oceny zgodności i jego etapowego kalendarza stosowania. Europejski stos nakłada obowiązkową bramkę uprzednią (ex ante) na opublikowanym kalendarzu; stosy USA i Wielkiej Brytanii, na stan cut-off, polegają przeważająco na istniejących regulatorach sektorowych i na wytycznych, które są oparte na zasadach lub dobrowolne, bez horyzontalnej uprzedniej (ex ante) bramki zgodności AI lub specyficznego dla AI ustawowego kalendarza stosowania. Jest to dokładnie ta różnica, która czyni pojedynczy reżimowy zegar wdrożenia złą agregacją: europejska frakcja niesie kalendarz uprzedni (ex ante), którego dwie pozostałe frakcje, na poziomie horyzontalnym, nie niosą, więc odczytanie europejskiej frakcji z wycenionego dla USA zegara zaniża jej przedział wdrożenia. Dekompozycja wycenia każdą frakcję na jej własnym wierszu tabeli (poparte dowodami — różnica między reżimami w zakresie uprzedniej (ex ante) zgodności i kalendarza stosowania wynika z cytowanych instrumentów w tabeli porównawczej; konsekwencja dla ram czasowych wdrożenia wynika z tej różnicy wraz z tezą o wąskim gardle).

Dwie figury czynią dekompozycję czytelną; obie są odtworzone z walidowanych notebooków (Reguła 7).

²⁷

(ustalone dla udziałów per koszyk opublikowanych w World Bank WDI (GDP, current US$) i IMF WEO (GDP based on PPP, share of world); liczby są raportowane z precyzją, na której opiera się dokument — rząd wielkości i jedno miejsce po przecinku — a notebook przypnie dokładne pobrane wartości do datowanego pobraniem stanu wiedzy.)

²⁸

(ustalone dla dat ustawowych UE (art. 113) oraz dat wydania/uchylenia działań wykonawczych USA; miękkie markery odzwierciedlają, że wdrażanie USA na terminy agencji i wdrażanie zasad Wielkiej Brytanii są nieustawowe i, dla Wielkiej Brytanii, otwarte — figura musi renderować je jako miękkie/otwarte markery, a nie jako etapowy ustawowy kalendarz typu UE.)

21.5 §5 — Odesłanie naprzód do rozdziału 14 i Zdeflowanej Prognozy Możliwości

Ujęcie Wolnego Świata w Situational Awareness jest słuszne dla pytania o pozycję względną, na które zostało zbudowane; zaniża mianownik wdrożenia, gdy jest zapożyczone dla pytania o globalny wpływ gospodarczy, ponieważ rama pozycji względnej spycha na drugi plan dane wejściowe kalendarza wdrożenia, które nie przesuwają strategicznego prowadzenia (§2). Bezpośredni udział UE w PKB wynoszący z grubsza 17% według kursów rynkowych, poszerzony przez ważenie dostępem jednolitego rynku do rzędu od jednej piątej do jednej czwartej globalnej aktywności, działa pod europejskim stosem regulacyjnym — więc prognoza ram czasowych wyceniająca jedynie tempo wdrożenia USA błędnie szacuje globalne ramy czasowe wpływu gospodarczego, traktując tę frakcję jako wdrażającą się na zegarze USA (§3). Globalnie uczciwa prognoza ram czasowych rozkłada globalną aktywność na reżim regulacyjny i stosuje kalendarz zgodności i dostępu każdego reżimu do jego własnej frakcji (§4).

Ta dekompozycja jest daną wejściową dla Zdeflowanej Prognozy Możliwości z rozdziału 14, która integruje ją z DSR, PFO oraz analizą certyfikacji z rozdziałów od 8 do 13.

21.6 Bibliografia

Aschenbrenner, L. (2024). Situational awareness: The decade ahead. (Non-peer-reviewed.)

Bureau of Industry and Security. (2023). Export Administration Regulations: Advanced computing and semiconductor manufacturing controls (15 C.F.R. Parts 730–774; ECCNs 3A090, 4A090). U.S. Department of Commerce. (Non-peer-reviewed.)

Council of the European Union. (2024). Council Regulation (EU) 2024/1732 amending Regulation (EU) 2021/1173 as regards a EuroHPC initiative for start-ups to boost European leadership in trustworthy artificial intelligence (AI Factories). Official Journal of the European Union, OJ L 2024/1732.

European Parliament & Council of the European Union. (2021). Regulation (EU) 2021/821 setting up a Union regime for the control of exports, brokering, technical assistance, transit and transfer of dual-use items (recast). Official Journal of the European Union, L 206.

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L series, 2024/1689.

International Monetary Fund. (2024). World economic outlook database. International Monetary Fund.

National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. (Non-peer-reviewed.)

National Science Foundation. (2024). National Artificial Intelligence Research Resource (NAIRR) Pilot. U.S. National Science Foundation. (Non-peer-reviewed.)

UK Government. (2008). The Export Control Order 2008 (SI 2008/3231). HM Government. (Non-peer-reviewed.)

UK Government. (2023). A pro-innovation approach to AI regulation (CP 815). Department for Science, Innovation and Technology. (Non-peer-reviewed.)

White House. (2023). Executive Order 14110 on the safe, secure, and trustworthy development and use of artificial intelligence. Federal Register, 88(210). (Non-peer-reviewed.)

White House. (2025). Executive Order 14179 on removing barriers to American leadership in artificial intelligence (revoking Executive Order 14110). Federal Register, 90. (Non-peer-reviewed.)

World Bank. (2024). World development indicators: GDP (current US$) and GDP, PPP. The World Bank Group.

Część V — Lepsze ramy

22 Rozdział 14 — Zdeflowana Prognoza Możliwości

Status epistemiczny: ten rozdział łączy trzy obiekty, które manuskrypt już wyprowadził. Adaptacja zdeflowanego współczynnika Sharpe'a (deflated Sharpe ratio, DSR) z rozdziału 6 oraz adaptacja prawdopodobieństwa przeuczenia prognozy (probability of forecast overfitting, PFO) z rozdziału 7 wchodzą tu na pozycji epistemicznej, jaką te rozdziały im wypracowały — komponenty kanoniczne (ustalone)/(poparte dowodami), adaptacje możliwości (spekulatywne — wyprowadzone, lecz jeszcze niezwalidowane empirycznie). Czynnik tarcia certyfikacyjnego zsyntetyzowany z rozdziałów 8 do 13 wchodzi na pozycji (poparte dowodami) dla swoich skodyfikowanych danych wejściowych oraz (spekulatywne) dla projekcji, że przesuwa on przedział wdrożenia o skwantyfikowaną wielkość. Sama kompozycja — równanie główne, które łączy te trzy obiekty — jest centralną oryginalną konstrukcją dokumentu i jest ona (spekulatywna): wyprowadzona z pierwotnych źródeł krok po kroku, lecz niezwalidowana wobec zrealizowanych wyników możliwości, ponieważ kluczowe zdarzenie jeszcze nie nastąpiło. Rozdział formułuje strukturę, podaje równanie główne i projektuje przejrzysty przykład roboczy; każda obliczona wielkość jest oznaczona dla odtwarzalnej implementacji, która ją wytwarza, i żadna liczba typu „czarna skrzynka” nie jest twierdzona. Pracodawca nie jest nazwany.

Część II wyprowadziła obie korekty w izolacji: rozdział 6 ustalił adaptację DSR, rozdział 7 — adaptację PFO. Część IV ustanowiła trzecią wielkość: zegar wdrożenia rozkłada się według reżimu regulacyjnego, a data możliwości nie jest datą globalno-gospodarczego wdrożenia, ponieważ każdy reżim warunkuje wdrożenie kalendarzem, którego żaden przyrost możliwości nie przyspiesza (rozdział 13 §4). Ten rozdział łączy te trzy obiekty w jedną statystykę — konstruktywną propozycję, do której zobowiązują cztery wcześniejsze części.

Dwie dyscypliny rządzą każdą wielkością poniżej. Pierwszą jest reguła samozastosowania (self-application): DCF jest stosowany do prerejestrowanych prognoz tego dokumentu, nie tylko do zbioru badanego (§3, §5). Drugą jest domyślna zasada obliczone-lecz-spekulatywne (computed-but-speculative): każda wartość pochodząca z implementacji jest oznaczonym symbolem zastępczym oczekującym na odtwarzalny pakiet i notatnik, które ją wytwarzają.

22.1 §1 — Definicja formalna: czym DCF jest, a czym nie jest

Zdeflowana Prognoza Możliwości (Deflated Capability Forecast, DCF) jest przekształceniem opublikowanej projekcji możliwości, a nie prognozą samą w sobie. Przyjmuje jako dane wejściowe podane przez projekcję oszacowanie punktowe i przedział ufności wraz z charakterystyką ukrytego przeszukiwania modeli, które je wytworzyło, oraz reżimu regulacyjnego, w który projektowana możliwość zostałaby wdrożona, i zwraca skorygowany przedział — szerszy i ogólnie przesunięty — który wycenia trzy rzeczy pominięte przez podany przedział: oczekiwaną inflację najlepszego-z-N, jaką wywołuje niewyliczone przeszukiwanie modeli, prawdopodobieństwo, że konfiguracja najlepsza w próbie wypada gorzej poza próbą, oraz tarcie wdrożenia, które oddziela datę nadejścia możliwości od daty globalno-gospodarczego wdrożenia. DCF jest zatem skorygowanym obiektem raportującym: stwierdza, czym staje się przedział opublikowanej projekcji, gdy zastosuje się do niego korekty wyprowadzone w części II oraz dekompozycję ustanowioną w części IV (spekulatywne — kompozycja DCF jest wyprowadzona z adaptacji z rozdziałów 6/7 oraz dekompozycji z rozdziału 13, lecz złożony obiekt nie został zwalidowany wobec zrealizowanego wyniku możliwości; komponenty niosą własne etykiety z rozdziałów 6/7).

Przekształcenie ma trzy etapy, z których każdy dziedziczy jeden wcześniejszy wynik. Etap pierwszy deflauje podane oszacowanie punktowe względem stojącego za nim ukrytego przeszukiwania, stosując adaptację zdeflowanego współczynnika Sharpe'a z rozdziału 6 z jej konwencją kurtozy nadmiarowej (γ₄ = 0 dla rozkładu Gaussa), jej wariancją z bootstrapu blokowego (Adaptacja 1), jej statystyką wyników w przeliczeniu na ramy (Adaptacja 3) oraz jej złożonym efektywnym N (Adaptacja 4). Etap drugi waży zdeflowane oszacowanie prawdopodobieństwem przeuczenia, stosując adaptację prawdopodobieństwa przeuczenia prognozy z rozdziału 7 z jej podziałem testu sekwencyjnego na zbiory informacyjne (Adaptacja 2) oraz tym samym złożonym efektywnym N. Etap trzeci poszerza i przesuwa wynikowy przedział o czynnik tarcia certyfikacyjnego, nową syntezę definiowaną w §2, która zamienia rozłożone według reżimów kalendarze wdrożenia z rozdziałów 8 do 13 w multiplikatywne poszerzenie przedziału czasowego oraz addytywne przesunięcie jego dolnej granicy. Kolejność kompozycji jest ustalona: deflauj, następnie waż przeuczeniem, następnie zastosuj tarcie, ponieważ pierwsze dwie korekty działają na przedziale nadejścia możliwości, a trzecia odwzorowuje ten przedział na przedział wdrożenia (rozdział 13 §1) (spekulatywne — etapowa kompozycja jest wyprowadzona; komponenty są oznaczone zgodnie z rozdziałami 6/7/13).

DCF nie jest punktową prognozą daty, a stwierdzenie, czym nie jest, jest równie nośne jak stwierdzenie, czym jest. Nie zwraca roku; zwraca rozkład nad czasem wdrożenia możliwości, F_DCF, którego centralny przedział kwantylowy (1 − 2α) jest symetrycznym równaniem 14.1 wyprowadzanym przez rozdział w §4, a którego prawy ogon niesie jawną masę, jaką wycenia traktowanie rozkładu asymetrycznego z §4 poprzez warstwę wartości ekstremalnych. Kluczowym obiektem raportującym jest zatem para (przedział centralny, trójka kwantyli ogona): centralny przedział [P2.5, P97.5] objęty widełkami krotki (P10, P50, P90). Czytelnik, który wyciąga z wyniku DCF pojedynczą liczbę, odrzucił całą zawartość obiektu, ponieważ zawartością obiektu jest rozkład — jego środek, jego szerokość i masa ogona, która wycenia kierunkowe tarcie, jakiego symetryczny przedział nie potrafi — a nie przesunięty punkt. Jest to ta sama dyscyplina, jaką zdeflowany współczynnik Sharpe'a egzekwuje w finansach: wartością deflacji jest to, że ściąga ona pozornie istotną statystykę ku poziomowi braku informacji, a to ściągnięcie jest stwierdzeniem o rozkładzie prawdopodobnych prawdziwych wartości, którego przedział centralny jest operatywnym odczytem, a nie skorygowanym oszacowaniem punktowym jednej wartości (Bailey & López de Prado, 2014; López de Prado, 2018, Chapter 14) (ustalone — to, że deflacja jest stwierdzeniem o przedziale, a nie skorygowanym punkcie, stanowi odczyt DSR z pierwotnego źródła; Bailey & López de Prado, 2014).

DCF nie jest też twierdzeniem, że jego deflacja jest dokładna. Trzy korekty, które składa, niosą etykiety epistemiczne przypisane im przez rozdziały 6 i 7, a kompozycja nie pierze tych etykiet w pewność. Wariancja z bootstrapu blokowego jest (spekulatywna) poniżej granicy liczebności próby, na której znajdują się badane szeregi; podział testu sekwencyjnego jest (spekulatywny) w oczekiwaniu na jego podniesienie metodą Monte Carlo, którego ponowne uruchomienie v3 nie przyznało; złożone efektywne N jest (spekulatywne) domyślnie i raportuje zakres, a nie punkt, wszędzie tam, gdzie jego współczynnik widełek przekracza prerejestrowane granice (rozdział 6 §3; rozdział 7 §2–§3; prerejestracja v3). DCF dziedziczy każde z tych zastrzeżeń. To, co dodaje, nie jest mocniejszym twierdzeniem, lecz kompozycją: stwierdza, warunkowo wobec utrzymania się adaptacji, czym staje się opublikowany przedział — i stwierdza warunkowość tym samym tchem, ponieważ skorygowana prognoza, która ukrywałaby niepewność własnej korekty, popełniłaby błąd, który dokument diagnozuje (spekulatywne — kompozycja warunkowa jest wyprowadzona; jej pozycja empiryczna zależy od badań Monte Carlo, które rozdziały 6 i 7 raportują jako jeszcze niepodnoszące).

DCF wreszcie nie jest swoisty dla jakiegokolwiek przekonania o sztucznej inteligencji. Nie zakłada, że sztuczna inteligencja ogólna (artificial general intelligence, AGI) jest bliska czy daleka, prawdopodobna czy nieprawdopodobna; zakłada tylko, że projekcja możliwości jest wytwarzana przez model dopasowany do niewielkiej liczby obserwacji, wybrany z niewyliczonej przestrzeni modeli kandydujących i wdrażany do regulowanej gospodarki. Te trzy założenia są warunkami, w których finansowy rozrachunek ustalił, że niemal każde nieskorygowane twierdzenie w próbie zawyża swoją istotność (Bailey et al., 2014, 2017; Harvey et al., 2016). DCF jest operacjonalizacją tego rozrachunku dla domeny możliwości, a jego stosowalność jest współrozciągła z tymi trzema warunkami — ani szersza, ani węższa (ustalone — to, że warunki małej próby, dużej przestrzeni modeli oraz brzemiennego w skutki błędu napędzają korekty finansowe, jest kanonicznym odczytem; Bailey et al., 2014, 2017; Harvey et al., 2016).

22.2 §2 — Wymagane dane wejściowe

Zdeflowana Prognoza Możliwości wymaga pięciu danych wejściowych, czterech odziedziczonych z części II i jednej syntetyzowanej tutaj. Pierwsze cztery to dane wejściowe, które konsumują już deflacja z rozdziału 6 oraz człon przeuczenia z rozdziału 7; ta sekcja przedstawia je ponownie na poziomie, jakiego wymaga kompozycja, a następnie definiuje piąte — czynnik tarcia certyfikacyjnego, który jest konstruktywnym wkładem części IV wchodzącym do ram jako wielkość. Każda dana wejściowa jest zdefiniowana przez to, czym jest, skąd pochodzi i jaką etykietę epistemiczną wnosi do kompozycji.

Pierwszą daną wejściową jest oszacowanie punktowe: podawana przez projekcję kluczowa data nadejścia możliwości lub tempo podwajania, odczytane z prognozy źródłowej dokładnie tak, jak opublikowano, bez korekty. Jest to fakt (ustalony) o źródle — dokument nie kwestionuje tego, co mówi prognoza, lecz tylko to, co po korekcie znaczy jej podany przedział — i wchodzi do deflacji jako obserwowana statystyka SR_obs adaptacji z rozdziału 6, operacjonalizowana poprzez statystykę wyników w przeliczeniu na ramy, którą Adaptacja 3 wybiera dla typu prognozy (analog możliwości-Sharpe dla ekstrapolacji parametrycznych, rodzina Briera dla rozkładów probabilistycznych, pokrycie przedziałowe dla trajektorii punktowych) (rozdział 6 §2).

Drugą daną wejściową jest 95% przedział ufności: podawane przez projekcję pasmo niepewności, ponownie odczytane ze źródła tak, jak opublikowano. Tam, gdzie źródło nie podaje przedziału, sam jego brak jest rejestrowany jako dana wejściowa — prognoza, która podaje punkt bez pasma, zadeklarowała ukryty przedział o zerowej szerokości, który deflacja poszerza od zera, a DCF oznacza pominięcie przedziału przez źródło, zamiast imputować pasmo (rozdział 4 §4). Podany przedział jest (ustalony) jako fakt o źródle i jest obiektem, na który działa przekształcenie DCF: przedział wyjściowy to ta dana wejściowa, zdeflowana, zważona przeuczeniem i poszerzona tarciem.

Trzecią daną wejściową jest N_effective, ukryta liczba prób przeszukiwania modeli, dostarczana przez złożony estymator efektywnego N z rozdziału 7. Jest to człon napędzający zarówno deflację oczekiwanego maksimum E[SR_max] ∝ √(2 ln N), jak i korektę wielokrotności przeuczenia, i jest drugim co do wielkości kontrybutorem do którejkolwiek wielkości po samej obserwowanej statystyce (rozdział 7 §3). Wchodzi do DCF nie jako punkt, lecz jako złożony zakres — dolna granica to dolna granica ujawnienia max(N_D), górna granica to minimum proxy obciążonych w górę min(N_A, N_B, N_C), a wartość kluczowa to średnia geometryczna √(N_lower · N_upper) — i niesie prerejestrowaną dyscyplinę widełek: tam, gdzie stosunek górnej do dolnej przekracza 100× lub spada poniżej 1.5×, DCF raportuje zakres bez punktu kluczowego, a tam, gdzie dolna granica ujawnienia przekracza minimalne proxy, zapala się anomalia kierunku obciążenia i wynik zostaje obniżony (rozdział 7 §3; prerejestracja v3). N_effective jest (spekulatywne) domyślnie zgodnie z rozdziałem 7, a DCF dziedziczy tę etykietę.

Czwartą daną wejściową jest charakterystyka metodologii: strukturalna klasyfikacja prognozy, która wybiera, które adaptacje mają zastosowanie. Rejestruje typ prognozy (ekstrapolacja parametryczna, rozkład probabilistyczny lub trajektoria punktowa), co ustala statystykę Adaptacji 3; strukturę zbioru informacyjnego (sekwencyjna między prognozami, blokowa wewnątrz prognozy lub permutacja stacjonarna), co ustala podział Adaptacji 2; oraz status ujawnienia przeszukiwania modeli, co ustala, czy oszacowanie efektywnego N ma możliwą do obrony dolną granicę. Ta charakterystyka jest (poparta dowodami) — odczytana jest z udokumentowanej struktury prognozy tak, jak zarejestrowały ją rozdziały 5 do 7, a klasyfikacje w przeliczeniu na osie są wierszami tabel z rozdziału 6 §4 i rozdziału 7 §4 (rozdział 5 §3; rozdział 6 §4; rozdział 7 §4).

Piątą daną wejściową jest czynnik tarcia certyfikacyjnego, synteza wytworzona przez część IV i autentycznie nowa wielkość, jakiej te ramy wymagają. Rozdział 13 §4 ustalił, że data globalno-gospodarczego wdrożenia jest ważoną aktywnością agregacją dat wdrożenia w przeliczeniu na reżim, z których każda ograniczona jest od dołu kalendarzem zgodności i dostępu danego reżimu, oraz że data nadejścia możliwości nie jest tą agregacją. Czynnik tarcia certyfikacyjnego zamienia tę dekompozycję w przekształcenie przedziału DCF: jest to para (φ, δ), gdzie φ ≥ 1 jest multiplikatywnym poszerzeniem przedziału czasowego — czynnikiem, o jaki przedział nadejścia możliwości musi zostać rozciągnięty, by stać się przedziałem wdrożenia, odzwierciedlającym to, że wdrożenie biegnie według wolniejszego i bardziej zmiennego zegara — a δ ≥ 0 jest ważonym aktywnością regulacyjnym czasem wyprzedzenia, który przesuwa cały przedział (jego środek) później o δ lat. δ jest czasem wyprzedzenia, a nie przemieszczeniem którejkolwiek granicy: odpowiada na pytanie o ile później leży mediana daty wdrożenia względem daty nadejścia możliwości, gdy ex-ante kalendarz zgodności wiążącego reżimu zostanie wyceniony w tendencji centralnej? — a czas wyprzedzenia na przedziale czasowym działa na jego położenie, przesuwając obie granice jednakowo o to samo δ. Minimalny regulacyjny czas wyprzedzenia, poniżej którego nie zachodzi żadne wdrożenie niezależnie od możliwości, jest ustalony przez ex-ante kalendarz zgodności wiążącego reżimu (rozdział 11 §4; rozdział 12 §2–§4; rozdział 13 §4). Czynnik jest konstruowany zgodnie z dekompozycją reżimów: dla ważonej aktywnością frakcji europejskiej δ_r jest ograniczone od dołu fazowymi datami kalendarza zgodności aktu w sprawie sztucznej inteligencji oraz kalendarzami poświadczeń, eksportu i suwerennych mocy obliczeniowych; dla frakcji USA i Wielkiej Brytanii — ich własnymi wierszami tabeli porównawczej z rozdziału 13; a agregat (φ, δ) jest ważoną aktywnością kombinacją między reżimami (rozdział 13 §4, Table 13.1). Czynnik tarcia certyfikacyjnego jest (poparty dowodami) dla skodyfikowanych danych kalendarzowych, które ograniczają δ od dołu, oraz (spekulatywny) dla projekcji, że wynikowy (φ, δ) przesuwa przedział wdrożenia o obliczoną wielkość — etykieta warunkowa, którą niósł rozdział 13 §3 (poparte dowodami dla skodyfikowanych dolnych granic kalendarzowych zgodnie z rozdziałami 11–13; spekulatywne dla projektowanego przesunięcia przedziału, utrzymane warunkowo).

Konstrukcja jest doprecyzowana następująco, a parametryzacja jest tą, którą niosą implementacja i notatnik wyprowadzający (code/dcf_package/references/dcf_formula.md §6; code/dcf_package/src/deflated_capability_forecast/friction.py). Każdy reżim regulacyjny r wnosi wagę aktywności a_r — swój udział w istotnej globalnej aktywności gospodarczej, odczytany z udziałów GDP z Figure 13.1 rozdziału 13 (EU ≈ 0.17, US ≈ 0.26, UK ≈ 0.035, Other ≈ 0.535 przy kursach rynkowych) — oraz parę w przeliczeniu na reżim (φ_r, δ_r). Te dwa komponenty agregują się odmiennie, ponieważ odpowiadają na różne pytania. δ jest dolną granicą daty wdrożenia i agreguje się jako ważona aktywnością średnia δ = Σ_r a_r·δ_r, z δ_r = 0 dla reżimów nieniosących żadnej poziomej ex-ante bramki AI (frakcje USA, Wielkiej Brytanii i Other zgodnie z Table 13.1 rozdziału 13); ważona aktywnością średnia jest oczekiwanym regulacyjnym wyprzedzeniem, jakie napotyka losowo wybrana jednostka globalnej aktywności — właściwy obiekt dla daty globalno-gospodarczego wdrożenia, gdzie maksimum po reżimach wyceniłoby cały świat według pojedynczego najwolniejszego reżimu — odczytu, który rozdział 13 §3 jawnie odrzuca. φ jest poszerzeniem dyspersji i agreguje się jako ważona aktywnością średnia ograniczona od dołu jednością, φ = max(1, Σ_r a_r·φ_r), ponieważ wdrożenie nigdy nie jest ciaśniejsze niż możliwość. W kwestii parametryzacji, którą podniosła flaga: φ jest najlepiej parametryzowane jako stosunek szerokości przedziału wdrożenia do szerokości przedziału możliwości, agregowany wagą aktywności, raczej niż jako oddzielne poszerzenie stosowane osobno — ponieważ wynikiem DCF jest pojedynczy przedział, więc tarcie musi zwinąć się do pojedynczego (φ, δ), a ważony aktywnością stosunek jest skalarem, jakiego wymaga pojedynczy globalny przedział. W kwestii wymiarowej: φ jest stosunkiem dwóch czasów i jest zatem bezwymiarowe, mnożąc mającą wymiar czasu połówkową szerokość, by zwrócić lata; δ jest regulacyjnym czasem wyprzedzenia i niesie zatem jednostki lat, te same jednostki co środek przedziału, więc addytywne przesunięcie t̂_D + δ jest wymiarowo jednorodne. δ nie jest stosunkiem — addytywne przesunięcie przedziału czasowego jest samo czasem, co jest sprawdzeniem wymiarowym, o jakie prosiła flaga, i sprawdzenie to się utrzymuje (poparte dowodami dla skodyfikowanych dolnych granic δ_r zgodnie z rozdziałami 11–13; spekulatywne dla projektowanych φ_r oraz przesunięcia przedziału; reguła agregacji jest (spekulatywna — wyprowadzona)).

22.3 §3 — Przykład roboczy: hipotetyczna prognoza oraz samozastosowanie

Przykład roboczy jest celowo hipotetyczny i celowo prosty. Nie jest jedną z badanych prognoz — te są przedmiotem rozdziału 16, który stosuje DCF do realnego opublikowanego zbioru — i jest skonstruowany wyłącznie po to, by uczynić przekształcenie czytelnym, tak by czytelnik mógł prześledzić każdy etap kompozycji, zanim spotka ją na materiale spornym. Przykład nie niesie żadnego twierdzenia empirycznego; jest instrumentem dydaktycznym, a każda wielkość w nim, która pochodzi z implementacji, jest odpowiednio oznaczona.

Rozważmy hipotetyczną prognozę typu ekstrapolacji parametrycznej, nazwijmy ją Prognozą H, która projektuje tempo podwajania możliwości z szeregu czasowego i podaje kluczową datę nadejścia 2031 z 95% przedziałem [2028, 2034]. Załóżmy, że Prognoza H jest typu ekstrapolacji parametrycznej, więc Adaptacja 3 wybiera analog możliwości-Sharpe na resztach tempa podwajania jako statystykę wyników; załóżmy, że jej przeszukiwanie modeli jest częściowo ujawnione, z dolną granicą wariantu wrażliwościowego N_D = 8 oraz obciążonymi w górę proxy społecznościowymi dającymi minimum 200, więc złożone efektywne N to zakres [8, 200] z kluczową wartością średniej geometrycznej √(8 · 200) = 40 oraz współczynnikiem widełek 25×, który przechodzi próg kluczowy 100× i przekracza dolną granicę 1.5×, więc raportowany jest punkt kluczowy (rozdział 7 §3). To są dane wejściowe wyliczone w §2, ustawione na okrągłe hipotetyczne wartości, by arytmetyka była możliwa do prześledzenia. Wartość kluczowa jest przyjęta jako równa środkowi przedziału, 2031, ponieważ równanie 14.1 działa na przedziale, a jego operatywnym środkiem jest punkt środkowy (t_lo + t_hi)/2; prognoza, której podana wartość kluczowa różniłaby się od środka jej przedziału, byłaby deflowana wokół środka, gdyż to przedział jest obiektem, na który działa przekształcenie (notebooks/equation_14_1_derivation.ipynb; code/dcf_package/references/worked_examples.md).

Etap pierwszy deflauje wartość kluczową. Adaptacja z rozdziału 6 oblicza oczekiwane maksimum z N prób E[SR_max] dla kluczowego N, netuje obserwowane możliwości-Sharpe względem niego i dzieli przez błąd standardowy z bootstrapu blokowego w konwencji kurtozy nadmiarowej; dla okrągłych danych wejściowych hipotezy — obserwowanego możliwości-Sharpe 2.5 na szeregu czasowym T = 12 z resztami gaussowskimi — oczekiwane maksimum przy N = 40 wynosi 2.19, zdeflowany współczynnik Sharpe'a wynosi 0.694, a wielkość deflacji d = 1 − DSR wynosi 0.306. Efektem deflacji na przedziale jest ściągnięcie implikowanego rozkładu nadejścia ku poziomowi braku informacji — w kategoriach przedziału: poszerzenie pasma i przesunięcie jego środka później, ponieważ niezdeflowana wartość kluczowa zapożyczyła istotność z niewyliczonego przeszukiwania (rozdział 6 §1). Zdeflowany przedział to [2028.0, 2035.8]; raportowany jako przedział, nigdy jako przesunięty punkt, zgodnie z §1.

Etap drugi waży prawdopodobieństwem przeuczenia. Podział testu sekwencyjnego z rozdziału 7 oblicza odniesieniowe do hipotezy zerowej prawdopodobieństwo przeuczenia prognozy przy rozmiarze przeszukiwania efektywnego N Prognozy H, p₀(N) = ⌊⌊N̄⌋/2⌋/⌊N̄⌋ przy kluczowym N̄ = 40 ze średniej geometrycznej, co daje ⌊20⌋/40 = 0.500; zrealizowane PFO, które mierzyłoby rzeczywiste przeuczenie wobec tej linii bazowej, wymaga zrealizowanego przyrostu, którego hipoteza, podobnie jak badany zbiór, nie dostarcza, więc pozostawione jest na odniesieniu do hipotezy zerowej i oznaczone (spekulatywne), zgodnie z rozdziałem 7 §4. PFO powyżej poziomu braku informacji 0.5 wskazuje, że selekcja w próbie jest aktywnie myląca i dalej poszerza przedział; przy linii bazowej odniesienia do hipotezy zerowej dokładnie 0.5 czynnik przeuczenia wynosi 1, więc ważenie pozostawia pasmo z etapu pierwszego niezmienione — uczciwe zachowanie, dopóki zrealizowany przyrost jest w toku. Współczynnik κ, który zamienia zrektyfikowane odchylenie PFO max(0, PFO − ½) w dalsze poszerzenie (§4), jest zatem bezczynny przy tym odniesieniu do hipotezy zerowej — jego multiplikatywny wkład wynosi zero, ponieważ zrektyfikowane odchylenie wynosi zero — a aktywny tylko przy zrealizowanym PFO powyżej ½; ustalona wartość κ = 1, którą niesie równanie, jest oszczędną stałą, a nie strojoną czy dopasowaną wielkością, i przy linii bazowej nie wnosi żadnego wkładu w żadną stronę. Ważenie jest stosowane do zdeflowanego przedziału z etapu pierwszego, a nie do surowego podanego przedziału (rozdział 7 §1). Zważony przeuczeniem przedział to zatem [2028.0, 2035.8], równy zdeflowanemu przedziałowi przy odniesieniu do hipotezy zerowej.

Etap trzeci stosuje czynnik tarcia certyfikacyjnego. Załóżmy, że Prognoza H jest odczytywana jako prognoza globalno-gospodarczego wdrożenia — zapożyczony odczyt, który identyfikuje rozdział 13 §2 — więc stosuje się czynnik (φ, δ) z §2. Skonstruowany z dekompozycji reżimów z rozdziału 13 przy poglądowych poszerzeniach i czasach wyprzedzenia w przeliczeniu na reżim, które rejestruje plik przykładu roboczego, agregatowy czynnik to φ ≈ 1.20 (dokładnie 1.1975) oraz δ = 0.34 lat. Multiplikatywne φ rozciąga zważoną przeuczeniem połówkową szerokość, a addytywne δ przesuwa środek przedziału później o ważony aktywnością regulacyjny czas wyprzedzenia, tak by przedział wdrożenia odzwierciedlał kalendarz, którego żaden przyrost możliwości nie przyspiesza (rozdział 13 §4). Centralny przedział kwantylowy (1 − 2·0.025) rozkładu DCF to [2027.566, 2036.950], co jest wyjściem symetrycznego równania 14.1, które stwierdzenie główne §4 obejmuje jako swój wniosek o przedziale centralnym.

Pełnym wyjściem DCF dla Prognozy H jest rozkład F_DCF — obiekt rdzeń-plus-ogon definiowany w §4 — a nie sam przedział centralny. Przy powyższych danych wejściowych rdzeń rozkładu niesie 95% masy centralnej ze środkiem μ = 2032.258, skalą σ = 2.394 oraz warunkiem dopasowania σ = φ·H / z_α; prawy ogon jest warstwą uogólnionego rozkładu Pareto z parametrami odniesienia do hipotezy zerowej (σ_R = 0.34, ξ = 0), które dostarcza ważona aktywnością dekompozycja reżimów, doklejony przy górnym kwantylu rdzenia u_R = 2036.950 z ciągłością masy; a lewy ogon jest ograniczony granicą dyscypliny deflacyjnej przy t̂_D − w_D = 2028.000, poniżej której P(T < t) ≡ 0 jako strukturalna konwencja raportowania. Kluczowa raportująca trójka (P10, P50, P90) dla Prognozy H to

z obejmującym widełkami centralnym przedziałem [P2.5, P97.5] = [2027.566, 2036.950], masą prawego ogona P(T > u_R = 2036.950) = 0.025 niesioną przez warstwę EVT oraz masą lewego ogona P(T < 2028.000) = 0 przez dolną granicę. Stosunek szerokości przedziału centralnego do podanego [2028, 2034] — kluczowe podsumowanie tego, o ile podane pasmo zaniżyło skorygowane — wynosi 9.384 / 6.000 = 1.564; podane pasmo zaniżyło przedział centralny o czynnik ≈ 1.56 i nie zawierało żadnej informacji o prawym ogonie. Przykład roboczy kończy się tutaj: przećwiczył każdy etap konstrukcji symetrycznej, zaraportował rozkład asymetryczny, który §4 nazywa obiektem głównym, i prześledził każdą obliczoną wielkość do implementacji (code/dcf_package/references/worked_examples.md; notebooks/equation_14_1_derivation.ipynb; notebooks/equation_14_1_asymmetric_derivation.ipynb; code/dcf_package/scripts/compute_dcf.py).

Reguła samozastosowania (Reguła 3) wymaga, by DCF był stosowany do twierdzeń tego dokumentu, nie tylko do zbioru badanego, a ta sekcja czyni to powiązanie jawnym, kierując obliczenie naprzód. Ten dokument formułuje prerejestrowane prognozy — zarejestrowane z kryteriami falsyfikacji i datami rozstrzygnięcia w sekcji Predictions materiału zamykającego i zahaszowane przed częścią II, ze zobowiązaniami metodologicznymi zablokowanymi przez prerejestrację v1 do v3 (prerejestracja v3; Predictions This Document Makes). Te prognozy są same prognozami przyległymi do możliwości, wytworzonymi przez autora, który przeszukał przestrzeń modeli, a integralność samych ram wymaga, by podlegały tej samej korekcie, jaką ramy stosują do innych. Powiązanie jest metodologiczne, a nie pod klucz: prerejestrowane prognozy dokumentu są twierdzeniami na poziomie ram (ortogonalność osi, rozkład udziału (ustalonych), wyzwalacze kaskady prognoz) raczej niż przedziałami nadejścia możliwości typu wejściowego, na który równanie 14.1 działa bezpośrednio, więc samozastosowanie wymaga, by te prognozy najpierw zostały rzutowane do formy wejściowej DCF — przypisane charakterystyce metodologii, dekompozycji efektywnego N oraz, gdzie ma to zastosowanie, odczytowi przedziałowemu lub rozkładowemu — zanim ten sam pakiet, który wytwarza wielkości Prognozy H, będzie mógł zostać na nich uruchomiony. Operacjonalizacja jest pracą odroczoną, którą prerejestracja v1 już oznaczyła jako oczekującą (self-applied DCF … requires N-effective and performance-statistic choice), a rzutowanie jest wykonywane w sekcji Predictions oraz w rozdziale 16; ten przykład roboczy ustala metodę, a odniesienie naprzód w §3 ustala ścieżkę audytu, tak by powiązanie od tej sekcji do sekcji, w której własne prognozy dokumentu są operacjonalizowane i deflowane, było możliwe do prześledzenia od początku do końca. Decyzja, by odnieść się naprzód zamiast wypracowywać samozastosowanie tutaj, jest celowa: prognozy dokumentu nie są jeszcze wszystkie rozstrzygalne, więc ich DCF jest obiektem żywym, który przynależy do prognoz, jakie deflauje, a nie do rozdziału metodologicznego, a stwierdzenie powiązania tutaj przy obliczeniu go tam zachowuje zarówno klarowność metody, jak i uczciwość samozastosowania.

22.4 §4 — Równanie 14.1’: równanie główne DCF i jego wniosek o przedziale centralnym

Równanie 14.1’ jest centralnym oryginalnym równaniem dokumentu. Składa ono deflację z rozdziału 6, człon przeuczenia z rozdziału 7 oraz czynnik tarcia certyfikacyjnego z §2 w rozkład nad czasem wdrożenia możliwości — traktowanie rozkładu asymetrycznego, do którego prerejestracja v2 zobowiązuje §4 (linia 169) — a symetryczne równanie 14.1, które rozdział wprowadza bezpośrednio poniżej, jest jego wnioskiem o przedziale centralnym (1 − 2α). Rozkład główny jest obiektem głównym; przedział główny jest jego operatywnym odczytem tendencji centralnej. Oba są podane tutaj, a ich główne kroki wyprowadzone w tekście; pełne wyprowadzenie — algebra propagująca deflację przez rdzeń rozkładu, dowód, że kolejność kompozycji jest dobrze określona, analiza wymiarowa czynnika tarcia oraz argument o niepodwójnym liczeniu dla ogona EVT — jest przeniesione do code/dcf_package/references/dcf_formula.md §1–§9 i przećwiczone przez notebooks/equation_14_1_derivation.ipynb (symetryczne) oraz notebooks/equation_14_1_asymmetric_derivation.ipynb (asymetryczne), przy numerach notatników odpowiadających równaniu zgodnie z regułą odtwarzalności (Reguła 7).

Przekształcenie działa na podanym przedziale i dekompozycji reżimów i zwraca rozkład nad czasem wdrożenia T z jawnym przedziałem centralnym i jawną masą ogona. Pisząc podany przedział jako [t_lo, t_hi] z implikowanym środkiem t̂ oraz podaną połówkową szerokością jako w = (t_hi − t_lo)/2, i pisząc Φ⁻¹ dla odwrotnej dystrybuanty standardowego rozkładu normalnego, rozkład DCF jest

Równanie 14.1’ (główne). F_DCF(t) = F_spine(t) dla t ≤ u_R, F_DCF(t) = (1 − α) + α · F_GPD(t − u_R | σ_R, ξ) dla t > u_R, ze strukturalną konwencją raportowania lewego ogona P(T < t̂_D − w_D) ≡ 0,

gdzie rdzeń rozkładu to F_spine = Normal(μ, σ²) z warunkiem dopasowania

μ = t̂_D + δ, σ = φ · H / z_α, z_α = Φ⁻¹(1 − α),

tak że centralny przedział rdzenia (1 − 2α) [μ − z_α·σ, μ + z_α·σ] równa się [μ − φ·H, μ + φ·H] = symetrycznemu równaniu 14.1 poniżej; warstwa prawego ogona to F_GPD, dystrybuanta uogólnionego rozkładu Pareto Pickandsa (1975) ze skalą σ_R i kształtem ξ, doklejona przy górnym kwantylu rdzenia u_R = μ + z_α·σ = μ + φ·H tak, że F_DCF(u_R) = 1 − α (ciągłość masy przy doklejeniu); a dolna granica lewego ogona P(T < t̂_D − w_D) ≡ 0 jest strukturalnym raportem dyscypliny deflacyjnej — możliwość nie może być wdrożona przed datą, w której jej umiejętność zostaje ustalona. Parametry prawego ogona (σ_R, ξ) są parametryzowane z ważonego aktywnością mechanizmu tarcia regulacyjnego, jaki dostarcza rozdział 13: σ_R = Σ_r a_r · δ_r (ważona aktywnością skala szoku, ta sama wielkość, którą δ wycenia już jako średnią rozkładu tarcia, przyjęta jako maksymalnie oszczędne odniesienie do hipotezy zerowej dla dyspersji szoku przy braku danych o zrealizowanym szoku reżimowym), a ξ = max_r ξ_r z domyślnym ξ = 0 (granica Gumbela/wykładnicza, którą Cramér 1946 przypina przy regularności, wyeksponowana jako parametr, tak by skalibrowana wartość mogła ją zastąpić, gdy zaistnieją dane o zrealizowanym szoku reżimowym).

Wniosek — symetryczny przedział, którego rozdział i rozdział 16 używają jako operatywnego obiektu raportującego — wynika z równania 14.1’ jako centralny przedział rdzenia przy warunku dopasowania. Pisząc go bezpośrednio,

Równanie 14.1 (wniosek, centralny przedział (1 − 2α) rdzenia). DCF_CI([t_lo, t_hi]) = [ t̂_D + δ − φ · w_D · (1 + κ·max(0, PFO − ½)) , t̂_D + δ + φ · w_D · (1 + κ·max(0, PFO − ½)) ]

z H = w_D · (1 + κ·max(0, PFO − ½)) jako zrektyfikowaną zdeflowaną połówkową szerokością; rektyfikacja κ (zastąpienie ze znakiem (PFO − ½) zrektyfikowanym max(0, PFO − ½)) jest wyprowadzoną korektą pierwotnego sformułowania szkicu, zachowaną dosłownie z wyprowadzenia symetrycznego i działającą na połówkowej szerokości rdzenia wewnątrz równania 14.1’ (code/dcf_package/references/dcf_formula.md §7.1, §9.3). Te dwa równania nie są dwoma konkurującymi stwierdzeniami głównymi, lecz jednym głównym i jednym wnioskiem: przy α = 0.025 rdzeń niesie centralną 95% masę, centralny przedział rdzenia jest równaniem 14.1 na mocy warunku dopasowania σ = φ·H / z_α, a obiektem raportującym rozdziału jest para (przedział centralny, trójka kwantyli ogona), którą honoruje obietnica z §1 i ćwiczy §3 na Prognozie H. Komponenty obu równań to:

• **t̂_D** to zdeflowany środek, podany środek t̂ przesunięty o deflację z rozdziału 6. Dokładne odwzorowanie w domenie czasu to t̂_D = t̂ + a·d·w, gdzie d = 1 − DSR jest bezwymiarową wielkością deflacji obliczoną przy kluczowym efektywnym N, a a ≥ 0 jest współczynnikiem domyślnie równym 1. Odwzorowanie jest wymiarowo domknięte przez wyrażenie przesunięcia jako wielokrotności podanej połówkowej szerokości w — jedynej skali czasu endogenicznej dla obiektu prognozy, więc żadna stała egzogeniczna nie jest przemycana — a jego kierunek jest późniejszy (a ≥ 0, więc przesunięcie jest dodatnie w czasie kalendarzowym), ponieważ przeszukiwanie najlepszego-z-N zawyża pozorną istotność optymistycznego dopasowania, co w przedziale czasu-do-nadejścia odczytuje się jako datę zbyt wczesną; korygowanie przeszukiwania przesuwa środek później. Przy d = 0 przesunięcie wynosi zero, więc prognoza, która przetrwa korektę najlepszego-z-N, nie jest przemieszczana (rozdział 6 §1; code/dcf_package/references/dcf_formula.md §2);
• w_D to zdeflowana połówkowa szerokość, podana połówkowa szerokość w poszerzona o tę samą deflację. Dokładne odwzorowanie to w_D = w·(1 + b·d), z b ≥ 0 domyślnie równym 1, najniższego rzędu multiplikatywne poszerzenie z poprawnym zachowaniem brzegowym i bez stałej egzogenicznej: deflacja ku brakowi informacji poszerza prawdopodobny przedział, więc w_D ≥ w, z równością tylko wtedy, gdy deflacja jest zerowa (d = 0). Forma ta jest preferowana nad poszerzeniem 1/DSR, które rozbiegałoby się przy DSR → 0 i twierdziłoby nieskończoną niepewność na podstawie skończonego przeszukiwania — nadkorekta bez uzasadnienia; forma liniowa w d jest ograniczona przez (1 + b)·w, odpowiadając ograniczonej zawartości informacyjnej skończonej korekty najlepszego-z-N (rozdział 6 §1; code/dcf_package/references/dcf_formula.md §3);
• PFO to prawdopodobieństwo przeuczenia prognozy z rozdziału 7 przy kluczowym efektywnym N, z PFO = ½ jako linią bazową braku informacji; człon (PFO − ½) jest zerowy przy linii bazowej, dodatni przy aktywnym przeuczeniu, ujemny przy prawdziwej umiejętności (rozdział 7 §1);
• κ ≥ 0 to współczynnik ważenia przeuczeniem, który zamienia zrektyfikowane odchylenie PFO max(0, PFO − ½) w dalsze poszerzenie połówkowej szerokości rdzenia H, tak że PFO powyżej ½ poszerza rdzeń, podczas gdy PFO równe lub poniżej ½ pozostawia zdeflowaną połówkową szerokość nietkniętą. κ jest utrzymywane jako ustalona stała, κ = 1, maksymalnie oszczędny wybór bez wolnego parametru do strojenia: ponieważ zrektyfikowane odchylenie mieści się w [0, ½], κ = 1 daje czynnik przeuczenia w [1, 1.5], co najwyżej 50% dodatkowego poszerzenia przy maksymalnym przeuczeniu PFO = 1. Obie alternatywy, które podniosła flaga, są odrzucone. Uczynienie κ funkcją N wyceniłoby liczbę prób po raz trzeci — N wchodzi już do d przez E[SR_max] i do PFO przez odniesienie do hipotezy zerowej p₀(N) — popełniając podwójne liczenie, którego ta sekcja poniżej zakazuje. Estymowanie κ z dyspersji testu sekwencyjnego jest naturalnym wyborem, gdy zaistnieją zrealizowane dane, ponieważ dyspersja logitów poszczególnych testów λ_s jest naturalnym estymatorem, lecz wymaga ono zrealizowanego szeregu rang poza próbą, który manuskrypt raportuje jako oczekujący dla każdej badanej osi, więc stała zastępcza jest uczciwym domyślnym wyborem do tego czasu; κ = 1 jest (spekulatywne — wyprowadzone), wyeksponowane jako parametr (code/dcf_package/references/dcf_formula.md §4);
• φ ≥ 1 to multiplikatywne poszerzenie przedziału wdrożenia czynnika tarcia certyfikacyjnego z §2: skaluje ono połówkową szerokość rdzenia H = w_D·(1 + κ·max(0, PFO − ½)) o ważone aktywnością poszerzenia reżimowe, przekładając niepewność nadejścia możliwości na wolniejszy zegar wdrożenia (rozdział 13 §4);
• δ ≥ 0 to ważony aktywnością regulacyjny czas wyprzedzenia czynnika tarcia certyfikacyjnego: przesuwa on środek rdzenia o δ lat (a stąd przesuwa obie granice równania 14.1 jednakowo oraz medianę rdzenia P50 o δ), wyceniając wyprzedzenie, jakie ex-ante kalendarz zgodności wiążącego reżimu nakłada na medianę daty wdrożenia. δ jest czasem wyprzedzenia na przedziale czasowym, więc działa na położenie, a nie na żadną z granic z osobna (rozdział 13 §4);
• σ_R, ξ to parametry prawego ogona EVT równania 14.1’, ważona aktywnością skala szoku σ_R = Σ_r a_r · δ_r oraz indeks ogona ξ domyślnie równy 0 (Cramér 1946; Pickands 1975). Parametryzują one kształt rozkładu szoku tarcia powyżej górnego kwantylu rdzenia u_R = μ + φ·H; φ rdzenia wycenia już średnią poszerzenia tarcia, więc para (σ_R, ξ) niesie ortogonalny kształt reszty-powyżej-średniej, nigdy samą średnią (code/dcf_package/references/dcf_formula.md §9.4).

Równania odczytuje się jako trzy zagnieżdżone korekty zwieńczone rozkładem. Najbardziej wewnętrznym obiektem jest podana połówkowa szerokość w, poszerzona do w_D przez deflację (rozdział 6), a następnie skalowana przez czynnik przeuczenia (1 + κ·max(0, PFO − ½)) (rozdział 7); zdeflowana-i-zważona-przeuczeniem połówkowa szerokość H jest niepewnością nadejścia możliwości. Czynnik tarcia odwzorowuje następnie tę połówkową szerokość nadejścia możliwości na rdzeń domeny wdrożenia o skali σ = φ·H/z_α i środku μ = t̂_D + δ, a warstwa EVT dodaje prawy ogon powyżej u_R, którego wymaga kierunkowa asymetria mechanizmu tarcia (opóźnienie regulacyjne tylko wydłuża datę wdrożenia, nigdy jej nie skraca — rozdział 11 §4, rozdział 13 §4). Kolejność kompozycji — deflauj, waż, następnie zastosuj tarcie (rdzeń + ogon) — jest kolejnością z §1, i jest ona dobrze określona oraz nieprzemienna z konstrukcji. Deflacja i ważenie przeuczeniem działają na przedziale nadejścia możliwości w jego własnych jednostkach czasu; tarcie odwzorowuje ten przedział na oś czasu wdrożenia i dodaje asymetryczny ogon. Własność niepodwójnego liczenia jest zachowana przez rozszerzenie asymetryczne. Zdeflowana połówkowa szerokość w_D jest funkcją samego d, a czynnik przeuczenia — samego PFO; obie to wielkości nadejścia możliwości, żadna nie odwołuje się do jakiejkolwiek danej kalendarza wdrożenia. φ jest stosunkiem szerokości wdrożenia do szerokości możliwości: skaluje H, przekładając tę samą niepewność nadejścia na wolniejszy kalendarz wdrożenia bez dodawania czy usuwania jej części. δ jest ważonym aktywnością czasem wyprzedzenia: przesuwa środek rdzenia, a przesunięcie położenia nie może podwójnie liczyć dyspersji. Para EVT (σ_R, ξ) parametryzuje resztowy kształt rozkładu tarcia powyżej doklejenia u_R implikowanego średnim tarciem; φ rdzenia uwzględnia już średnią tego rozkładu, a średnia i kształt ogona są ortogonalnymi momentami rozkładu tarcia (code/dcf_package/references/dcf_formula.md §9.4). Niepewność nadejścia możliwości wchodzi zatem do wyjścia przez dokładnie jeden kanał każda — d przez w_D i przesunięcie środka, PFO przez połówkową szerokość rdzenia — a tarcie wchodzi przez trzy ortogonalne kanały — skalę na H (φ), przesunięcie środka (δ) oraz kształt ogona powyżej u_R (σ_R, ξ); żadna wielkość nie jest wyceniana dwukrotnie. Kolejność jest dobrze określona, ponieważ warstwa tarcia konsumuje wyjścia dwóch pierwszych etapów i wytwarza wielkości domeny wdrożenia, więc odwrócenie kolejności nie jest inną liczbą, lecz źle typizowane: tarcie nie ma żadnej danej wejściowej nadejścia możliwości, na której mogłoby działać, zanim deflacja takiej nie wytworzy (code/dcf_package/references/dcf_formula.md §5, §9.4).

Trzy redukcje czynią relację główne/wniosek jawną i weryfikują, że każdy komponent redukuje się spójnie. Redukcja R1 (granica symetryczno-gaussowska) ustawia ξ → 0, σ_R → σ oraz γ₃ → 0 (brak skośności możliwości-Sharpe, brak grubego ogona poza gaussowskim); doklejenie GPD zwija się do własnego górnego ogona Gaussa, F_DCF redukuje się do Normal(μ, σ²), a jego centralny przedział (1 − 2α) [μ − z_α·σ, μ + z_α·σ] = [μ − φ·H, μ + φ·H] jest dokładnie równaniem 14.1. Redukcja jest weryfikowana numerycznie: centralny przedział F_DCF Prognozy H to [2027.566, 2036.950], odpowiadający wyjściu symetrycznego równania 14.1 z dokładnością maszynową (tests/test_asymmetric.py::test_asymmetric_central_interval_equals_equation_14_1). Redukcja R2 (kanoniczna granica DSR/PBO) ustawia dodatkowo φ = 1, δ = 0 oraz PFO = ½; wtedy μ = t̂_D, H = w_D, φ·H = w_D, a przedział centralny staje się [t̂_D − w_D, t̂_D + w_D], zdeflowanym przedziałem z rozdziału 6 — kanonicznym obiektem DSR odwzorowanym na domenę przedziału. Redukcja R3 (granica prawdziwej umiejętności) ustawia dodatkowo d = 0 (DSR = 1) i zwraca podany przedział [t_lo, t_hi] niezmieniony. Równanie możliwości zawiera zatem równanie finansowe jako szczególny przypadek φ = 1, δ = 0, PFO = ½, d = 0, przy odzysku zweryfikowanym symbolicznie i numerycznie w obu notatnikach wyprowadzających oraz w zestawie testów pakietu (tests/test_asymmetric.py::test_asymmetric_canonical_reduction, ::test_asymmetric_full_canonical_reduction_returns_reported). Rektyfikacja κ max(0, PFO − ½) jest zachowana dosłownie w połówkowej szerokości rdzenia H obu równań: przy odniesieniu do hipotezy zerowej PFO = ½ jest dokładnie zerowa (κ bezczynne), a poniżej linii bazowej jest rektyfikowana do zera (brak zawężenia na szumie statystyki przeuczenia) — warstwa asymetryczna nie wchodzi w interakcję z rektyfikacją, ponieważ obie działają na kanałach ortogonalnych (skala rdzenia i kształt ogona).

Etykietowanie epistemiczne równań jest uczciwe co do tego, które części na czym się opierają. Komponenty kanoniczne są (ustalone): wariancja możliwości-Sharpe Lo (2002), zdeflowany współczynnik Sharpe'a Bailey & López de Prado (2014), prawdopodobieństwo przeuczenia na danych historycznych Bailey, Borwein, López de Prado & Zhu (2014, 2017), twierdzenie graniczne wartości ekstremalnych Cramér (1946), twierdzenie progowe uogólnionego rozkładu Pareto Pickands (1975). Komponenty DSR/PFO niosą swoje etykiety z rozdziałów 6 i 7 — adaptacje możliwości (wariancja, statystyka, efektywne N) (spekulatywne) poniżej granicy liczebności próby badanego szeregu, podział testu sekwencyjnego (spekulatywny) w oczekiwaniu na podniesienie metodą Monte Carlo, zrealizowane PFO utrzymane na odniesieniu do hipotezy zerowej 0.500 (spekulatywne) zgodnie z rozdziałem 6 §4 i rozdziałem 7 §4. Symetryczne równanie 14.1 — wniosek o przedziale centralnym (1 − 2α) — jest (poparte dowodami — wyprowadzone) z tych komponentów na mocy warunku dopasowania. Asymetryczne równanie 14.1’ — kompozycja rdzeń-plus-ogon-EVT — jest (spekulatywne — wyprowadzone); parametryzacja odniesienia do hipotezy zerowej (σ_R = Σ_r a_r · δ_r, ξ = 0) jest (spekulatywna — wyprowadzona); asymetria tarcia kierunkowego (szoki tarcia tylko w prawym ogonie, motywowane jednostronnym mechanizmem opóźnienia regulacyjnego, który ustanawiają rozdział 11 §4 i rozdział 13 §4) jest (spekulatywna — wyprowadzona). Czynnik tarcia certyfikacyjnego dziedziczy etykiety rozdziału 13 — (poparte dowodami) dla skodyfikowanych dolnych granic kalendarzowych na δ, (spekulatywne) dla projektowanej wielkości φ oraz przesunięcia przedziału. Sama kompozycja jest wyprowadzona z tych komponentów z pierwotnych źródeł krok po kroku, lecz ani symetryczny wniosek, ani asymetryczne równanie główne nie zostały zwalidowane wobec zrealizowanego wyniku możliwości, i nie zostaną, dopóki kluczowe zdarzenie się nie rozstrzygnie lub nie zgromadzi się dostateczna gęstość wyników na niższym poziomie agregacji, by je ocenić (rozdział 6 §2; rozdział 7 §4) (spekulatywne — równanie 14.1’ jest wyprowadzone z komponentów rozdziałów 6/7/13 oraz warstwy EVT Craméra/Pickandsa; złożone przekształcenie nie jest jeszcze zwalidowane empirycznie; komponenty niosą własne etykiety ustalone/poparte dowodami/spekulatywne).

Adaptacja z finansów do możliwości jest nietrywialnym ruchem matematycznym, a rozdział oznacza ją jako taką, zamiast ukrywać ją wewnątrz algebry. W finansach zdeflowany współczynnik Sharpe'a działa na statystyce wyników ze zrealizowanym szeregiem zwrotów, wyliczalnym dziennikiem przeszukiwania strategii i bez członu tarcia wdrożenia — strategia albo handluje, albo nie (Bailey & López de Prado, 2014). Domena możliwości nie dostarcza żadnego z tych obiektów czysto: statystyka wyników jest analogiem, który konstruuje Adaptacja 3, dziennik przeszukiwania jest oszacowaniem efektywnego N, po którym Adaptacja 4 przebiega zakresem, a człon tarcia wdrożenia nie ma żadnego analogu finansowego, ponieważ strategia testowana historycznie nie napotyka kalendarza zgodności. Równanie 14.1’ jest wynikiem przeniesienia korekty finansowej przez tę lukę i dodania członów, których luka wymaga — czynnika tarcia certyfikacyjnego, odwzorowań przedziału w domenie czasu oraz ogona EVT, który wycenia kierunkową asymetrię egzekwowaną przez mechanizm opóźnienia regulacyjnego — części bez kanonicznego poprzednika, a zatem najbardziej potrzebujące walidacji empirycznej, którą etykieta (spekulatywne — wyprowadzone) oznacza jako zaległą. Dwie cechy równania są wyprowadzone, a nie postulowane. Pierwszą jest rektyfikacja κ: połówkowa szerokość rdzenia H niesie max(0, PFO − ½) raczej niż ze znakiem (PFO − ½), na dwóch podstawach. Deflacja d kredytuje już prawdziwą umiejętność — umiejętna prognoza ma DSR → 1, d → 0, więc w_D → w i pasmo jest już nieposzerzone — więc pozwolenie, by PFO poniżej ½ wepchnęło H poniżej w_D, zawęziłoby rdzeń na sile statystyki przeuczenia, wielkości bez uzasadnienia, by certyfikować prognozę jako precyzyjniejszą, niż zaraportowała; rolą członu PFO jest dodanie kary za przeuczenie, a nie odejmowanie podanej niepewności. A ponieważ zrealizowane PFO jest w toku, a odniesienie do hipotezy zerowej leży przy ½ dla każdej badanej osi, człon ze znakiem pozwoliłby, by szum odniesienia do hipotezy zerowej fałszywie zawęził rdzeń, podczas gdy człon zrektyfikowany jest dokładnie zerowy przy linii bazowej i poniżej niej, więc pozostawia H = w_D nietknięte — jedyne uczciwe zachowanie przy oczekujących zrealizowanych danych. Korekta jest konserwatywna: może tylko poszerzać, nigdy zawężać. Drugą wyprowadzoną cechą jest redukcja kanoniczna. Trzy powyższe redukcje (R1, R2, R3) weryfikują, że równanie 14.1’ zawiera symetryczne równanie 14.1 jako swój wniosek o przedziale centralnym, zawiera zdeflowany przedział z rozdziału 6 jako swą kanoniczną granicę φ = 1, δ = 0, PFO = ½ oraz zawiera podany przedział jako swą dalszą granicę prawdziwej umiejętności d = 0; równanie możliwości zawiera zatem równanie finansowe jako ścisły przypadek szczególny, a rozszerzenie asymetryczne odzyskuje symetryczny wniosek przy warunku dopasowania z konstrukcji.

22.5 §5 — Implementacja referencyjna

Zdeflowana Prognoza Możliwości jest udostępniana jako implementacja referencyjna, ponieważ ramy, które krytykują badane prognozy za nieodtwarzalną korektę, same byłyby nieodtwarzalne, gdyby dostarczały tylko równanie. Implementacją jest pakiet Pythona deflated-capability-forecast w code/dcf_package/, dystrybuowany do PyPI na licencji MIT, tak by pip install deflated-capability-forecast odtwarzał każdą wielkość, którą raportują ten rozdział i rozdział 16 (master plan A.12; Introduction, A Note on Methodology). Pakiet jest kręgosłupem odtwarzalności części V: spełnia Regułę 1 (każde twierdzenie ilościowe ma odtwarzalny kod), Regułę 7 (każda figura i równanie ma odpowiadający notatnik — notatnik wyprowadzenia symetrycznego równania 14.1, notatnik wyprowadzenia asymetrycznego równania 14.1’ oraz notatniki figur w przeliczeniu na prognozę) oraz dyscyplinę samozastosowania (prerejestrowane prognozy dokumentu, gdy zostaną rzutowane do formy wejściowej DCF zgodnie z odniesieniem naprzód z §3, są deflowane przez ten sam pakiet, a nie przez odrębny).

Pakiet eksponuje publiczne API w dwóch warstwach — potok symetryczny, który dostarcza równanie 14.1, oraz potok asymetryczny, który dostarcza równanie 14.1’ — który specjalista implementuje w tej fazie do struktury ustalonej przez wcześniejsze sekcje. Warstwa symetryczna jest czterofunkcyjnym potokiem. Pierwszą funkcją jest funkcja deflacji adaptowana z DSR, która przyjmuje statystykę wyników, oszacowanie efektywnego N, długość próby oraz skośność i kurtozę nadmiarową reszt i zwraca wielkość deflacji z rozdziału 6 w konwencji kurtozy nadmiarowej (γ₄ = 0 dla rozkładu Gaussa) z wariancją z bootstrapu blokowego — operację etapu pierwszego z §3. Drugą jest funkcja PFO, która przyjmuje podział testu sekwencyjnego rekordu publikacji oraz oszacowanie efektywnego N i zwraca prawdopodobieństwa przeuczenia z rozdziału 7 — odniesienia do hipotezy zerowej i zrealizowane — pod podziałem testu sekwencyjnego na zbiory informacyjne — operację etapu drugiego. Trzecią jest estymator efektywnego N, który przyjmuje dane wejściowe czterech algorytmów (dolną granicę ujawnienia oraz trzy proxy obciążone w górę) i zwraca złożony zakres, kluczową wartość średniej geometrycznej oraz status współczynnika widełek z prerejestrowaną dyscypliną 100×/1.5× oraz regułą anomalii kierunku obciążenia — daną wejściową, która napędza obie wcześniejsze funkcje. Czwartą jest obliczenie DCF najwyższego poziomu (compute_dcf), które przyjmuje pięć danych wejściowych z §2 (oszacowanie punktowe, przedział, dekompozycję efektywnego N, charakterystykę metodologii, czynnik tarcia certyfikacyjnego) i zwraca centralny przedział równania 14.1 — zdeflowaną, zważoną przeuczeniem, skorygowaną tarciem parę kwantylową (1 − 2α) oraz jej stosunek szerokości do podanego pasma. Przy prerejestrowanych widełkach bez kluczowego N (anomalia kierunku obciążenia dolna-granica-ujawnienia-przekracza-proxy lub stosunek proxy-do-granicy poza [1.5×, 100×]), compute_dcf nie fabrykuje wyjścia punktowego: zgłasza ValueError, a wywołujący — runner referencyjny scripts/compute_dcf.py lub dowolny konsumujący notatnik — przechwytuje i raportuje prerejestrowany zakres lub anomalię zgodnie z dyscypliną z §2. Zachowanie to jest uczciwe — żadnej liczby typu „czarna skrzynka” — a cztery funkcje symetryczne są zaimplementowane w code/dcf_package/src/deflated_capability_forecast/ (deflated_sharpe, compute_pfo, effective_n_composite, compute_dcf), eksportowane z najwyższego poziomu pakietu, ćwiczone przez scripts/compute_dcf.py oraz pokryte przez tests/test_dcf.py, który przypina wartości centralnego przedziału przykładu roboczego i weryfikuje redukcję φ = 1, δ = 0, PFO = ½.

Warstwa asymetryczna rozszerza build symetryczny o pojedynczą funkcję zwracającą rozkład oraz jej akcesory kwantyla i masy ogona. Obliczenie asymetryczne najwyższego poziomu (compute_dcf_distribution) przyjmuje te same pięć danych wejściowych z §2 co compute_dcf plus dekompozycję reżimów (a_r, δ_r, φ_r, ξ_r), z której czynnik tarcia certyfikacyjnego jest już skonstruowany, i zwraca rozkład F_DCF z równania 14.1’ — obiekt DCFDistribution, którego akcesor central_interval() zwraca centralny przedział (1 − 2α) symetrycznego równania 14.1 (odzyskany przez warunek dopasowania σ = φ·H / z_α z dokładnością maszynową — sprawdzenie regresyjne, które przypina zestaw testów), którego akcesor quantile(p) zwraca p-ty kwantyl F_DCF dla dowolnego p ∈ (0, 1) (więc kluczowa trójka (P10, P50, P90) oraz widełki [P2.5, P97.5] są odczytywane z pojedynczego obiektu), którego akcesor cdf(t) zwraca masę prawego ogona P(T ≤ t) (więc masa doklejenia P(T > u_R) oraz masa dolnej granicy P(T < t_floor) są raportowane jak w §3) i który niesie parametry rdzenia (μ, σ, t_floor) oraz parametry ogona (u_R, σ_R, ξ) jako atrybuty do dalszej inspekcji. Potok asymetryczny żyje w code/dcf_package/src/deflated_capability_forecast/asymmetric.py (kompozycja rdzeń + GPD + doklejenie + dolna granica) i jest pokryty przez tests/test_asymmetric.py, który przypina odzysk symetrycznego równania 14.1 do abs = 5e-3 (numerycznie 0.00 z dokładnością maszynową), kanoniczne redukcje R2 i R3 z §4 powyżej, zwinięcie bez reżimu bramkującego (σ_R → 0 ⇒ masa ogona → 0), inflację reżimu bramkującego (σ_R > 0 ⇒ cięższy prawy ogon), zachowanie grubego ogona ξ > 0 oraz granicę dyscypliny deflacyjnej (P(T < t_floor) ≡ 0). Pełny zestaw testów — symetryczny i asymetryczny — przechodzi przy 67 / 67 pod bramką Docker-plus-pytest walidatora; build asymetryczny jest czysty regresyjnie wobec buildu symetrycznego (każdy wcześniej przechodzący test nadal przechodzi; potok symetrycznego równania 14.1 jest nietknięty), a wyjście compute_dcf_distribution(...).central_interval() sprawdza się krzyżowo wobec compute_dcf(...).dcf_ci do abs = 1e-6.

Status implementacji jest stwierdzony wprost i bez przesady. Powyższe funkcje symetryczne i asymetryczne są zaimplementowane w tej fazie przy v0.0.1, zbudowane tak, by podążać za strukturą tego rozdziału, a pliki referencyjne, które specyfikuje skill deflated-capability-forecast — references/dcf_formula.md (pełne wyprowadzenie równania 14.1 §1–§7 oraz asymetryczne wyprowadzenie równania 14.1’ §9), references/worked_examples.md (Prognoza H obliczona od początku do końca przez potok symetryczny jako Przykład 1 i przez potok asymetryczny jako Przykład H’, redukcja kanoniczna jako Przykład 2 oraz anomalia kierunku obciążenia jako Przykład 3 ze wzorcem zgłaszania ValueError) oraz scripts/compute_dcf.py (referencja wiersza poleceń, która przechwytuje ValueError i raportuje prerejestrowany zakres lub anomalię zgodnie z dyscypliną z §2) — są wytwarzane wraz z pakietem. Wielkości przykładu roboczego, które raportuje ten rozdział, są wyjściem pakietu, odtworzonym przez runner referencyjny i dwa notatniki wyprowadzające oraz przypiętym przez zestaw testów; walidator niezależnie ponownie waliduje je pod bramką Docker-plus-pytest, którą manuskrypt stosuje do wszystkich obliczonych wielkości (master plan A.12). Liczby, które raportuje rozdział, są strukturą ram przećwiczoną na hipotezie, a nie twierdzeniem o jakiejkolwiek badanej prognozie; zastosowanie do badanego zbioru należy do rozdziału 16, a komponent zrealizowanego PFO każdego wyjścia jest utrzymany na swoim odniesieniu do hipotezy zerowej (spekulatywne), dopóki nie zaistnieją dane o zrealizowanym wyniku — dyscyplina obliczone-lecz-spekulatywne, którą utrzymywały rozdziały 6 i 7, a ten rozdział dziedziczy (spekulatywne — pakiet jest kręgosłupem odtwarzalności; jego potoki symetryczny i asymetryczny są wyprowadzone, a ich komponenty niosą swoje etykiety z rozdziałów 6/7/13 oraz etykiety EVT Cramér 1946 / Pickands 1975, zgodnie z Regułami 1 i 7).

22.6 §6 — Odniesienie naprzód do rozdziałów 15 i 16

Ten rozdział zdefiniował DCF (§1), wyliczył pięć danych wejściowych wraz z czynnikiem tarcia certyfikacyjnego (§2), przećwiczył przekształcenie na hipotezie i skierował samozastosowanie naprzód (§3), podał i wyprowadził równanie 14.1’ jako stwierdzenie główne z równaniem 14.1 jako jego wnioskiem (1 − 2α) (§4) oraz wyspecyfikował implementację referencyjną jako kręgosłup odtwarzalności ram (§5).

Rozdział 15 traktuje o prerejestracji i kalibracji dla prognozowania AI. Rozdział 16 stosuje DCF do badanego zbioru i wywiązuje się z samozastosowania, które obiecało odniesienie naprzód z §3.

22.7 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The probability of backtest overfitting. Journal of Computational Finance, 20(4), 39-69.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Cramér, H. (1946). Mathematical methods of statistics. Princeton University Press.

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L series, 2024/1689.

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729–754.

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

Lo, A. W. (2002). The statistics of Sharpe ratios. Financial Analysts Journal, 58(4), 36-52.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Pickands, J. (1975). Statistical inference using extreme order statistics. The Annals of Statistics, 3(1), 119–131.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

23 Rozdział 15 — Prerejestracja i kalibracja w prognozowaniu SI

Status epistemiczny: niniejszy rozdział jest procesowo-dyscyplinarnym odpowiednikiem statystyczno-dyscyplinarnej konstrukcji z Rozdziału 14. Kwadratowy wynik Briera (1950), dekompozycja Murphy’ego (1973) na rzetelność-rozdzielczość-niepewność, dekompozycja DeGroot-Fienberg (1983) na kalibrację-uściślenie oraz kanon ściśle właściwych reguł punktacji Gneitinga-Raftery’ego (2007) wchodzą jako (ustalone) — ich treść statystyczna jest rozstrzygnięta i rozdział jej nie wyprowadza ponownie. Szablon prerejestracji (preregistration) opisany w §2 wchodzi jako (ustalony) w zakresie skodyfikowanego mechanizmu — sam dokument wdraża go w trzech zablokowanych wersjach (v1, v2, v3) oraz w protokole HASH_PLACEHOLDER, który je weryfikuje — oraz jako (poparty dowodami — wyprowadzony) w zakresie twierdzenia konstrukcyjnego, że ten sam szablon spełniałby, element po elemencie, to, czego wymaga poprawnie sformułowana prerejestracja prognozy możliwości SI. Obserwacja, że badane prognozy z Części I nie posiadają prerejestrowanego (preregistered) protokołu ani opublikowanej historii kalibracji, jest (poparta dowodami) z zapisów dla poszczególnych prognoz z Rozdziału 1.1–1.7. Spośród czterech mechanizmów z §4 mechanizmy bodźcowy, instytucjonalny i techniczny wchodzą jako (poparte dowodami) z udokumentowanymi źródłami bezpośrednimi; mechanizm kulturowy — twierdzenie o substytucji, którego dziedzina formalnie nie wyartykułowała — wchodzi jako (poparty dowodami — wyprowadzony) jako wywnioskowana koniunkcja mechanizmów instytucjonalnego i technicznego, zdegradowana z etykiety (poparty dowodami) z poprzedniego szkicu w uznaniu lektury audytora zgodnej z Regułą 4. Każda projekcja co do tempa, w jakim dyscyplina ta rozprzestrzenia się w prognozowaniu SI, jest (spekulatywna). Pracodawca nie jest wymieniony.

Rozdział 14 złożył adaptację DSR, adaptację PFO oraz czynnik tarcia certyfikacyjnego w Zdeflowaną Prognozę Możliwości (Deflated Capability Forecast, DCF) (równanie 14.1’ i jego wniosek, równanie 14.1). DCF jest statystyczną połową dyscypliny: mówi czytelnikowi, jak opublikowany przedział musi zostać poszerzony, przesunięty i wyceniony ogonowo, zanim odczyta się go jako dowód. Nie mówi czytelnikowi, czy ten przedział został zobowiązany przed danymi, czy przeszukanie zostało ujawnione w całości ani jak wcześniejsza historia wyników prognosty warunkuje wiarygodność tej prognozy. To są pytania procesowe poprzedzające korektę DCF. Zdeflowana prognoza post hoc jest nadal prognozą post hoc; deflacja wycenia inflację przeszukania, która została ujawniona, a nie inflację przeszukania, która nie została. Dyscyplina, którą DCF zakłada, to dyscyplina prerejestracji i kalibracji, którą niniejszy rozdział opisuje.

Poszczególni progności występują jako uregulowane przykłady. Samozastosowanie z Reguły 3 nie jest tu przypisem, lecz tematem rozdziału: dokument argumentuje za dyscypliną prerejestracji, stosuje ją w trzech zablokowanych wersjach i poddał swój protokół odporności na manipulację testowi obciążeniowemu w audycie integralności z 2026-05-28, który §4 relacjonuje bez upiększeń. Niniejszy rozdział nie kataloguje tego, czego brakuje badanym prognozom — ten audyt należy do Rozdziałów 1.1 do 1.7. Opisuje on, element po elemencie, czego wymaga poprawnie sformułowana prerejestracja prognozy możliwości SI, oraz maszynerię śledzenia kalibracji, która punktuje zrealizowane wyniki, gdy prerejestracja jest już ustanowiona.

23.1 §1 — Pomost: Od dyscypliny statystycznej do dyscypliny procesowej

Oba rozdziały traktują tę samą postawę epistemiczną w dwóch porządkach zastosowania. DCF działa na opublikowanym przedziale — bierze prognozę jako dostarczony obiekt i pyta, co jej raportowany przedział oznacza pod korektami wyprowadzonymi w Rozdziałach 6, 7 i 13. Dyscyplina prerejestracji działa wcześniej: pyta, do czego prognosta zobowiązał się przed zaobserwowaniem danych. Zastosowana do nieprerejestrowanej prognozy DCF może skorygować ujawnioną inflację przeszukania i regulacyjne tarcie wdrożeniowe; nie może skorygować nieujawnionych efektów selekcji, ponieważ dolna granica ujawnienia max(N_D) z Adaptacji 4 jest dokładnie wejściem ograniczającym z dołu, którego DCF wymaga, i dokładnie tym, czego nieprerejestrowana prognoza nie dostarcza (Rozdział 7 §3) (ustalone — zależność od dolnej granicy ujawnienia jest konstrukcją dolnego ograniczenia z Adaptacji 4).

Relacja jest asymetryczna w określony sposób. Prerejestrowana prognoza może nadal być błędna, a DCF deflauje ją odpowiednio: prerejestracja zobowiązuje metodologię przed danymi, ale nie waliduje metodologii względem danych — to robi maszyneria śledzenia kalibracji, którą rozwija §3. Nieprerejestrowanej prognozie nie można jednolicie ufać jako słusznej ani błędnej co do jej raportowanego pasma niepewności, ponieważ pasmo nie ma ustalonego pierwowzoru, względem którego można je punktować: czytelnik nie potrafi stwierdzić, który model prognosta przeszukał i który raportował, które przedziały rozważano, a które opublikowano, które kryteria falsyfikacji były dostępne, a z których zrezygnowano. Dyscyplina prerejestracji jest warunkiem poprzedzającym, który czyni późniejszą korektę DCF interpretowalną; maszyneria kalibracji jest warunkiem historii wyników, który czyni następną prognozę prognosty interpretowalną. Czytelnik z korektą DCF, lecz bez prerejestracji, czyta deflację obiektu znanego połowicznie; czytelnik z prerejestracją, lecz bez historii kalibracji, czyta zobowiązanie nieprzetestowanego instrumentu; czytelnik bez żadnego z nich czyta narrację.

Pakiet deflated-capability-forecast (Rozdział 14 §5) jest statystycznym kręgosłupem. Szablon prerejestracji §2 poniżej jest kręgosłupem zobowiązania — tym, co musi zostać zablokowane, kiedy i jak. Maszyneria śledzenia kalibracji §3 poniżej jest kręgosłupem weryfikacji — tym, jak konstruuje się i odczytuje historię wyników. Sekcja §4 podejmuje, dlaczego dyscyplina jest rzadka i ile kosztuje jej brak. Rozdział 16 stosuje oba ramy do badanego zbioru; niniejszy rozdział dostarcza dyscypliny procesowej, o której posiadanie przez każdą prognozę Rozdział 16 będzie pytał.

23.2 §2 — Szablon: Czego wymaga poprawnie sformułowana prerejestracja prognozy możliwości SI

Poprawnie sformułowana prerejestracja prognozy możliwości SI to dokument zobowiązany w weryfikowalnym momencie w czasie, zanim prognosta zaobserwuje dane o możliwościach, na których prognoza będzie punktowana, zawierający sześć elementów, które razem określają obiekt prognozy, metodologię, która go wytworzyła, przeszukanie modelu stojące za nią, obciążenie testowaniem wielokrotnym tego przeszukania, warunki, w jakich prognoza jest sfalsyfikowana, oraz kryptograficzny mechanizm czyniący zobowiązanie odpornym na manipulację. Szablon jest konstrukcyjny, a nie aspiracyjny: każdy element odpowiada wejściu, które DCF konsumuje, lub kryterium, którego wymaga ocena kalibracji oparta na właściwej regule punktacji, tak że szablon jest odtworzony wstecz z późniejszej oceny, którą musi wspierać, a nie złożony z rozważań o wygodzie prognosty. Sześć elementów podaje się po kolei; każdy jest zilustrowany odniesieniem do tego, do czego zobowiązałaby się prerejestracja jednej z badanych prognoz, konstrukcyjny odpowiednik audytu Części I opartego wyłącznie na rekonstrukcji. Tam, gdzie ilustracja czerpie z konkretnej badanej prognozy, cytowanie odsyła do rekonstrukcji z Rozdziału 1.x; żaden materiał po stronie pracodawcy ani specyficzny instytucjonalnie nie wchodzi.

Element 1 — Obiekt prognozy. Prerejestracja musi zobowiązać, przed zaobserwowaniem jakichkolwiek danych, konkretny ilościowy obiekt, którego prognoza dotyczy. Obiekt ma trzy części. Oszacowanie punktowe to wartość wiodąca — data, prawdopodobieństwo, tempo podwajania, wynik benchmarku — z precyzją, z jaką prognosta ją opublikuje. Przedział to pasmo niepewności wokół punktu, z jawnym α (przedział 95% to α = 0.025 po każdej stronie, przedział 90% to α = 0.05 po każdej stronie) i podaną parametryzacją (gaussowska, log-normalna, Studenta-t, estymowana jądrowo). Rozkład to pełny obiekt probabilistyczny — dystrybuanta, gęstość lub dyskretna masa prawdopodobieństwa — który dostarcza kwantyle, z których przedział się odczytuje, oraz momenty, których wymaga ocena oparta na właściwej regule punktacji. Prerejestracja, która zobowiązuje punkt bez przedziału, zadeklarowała przedział o zerowej szerokości, co jest na ogół nieprawdopodobne i co DCF poszerza od zera (Rozdział 14 §2). Prerejestracja, która zobowiązuje punkt i przedział bez rozkładu, zadeklarowała domyślnie rozkład normalny (Gaussian), co jest na ogół nieuzasadnione dla czasów nadejścia możliwości, których prawy ogon jest kształtowany przez tarcie regulacyjne (Rozdział 13 §4; Rozdział 14 §4) (ustalone — trójczęściowy obiekt prognozy jest wspólnym wejściem, które konsumują DCF, reguły punktacji rodziny Briera oraz maszyneria wykresów kalibracyjnych).

Ilustracja konstrukcyjna. Gdyby Aschenbrenner (2024) prerejestrował prognozę z osi OOM, Element 1 zobowiązałby: oszacowanie punktowe, wiodącą datę nadejścia dla wdrożenia AGI w 2027 poprzez czteroOOM-ową addytywną dekompozycję (dekompozycja z §2 rozdziału Situational Awareness); przedział, asymetryczne pasmo, w które niepewności poszczególnych sterowników OOM propagują się poprzez model addytywny, z podanym α; rozkład, implikowaną dystrybuantę nadejścia możliwości, którą implikują gaussowskie założenia poszczególnych OOM. Opublikowana prognoza dostarcza punkt i bronione narracyjnie pasmo; nie zobowiązuje rozkładu przed danymi. Prerejestracja zamknęłaby tę lukę (Aschenbrenner, 2024; Rozdział 1.1 §2; rekonstrukcja §2.4) (poparte dowodami — rekonstrukcje Części I ustanawiają lukę).

Element 2 — Metodologia. Prerejestracja musi zobowiązać metodologię, według której skonstruowano obiekt prognozy — specyfikację dekompozycji, wartości parametrów, źródła danych i ich stany wiedzy, procedurę estymacji, regułę wnioskowania od oszacowań do prognozy. Zobowiązanie musi być operacyjne: czytelnik prerejestracji musi być w stanie odtworzyć prognozę z samej metodologii, utrzymując dane wejściowe ustalone na prerejestrowanym stanie wiedzy. Jest to odpowiednik Reguły 1 (każde twierdzenie ilościowe ma odtwarzalny kod) zastosowany na etapie produkcji prognozy, i jest to wejście, które odczytuje partycja zbioru informacyjnego z Adaptacji 2 w Rozdziale 7 — partycja jest przyczynowa z konstrukcji (Rozdział 7 §2), co oznacza, że zbiór w próbie to dokładnie dane obserwowalne poprzez datę odcięcia stanu wiedzy metodologii, a prerejestracja, która nie zobowiązuje stanu wiedzy, nie może dostarczyć partycji, którą konsumuje PFO (ustalone — zależność od wejścia partycji przyczynowej jest konstrukcją daty odcięcia stanu wiedzy z Adaptacji 2).

Ilustracja konstrukcyjna. Gdyby Cotra (2020) prerejestrowała metodologię kotwic biologicznych, Element 2 zobowiązałby: sześć kotwic benchmarkowych (krótka / średnia / długa / genom / życie / ewolucyjna), wagi mieszania z ich parametryzacją, rozkłady zapotrzebowania na moc obliczeniową dla poszczególnych kotwic z ich rodzinami i danymi zablokowanymi na stanie wiedzy, oraz regułę agregacji od dystrybuant poszczególnych kotwic do wiodącego rozkładu nadejścia TAI. Samokorekta z 2022 (Cotra, 2022) jest sama w sobie dowodem, że metodologia z 2020 była wyborem spośród alternatyw, które autorka później rozważyłaby ponownie — fakt, którego prerejestracja by nie powstrzymała (progności mają prawo aktualizować), lecz uczyniłaby go audytowalnym: aktualizacja z 2022 byłaby drugą prerejestracją, ta z 2020 zamrożona do punktowania względem upłynionych dowodów z lat 2020–2022, ta z 2022 rozpoczynająca nowy tor na kolejne okno (Cotra, 2020, 2022; Rozdział 1.2 §3) (poparte dowodami — samokorekta z 2022 jest udokumentowanym przypadkiem nieprerejestrowanej aktualizacji metodologii).

Element 3 — Ujawnienie przeszukania. Prerejestracja musi zobowiązać, przed zaobserwowaniem jakichkolwiek danych, kompletne wyliczenie przeszukania modelu stojącego za metodologią: każdą rozważaną specyfikację alternatywną, każdą podjętą perturbację parametrów, każdą zważoną-i-odrzuconą kotwicę lub sterownik, każdy wypróbowany-i-odrzucony stan wiedzy danych. Jest to dolna granica ujawnienia max(N_D) z Adaptacji 4 (Rozdział 7 §3), wejście, które napędza deflację oczekiwanego maksimum z N prób E[SR_max] ∝ √(2 ln N) (Rozdział 6 §1) oraz korektę na wielokrotność, względem której odczytuje się poziom braku informacji PFO. Prerejestracja, która nie ujawnia przeszukania, przyznaje się do inflacji przeszukania, której DCF nie może już ograniczyć z dołu: brakuje wejścia dolnej granicy ujawnienia, a zawyżone w górę przybliżenia z Algorytmów A, B i C (sieć cytowań, tempo publikacji, budżet obliczeniowy) niosą samą górną granicę, bez dającej się obronić dolnej granicy do utworzenia widełek. Anomalia kierunku obciążenia w prerejestrowanej obsłudze anomalii z Adaptacji 4 (dolna granica ujawnienia przekraczająca minimalne zawyżone w górę przybliżenie) jest operacyjnym sygnałem, że ujawnione przeszukanie jest nieprawdopodobnie większe niż przybliżenia przeszukania społecznościowego — reguła, którą prerejestracja v2 zablokowała przy haszu a88856d9… (Rozdział 7 §3; prerejestracja v2) (ustalone — struktura widełek dolna granica ujawnienia / przybliżenie jest skodyfikowanym mechanizmem Adaptacji 4, a dokument niesie ją w prerejestracjach v1, v2 i v3).

Ilustracja konstrukcyjna. Gdyby Davidson (2023) prerejestrował metodologię czasu trwania gwałtownego startu, Element 3 zobowiązałby: mniej więcej siedemdziesiąt sprzężonych parametrów, które ujawnia interaktywny symulator (Rozdział 1.3 §3), rozkład a priori nad każdym, liczbę łącznych perturbacji podjętych przed raportowaną perturbacją pojedynczą, rozróżnienie przekonanie-a-priori-versus-wartość-dopasowana dla każdego. Opublikowana prognoza ujawnia parametry i perturbację pojedynczą; wymiarowość łącznej perturbacji nie jest scharakteryzowana (Davidson, 2023; Rozdział 1.3 §3). Prerejestracja zamknęłaby lukę — a ujawnienie napędziłoby największe ujawnione N_D z siedmiu, wejście, względem którego złożony estymator z Rozdziału 7 §3 odczytywałby największe z trzech zawyżonych w górę przybliżeń przeszukania społecznościowego, widełki, które reguła by śledziła (poparte dowodami — fakt sprzężenia parametrów jest zapisem z Rozdziału 1.3 §3).

Element 4 — Estymator złożony efektywnego N. Prerejestracja musi zobowiązać parametryzację estymatora złożonego efektywnego N z Rozdziału 7 §3 — czteroalgorytmiczną strukturę, która tworzy widełki dla wejścia wielokrotności przeszukania, a nie zrealizowane wartości, które są obliczane w czasie punktowania. Zobowiązanie blokuje: które źródło ujawnienia wrażliwości dostarcza N_D (dolna granica ujawnienia z Algorytmu D); które przybliżenia sieci cytowań, tempa publikacji i budżetu obliczeniowego dostarczają Algorytmów A, B i C (zawyżone w górę oszacowania przeszukania społecznościowego); oraz progi współczynnika widełek, przy których estymator złożony raportuje zakres bez wiodącego punktu (prerejestrowane progi 100× wiodące i 1.5× na oś, ex post niezmienne; prerejestracja v2 hasz a88856d9…). Reguła anomalii kierunku obciążenia z Adaptacji 4 (degradacja do spekulatywnego, gdy dolna granica ujawnienia przekracza minimalne przybliżenie) musi zostać zablokowana w tym samym momencie zobowiązania, ponieważ jest to reguła, która zamienia przesadne ujawnienie przeszukania samej prognozy w jawną etykietę anomalii zamiast cichej fabrykacji. Element 4 jest formalnym wspólnym zobowiązaniem Elementów 1–3 względem późniejszej konsumpcji DCF: obiekt prognozy (Element 1) jest punktowany względem metodologii (Element 2) i jej ujawnienia przeszukania (Element 3), ograniczony widełkami przez estymator złożony efektywnego N (Element 4), a cztery razem definiują to, na czym działa DCF (ustalone — czteroalgorytmiczny estymator złożony i dyscyplina widełek są skodyfikowanym mechanizmem Adaptacji 4, z progami prerejestrowanymi v2 i ex post niezmiennymi wedle prerejestracji v3).

Element 5 — Kryteria falsyfikacji. Prerejestracja musi zobowiązać, przed zaobserwowaniem jakichkolwiek danych, konkretne zrealizowane wyniki, które obaliłyby prognozę — oraz datę, do której każde obalenie albo zachodzi, albo wygasa. Jest to operacyjna forma Reguły 6 (prerejestrowane predykcje z falsyfikowalnymi znacznikami czasu) i ma trzy części. Kryteria rozstrzygnięcia: jawne mierzalne zdarzenie, którego zrealizowana wartość, zaobserwowana w dacie rozstrzygnięcia, decyduje, czy prognoza była słuszna, czy błędna. Data rozstrzygnięcia: data kalendarzowa, do której kryterium jest sprawdzane, zablokowana przy prerejestracji. Reguła rozstrzygnięcia: deterministyczna procedura, która zamienia zaobserwowaną wartość w werdykt o poprawności prognozy, w tym reguła rozstrzygania remisów dla kryteriów dopuszczających wiele możliwych do obrony odczytań. Prerejestracja bez kryterium falsyfikacji nie jest prognozą w sensie, który egzekwuje Reguła 6; jest narracją, której autor zachowuje prawo do uznania każdego zrealizowanego wyniku za zgodny (Meehl, 1978; Popper, 1959 — falsyfikacjonistyczny kanon, który dokument dziedziczy). DCF nie może zdeflować prognozy, której kryterium falsyfikacji nie jest zobowiązane wcześniej, ponieważ reguła rozstrzygnięcia jest tym, co czyni zrealizowane PFO z Rozdziału 7 §4 obliczalnym: bez deterministycznej reguły zrealizowany ranking w_s, który odczytuje logit pojedynczego testu λ_s, jest niezdefiniowany, a zrealizowane PFO pozostaje na swoim zerowym poziomie odniesienia (ustalone — wymóg falsyfikowalności z Reguły 6 jest własnym skodyfikowanym mechanizmem prerejestracji dokumentu, zastosowanym do siebie w wersjach v1, v2, v3).

Ilustracja konstrukcyjna. Gdyby Karnofsky (2021) prerejestrował oś masy prawdopodobieństwa tezy the most important century, Element 5 zobowiązałby: mierzalne zdarzenie (określony próg wskaźnika znaczenia cywilizacyjnego, związany z odczytem ilościowym, a nie narracyjnym); datę rozstrzygnięcia (rok kalendarzowy, do którego zdarzenie albo zachodzi, albo nie); oraz regułę rozstrzygnięcia (deterministyczną procedurę, która odczytuje zaobserwowaną wartość wskaźnika i decyduje). Opublikowana prognoza niesie narracyjny rozkład w kategoriach wyników cywilizacyjnych bez wyliczonego mierzalnego progu i bez daty rozstrzygnięcia w obrębie horyzontu (Karnofsky, 2021; Rozdział 1.5 §3) — struktura, którą Rozdział 4 §3 odnotowuje jako niedopuszczającą falsyfikacji w obrębie horyzontu. Prerejestracja zamknęłaby lukę, wiążąc narrację z mierzalnym wskaźnikiem, albo — uczciwa alternatywa — deklarując prognozę z natury niefalsyfikowalną i akceptując, że DCF nie może punktować tego, czego nie można rozstrzygnąć (poparte dowodami — fakt narracyjnego rozkładu pochodzi z Rozdziału 1.5 §3; odczyt niefalsyfikowalności w obrębie horyzontu pochodzi z Rozdziału 4 §3).

Element 6 — Mechanizm zahaszowania i zablokowania. Prerejestracja musi zobowiązać, w momencie blokowania, kryptograficzny mechanizm, który czyni zablokowaną treść odporną na manipulację. Mechanizm ma trzy własności. Adresowanie treścią: wartość blokady jest funkcją zablokowanych bajtów, a nie metadanych, które można edytować niezależnie (znacznik czasu, etykieta wersji, notatka do akt). Zakotwiczenie: wartość blokady jest publikowana w momencie w czasie, którego uporządkowanie względem obserwacji danych jest niezależnie weryfikowalne (zapieczętowany commit git wepchnięty do publicznego zdalnego repozytorium z zarejestrowanym znacznikiem czasu po stronie serwera; preprint arXiv z zarejestrowaną datą złożenia; notarialny kryptograficzny znacznik czasu). Powtarzalność uruchomienia: weryfikacja wartości blokady, lata później, wymaga jedynie narzędzi, które może uruchomić każdy czytelnik — łańcucha haszy commita, narzędzia haszującego (shasum, sha256sum) oraz mechanizmu podstawienia dla wszelkiego samoodnoszącego się heksu (sed, protokół HASH_PLACEHOLDER z preregistration/PROTOCOL.md). Własny mechanizm prerejestracji dokumentu, zablokowany w v1, v2 i v3, wdraża wszystkie trzy: adresowanie treścią przez SHA-256 dokumentu z osadzonym haszem zastąpionym literałem HASH_PLACEHOLDER; zakotwiczenie przez zapieczętowane commity git przy tagach preregistration-v1, preregistration-v2 i preregistration-v3-locked; powtarzalność uruchomienia przez trzy receptury podstawienia udokumentowane w preregistration/PROTOCOL.md §3, każda zweryfikowana niedestrukcyjnie w preregistration/HASH_VERIFICATION_LOG.md (HASH_PLACEHOLDER protokół; hasze prerejestracji v1/v2/v3 a2f7e52c…, a88856d9…, 510c8e8c…) (ustalone — protokół jest skodyfikowany i wdrożony; dziennik weryfikacji §4 potwierdza, że wszystkie trzy wersje rozwiązują się pod protokołem dokładnie).

Sześć elementów się składa. Element 1 dostarcza obiekt prognozy, na którym działa DCF; Element 2 dostarcza charakterystykę metodologii, którą konsumuje selekcja statystyki dla danego ramowania w DCF (Rozdział 14 §2); Element 3 dostarcza dolną granicę ujawnienia, której estymator złożony z Rozdziału 7 §3 potrzebuje jako swojej dolnej granicy; Element 4 blokuje parametryzację estymatora złożonego przed oceną przeszukania; Element 5 dostarcza regułę rozstrzygnięcia, którą konsumują zarówno zrealizowane PFO, jak i maszyneria śledzenia kalibracji z §3 poniżej; Element 6 dostarcza odporność na manipulację, która czyni cały stos weryfikowalnym lata po opublikowaniu prognozy. Twierdzenie konstrukcyjne szablonu mówi dokładnie, że te sześć elementów wyczerpuje to, czego potrzebuje późniejszy ewaluator — odpowiadają one, jeden do jednego, wejściom DCF (Elementy 1–4), wejściom oceny opartej na właściwej regule punktacji (Elementy 1 i 5), wejściom maszynerii wykresów kalibracyjnych (Elementy 1 i 5) oraz wejściom maszynerii audytu integralności (Element 6, który mieści trzy podwłasności: adresowanie treścią, zakotwiczenie i powtarzalność uruchomienia — a w obrębie zakotwiczenia uporządkowanie moment-zakotwiczenia-publikacji-względem-obserwacji-danych, uporządkowanie znaczników czasu między zobowiązaniem a obserwacją danych, które jest logicznie odrębne od kryptograficznej odporności na manipulację, lecz jest wchłonięte do Elementu 6 jako operacyjny odczyt podwłasności zakotwiczenia). Prerejestracja, której brakuje któregokolwiek elementu, pozostawia późniejszemu ewaluatorowi odpowiadające brakujące wejście; prerejestracja, która zobowiązuje wszystkie sześć, dostarcza wejścia, które konsumują ramy. Szablon nie jest aspiracyjny — jest specyfikacją po stronie wejścia, którą implikuje obiekt raportowania po stronie wyjścia DCF (poparte dowodami — wyprowadzone, twierdzenie konstrukcyjne jest wyprowadzone z listy wejść DCF z Rozdziału 14 §2 i listy wejść reguły punktacji z §3 poniżej; podwłasność zakotwiczenia z Elementu 6 jest resztą, którą twierdzenie o wyczerpaniu nazywa jawnie).

23.3 §3 — Śledzenie kalibracji: Właściwe reguły punktacji, wykresy kalibracyjne, historie wyników

Śledzenie kalibracji to dyscyplina punktowania zrealizowanych wyników względem prognoz, i jest to maszyneria, którą prerejestrowana historia wyników ma wspierać. Dyscyplina ma trzy warstwy. Pierwsza to reguła punktacji dla pojedynczej prognozy — funkcja, która bierze jedną prognozę i jej zrealizowany wynik i zwraca liczbę mierzącą odległość między nimi. Druga to wykres kalibracyjny — graficzny i dekompozycyjny odczyt wielu prognoz względem wielu wyników, który odróżnia rzetelność od rozdzielczości. Trzecia to historia wyników — agregat dla danego prognosty w wielu prognozach, który warunkuje wiarygodność dla następnej prognozy. Każda warstwa opiera się na ustalonej maszynerii w kanonie prognozowania pogody i turniejów prognostycznych, zastosowanej do dziedziny prognozowania możliwości SI bez modyfikacji treści statystycznej. Wkładem rozdziału na tej warstwie nie jest wyprowadzenie nowych reguł punktacji, lecz określenie, które reguły stosują się do których typów prognoz i co mierzyłyby ich zrealizowane wartości, gdyby badane prognozy je wytwarzały — czego, z wyjątkami, które podejmuje §4, nie czynią.

Kwadratowy wynik Briera (1950) jest kanoniczną regułą punktacji dla probabilistycznych prognoz zdarzenia binarnego lub kategorialnego. Dla prawdopodobieństwa prognozy p i zrealizowanego wyniku binarnego y ∈ {0, 1} wynik Briera to błąd kwadratowy BS = (p − y)². Jest ograniczony w [0, 1], wynosi zero przy doskonałej prognozie (p = y) i 0.25 przy poziomie braku informacji (p = 0.5). Wynik Briera jest ściśle właściwy: jego wartość oczekiwana pod prawdziwym rozkładem wyników jest minimalizowana jednoznacznie przy prawdziwym prawdopodobieństwie, więc prognosta nie może poprawić swojego wyniku, odchylając się od swojego uczciwego przekonania (Brier, 1950; Gneiting & Raftery, 2007). Dla prognoz SI o rozkładzie probabilistycznym — rozkład nadejścia TAI z kotwic biologicznych Cotry, masa prawdopodobieństwa Karnofsky’ego w kategoriach wyników cywilizacyjnych, agregowane z ankiet ekspertów prawdopodobieństwa nadejścia Grace — statystyka rodziny Briera jest preferowaną regułą punktacji dla pojedynczej prognozy, ta sama selekcja, którą zablokowała statystyka dla danego ramowania z Rozdziału 6 §2 / Rozdziału 14 §2 (Adaptacja 3). Zrealizowana wartość wyniku Briera w wielu prognozach dopuszcza dekompozycję Murphy’ego (1973) na trzy ortogonalne składowe — rzetelność (średnia kwadratowa odległość między prawdopodobieństwami prognozy a warunkowymi zrealizowanymi częstościami, mierząca niewłaściwą kalibrację), rozdzielczość (średnia kwadratowa odległość między warunkowymi zrealizowanymi częstościami a brzegową częstością bazową, mierząca umiejętność dyskryminacyjną) oraz niepewność (wariancja samych zrealizowanych wyników, własność świata, której prognosta nie stworzył) — z tożsamością BS = Rzetelność − Rozdzielczość + Niepewność, gdzie człon rzetelności należy minimalizować, a człon rozdzielczości maksymalizować (Murphy, 1973) (ustalone — wynik Briera i jego trójskładowa dekompozycja są fundamentalnym kanonem; Brier, 1950; Murphy, 1973).

Rodzina ściśle właściwych reguł punktacji Gneitinga-Raftery’ego (2007) uogólnia konstrukcję Briera poza przypadek binarny. Dla prognoz o wartościach ciągłych — daty nadejścia możliwości jako czas ciągły, tempa podwajania jako parametry ciągłe, wyniki benchmarków jako ciągłe ułamki — kanonicznymi ściśle właściwymi regułami punktacji są wynik logarytmiczny (log-loss), S_log(F, y) = −log f(y), ewaluowany przy zrealizowanej wartości y względem gęstości prognozy f; oraz ciągły rankingowy wynik prawdopodobieństwa (continuous ranked probability score, CRPS), CRPS(F, y) = ∫ (F(t) − I{y ≤ t})² dt, który jest całką wyników Briera dla poszczególnych kwantyli wzdłuż dystrybuanty prognozy F (Gneiting & Raftery, 2007, §4; Gneiting, Balabdaoui, & Raftery, 2007). Oba są ściśle właściwe: oczekiwany wynik prognosty jest minimalizowany jednoznacznie przy prawdziwym rozkładzie, więc uczciwość jest zgodna z bodźcami. CRPS jest naturalną regułą punktacji dla rozkładu DCF, który równanie 14.1’ dostarcza jako swój obiekt główny — obiekt rdzeń-plus-ogon, którego centralnym przedziałem jest równanie 14.1, a którego prawy ogon jest warstwą EVT z Pickandsa (1975), Rozdział 14 §4 — ponieważ CRPS punktuje pełny rozkład względem zrealizowanego punktu, całkując po rdzeniu i ogonie równocześnie, zamiast odczytywać pojedynczy kwantyl lub zdarzenie pokrycia przedziałowego. Dla punktowania pokrycia przedziałowego ramy ostrości i kalibracji Gneitinga-Balabdaoui-Raftery’ego (2007) dostarczają kanoniczny odczyt: przedział 95%, który pokrywa 95% zrealizowanych wyników, jest skalibrowany; który pokrywa 99%, jest skalibrowany-ale-nieinformatywny; który pokrywa 50%, jest nadmiernie pewny. Trójka (Brier, CRPS, pokrycie przedziałowe) obejmuje trzy typy obiektów prognozy, które identyfikuje charakterystyka metodologii z Rozdziału 14 §2 — rozkład probabilistyczny, punkt o wartości ciągłej z rozkładem oraz punkt z przedziałem — a selekcja dla danego ramowania z Adaptacji 3 mapuje każdy na jego odpowiednik wśród właściwych reguł punktacji (ustalone — kanon ściśle właściwych reguł punktacji; Gneiting & Raftery, 2007; Gneiting, Balabdaoui, & Raftery, 2007; Pickands, 1975 dla warstwy EVT).

Wykres kalibracyjny DeGroot-Fienberg (1983) jest maszynerią odczytu drugiej warstwy, która bierze wiele prognoz w wielu wynikach i dekomponuje je na rzetelność (kalibrację) oraz uściślenie (rozdzielczość) — tę samą partycję, którą dostarcza dekompozycja Murphy’ego, wyprowadzoną niezależnie z perspektywy porównania prognostów. Konstrukcja wykresu jest bezpośrednia: pogrupuj prognozy według podanego prawdopodobieństwa (np. przedziały {[0, 0.1], [0.1, 0.2], …, [0.9, 1.0]}), oblicz zrealizowaną częstość wewnątrz przedziału i wykreśl podane-versus-zrealizowane — linia 45° oznacza doskonałą kalibrację, punkty poniżej linii oznaczają nadmierną pewność, punkty powyżej oznaczają niedostateczną pewność (DeGroot & Fienberg, 1983, §2–§3). Dekompozycja wykresu odczytuje: prognosta, którego wykres podąża za linią 45° we wszystkich przedziałach, jest rzetelny (jego podawane zdarzenia 70% zachodzą w 70% przypadków); prognosta, którego wykres jest płaski w pobliżu brzegowej częstości bazowej, jest nierozdzielczy (słabo dyskryminuje między zdarzeniami o wysokim i niskim prawdopodobieństwie, nawet jeśli jest rzetelny w agregacie). Wykres jest wizualnym odpowiednikiem liczbowych składowych dekompozycji Murphy’ego — człon rzetelności to pole między krzywą wykresu a przekątną, człon rozdzielczości to pole między krzywą wykresu a poziomą na brzegowej częstości bazowej. Dla śledzenia kalibracji w prognozowaniu możliwości SI wykres jest konstruowany w obrębie prognoz tego samego typu obiektu prognozy (prognozy binarne w stylu Briera, prognozy ciągłe w stylu CRPS, prognozy pokrycia przedziałowego) i odczytywany jako główna wizualizacja operacyjnej historii wyników (ustalone — mechanizm wykresu kalibracyjnego; DeGroot & Fienberg, 1983; kanon turniejów Tetlocka i Mellers zastosował tę samą maszynerię do prognozowania geopolitycznego w Good Judgment Project; Mellers et al., 2014; Tetlock & Gardner, 2015).

Historia wyników jest trzecią warstwą — agregatem dla danego prognosty w wielu prognozach, który jest wejściem, na którym bayesowski czytelnik następnej prognozy warunkuje. Operacyjnie historia wyników to zbiór trójek (prognoza, wynik, ocena), które prognosta wytworzył pod szablonem prerejestracji §2 powyżej, ocenionych właściwą regułą punktacji z §3 powyżej, wykreślonych maszynerią DeGroot-Fienberg powyżej. Odczyt historii wyników ma dwa operacyjne podsumowania. Pierwsze to agregat równoważny wynikowi Briera: średnia ocena na prognozę w całej historii wyników, bezwzględna miara trafności w jednostkach wyniku. Drugie to składowe zdekomponowane przez Murphy’ego: rzetelność, rozdzielczość i niepewność, obliczone w całej historii wyników. Prognosta o niskiej rzetelności, lecz wysokiej rozdzielczości jest nadmiernie-pewny-ale-dyskryminujący — dobrze sortuje zdarzenia, lecz źle podaje prawdopodobieństwa; prognosta o wysokiej rzetelności, lecz niskiej rozdzielczości jest skalibrowany-ale-nieinformatywny — podaje prawdopodobieństwa równoważne częstości bazowej i ma co do nich rację. Kombinacja — wysoka rzetelność oraz wysoka rozdzielczość — jest definicją operacyjną dobrze skalibrowanego prognozowania możliwości SI (Murphy, 1973; DeGroot & Fienberg, 1983; Mellers et al., 2014). Dla porównania między prognostami o różnych obiektach prognozy wskaźnik umiejętności normalizuje równoważnik Briera względem prognozy odniesienia (zwykle brzegowej częstości bazowej lub klimatologii w prognozowaniu pogody): SS = 1 − BS_prognosta / BS_odniesienie, gdzie SS = 1 to doskonała prognoza, SS = 0 to poziom braku umiejętności, SS < 0 to prognoza gorsza niż poziom odniesienia (Brier, 1950, §3; Murphy, 1973) (ustalone — maszyneria historii wyników; korpus Tetlock 2005 / Tetlock-Gardner 2015 / Mellers et al. 2014 zoperacjonalizował ją dla prognozowania geopolitycznego na dużą skalę).

Strukturalny fakt dotyczący badanych prognoz na tej warstwie jest taki, że żadna z nich nie niesie opublikowanej historii kalibracji w formie, której wymaga trójwarstwowa maszyneria. Prognozy z Części I są każda pojedynczym obiektem — nadejście z osi OOM Aschenbrennera z 2027, rozkłady z osi kotwic Cotry z 2020/2022, model czasu trwania gwałtownego startu Davidsona z 2023, tempo podwajania METR z 2025, rozkład masy prawdopodobieństwa Karnofsky’ego z 2021, agregaty ankietowe Grace z 2018/2024, skalowanie obliczeniowe Epoch od 2022 wzwyż — wytworzonym przez autorów, którzy nie opublikowali, w publicznym zapisie, indywidualnej historii wyników w wielu wcześniejszych prerejestrowanych prognozach możliwości SI ocenionych właściwymi regułami punktacji i zdekomponowanych maszynerią Murphy’ego/DeGroot-Fienberg. Nie jest to obserwacja osobista; jest to strukturalna własność dziedziny na tym etapie jej rozwoju (poparte dowodami — zapisy poszczególnych prognoz z Rozdziałów 1.1 do 1.7 oraz baza prognoz research_notes/forecasts_database.json rejestrują strukturę poszczególnych prognoz; brak towarzyszącej indywidualnej historii kalibracji jest faktem strukturalnym).

Konsekwencja zaostrza odczyt DCF. DCF z Rozdziału 14 deflauje twierdzenie pojedynczej prognozy — bierze jeden opublikowany przedział i koryguje go o inflację przeszukania, prawdopodobieństwo przeuczenia i tarcie certyfikacyjne, których prognoza nie wycenia. Maszyneria śledzenia kalibracji deflauje prognostę — bierze historię prognoz i odczytuje, jaki ułamek zdarzeń, którym prognosta przypisał 90% pewności, zrealizował się w 90% przypadków, jaki ułamek jego przedziałów o deklarowanej 50% pewności zawierał zrealizowany wynik, jakie są jego składowe rzetelności i rozdzielczości Murphy’ego. Dwie korekty są ortogonalne: pojedyncza prognoza może mieć niską korektę DCF (przeszukanie ujawniono, metodologię zablokowano na stanie wiedzy, tarcie było małe) i mimo to pochodzić od prognosty, którego historia wyników jest słaba; a pojedyncza prognoza może mieć wysoką korektę DCF i pochodzić od prognosty, którego historia wyników jest doskonała. Czytelnik, który ma tylko DCF, czyta deflację jednej prognozy w izolacji; czytelnik, który ma tylko historię wyników, czyta wiarygodność prognosty bez korekty dla pojedynczej prognozy; czytelnik, który ma oba, czyta każdą prognozę zdeflowaną przez ramy i warunkowaną wcześniejszą kalibracją prognosty. Dyscyplina, którą podejmuje §4, to dyscyplina, która wytwarza oba (poparte dowodami — wyprowadzone, ortogonalność deflacji pojedynczej prognozy i kalibracji dla danego prognosty jest wyprowadzona ze struktury wejść DCF dla pojedynczej prognozy (Rozdział 14 §2) oraz struktury agregacji historii wyników dla danego autora (Murphy, 1973; DeGroot & Fienberg, 1983)).

Niewielki odczyt śródliniowy. Trzy typy prognoz z selekcji statystyki dla danego ramowania (Rozdział 14 §2; Adaptacja 3) mapują się na trzy reguły punktacji z §3 powyżej w odpowiedniości jeden-do-jednego:

Mapowanie jest konstrukcyjne: Element 1 prerejestracji każdego wiersza zobowiązuje obiekt prognozy w typie danego wiersza, Element 5 zobowiązuje regułę rozstrzygnięcia, względem której odczytuje reguła punktacji danego wiersza, zrealizowana ocena zasila dekompozycję historii wyników danego wiersza, a agregat dla danego autora jest odczytem trzeciej warstwy. Dwie z etykiet wierszy są adaptacjami, które rozdział flaguje bezpośrednio: odczyt Briera z Wiersza 1 jest ściśle właściwą regułą dla prawdopodobieństw zdarzenia dyskretnego i różni się od odczytu rozkładu ciągłego z Wiersza 2, który CRPS obsługuje natywnie; wykres DeGroot-Fienberg z Wiersza 3 jest formą zaadaptowaną do pokrycia przedziałowego (podane pokrycie zastępujące podane prawdopodobieństwo), a nie pierwotną konstrukcją prawdopodobieństwa-zdarzenia (DeGroot & Fienberg, 1983, §2–§3), a adaptacja jest częścią konstrukcyjnego wkładu §3, a nie ustalonym kanonem na poziomie pokrycia przedziałowego. Prognosta, który dostarcza elementy prerejestracji z §2 i wytwarza prognozy wielokrotnie przez lata, konstruuje historię wyników, na której czytelnik następnej prognozy może warunkować. Tabela mapowania nie jest twierdzeniem teoretycznym — każdy wiersz jest ustaloną maszynerią we własnej dziedzinie na odnotowanym poziomie adaptacji — a jej zastosowanie do prognozowania możliwości SI jest jej wkładem konstrukcyjnym.

23.4 §4 — Dlaczego jest to niewygodne, lecz konieczne

Dyscyplina prerejestracji i kalibracji jest rzadka w prognozowaniu SI z czterech powodów odpowiadających strukturalnym cechom dziedziny. To, czy prerejestracja poprawiłaby wiarygodność prognoz, jest rozstrzygnięte (Brier, 1950; Murphy, 1973; DeGroot & Fienberg, 1983; Tetlock, 2005; Mellers et al., 2014). Pytanie brzmi, dlaczego jest nieobecna i ile kosztuje jej brak.

Pierwszy to mechanizm bodźcowy. Prognozowanie możliwości SI na tym etapie jest nagradzane przede wszystkim oddziaływaniem narracyjnym — wielkością odbiorców, którzy angażują się w prognozę, tempem, w jakim prognoza jest cytowana przez innych prognostów, objętością wtórnego komentarza, który prognoza przyciąga. Pewne prognozy generują więcej oddziaływania narracyjnego niż uczciwe prognozy: prognosta, który deklaruje AGI w 2027 bez przedziału, generuje więcej zaangażowania niż ten sam prognosta deklarujący [2024, 2034] z przedziałem uczciwie wycenionym o inflację przeszukania, prawdopodobieństwo przeuczenia i tarcie certyfikacyjne. Prerejestracja koryguje bodziec przeciw temu: przedział zobowiązany w czasie prerejestracji to przedział punktowany w czasie rozstrzygnięcia, a historia wyników ujawnia nadmiernie-pewnych-ale-oddziałujących-narracyjnie prognostów jako nadmiernie pewnych. Kosztem dyscypliny dla prognosty jest różnica w oddziaływaniu narracyjnym między pewnym-nieprerejestrowanym a uczciwym-prerejestrowanym; wartością dyscypliny dla czytelnika jest różnica w wiarygodności między prognostami, których historie wyników ich różnicują (poparte dowodami — struktura bodźców jest udokumentowana w literaturze turniejów prognostycznych; Tetlock, 2005, §1–§3; Mellers et al., 2014; mechanizm oddziaływania narracyjnego jest udokumentowanym odczytem operacyjnym).

Drugi to mechanizm instytucjonalny. Prognozowanie możliwości SI nie ma recenzowanego forum zapisu na poziomie instytucjonalnym, który posiadają macierzyste dziedziny kanonu metodologicznego. Finanse mają Journal of Portfolio Management, Review of Financial Studies, Journal of Computational Finance (Bailey & López de Prado, 2014; Harvey, Liu, & Zhu, 2016; Bailey et al., 2017). Prognozowanie pogody ma Monthly Weather Review, Journal of Applied Meteorology, Quarterly Journal of the Royal Meteorological Society (Brier, 1950; Murphy, 1973). Prognozowanie geopolityczne ma ustrukturyzowany turniej Good Judgment Project z jego finansowaną przez IARPA infrastrukturą punktacji (Mellers et al., 2014; Tetlock & Gardner, 2015). Prognozowanie możliwości SI na poziomie, który rekonstruuje Część I, jest publikowane głównie na osobistych blogach (Karnofsky, 2021; Cotra, 2022), w samodzielnie publikowanych esejach (Aschenbrenner, 2024), w raportach think-tanków (Cotra, 2020; Davidson, 2023), na serwerach preprintów (Kwa et al., 2025), a w literaturze akademickiej jedynie na peryferiach (Grace et al., 2018, 2024; Sevilla et al., 2022). Bez recenzowanego forum zapisu żaden mechanizm instytucjonalny nie egzekwuje dyscypliny prerejestracji jako kosztu wejścia dla publikacji; prognosta, który decyduje się prerejestrować, ponosi pełny koszt dyscypliny sam, podczas gdy prognosta, który decyduje się nie prerejestrować, nie ponosi żadnego kosztu nakładanego przez mechanizm instytucjonalny. Jest to odpowiednik problemu „ogrodu zoologicznego czynników”, który Harvey, Liu i Zhu (2016) udokumentowali w finansach — lecz na wcześniejszym etapie: finanse miały dyscyplinę korekty na testowanie wielokrotne, zanim miały egzekwowanie instytucjonalne; prognozowanie możliwości SI nie ma ani jednego, ani drugiego (poparte dowodami — struktura forów publikacyjnych jest udokumentowanym zapisem Części I; kontrast z macierzystymi dziedzinami kanonu metodologicznego jest odczytem źródłowym).

Trzeci to mechanizm techniczny. Zdarzenie nadejścia możliwości nie jest czystym binarem. Prognosta pogody prerejestruje probability of rain tomorrow at this station i rozstrzyga to względem mierzalnej obserwacji w ustalonej dacie; następuje wynik Briera. Prognosta geopolityczny prerejestruje Will country X join organization Y by date Z? i rozstrzyga to względem zapisu historycznego w dacie rozstrzygnięcia; następuje wynik Briera. Prognosta możliwości SI nie może prerejestrować AGI by 2027 bez zobowiązania do definicji operacyjnej AGI, którą odczytuje reguła rozstrzygnięcia — a problem definicji operacyjnej jest strukturalny: każda możliwa do obrony definicja dopuszcza wiele zrealizowanych stanów, które niektórzy czytelnicy nazwą AGI, a inni nie (definicje pokrycia zadań poznawczych, definicje wdrożenia ekonomicznego, definicje agenta autonomicznego, definicje rekurencyjnego samodoskonalenia). Element 5 z §2 zobowiązuje regułę rozstrzygnięcia przed obserwacją; trudność techniczna polega na tym, że sama reguła rozstrzygnięcia jest sporna w czasie definiowania. Odpowiedzią dyscypliny jest związanie z mierzalnym wskaźnikiem — progiem wyniku benchmarku, progiem udziału wdrożenia, progiem tempa wypierania pracy — kosztem definicji, której odbiorcy prognosty mogą nie zaakceptować jako real AGI. Wybór jest między mierzalną, lecz sporną prerejestracją (uczciwa ścieżka) a narracyjną, lecz niefalsyfikowalną publikacją (ścieżka, którą Rozdział 1.5 §3 odnotowuje dla osi masy prawdopodobieństwa). Mechanizm techniczny nie zwalnia prognosty z dyscypliny; przesuwa koszt dyscypliny z czasu prerejestracji na czas definiowania (poparte dowodami — problem definicji operacyjnej jest udokumentowanym odczytem z Rozdziału 4 §3 o falsyfikacji w obrębie horyzontu; odpowiedź związania z mierzalnym wskaźnikiem jest konstrukcyjnym odczytem Elementu 5 z §2 powyżej).

Czwarty to mechanizm kulturowy. Prognozowanie możliwości SI na tym etapie działa pod niejawnym założeniem, że istniejące-badania-jako-publiczne-ujawnienie substytuują ex-ante zobowiązanie. Odczyt brzmi: prognosta publikuje metodologię badawczą na publicznym blogu lub preprincie; metodologia jest czytana przez innych prognostów; parametry i przeszukanie metodologii są dostępne dla każdego czytelnika, który zdecyduje się je audytować; zatem, konkluduje odczyt, metodologia jest faktycznie prerejestrowana, ponieważ jej treść jest publiczna. Odczyt nie przechodzi trzech testów szablonu z §2. Nie przechodzi Elementu 3, ponieważ publiczne-ale-nieustrukturyzowane-ujawnienie-przeszukania nie jest tym samym co wspólne wyliczenie, którego potrzebuje estymator złożony efektywnego N w DCF — dolna granica ujawnienia max(N_D) z Adaptacji 4 odczytuje jedynie podane-przez-prognostę wyliczenie wrażliwości, a nie wywnioskowane-przez-społeczność (Rozdział 7 §3). Nie przechodzi Elementu 5, ponieważ publiczna-ale-niewiążąca-falsyfikacja nie jest tym samym co deterministyczna reguła rozstrzygnięcia, której wymagają Reguła 6 i zrealizowane PFO — reguły rozstrzygnięcia nie można wywnioskować ex post; musi być zablokowana ex ante. Nie przechodzi Elementu 6, ponieważ publiczna-ale-edytowalna-treść nie jest tym samym co kryptograficzna odporność na manipulację — wpis na blogu, który autor może po cichu edytować, nie zakotwicza zobowiązania, a metodologiczny odczyt preregistered at the moment of publication zakłada adresowanie treścią, którego platforma nie dostarcza. Mechanizm kulturowy jest najgłębszym z czterech, ponieważ zamienia brak dyscypliny w substytut dyscypliny; substytut nie jest równoważny, a dyscyplina, której wymagają §2 i §3, pozostaje nieobecna (poparte dowodami — wyprowadzone, twierdzenie o substytucji jest niejawnym odczytem, którego dziedzina formalnie nie wyartykułowała; łańcuch to mechanizm 2 [instytucjonalny, brak recenzowanego forum zapisu, które egzekwowałoby dyscyplinę jako koszt wejścia] sprzężony z mechanizmem 3 [techniczny, koszt definicji operacyjnej, który dyscyplina nakłada w czasie definiowania], wspólnie wytwarzające heurystykę substytucji jako roboczy kompromis dziedziny, bez bezpośredniego źródła pierwotnego artykułującego substytucję jawnie — wyprowadzenie jest odczytem rozdziału, a nie cytowanym twierdzeniem).

Kosztem czterech mechanizmów działających razem jest wszystko, co zdiagnozowała Część I. Bez prerejestrowanej metodologii, ujawnienia przeszukania i kryteriów falsyfikacji każda badana prognoza niesie inflację przeszukania, którą zliczył Rozdział 5 §3, prawdopodobieństwo przeuczenia, które Rozdział 7 §4 wycenił na poziomie odniesienia zerowego, oraz wzorce ratowania post hoc, które odnotowuje Rozdział 4 §4 — strukturalny wzorzec prognoz, które aktualizują swój przedział po zaobserwowaniu danych, które pierwotny przedział miał przewidzieć (samokorekta Cotry z 2022 jest udokumentowanym przypadkiem; Cotra, 2022; Rozdział 1.2 §3). Bez śledzenia kalibracji żaden badany prognosta nie ma historii wyników, którą maszyneria §3 może odczytać; następna prognoza, którą każdy publikuje, jest czytana albo przez bezkrytyczną akceptację, albo przez audyt metodologiczny tego rodzaju, jaki reprezentuje niniejszy dokument — z których żadne nie jest warunkowaniem bayesowskim, które dostarczyłaby historia wyników.

Dyscyplina, którą opisują §2 i §3, jest niewygodna; jest też jedyną dostępną ścieżką, która nie jest nieskończoną wiedzą po fakcie. Alternatywą jest punktowanie prognostów według ostatecznej realizacji — czekać do daty rozstrzygnięcia każdej prognozy, zaobserwować zrealizowany wynik i ocenić trafność prognosty w pełnym oknie ex post. Jest to ścieżka, którą badane prognozy niejawnie akceptują; jest też niewykonalna jako ramy wiarygodności, ponieważ okna rozstrzygnięcia mają skalę dziesięcioleci (2027 Aschenbrennera, mediany Cotry z 2020/2022 na 2050/2040, skala stuleci czasu trwania gwałtownego startu Davidsona), a wiarygodność bieżących prognoz musi być odczytywalna teraz, a nie w 2050. Dyscyplina prerejestracji jest jedyną ścieżką, która dostarcza bieżąco-odczytywalny sygnał wiarygodności: prognosta, który prerejestruje pod §2 i wytwarza prognozy wielokrotnie pod §3 konstruuje historię wyników w czasie rzeczywistym, na której czytelnik następnej prognozy może warunkować bez czekania na rozstrzygnięcie wiodącego zdarzenia. Kosztem dyscypliny są cztery powyższe mechanizmy; wartością dyscypliny jest to, że czyni wiarygodność prognosty odczytywalną w skali roku, a nie dziesięciolecia.

Własna prerejestracja dokumentu jest żywym przykładem, a Reguła 3 wymaga, by przyznano to wprost bez upiększeń — w tym tam, gdzie własne zobowiązania dokumentu spełniają przepisaną precyzję szablonu z §2, i tam, gdzie nie spełniają. Dokument zobowiązał trzy prerejestracje: v1 z 2026-05-18 (twierdzenia ramowe przy zamknięciu Fazy 0.1 + 0.2; SHA-256 a2f7e52c…; v2 i v3 rejestrują blokadę v1 jako 2026-05-17 w swoich wewnętrznych odsyłaczach, podczas gdy własne metadane pliku v1 oraz data commita z HASH_VERIFICATION_LOG.md §1 podają 2026-05-18 — jednodniowe przesunięcie dokumentacyjne propagowane z v2/v3 do rozdziału i zaflagowane jako errata na poziomie koordynatora), v2 z 2026-05-19 (wyprowadzenie DCF + selekcje algorytmów + zobowiązania walidacji MC przy zamknięciu Fazy 0.3; SHA-256 a88856d9…) oraz v3 z 2026-05-25 (korekta zgodności uprzęży walidacyjnej Adaptacji 2; SHA-256 510c8e8c…). Każda jest zablokowana przy zapieczętowanym commicie git z protokołem adresowania treścią HASH_PLACEHOLDER z preregistration/PROTOCOL.md, zakotwiczona przy tagach preregistration-v1, preregistration-v2 i preregistration-v3-locked, i powtarzalnie uruchamialna przez każdego czytelnika z git, sed i shasum (prerejestracja v1; prerejestracja v2; prerejestracja v3; preregistration/PROTOCOL.md; preregistration/HASH_VERIFICATION_LOG.md).

Sprawdzona względem sześcioelementowego szablonu z §2 przy precyzji, jaką §2 przepisuje przyszłym prognostom, prerejestracja dokumentu jest częściowo zgodna. Elementy 2, 4 i 6 są czysto spełnione: metodologia to cztery adaptacje DCF z prerejestracji v2 z ich formalnymi wyprowadzeniami i wejściami zablokowanymi na stanie wiedzy; estymator złożony efektywnego N to prerejestrowana Adaptacja 4 z jej ex post niezmiennymi progami widełek 100×/1.5× i regułą anomalii kierunku obciążenia; zahaszowanie i zablokowanie to trzy kotwice SHA-256 z adresowaniem treścią, zakotwiczeniem i powtarzalnością uruchomienia zweryfikowanymi w całości. Element 3 (ujawnienie przeszukania) jest spełniony na poziomie częściowego wyliczenia — v2 ujawnia zbiór opcji rozważanych dla Adaptacji 2 do 5, w tym wzmiankę o BMA Hoetinga (1999) dla Adaptacji 2 — wystarczająco dla odczytu dolnej granicy ujawnienia, który konsumuje rozdział. Elementy 1 i 5 to luki. Element 1 przepisuje trójczęściowy obiekt prognozy (punkt + przedział + rozkład) przy precyzji, z jaką prognosta będzie publikował; zobowiązania v1 dokumentu są na poziomie widełek kategorialnych — HYPOTHESIS_A_CONFIRMED jest zakresem udziału na poziomie kategorii (ustalone) (10–27%, 38%, 40–82.5%), ortogonalność taksonomii siedmioosiowej jest binarnym twierdzeniem strukturalnym, a FC-1 do FC-6 są zobowiązaniami falsyfikacji wyzwalanymi zdarzeniem — z których żadne nie jest pojedynczą prognozą punkt+przedział+rozkład przy precyzji przepisanej w Elemencie 1. Element 5 przepisuje trzy części (kryterium + data + reguła); FC-1 do FC-6 dostarczają kryteria i częściowe reguły, lecz żadnych kalendarzowych dat rozstrzygnięcia — wyzwalacze są zależne od zdarzeń, zachodząc, gdy tylko określone zdarzenie wystąpi, bez daty, do której każde kryterium jest sprawdzane lub wygasa.

Luka jest udokumentowana, a nie minimalizowana. Implikacją jest operacyjny zawias dla Rozdziału 16: rozliczenie samozastosowania, które Rozdział 14 §3 skierował do sekcji Predykcji w materiale zamykającym, a które Rozdział 14 §6 określił jako obliczenie asymetrycznego DCF na własnych predykcjach dokumentu, jest dokładnie tym typowaniem, które zamyka lukę — operacjonalizacją każdego zobowiązania Elementu 1 z widełek kategorialnych w trójczęściowy (punkt + przedział + rozkład) obiekt prognozy o podanej precyzji oraz związaniem każdego wyzwalacza zdarzenia FC-1 do FC-6 z kalendarzową datą rozstrzygnięcia. Zależność przeniesienia z Rozdz. 14 §3/§6 nie jest zatem odroczeniem, lecz produktem do dostarczenia w Rozdz. 16, a luka-i-jej-rozliczenie jest sama w sobie żywym przykładem tego, czego wymaga rzucenie zobowiązania w formę przepisaną w §2 — w tym, jak ma to cała argumentacja rozdziału, że rzucenie jest nietrywialne, a koszt ponosi prognosta, który wybiera dyscyplinę. Przyznanie nie jest samogratulacją i nie jest twierdzeniem, że dokument już zrobił to, co przepisuje innym. Jest operacyjnym faktem, że dyscyplina, za którą argumentuje niniejszy rozdział, to dyscyplina, którą dokument musiał przyjąć, by być rodzajem obiektu, za którym argumentuje, że własna prerejestracja dokumentu spełnia niektóre elementy czysto, a inne częściowo, oraz że luka częściowej zgodności w Elementach 1 i 5 jest tym, co zamyka samozastosowanie z Rozdziału 16. Sprawdzianem, czy argument jest uczciwy, jest to, czy dokument poddaje się temu samemu audytowi, nazywa lukę tam, gdzie jest luka, i rozlicza lukę we własnych terminach ram.

Protokół HASH_PLACEHOLDER został poddany testowi obciążeniowemu w audycie integralności z 2026-05-28 (preregistration/HASH_VERIFICATION_LOG.md). Podczas tego audytu pliki pomocnicze v1 i v2 w drzewie roboczym zostały zmodyfikowane — zarejestrowane wartości SHA-256 tymczasowo zmieniły się z wartości protokołu HASH_PLACEHOLDER (a2f7e52c…, a88856d9…) na hasze git-blob odpowiadających plików .md (3add805a…, 1a667545…). Audyt był początkowo zdiagnozowany jako błąd ewidencyjny (preregistration/PROTOCOL.md §1: orkiestrator, który wytworzył dziennik weryfikacji, najpierw napotkał dokładnie ten tryb awarii i wstępnie zdiagnozował błąd ewidencyjny, zanim odzyskał poprawny protokół). Głębsza diagnoza (preregistration/HASH_VERIFICATION_LOG.md §4) odzyskała uzasadnienie projektowe: wartości pomocnicze v1/v2 mierzą SHA-256 dokumentu z osadzonym haszem zastąpionym literałem HASH_PLACEHOLDER, a naiwny sha256sum bajtów zacommitowanego pliku produkuje zamiast tego hasz git-blob — dwie odpowiadają na różne pytania z założenia. Test podstawienia protokołu (preregistration/PROTOCOL.md §3) został uruchomiony ponownie i potwierdził, że wszystkie trzy wersje rozwiązują się pod protokołem dokładnie. Bramka bezpieczeństwa Części 2 (preregistration/HASH_VERIFICATION_LOG.md §8) potwierdziła, że pliki pomocnicze zostały przywrócone do swoich zacommitowanych wartości; tagi, commity i integralność treści były niezmienione od blokady. Epizod nie jest wadą protokołu — jest dokładnie tym, do czego służy odporność na manipulację: protokół wychwycił potencjalną błędną korektę, zanim mogła ona albo fałszywie sfalsyfikować hasz, albo po cichu nadpisać plik pomocniczy, a wielowarstwowy łańcuch audytu (weryfikacja walidatora → cofnięcie 57 plików pomocniczych przez koordynatora w Części 1 → bramka bezpieczeństwa walidatora w Części 2, z EiC decydującym przywrócić-vs-zaktualizować-protokół wedle HASH_VERIFICATION_LOG.md §7) zamknął diagnozę z przywróconymi zacommitowanymi wartościami. Dyscyplina, której wymaga Element 6 z §2, to dyscyplina, którą dokument właśnie poddał testowi obciążeniowemu, i zadziałała ona zgodnie z projektem. Uczciwym odczytem jest to, że protokół jest niewygodny — produkuje pozorne niezgodności, które wyglądają jak korupcja, dopóki nie odzyska się uzasadnienia projektowego — i że ten dyskomfort jest kosztem odporności na manipulację, tym samym kosztem, który dyscyplina prerejestracji nakłada na prognostę, który ją przyjmuje. Koszt dyscypliny został opłacony w dyskomforcie, dokładnie zgodnie z zamierzeniem; dyskomfort jest operacyjnym sygnałem, że dyscyplina jest rodzajem obiektu, który opiera się cichej edycji (ustalone — protokół jest skodyfikowany, ślad audytu jest zarejestrowany, dziennik weryfikacji §4 i §8 potwierdzają rozwiązanie; preregistration/PROTOCOL.md, preregistration/HASH_VERIFICATION_LOG.md).

23.5 §5 — Odsyłacz wyprzedzający do Rozdziału 16

Rozdział 14 dostarcza ramy, które deflauują pojedynczy opublikowany przedział. Niniejszy rozdział dostarcza proces, który punktuje historię wyników prognosty: sześcioelementowy szablon prerejestracji (§2), trójwarstwową maszynerię śledzenia kalibracji od Briera przez Gneitinga-Raftery’ego i DeGroot-Fienberg (§3) oraz cztery mechanizmy, które wyjaśniają brak dyscypliny (§4), w tym własne przyznanie częściowej zgodności dokumentu oraz test obciążeniowy HASH_PLACEHOLDER.

Rozdział 16 stosuje oba ramy do badanego zbioru — korektę DCF w formacie [P2.5, P10, P50, P90, P97.5] oraz samozastosowanie do własnych prerejestrowanych predykcji dokumentu, gdy każda zostanie rzucona w formę wejścia DCF (Rozdział 14 §3 skierował tę operacjonalizację do sekcji Predykcji w materiale zamykającym). To zastosowanie jest sprawdzianem, czy ramy, które konstruuje argument, są ramami, którym dokument może być poddany bez epistemicznego kosztu.

23.6 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The probability of backtest overfitting. Journal of Computational Finance, 20(4), 39-69.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Brier, G. W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, 78(1), 1-3. https://doi.org/10.1175/1520-0493(1950)078<0001:VOFEIT>2.0.CO;2

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

DeGroot, M. H., & Fienberg, S. E. (1983). The comparison and evaluation of forecasters. The Statistician (JRSS Series D), 32(1-2), 12-22. https://doi.org/10.2307/2987588

Gneiting, T., Balabdaoui, F., & Raftery, A. E. (2007). Probabilistic forecasts, calibration and sharpness. Journal of the Royal Statistical Society B, 69(2), 243-268. https://doi.org/10.1111/j.1467-9868.2007.00587.x

Gneiting, T., & Raftery, A. E. (2007). Strictly proper scoring rules, prediction, and estimation. Journal of the American Statistical Association, 102(477), 359-378. https://doi.org/10.1198/016214506000001437

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729-754.

Grace, K., Stewart, H., Sandkühler, J. F., Thomas, S., Weinstein-Raun, B., Brauner, J., & Korzekwa, R. C. (2024). Thousands of AI authors on the future of AI (arXiv:2401.02843). AI Impacts; subsequently Journal of Artificial Intelligence Research, 84:9 (2025).

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

Meehl, P. E. (1978). Theoretical risks and tabular asterisks: Sir Karl, Sir Ronald, and the slow progress of soft psychology. Journal of Consulting and Clinical Psychology, 46(4), 806-834. https://doi.org/10.1037/0022-006X.46.4.806

Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., et al. (2014). Psychological strategies for winning a geopolitical forecasting tournament. Psychological Science, 25(5), 1106-1115. https://doi.org/10.1177/0956797614524255

Murphy, A. H. (1973). A new vector partition of the probability score. Journal of Applied Meteorology, 12(4), 595-600. https://doi.org/10.1175/1520-0450(1973)012<0595:ANVPOT>2.0.CO;2

Pickands, J. (1975). Statistical inference using extreme order statistics. The Annals of Statistics, 3(1), 119-131.

Popper, K. R. (1959). The logic of scientific discovery. Hutchinson.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

Tetlock, P. E. (2005). Expert political judgment: How good is it? How can we know? Princeton University Press.

Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown.

24 Rozdział 16 — Zastosowanie DCF: Aschenbrenner, Cotra, Davidson i rozliczenie samozastosowania

Status epistemiczny: rozdział stosuje aparat równania 14.1’ (asymetryczne stwierdzenie główne oraz jego symetryczny wniosek dotyczący przedziału centralnego, równanie 14.1) do trzech przełomowych zewnętrznych prognoz — Aschenbrenner (2024), Cotra (2020 oraz alternatywny zakres z 2022), i Davidson (2023) — a następnie rozlicza, w §16.5, przeniesione zobowiązanie samozastosowania, które rozdział 14 §3, rozdział 14 §6 i rozdział 15 §4 pozostawiły jako rezultat do dostarczenia w rozdziale 16. Dane wejściowe prognoz, które rozdział wczytuje — raportowane oszacowania punktowe, raportowane przedziały, charakterystyki metodologiczne oraz złożone wartości efektywnego N (effective-N) na poszczególnych osiach — wchodzą na poziomie epistemicznym, jaki wypracowały im rekonstrukcje z Części 1 oraz rozdział 7 §3/§4: (poparte dowodami) tam, gdzie źródłowa prognoza dostarcza dane wejściowe bezpośrednio, (spekulatywne — pochodne) tam, gdzie złożona wartość z Adaptacji 4 niesie swoją prerejestrowaną dyscyplinę zakresu. Zdeflowane wielkości DCF obliczone przy PFO=½ przy poziomie odniesienia wchodzą na poziomie (spekulatywne), zgodnie z rozdziałem 6 §4 i rozdziałem 14 §3, ponieważ zrealizowane PFO wymaga szeregu zrealizowanych wyników, którego badany zbiór jeszcze nie dostarcza. Wyniki stosunku szerokości oraz wielkości przedziału centralnego są oznaczone do obliczenia przez specjalistę za pomocą pakietu deflated-capability-forecast; architekt nie fabrykuje tu wielkości liczbowych. Dane wejściowe rzutowania z §16.5 — ciągło-kwantylowy odczyt HYPOTHESIS_A_CONFIRMED oraz wyzwalane zdarzeniem rzutowanie Bernoulliego FC-1 do FC-6 — wchodzą na poziomie (poparte dowodami — pochodne) z rozstrzygnięcia Redaktora Naczelnego dotyczącego rzutowania. Ortogonalność 7 osi jest oznaczona jako strukturalna poza zakresem i skierowana do właściwego obiektu audytu. Rozdział jest operacyjnym rozliczeniem ram, nie ich wyprowadzeniem: wzorzec A obowiązuje — DCF jest przywoływany tam, gdzie został skonstruowany w rozdziale 14, i tu zastosowany, nigdy ponownie nie wyprowadzany. Pracodawca nie jest wymieniony.

Rozdział 14 złożył deflację z rozdziału 6, człon przeuczenia z rozdziału 7 oraz czynnik tarcia certyfikacyjnego z rozdziału 13 w równanie 14.1’ — stwierdzenie główne zwracające rozkład po czasie możliwości–wdrożenia F_DCF, którego wnioskiem dotyczącym przedziału centralnego jest symetryczne równanie 14.1, a którego prawy ogon jest warstwą uogólnionego rozkładu Pareto Pickandsa (1975). Rozdział 15 przedstawił odpowiednik w zakresie dyscypliny procesu — sześcioelementowy szablon prerejestracji, trójwarstwową maszynerię śledzenia kalibracji (Brier / Gneiting-Raftery / DeGroot-Fienberg) oraz własną prerejestrację dokumentu przepuszczoną przez ten szablon, z udokumentowaną luką częściowej zgodności na Elementach 1 i 5, której rozliczenie skierowano tutaj. Test polega na tym, czy ramy działają tak, jak zostały skonstruowane, gdy stosuje się je do opublikowanych prognoz z Części I, oraz czy dokument poddaje własne prognozy tej samej maszynerii.

Poszczególni prognostycy występują jako zarządzane podmioty zastosowania, nigdy w sposób pejoratywny — zobowiązanie z Reguły 5, utrzymane w ponad trzydziestu cytowaniach Aschenbrennera, obowiązuje tu bez wyjątku. Wzorzec A rządzi każdym odwołaniem konstrukcyjnym: wyprowadzenie DCF żyje w rozdziale 14 §4 oraz code/dcf_package/references/dcf_formula.md §1–§9, cytowane tutaj, a nie wyprowadzane ponownie. Każda nośna wielkość liczbowa jest oznaczona [specjalista: compute via dcf_package] z wymaganymi danymi wejściowymi; architekt nie podaje żadnej z nich jako liczby.

24.1 §1 — Pomost: od konstrukcji do zastosowania

Rozdział robi dwie rzeczy. Sekcje §2 do §4 stosują równanie 14.1’ do trzech przełomowych prognoz z Części I — przybycie w 2027 na osi OOM Aschenbrennera, rozkład kotwic biologicznych Cotry z 2020 i jego ponowna elicytacja w alternatywnym zakresie z 2022, oraz rozkład czasu trwania gwałtownego startu Davidsona — każda zasilona swoim raportowanym oszacowaniem punktowym, przedziałem, charakterystyką metodologiczną oraz złożoną wartością efektywnego N z rozdziału 7 §3, a każda zwracająca zdeflowany rozkład DCF. Sekcja §5 jest rozliczeniem samozastosowania: własne prerejestrowane prognozy dokumentu — HYPOTHESIS_A_CONFIRMED, FC-1 do FC-6 oraz ortogonalność 7 osi — rzutowane w postać danych wejściowych DCF zgodnie z trzema pod-decyzjami Redaktora Naczelnego i przepuszczone przez ten sam pakiet. Obie połowy nie są rozdzielne: Reguła 3 czyni je jednym rezultatem do dostarczenia. Ramy stosowane do innych, lecz nie do samych siebie, są dokładnie tym błędem metodologicznym, który ten dokument diagnozuje od dwunastu poprzedzających rozdziałów.

Odwołanie wzorca A jest ustalone raz. Aparat DCF jest równaniem 14.1’ (rozdział 14 §4):

F_DCF(t) = F_spine(t) dla t ≤ u_R; (1 − α) + α · F_GPD(t − u_R | σ_R, ξ) dla t > u_R; z P(T < t̂_D − w_D) ≡ 0 (dolna granica lewa),

z rdzeniem rozkładu F_spine = Normal(μ, σ²) i warunkiem dopasowania μ = t̂_D + δ, σ = φ · H / z_α, H = w_D·(1 + κ·max(0, PFO − ½)). Symetrycznym wnioskiem dotyczącym przedziału centralnego jest równanie 14.1 (rozdział 14 §4, wzór odtworzony tu dla wygody czytania, nie wyprowadzany ponownie):

DCF_CI([t_lo, t_hi]) = [ t̂_D + δ − φ · w_D · (1 + κ·max(0, PFO − ½)) , t̂_D + δ + φ · w_D · (1 + κ·max(0, PFO − ½)) ].

Pięć danych wejściowych to wyliczony zbiór z rozdziału 14 §2: oszacowanie punktowe (Element 1 szablonu z rozdziału 15 §2); raportowany przedział (również Element 1); N_efektywne za pomocą złożonej wartości z rozdziału 7 §3 (Element 4); charakterystyka metodologiczna (Element 2); czynnik tarcia certyfikacyjnego (φ, δ, σ_R, ξ) zgodnie z dekompozycją reżimów z rozdziału 13 §4. Obiektem raportowania jest para (przedział centralny, trójka kwantyli ogonowych), którą rozdział 14 §1 obiecał: [P2.5, P97.5] to przedział centralny, (P10, P50, P90) to trójka kwantyli ogonowych, a jawne raporty masy ogona P(T > u_R) oraz P(T < t_floor) nazywają odpowiednio masę prawego ogona i dolnej granicy lewej. Pełny rezultat na prognozę to format raportowania [P2.5, P10, P50, P90, P97.5], który rozdział przypina jako swój uczciwy obiekt raportowania — zakres rezultatu rozstrzygnięty przez EiC zgodnie z pod-decyzją 3.

Dyscyplina czytania, którą §1 ustala dla reszty rozdziału, to dyscyplina §3 z rozdziału 14, wprowadzona i §3 z rozdziału 14 wyćwiczona na hipotetycznej Prognozie H: zdeflowany przedział centralny DCF jest raportowany obok oryginalnego raportowanego przedziału oraz zdeflowanego (etap pierwszy z rozdziału 6) przedziału, stosunek szerokości (DCF / raportowany) jest raportowany jako pojedyncza liczba, a trójka kwantyli ogonowych jest raportowana jako nagłówkowe podsumowanie kształtu rozkładu. Zrealizowane PFO jest utrzymywane przy poziomie odniesienia (½) zgodnie z rozdziałem 6 §4, rozdziałem 7 §4 i rozdziałem 14 §3, ponieważ żadna badana prognoza nie dostarcza szeregu rang zrealizowanych wyników, który czyta logit λ_s każdego testu; rektyfikacja κ półszerokości rdzenia H z równania 14.1’ czyni to zachowanie przy poziomie odniesienia uczciwym — przy PFO = ½, max(0, PFO − ½) = 0, więc rdzeń nie jest poszerzony przez czynnik przeuczenia i jedyne poszerzenie pochodzi z deflacji (rozdział 6) oraz tarcia (rozdział 13). Etykieta na każdej obliczonej wielkości to (spekulatywne) zgodnie z dyscypliną obliczone-lecz-spekulatywne, którą rozdział 14 odziedziczył po rozdziałach 6 i 7.

24.2 §2 — Aschenbrenner w ujęciu DCF (16.1)

Aschenbrenner (2024) to najczęściej cytowana zewnętrzna prognoza manuskryptu — projekcja przybycia w 2027 poprzez czterostopniową addytywną dekompozycję OOM — i ta, względem której zobowiązano (master plan A.16) prerejestrowaną ≥2.3× samoprognozę DSR dokumentu. Ujęcie jest metodologiczne: rozdział stosuje ramy skonstruowane w rozdziale 14 i raportuje, co ramy zwracają.

24.2.1 Rekonstrukcja (dane wejściowe)

Dane wejściowe Aschenbrennera, które aparat równania 14.1’ konsumuje, to rekonstrukcja z Części 1 z rozdziału 1.1 §1–§2:

• Oszacowanie punktowe (raportowane). Centralnym odczytem Aschenbrennera w Situational Awareness Część I jest data nagłówkowa 2027 dla wdrożenia systemu równoważnego AGI, wyprowadzona z czterostopniowej addytywnej dekompozycji OOM (skalowanie fizycznej mocy obliczeniowej, wydajność algorytmiczna, unhobbling, usunięcie hobblingu) zsumowanej w przestrzeni logarytmicznej w oknie 2023–2027 (Aschenbrenner, 2024, Część I; rozdział 1.1 §1) (poparte dowodami — odczyt nagłówkowy źródła).
• Raportowany przedział (raportowany). Uznanie przez Aschenbrennera w Części V dużych słupków błędu jest jednostronne i nie określa szerokości; najbardziej skwantyfikowanym kierunkowym odczytem eseju jest zakres czynnika na OOM, który produkuje centralne oszacowanie +5 OOM. Dla transformacji DCF raportowany odczyt jest zoperacjonalizowany jako asymetryczne bronione pasmo, w które propagują się niepewności czynników na OOM, z centralnym odczytem w 2027 i pasmem, które uznanie słupka błędu z Części V jakościowo poszerza. Rozdział stosuje dyscyplinę z rozdziału 14 §2 dla prognoz, które raportują punkt z nieobecnym lub jakościowym przedziałem: nieobecność jest odnotowywana jako dane wejściowe, niejawny przedział jest traktowany jako o zerowej szerokości, a deflacja poszerza go z zera, a DCF oznacza pominięcie przedziału przez źródło zamiast imputować węższe pasmo, niż wyprodukowałaby korekta ram (poparte dowodami — zakresy czynników na OOM oraz uznanie słupka błędu z Części V są faktami z rozdziału 1.1 §1; operacjonalizacja jako dane wejściowe z dolną granicą zerowej szerokości to zastosowana reguła z rozdziału 14 §2).
• N_efektywne. Złożona wartość z rozdziału 7 §3 dla osi OOM to N_upper = 189 (Aschenbrenner, zakres C-only), PASS przy prerejestrowanych progach 1.5× na oś i 100× nagłówkowym (rozdział 7 §3; rozdział 7 §4 wiersz 1; prerejestracja v2 hash a88856d9…) (spekulatywne — złożona wartość niesie swoją prerejestrowaną etykietę Adaptacji 4).
• Charakterystyka metodologiczna. Typ prognozy: ekstrapolacja parametryczna (addytywna suma w przestrzeni logarytmicznej tempa na sterownik na rok) z odczytem trajektorii punktowej (rozdział 5 §3; rozdział 14 §2). Adaptacja 3 wybiera pokrycie przedziałowe na trajektorii OOM (Rozstrzygnięcie C) jako statystykę na ramy (rozdział 6 §4 wiersz 1; rozdział 7 §4 wiersz 1). Podział zbioru informacyjnego: test sekwencyjny (Opcja C; rozdział 7 §2; rozdział 7 §4 wiersz 1).
• Czynnik tarcia certyfikacyjnego (φ, δ, σ_R, ξ). Odczyt Aschenbrennera z 2027 jest, zgodnie z rozdziałem 13 §2, właściwie odczytywany jako prognoza globalno-gospodarczego wdrożenia — pożyczony odczyt, do którego mechanizm tarcia się stosuje. Agregat (φ, δ) to ważona aktywnością dekompozycja reżimów, którą rozdział 13 §4 Tabela 13.1 dostarcza, oceniana przy reżimowo-specyficznych kalendarzach z rozdziałów 11/12/13 (kalendarz oceny zgodności aktu w sprawie sztucznej inteligencji rozłożony na 2026–2028; horyzontalne bramy AI ex-ante z USA/UK nie skodyfikowane; ważony aktywnością agregat zgodnie z rozdziałem 13 §3) (poparte dowodami dla skodyfikowanych dolnych granic δ_r zgodnie z rozdziałami 11–13; spekulatywne dla projektowanego φ_r oraz przesunięcia przedziału).

24.2.2 Zastosowanie (równanie 14.1’ rdzeń + ogon)

Zastosowanie przebiega przez trzy etapy, które rozdział 14 §3 prześledził, oraz asymetryczny Przykład H’ przepracowany od początku do końca. Etap pierwszy (deflacja z rozdziału 6) oblicza wielkość deflacji d = 1 − DSR przy nagłówkowej złożonej wartości N_efektywne, resztkowe γ_3 i γ_4 odczytane z szeregu reszt czynników na OOM (roczna do roku zmienność tempa na sterownik na rok w obrębie minionego okna 2010–2023, które obejmuje okres dopasowania w próbie; rozdział 1.1 §2 odnotowuje tempa na sterownik; momenty reszt to obliczone dane wejściowe), zaobserwowane SR_obs obliczone zgodnie ze statystyką pokrycia przedziałowego z Adaptacji 3 na minionej trajektorii OOM (rozdział 1.1 §1 odnotowuje punkty kotwiczne od GPT-2 do GPT-4), oraz błąd standardowy z bootstrapu blokowego zgodnie z Adaptacją 1 z konwencją kurtozy nadmiarowej z §1 (γ₄ = 0 dla rozkładu Gaussa). Etap drugi (ważenie przeuczenia z rozdziału 7) oblicza PFO przy poziomie odniesienia przy złożonym N — to samo 0.500, które raportuje rozdział 7 §4 wiersz 1 — oraz zrektyfikowany κ czynnik przeuczenia (1 + κ · max(0, PFO − ½)), który przy poziomie odniesienia równa się 1.000, więc półszerokość rdzenia H = w_D · 1.000 = w_D, a przedział z etapu drugiego równa się przedziałowi z etapu pierwszego. Etap trzeci (tarcie certyfikacyjne z rozdziału 13) stosuje agregat (φ, δ) do rdzenia: środek przesuwa się do t̂_D + δ, a skala rdzenia staje się σ = φ · H / z_α, z przedziałem centralnym rdzenia [μ − φ·H, μ + φ·H] = symetryczne równanie 14.1. Warstwa asymetryczna dodaje doklejenie prawego ogona GPD przy u_R = μ + φ·H z σ_R = Σ_r a_r · δ_r i domyślnym ξ = 0 (granica Gumbela Pickandsa 1975) oraz strukturalną granicę dyscypliny deflacyjnej lewego ogona P(T < t̂_D − w_D) ≡ 0.

Wielkości liczbowe, które produkują Etapy od 1 do 3 — d, t̂_D, w_D, μ, σ, u_R, σ_R, przedział centralny [P2.5, P97.5], trójka kwantyli ogonowych (P10, P50, P90), masa ogona P(T > u_R) oraz stosunek szerokości (DCF centralny / raportowana szerokość) — są obliczane przez pakiet deflated-capability-forecast zgodnie z implementacją referencyjną z rozdziału 14 §5 i są tu oznaczone dla specjalisty zgodnie z dyscypliną braku fabrykacji.

Dane wejściowe Aschenbrennera, które pakiet konsumuje — raportowane oszacowanie punktowe (2027); raportowany przedział zoperacjonalizowany zgodnie z zakresem sumy czynników na OOM jako [2025, 2029] (symetryczne pasmo ~4-letnie, na które suma czynników +4 do +8 OOM odwzorowuje się przy ~1.25 OOM/rok, wycentrowane na nagłówku 2027; reguła z rozdziału 14 §2 o dolnej granicy zerowej szerokości została odrzucona, ponieważ pakiet wymaga w > 0, a zakres czynnika na OOM jest oznaczoną alternatywą rozdziału); zoperacjonalizowany analog Sharpe’a możliwości SR_obs = 2.5 z momentów reszt tempa na sterownik na rok w obrębie minionego okna 2010–2023 z T = 12 latami w próbie i resztami o rozkładzie Gaussa (rozdział 6 §1 domyślnie; odzwierciedlające wartość Przykładu H’ z Prognozy H z jawną dokumentacją w dzienniku konsultacji); złożona wartość N_efektywne (N_lower = 7, N_upper = 189.2, wiersz osi OOM z rozdziału 7 §3 z figure_7_4.ipynb, zakres C-only, widełki PASS 27.03×, N_headline = 36.39); charakterystyka metodologiczna (ekstrapolacja parametryczna, pokrycie przedziałowe Adapt 3-C, test sekwencyjny Adapt 2 Opcja C); agregat czynnika tarcia certyfikacyjnego (φ = 1.1975, δ = 0.3400, σ_R = Σ_r a_r · δ_r = 0.3400, ξ = 0) zgodnie z rozdziałem 13 §4 Tabela 13.1 — produkują asymetryczny rozkład DCF, który zwraca równanie 14.1’. Etap 1 (deflacja): E[SR_max] = 2.1519 przy N̄ = 36.39, DSR = 0.7151, d = 0.2849. Etap 2 (ważenie przeuczenia przy PFO przy poziomie odniesienia = 0.5000): czynnik 1.000, zdeflowany CI jest zachowany. Etap 3 (tarcie): φ skaluje rdzeń; δ przesuwa środek o 0.34 roku. Symetryczny wniosek z równ. 14.1 odzyskuje dokładnie asymetryczny przedział centralny przez warunek dopasowania σ = φ·H / z_α (zweryfikowany z dokładnością maszynową).

DCF centralny [P2.5, P97.5] = [2024.833, 2030.987]; (P10, P50, P90) = (2025.898, 2027.910, 2029.922); masa prawego ogona P(T > u_R = 2030.987) = 0.025; dolna granica lewa P(T < t_floor = 2025.000) = 0; stosunek szerokości = 1.539. Rdzeniem jest N(μ = 2027.910, σ = 1.570); parametry warstwy EVT (σ_R = 0.340, ξ = 0) niosą ważony aktywnością prawy ogon w granicy Gumbela. Odczyt jest metodologiczny: przedział osi OOM Aschenbrennera, zdeflowany dla złożonej wartości efektywnego N N̄ = 36.39 i poszerzony tarciem zgodnie z agregatem z rozdziału 13 §4, poszerza się ze zoperacjonalizowanego raportowanego pasma 4-letniego do skorygowanego pasma 6.15-letniego, inflacja szerokości około 1.54×. (spekulatywne — wielkość jest obliczona przy PFO przy poziomie odniesienia oraz zoperacjonalizowanym odczycie raportowanego pasma; składowe niosą swoje etykiety z rozdziałów 6/7/13 zgodnie z rozdziałem 14 §4.)

24.2.3 Prerejestrowana ≥2.3× samoprognoza DSR

Dokument prerejestrował (master plan A.16; prerejestracja v2): deflacja samego DSR ekstrapolacji OOM Aschenbrennera wyprodukuje 95% przedział ufności co najmniej 2.3× szerszy niż raportowany 95% CI. Ramy wyprodukowały 1.285×: szerokość raportowanego CI 4.000 lata (zoperacjonalizowane pasmo sumy czynników na OOM [2025.000, 2029.000]); zdeflowany samym DSR CI [2025.000, 2030.139], szerokość 5.139 lat; stosunek 5.139 / 4.000 = 1.285. Zdeflowana dolna granica jest zrektyfikowana dolną granicą lewą zgodnie z konwencją odwzorowania przedziału lo = t̂ + a·d·w − w·(1 + b·d) = 2027 + 0.5697 − 2.5697 = 2025.000; górna granica to hi = 2027 + 0.5697 + 2.5697 = 2030.139. Prognoza NIE POWIODŁA SIĘ.

Pierwotną przyczyną jest kalibracja autora, nie zachowanie ram. Próg ≥2.3× został ustalony a priori bez obliczenia rzeczywistej deflacji, którą ramy zwracają przy danych wejściowych Aschenbrennera; autor zgadywał wielkość korekty, którą ramy wyprodukują, i to zgadnięcie było nadmiernie pewne. Wspierający odczyt techniczny jest krótki: złożona wartość efektywnego N N_lower = 7 / N_upper = 189 / N_headline = 36 umieszcza Aschenbrennera w reżimie umiarkowanej deflacji (d = 0.285), a pasmo sumy czynników na OOM [2025, 2029] jest już 4 lata szerokie — już szersze niż niejawne wąskie pasmo, które zakładał priori autora ≥2.3× — więc proporcjonalne poszerzenie, które ramy obliczają, ma mniej miejsca, by się napompować, niż priori oczekiwał. To jest dokładnie ta nadmierna pewność, do której wykrywania ramy zostały zbudowane — zastosowana tu do własnego priori autora co do tego, co ramy wyprodukują. Ramy deflują; autor przeszacował o ile.

Pełny obiekt raportowania DCF [P2.5, P10, P50, P90, P97.5], który zwraca zastosowanie z §2 — stosunek szerokości 1.539 — jest odrębny od kontroli ≥2.3× samego DSR z Etapu 1 (stosunek szerokości 1.285). Te dwa odpowiadają na różne pytania: obiekt raportowania z §2 mierzy pełne asymetryczne równanie 14.1’ (przesunięcie tarcia δ = 0.34 r., poszerzenie tarcia φ = 1.197, warstwa prawego ogona EVT σ_R = 0.34, ξ = 0, ważenie przeuczenia przy czynniku poziomu odniesienia 1.000); prerejestrowana samoprognoza z master planu A.16 nazwała deflację samego DSR z Etapu 1, przypadek szczególny równania 14.1 przy φ = 1, δ = 0, PFO = ½. Liczba 1.539 nie łagodzi wyniku 1.285 — odpowiada na inne pytanie, a prerejestrowane twierdzenie było pytaniem Etapu 1. Odczyt z Etapu 1 jest odczytem, który A.16 linia 442 nazwała; odczyt z Etapu 1 jest odczytem raportowanym tutaj; odczyt z Etapu 1 wynosi 1.285; prognoza NIE POWIODŁA SIĘ.

24.3 §3 — Cotra w ujęciu DCF (16.2)

Cotra (2020) i ponowna elicytacja w alternatywnym zakresie z 2022 to dwa odrębne obiekty prognozy: ta sama struktura kotwic biologicznych, częściowo przedefiniowana i przeważona, z medianą przesuwającą się z około 2052 do około 2040 w ciągu dwóch lat (Cotra, 2020; Cotra, 2022; rozdział 1.2 §1–§2). Złożone wartości efektywnego N na poszczególnych osiach różnią się między nimi (N=69 podstawowe dla 2020, N=296 podstawowe dla 2022, rozdział 7 §3). Ten sam aparat jest stosowany do każdego; rezultaty na odczyt są raportowane obok siebie.

24.3.1 Rekonstrukcja (dane wejściowe)

Dane wejściowe Cotra 2020: - Oszacowanie punktowe (raportowane). Nagłówkowa mediana daty przybycia TAI wynosząca około 2052, odczyt sześcio-kotwicowej mieszanki przy opublikowanych wagach mieszanki z 2020 (Cotra, 2020; rozdział 1.2 §1) (poparte dowodami). - Raportowany przedział (raportowany). Ramy z 2020 raportują strukturę percentylową 10% do 2031, ~80% do 2100, wokół mediany ~2052; operatywne raportowane pasmo niepewności to zakres [P10, P80] [2031, 2100] lub, w odczycie symetrycznym 95%, szersze pasmo, które struktura rozkładowa ram produkuje (Cotra, 2020; rozdział 1.2 §1) (poparte dowodami — struktura percentylowa źródła). - N_efektywne. Złożona wartość z rozdziału 7 §3 dla konfiguracji osi kotwic z 2020: N_upper = 69 (zakres Lang podstawowy, PASS), z drugorzędnym odczytem alternatywnego zakresu Lang+Venue ≈ 6277 tylko zakresowym (rozdział 7 §3; rozdział 7 §4 wiersz 2; rozdział 6 §4 wiersz 2 przypis) (spekulatywne — domyślne Adaptacji 4). - Charakterystyka metodologiczna. Typ prognozy: rozkład probabilistyczny (mieszanka po sześciu rozkładach kotwic produkująca strukturę percentylową jako nagłówek). Adaptacja 3 wybiera statystykę z rodziny wyniku Briera na zdarzeniach dekompozycji na kotwicę (Rozstrzygnięcie A; rozdział 6 §4 wiersz 2; rozdział 7 §4 wiersz 2). Podział zbioru informacyjnego: test sekwencyjny (Opcja C; rozdział 7 §4 wiersz 2). - Czynnik tarcia certyfikacyjnego. Jak u Aschenbrennera: odczyt przybycia TAI Cotry jest, zgodnie z pożyczonym odczytem z rozdziału 13 §2, właściwie traktowany jako prognoza domeny wdrożenia dla transformacji tarcia; agregat (φ, δ) to ważona aktywnością dekompozycja z rozdziału 13 §4 (ta sama struktura na reżim, którą dokumentuje przepracowany przykład, z wielkościami tarcia operatywnymi na odczycie domeny wdrożenia).

Dane wejściowe Cotra 2022: - Oszacowanie punktowe (raportowane). Nagłówkowa mediana aktualizacji z 2022 wynosząca około 2040, odczyt ponownie wyelicytowanej mieszanki przy wagach z 2022 i częściowej redefinicji TAI (automatyzacja wszystkich zadań naukowych → automatyzacja prac B+R nad AI); aktualizacja z 2022 raportuje 15% do 2030, 60% do 2050, 97% do 2100 (Cotra, 2022; rozdział 1.2 §1) (poparte dowodami). - Raportowany przedział (raportowany). Struktura percentylowa z 2022 wokół mediany ~2040, z odczytem [P15, P60, P97], który ramy dostarczają, i odczytem symetrycznym 95% wyprowadzalnym z struktury rozkładowej (Cotra, 2022; rozdział 1.2 §1) (poparte dowodami). - N_efektywne. Złożona wartość z rozdziału 7 §3 dla konfiguracji osi kotwic z 2022: N_upper = 296 (zakres Lang podstawowy, PASS); alternatywny zakres Lang+Venue ≈ 2136 tylko zakresowy (rozdział 7 §3; rozdział 7 §4 wiersz 3; rozdział 6 §4 wiersz 3) (spekulatywne — domyślne Adaptacji 4). Efektywne N z 2022 jest strukturalnie większe niż z 2020, ponieważ ponowna elicytacja dodaje drugie przeszukiwanie wag do pierwszego, dodatkową liczbę wyborów dekompozycji, którą rozdział 5 §3 i złożona wartość z Adaptacji 4 śledzą. - Charakterystyka metodologiczna. Taka sama jak 2020 z dziedziczeniem: typ prognozy rozkład probabilistyczny; Adaptacja 3 Brier (Roz. A); Adaptacja 2 test sekwencyjny Opcja C. - Czynnik tarcia certyfikacyjnego. Ten sam agregat (φ, δ) z rozdziału 13 §4 dla odczytu domeny wdrożenia, z odczytem tarcia odziedziczonym z §16.1.

24.3.2 Zastosowanie (równanie 14.1’ dla każdego odczytu)

Oba odczyty są każdy przepuszczone przez pakiet zgodnie z dyscypliną czytania z §1, a każdy zwraca swój obiekt raportowania [P2.5, P10, P50, P90, P97.5] i stosunek szerokości. Odczyty z 2020 i 2022 są raportowane obok siebie jako dwie odrębne zdeflowane prognozy — nie jako porównanie przed/po, które ramy rozstrzygają, lecz jako dwa niezależne zastosowania tego samego aparatu do dwóch odrębnych danych wejściowych, które źródło opublikowało.

Dane wejściowe Cotra 2020, które pakiet konsumuje — oszacowanie punktowe (2052); raportowany przedział [2031, 2100] (opublikowana przez źródło para percentyli P10 = 2031, P80 ≈ 2100 zoperacjonalizowana jako odczyt 95% zgodnie z oznaczeniem architekta); SR_obs = 2.5; T = 12; reszty Gaussa; złożona wartość N_efektywne (N_lower = 18, N_upper = 69.3, wiersz osi kotwic z 2020 z rozdziału 7 §3 z figure_7_5.ipynb, zakres Lang-only podstawowy, widełki PASS 3.85×, N_headline = 35.32); charakterystyka metodologiczna (rozkład probabilistyczny, Brier Adapt 3-A, test sekwencyjny Adapt 2 Opcja C); czynnik tarcia certyfikacyjnego (agregat z rozdziału 13 §4 φ = 1.1975, δ = 0.3400, σ_R = 0.3400, ξ = 0) — produkują DSR = 0.7218, d = 0.2782 (Etap 1), czynnik przeuczenia 1.000 przy PFO = 0.4857 (zrektyfikowany przy ½ i poniżej; Etap 2) oraz asymetryczny rozkład z równania 14.1’ z doklejeniem prawego ogona EVT. Dane wejściowe alternatywnego zakresu Cotra 2022 różnią się raportowanym przedziałem ([2030, 2100]; para percentyli P15–P97 z 2022) oraz złożoną wartością N_efektywne (N_upper = 296.0 zgodnie z figure_7_6.ipynb, zakres podstawowy, widełki PASS 16.44×, N_headline = 72.99); DSR = 0.5534, d = 0.4466 (większe N_upper alternatywnego zakresu z 2022 napędza silniejszą deflację niż 2020). Oba odczyty niosą tę samą charakterystykę metodologiczną i czynnik tarcia.

DCF centralny Cotra 2020 to [2022.630, 2128.247], stosunek szerokości 1.531; DCF centralny Cotra 2022 to [2020.340, 2141.602], stosunek szerokości 1.732. Oba rdzenie mają czynnik przeuczenia przy PFO przy poziomie odniesienia 1.000 i ten sam agregat tarcia z rozdziału 13 §4; różnica w stosunku szerokości DCF (1.732 vs. 1.531) odzwierciedla większą złożoną wartość N_upper alternatywnego zakresu z 2022, która napędza silniejszą deflację z Etapu 1 jako strukturalną cechę odczytu ram (większa niejawna przestrzeń przeszukiwania niesie większą korektę inflacji najlepszego z N). Odczyt z 2022 jest, we własnych terminach ram, silniej skorygowanym z tych dwóch — dodatkową liczbę wyborów dekompozycji, którą rozdział 5 §3 i złożona wartość z Adaptacji 4 śledzą, gdy ponowna elicytacja z 2022 dodaje drugie przeszukiwanie wag do pierwszego. (spekulatywne — obie wielkości są obliczone przy PFO przy poziomie odniesienia; składowe niosą swoje etykiety z rozdziałów 6/7/13.)

Odczyt, który rozdział przypina, to że oba zastosowania są dwiema odrębnymi deflacjami dwóch odrębnych opublikowanych raportów — nie werdyktem co do tego, czy aktualizacja z 2022 poprawiła prognozę z 2020 we terminach ram. Odczyt Elementu 2 z rozdziału 15 §2 na temat rewizji Cotry (aktualizacja z 2022 jest tym, czym byłaby druga prerejestracja, gdyby ramy z 2020 zostały prerejestrowane) jest odczytem metodologicznym; odczyt DCF tutaj jest zastosowaniem ram do każdego z nich jak opublikowano. Dyscyplina stosuje się symetrycznie: deflacje z 2020 i 2022 są każda korektą ram odpowiedniego raportowanego przedziału przy odpowiedniej złożonej wartości efektywnego N.

24.4 §4 — Davidson w ujęciu DCF (16.3)

Davidson (2023) ujawnia mniej więcej siedemdziesiąt nazwanych parametrów symulatora poprzez takeoffspeeds.com, z nieokreśloną wymiarowością łącznych perturbacji (rozdział 1.3 §3). Równanie 14.1’ jest stosowane do opublikowanego trójpunktowego rozkładu czasu trwania gwałtownego startu przy złożonej wartości z rozdziału 7 §3 N = 706 — trzecie zastosowanie do zewnętrznej prognozy i trzeci strukturalnie odrębny typ prognozy (rozkład czasu trwania warunkowy względem progu „przebudzenia”).

24.4.1 Rekonstrukcja (dane wejściowe)

• Oszacowanie punktowe (raportowane). Davidson raportuje trójpunktowy rozkład prawdopodobieństwa po czasie trwania gwałtownego startu: około 25% prawdopodobieństwa poniżej jednego roku, 50% prawdopodobieństwa poniżej trzech lat, 80% prawdopodobieństwa poniżej dziesięciu lat (Davidson, 2023, §2; rozdział 1.3 §1) (poparte dowodami — odtwarzalne za pomocą takeoffspeeds.com przy parametrach centralnych). Nagłówkowym centralnym odczytem, na który transformacja DCF działa, jest mediana (P50 = trzy lata po przebudzeniu); odczyt ram jest czasem trwania, nie datą przybycia, więc interpretacja DCF dotycząca czasu wdrożenia jest operatywna na oknie czasu trwania po przebudzeniu.
• Raportowany przedział (raportowany). Struktura percentyli 25/50/80 dostarcza raportowane pasmo niepewności bezpośrednio: zakres P25-do-P80 to [1, 10] lat po przebudzeniu w scenariuszu centralnym (Davidson, 2023, §2; rozdział 1.3 §1) (poparte dowodami). Odczyt symetryczny 95% poszerza pasmo do ogonów Monte Carlo, które symulator produkuje przy rozkładzie parametrów centralnych.
• N_efektywne. Złożona wartość z rozdziału 7 §3 dla osi czasu trwania gwałtownego startu: N_upper = 706 (podstawowe; PASS przy 10.1× zgodnie z prerejestrowanym progiem 1.5×; rozdział 7 §3; rozdział 7 §4 wiersz 4) (spekulatywne — domyślne Adaptacji 4). Oś czasu trwania gwałtownego startu jest w siedmioosiowym zakresie PFO, ale jest wyłączona z pięcioosiowego zakresu wielkości deflacji z rozdziału 6 §4 (ponieważ nie istnieje miniona próba do oceny rozkładu gwałtownego startu — nagłówkowe zdarzenie jeszcze nie nastąpiło). PFO i efektywne N zasilają DCF, więc ramy stosują się; DCF zwraca rozkład po czasie trwania, którego deflacja z Etapu 1 działa na niepewność w momencie publikacji, a nie na minioną statystykę reszt z próby.
• Charakterystyka metodologiczna. Typ prognozy: rozkład probabilistyczny po czasie trwania (obiekt prognozy o wartościach ciągłych). Adaptacja 3 wybiera odczyt Briera-na-zdarzeniach-na-kotwicę, który rozdział 7 §4 wiersz 4 odnotowuje (Rozstrzygnięcie A); Adaptacja 2 wybiera podział testu sekwencyjnego (Opcja C). Odczyt tarcia certyfikacyjnego jest operatywny na przejściu domeny wdrożenia od 20%-automatyzacji do 100%-automatyzacji, oknie czasu trwania, które tarcie z dekompozycji reżimów poszerza, a wiążący reżim ex-ante kalendarz oceny zgodności ogranicza od dołu.
• Czynnik tarcia certyfikacyjnego. Jak u pozostałych dwóch: agregat (φ, δ) z rozdziału 13 §4, z dekompozycją reżimów, którą dostarcza rozdział 13 Tabela 13.1.

24.4.2 Zastosowanie

Dane wejściowe Davidsona, które pakiet konsumuje — oszacowanie punktowe (P50 = trzy lata po przebudzeniu, z odczytem [P25, P80] = [1, 10] raportowanym, który dostarcza struktura percentylowa ram); raportowany przedział [1, 10] (para percentyli P25–P80 zoperacjonalizowana jako odczyt 95% zgodnie z oznaczeniem architekta); SR_obs = 2.5; T = 12; reszty Gaussa; złożona wartość N_efektywne (N_lower = 70, N_upper = 705.6, wiersz czasu trwania gwałtownego startu z rozdziału 7 §3 z figure_7_7.ipynb, zakres Lang-only podstawowy, widełki PASS 10.08×, N_headline = 222.24); charakterystyka metodologiczna (rozkład probabilistyczny po czasie trwania, Brier Adapt 3-A, test sekwencyjny Adapt 2 Opcja C); czynnik tarcia certyfikacyjnego (agregat z rozdziału 13 §4) — produkują DSR = 0.3122, d = 0.6878 ( najsilniejsza deflacja z czterech zewnętrznych prognoz, zgodnie z największą niejawną przestrzenią przeszukiwania hiperparametrów Davidsona; symulator o siedemdziesięciu nazwanych parametrach, który czyta złożona wartość figure_7_3d, spala budżet testowania wielokrotnego bardziej niż mniejsze osie Cotry i Aschenbrennera), czynnik przeuczenia 1.000 przy PFO = 0.5000 (Etap 2), oraz asymetryczny rozkład z równania 14.1’.

DCF centralny Davidsona to [−0.160, 18.030], stosunek szerokości 2.021 — największy z czterech zewnętrznych prognoz, zgodnie z odczytem rozdziału, że przejrzystość parametrów Davidsona na poziomie symulatora ujawnia największą niejawną łączną wymiarowość przeszukiwania badanego zbioru i że korekta ram wycenia tę ekspozycję. Ujemne P2.5 = −0.160 to nominalny 2.5%-kwantyl rdzenia Gaussa przy dopasowanej skali (μ = 8.935, σ = 4.640); strukturalna konwencja dolnej granicy lewej asymetrycznego DCF stosuje się przy t_floor = 1.000 (zdeflowana dolna granica), więc zrealizowana masa lewego ogona poniżej 1 roku jest dokładnie zero (czas trwania nie może być ujemny). Wniosek z równ. 14.1 raportuje nominalny [−0.160, 18.030] symetryczny przedział centralny; dla interpretacji czasu trwania zrealizowana dolna granica to strukturalna dolna granica przy 1.000. Rdzeń N(μ = 8.935, σ = 4.640) niesie 95% masy czasu trwania wdrożenia w przedziale centralnym [P2.5, P97.5]; warstwa EVT (σ_R = 0.340, ξ = 0) wnosi ważony aktywnością prawy ogon w granicy Gumbela powyżej u_R = 18.030. (spekulatywne — wielkości obliczone przy PFO przy poziomie odniesienia; składowe niosą swoje etykiety z rozdziałów 6/7/13.)

Odczyt, który rozdział przypina na Davidsonie, to że przejrzystość parametrów ram na poziomie symulatora (opublikowane parametry i ranking wrażliwości jeden-na-raz) jest strukturalną cechą, którą złożona wartość efektywnego N czyta względem łącznej wymiarowości przeszukiwania, której opublikowany odczyt nie charakteryzuje. Korekta DCF jest odczytem maszynerii ram dotyczącym łącznego obciążenia testowania wielokrotnego, które ramy były na tyle otwarte, by ujawnić na poziomie parametru. Odczyt jest metodologiczny, nie rozstrzygający: ramy skonstruowane w rozdziale 14 są stosowane do ram skonstruowanych przez Davidsona, a wynik jest tym, czym wynik jest.

24.5 §5 — Rozliczenie samozastosowania (16.5)

Własne prerejestrowane prognozy dokumentu są rzutowane w postać danych wejściowych DCF zgodnie z trzema pod-decyzjami Redaktora Naczelnego (rozstrzygnięcie z 2026-05-28) i przepuszczone przez ten sam pakiet deflated-capability-forecast co zastosowania z §2–§4, w tym samym formacie raportowania [P2.5, P10, P50, P90, P97.5]. Reguła 3 (samozastosowanie) jest meritorycznym punktem sekcji: dokument audytuje własne prognozy w tej samej maszynerii, w której audytuje cudze.

Trzy pod-decyzje strukturyzują rozliczenie. Pod-decyzja 1 rzutuje HYPOTHESIS_A_CONFIRMED jako obiekt ciągło-kwantylowy — 38% jako lokalizacja P50, [10–27%] jako kotwica masy lewej, [40–82.5%] jako kotwica masy prawej — i pozwala asymetrycznemu DCF wyprowadzić pełny [P2.5, P10, P50, P90, P97.5] z tych kotwic kwantylowych za pomocą równania 14.1’ (rdzeń czyta tendencję centralną z nagłówka 38% i półszerokość rdzenia z symetrycznego odczytu kotwic widełek; warstwa EVT wycenia resztę prawego ogona; konwencja dolnej granicy lewej stosuje się). Pod-decyzja 2 rzutuje FC-1 do FC-6 jako wyzwalane zdarzeniem prognozy Bernoulliego z rozstrzygnięciem zoperacjonalizowanym współczynnikiem widełek, bez przypisanych dat kalendarzowych — bezdatowy wyzwalacz jest danymi wejściowymi rzutowania, dolna granica lewa asymetrycznego DCF plus max(0, ·) rektyfikacja obsługuje brak daty uczciwie, a dodanie dat byłoby poprawką v4 do zahaszowanej prerejestracji, której dokument nie wprowadza. Pod-decyzja 3 określa zakres rezultatu: pełny [P2.5, P10, P50, P90, P97.5] na prerejestrowaną prognozę, z jednym uczciwym wyłączeniem — ortogonalność 7 osi jest oznaczona jako strukturalna poza zakresem (uzasadnione wyłączenie, nie pominięte rozliczenie) i skierowana do innego obiektu audytu. Każda pod-decyzja jest realizowana po kolei poniżej; każda jest operacyjną formą dyscypliny, którą dokument utrzymał, gdy prerejestrował prognozy.

24.5.1 16.5.1 — HYPOTHESIS_A_CONFIRMED w ujęciu równania 14.1’

HYPOTHESIS_A_CONFIRMED, prerejestrowana v1 §Distribution analysis i zablokowana przy SHA-256 a2f7e52c…, przewiduje, że udział (ustalone) zdekomponowanych twierdzeń rozkłada się systematycznie po typach ram: ramy filozofii prognozowania przy 10–27% (Aschenbrenner 10%, Cotra 21%, Davidson 27%), narracyjno-filozoficzne przy 38% (Karnofsky), empiryczno-pomiarowe przy 40–82.5% (Epoch ~40%, METR 73%, Grace 82.5%) (prerejestracja v1, 2026-05-18; rozdział 15 §4 zapis przejścia). Ciągło-kwantylowe rzutowanie (pod-decyzja 1) operacjonalizuje nagłówkowe narracyjno-filozoficzne 38% jako lokalizację P50 rozkładu prognozy, widełki filozofii prognozowania [10–27%] jako odczyt kotwicy masy lewej, a widełki empiryczno-pomiarowe [40–82.5%] jako odczyt kotwicy masy prawej; asymetryczny DCF czyta te kotwice kwantylowe przez kompozycję rdzeń + ogon równania 14.1’ i wyprowadza pełny [P2.5, P10, P50, P90, P97.5] rezultat (rozstrzygnięcie EiC pod-decyzja 1).

Odczyt, z którym rzutowanie jest spójne: prognoza jest rozkładem prawdopodobieństwa po udziale (ustalone), jaki wykazywałyby ramy prognozy w dół strumienia (dodane ramy prognozy w Fazie 0.3 lub Fazie 1 rozszerzenia manuskryptu), przy danym typie ram. Transformacja DCF działa na ten rozkład przy własnych korektach ram: deflacja wycenia niejawne przeszukiwanie modeli stojące za wyborem dokumentu siedmiu klasyfikacji typów ram i trzech etykiet kategorii (filozofia prognozowania / narracyjno-filozoficzne / empiryczno-pomiarowe); PFO wycenia obciążenie przeuczeniem przewidywanego rozkładu względem siedmio-instancyjnego zbioru treningowego, względem którego zobowiązano prognozę; warstwa tarcia certyfikacyjnego jest zerowa dla tej prognozy (prognoza nie jest wielkością domeny wdrożenia — jest meta-metodologiczną prognozą o samym rozkładzie udziału (ustalone), więc (φ, δ, σ_R) redukują się do (1, 0, 0), a warstwa EVT zapada się do gaussowskiego górnego ogona rdzenia, ξ = 0 zgodnie z Cramérem 1946). Zdeflowany rezultat DCF jest korektą ram dotyczącą własnej prognozy dokumentu — tą samą korektą, którą zastosowania z §2 do §4 zastosowały do badanych prognoz, zastosowaną tutaj do własnego prerejestrowanego twierdzenia dokumentu.

Dane wejściowe HYPOTHESIS_A_CONFIRMED, które pakiet konsumuje — oszacowanie punktowe (P50 = 38%, nagłówek widełek narracyjno-filozoficznych); raportowany przedział [10.0, 82.5] (skala %; najszerszy obronny odczyt 95% kotwic widełek pod-decyzji 1 EiC — kotwicy masy lewej [10–27%] i kotwicy masy prawej [40–82.5%] — zoperacjonalizowanych jako pojedynczy zakres 95% wokół implikowanego punktu środkowego 46.25%, źródłowe P50 = 38% odnotowane jako nagłówek w źródle); SR_obs = 2.0 (zoperacjonalizowany analog Sharpe’a z rodziny Briera: 5 z 7 instancji poprawnie sklasyfikowanych zgodnie z prerejestracją v1 §Distribution analysis, dodatni, lecz niższy analog Sharpe’a na instancję niż 2.5 zewnętrznych prognoz); T = 7 (siedem instancji prognozy, na których zobowiązano HYPOTHESIS_A); reszty Gaussa; złożona wartość N_efektywne (N_lower = 7 — siedmio-instancyjny zbiór treningowy: Aschenbrenner, Cotra 2020, Cotra 2022, Davidson, Karnofsky, Grace, Epoch; N_upper = 21 — granica przeszukiwania klasyfikacji typów ram zoperacjonalizowana jako 7 instancji × 3 etykiety kategorii [filozofia prognozowania / narracyjno-filozoficzne / empiryczno-pomiarowe], niejawny rozmiar drzewa decyzyjnego, który dokument wybrał bez wyliczania alternatywnych taksonomii; widełki PASS 3.00×, N_headline = 12.12); charakterystyka metodologiczna (rozkład probabilistyczny po wielkości udziału (ustalone), Brier Adapt 3-A, test sekwencyjny Adapt 2 Opcja C); czynnik tarcia certyfikacyjnego ZEROWY (prognoza meta-metodologiczna; (φ, δ) = (1, 0), σ_R = 0, ξ = 0; warstwa EVT zapada się do rdzenia Gaussa) — produkują DSR = 0.6797, d = 0.3203 (Etap 1), czynnik przeuczenia 1.000 przy PFO = 0.5000 (Etap 2) oraz asymetryczny rozkład z równania 14.1’.

DCF centralny HYPOTHESIS_A_CONFIRMED to [10.000, 105.719] na skali % udziału (ustalone); (P10, P50, P90) = (26.566, 57.860, 89.153); masa prawego ogona P(T > u_R = 105.719) = 0.025; dolna granica lewa P(T < t_floor = 10.000) = 0; stosunek szerokości = 1.320. Zdeflowany CI równa się centralnemu CI DCF dokładnie, ponieważ tarcie jest zerowe (φ = 1, δ = 0, σ_R = 0): warstwa asymetryczna zapada się do własnego górnego ogona rdzenia Gaussa z brakiem rozszerzenia EVT. Asymetryczny DCF zastosowany do zmiennej ograniczonej do [0, 100%] produkuje prawy ogon (P97.5 = 105.7%) przekraczający granicę; raportujemy surowe rzutowanie i oznaczamy granicę zamiast obcinać, ponieważ obcięcie zaniżyłoby deflację, którą metoda oblicza. Koszt konserwatywnej-uczciwości, jaki dziedziczy ciągło-domenowe rzutowanie, to nominalny górny ogon rdzenia Gaussa powyżej 100%, raportowany jako P(T > 100%) ≈ 0.02. Zdeflowany przedział udziału % czyta: prognoza HYPOTHESIS_A_CONFIRMED dokumentu, zdeflowana dla przeszukiwania klasyfikacji typów ram, które dokument podjął bez wyliczania alternatyw, poszerza się ze zoperacjonalizowanego raportowanego pasma 72.5 punktu procentowego do skorygowanego pasma 95.7 punktu procentowego, inflacja szerokości około 1.32×. (spekulatywne — pochodne; dane wejściowe rzutowania są EiC-rozstrzygnięte zgodnie z ciągło-kwantylową pod-decyzją 1; zdeflowane wielkości są przy PFO przy poziomie odniesienia zgodnie z rozdziałem 6 §4 / rozdziałem 7 §4 / rozdziałem 14 §3.)

24.5.2 16.5.2 — FC-1 do FC-6 w ujęciu równania 14.1’ (rzutowanie zdarzeniowe Bernoulliego)

FC-1 do FC-6, prerejestrowane v1 §Falsifiability commitments i zablokowane przy SHA-256 a2f7e52c…, to sześć wyzwalanych zdarzeniem zobowiązań falsyfikacyjnych dokumentu: dowód walidacji poza próbą na badanej prognozie (FC-1); adaptacja DCF BLOCKING_AS_STATED w wyprowadzeniu Fazy 0.3 (FC-2); niepowodzenie wzorca H (FC-3); niepowodzenie analizy rozkładu (FC-4); nawrót heterogeniczności schematu (FC-5); domknięcie luki sześciu wymagań na badanej prognozie (FC-6) (prerejestracja v1, 2026-05-18; prerejestracja v2 §FC-2 operacyjne rozszerzenie; rozdział 15 §4 zapis przejścia). Każde jest strukturalnie wyzwalaną zdarzeniem prognozą Bernoulliego: określone zdarzenie albo następuje (wyzwalacz odpala), albo nie, z zoperacjonalizowanym współczynnikiem widełek kryterium rozstrzygnięcia, które dostarcza prerejestrowana reguła rozstrzygnięcia każdego FC.

Rzutowanie (pod-decyzja 2) traktuje każde FC-i jako obiekt prognozy zdarzeniowej Bernoulliego, z dolną granicą lewą asymetrycznego DCF i max(0, ·) rektyfikacją obsługującą brak daty uczciwie. Odczyt jest precyzyjny: lokalizacja P50 prognozy zdarzeniowej Bernoulliego to przewidywane prawdopodobieństwo odpalenia wyzwalacza (niejawne P50 dokumentu jest takie, że wyzwalacz nie odpali przy standardowych wzorcach publikacji naukowej w horyzoncie projekcji dokumentu — prognoza, którą zobowiązania FC zbiorowo osadzają); raportowany przedział to widełki wokół tego prawdopodobieństwa, które dostarcza szum pomiarowy kryterium rozstrzygnięcia; rozkład jest Bernoulliego z rzutowanym P50 jako jego parametrem. Rdzeń równania 14.1’ działa na rzutowane prawdopodobieństwo Bernoulliego przy tej samej kompozycji Adaptacja 1/3/4 + PFO + tarcie: deflacja wycenia niejawne przeszukiwanie po alternatywnych specyfikacjach kryteriów falsyfikacji, które dokument mógł był zobowiązać; PFO wycenia obciążenie przeuczeniem względem zapisu publikacji na poziomie poszczególnych FC; warstwa tarcia certyfikacyjnego jest zerowa dla każdego FC (FC są twierdzeniami meta-metodologicznymi, nie prognozami domeny wdrożenia) — (φ, δ) = (1, 0), σ_R = 0, ξ = 0 — z wyjątkiem przypadków, gdy FC ma odczyt domeny wdrożenia (np. zdarzenie walidacji poza próbą FC-1 ma odczyt okna publikacja-wdrożenie, który tarcie by wyceniło; specjalista rozstrzyga, czy tarcie jest operatywne zgodnie z charakterystyką na FC). Dolna granica lewa asymetrycznego DCF (strukturalna konwencja dyscypliny deflacyjnej P(T < t̂_D − w_D) ≡ 0) rektyfikuje brak daty przez ograniczenie od dołu rdzenia przy zdeflowanej dolnej granicy prawdopodobieństwa, a rektyfikacja max(0, PFO − ½) półszerokości rdzenia utrzymuje czynnik przeuczenia uczciwym przy poziomie odniesienia.

Każde FC-i jest rzutowane jako wyzwalana zdarzeniem prognoza Bernoulliego na zmiennej prawdopodobieństwa p ∈ [0, 1], że wyzwalacz odpala w horyzoncie projekcji. Strukturalna dolna granica lewa asymetrycznego DCF przy p = 0 oraz rektyfikacja max(0, PFO − ½) półszerokości rdzenia obsługują brak daty uczciwie: rzutowany rozkład jest po p, nie po czasie, a prawy ogon EVT przy poziomie odniesienia σ_R = 0 zapada się do nominalnego górnego ogona Gaussa rdzenia (FC są zobowiązaniami meta-metodologicznymi; tarcie jest zerowe zgodnie z odczytem pod-decyzji §1).

Wspólna operacjonalizacja rzutowania, zgodnie z dyscypliną, którą §16.5 powyżej przypina, traktuje niejawne P50 każdego FC jako wyrażone przez dokument prawdopodobieństwo, że wyzwalacz odpala (P50 = 0.10 we wszystkich sześciu FC, odzwierciedlające, że FC są zaprojektowane jako RZADKO-falsyfikujące zdarzenia, których dokument nie oczekuje, że odpalą w horyzoncie projekcji); widełki wokół p to odczyt 95% przy SE(p) ≈ √(p(1−p)/N_horizon) produkujące [0, 0.37] (dolna granica zrektyfikowana dolną granicą lewą przy 0); SR_obs = 2.0 (analog Sharpe’a z rodziny Briera na FC); T = 5 (5-letni horyzont projekcji, w którym wyzwalacz każdego FC jest obserwowalny); tarcie zerowe; reszty Gaussa. Złożone wartości N_efektywne na FC różnią się dla każdego FC i są udokumentowane na wiersz.

Wszystkie sześć rzutowań FC rozstrzyga się czysto przy odczycie zdarzeniowym Bernoulliego; żadne nie wymagało flagi [EiC escalation: FC-N cast]. Stosunki szerokości na FC (zakres 1.24–1.51) odzwierciedlają odczyt meta-metodologiczno-tarcie-zerowe: bez aktywnego tarcia (φ = 1, δ = 0) inflacja szerokości DCF jest napędzana wyłącznie przez deflację DSR z Etapu 1 przy złożonych wartościach efektywnego N na FC, co przy liczbach w skali FC (4–50) produkuje wielkości deflacji d ∈ [0.24, 0.51], dając stosunki szerokości w zaobserwowanym zakresie 1.24–1.51. Odczyt rzutowania: każde widełki prerejestrowanego prawdopodobieństwa FC, zdeflowane dla niejawnego przeszukiwania po alternatywnych specyfikacjach kryteriów falsyfikacji, które dokument mógł był zobowiązać (złożona wartość Adaptacji 4 na poziomie FC), oraz ważone przeuczeniem przy PFO przy poziomie odniesienia na FC, poszerzają się o około 1.24× do 1.51× ponad zoperacjonalizowane raportowane widełki. Odczyt jest spójny we wszystkich sześciu FC: korekta ram dotycząca własnych zobowiązań falsyfikacyjnych dokumentu działa symetrycznie z jego korektą badanych prognoz. Wpisy P2.5 = 0.000 to nominalny dolny kwantyl rdzenia Gaussa zrektyfikowany przy strukturalnej dolnej granicy lewej t_floor = 0 (z konstrukcji left_tail_mass(0) ≡ 0; niemożliwa masa ujemnego prawdopodobieństwa nie może wystąpić). (spekulatywne — pochodne; dane wejściowe rzutowania są EiC-rozstrzygnięte zgodnie z pod-decyzją 2; zdeflowane wielkości są przy PFO przy poziomie odniesienia zgodnie z dyscypliną ram.)

24.5.3 16.5.3 — Ortogonalność 7 osi: strukturalna poza zakresem

Twierdzenie o ortogonalności 7 osi, prerejestrowane v1 §7-axis decomposition taxonomy i zablokowane przy SHA-256 a2f7e52c…, przewiduje, że siedem osi (Aschenbrenner OOM, Cotra anchor, Davidson takeoff-duration, METR time-cost-of-task, Karnofsky probability-mass / civilizational-significance, Grace expert-survey, Epoch compute-scaling) są wzajemnie ortogonalne na poziomie semantyki wymiarowej (jednostki, obiekty pomiaru, status temporalny) i że powierzchniowe nakładanie się słownictwa w time, compute, czy year nie stanowi identyfikacji osi (prerejestracja v1, 2026-05-18). Twierdzenie jest binarnym twierdzeniem strukturalnym o taksonomii osi ram, nie probabilistyczną prognozą po wyniku.

Postać danych wejściowych DCF, którą określa rozdział 14 §2 — obiekt prognozy = oszacowanie punktowe + przedział + rozkład — nie stosuje się: binarne twierdzenie strukturalne o taksonomii nie ma oszacowania punktowego (twierdzenie jest prawdziwe lub fałszywe, nie liczbą na kontinuum), nie ma przedziału (twierdzenie nie ma probabilistycznego pasma niepewności — ma strukturę weryfikacji-przez-kontrprzykład, nie strukturę pomiaru), ani rozkładu (Bernoulli po twierdzeniu strukturalnym jest zdegenerowany w momencie rozstrzygnięcia, nie obiektem prognozy, na który równanie 14.1’ może działać). Ortogonalność 7 osi jest zatem strukturalna poza zakresem (uczciwe wyłączenie z pod-decyzji 3): nie pominięta, nie odroczona, lecz skierowana do innego obiektu audytu — audytu twierdzeń strukturalnych, nie audytu deflacji probabilistycznej. Powód, dla którego DCF nie stosuje się, jest wyraźny: ramy skonstruowane w rozdziale 14 działają na obiektach prognozy ze strukturą ilościowego punktu + przedziału + rozkładu (wyliczenie danych wejściowych z rozdziału 14 §2); binarne twierdzenie strukturalne nie jest takim obiektem; zatem ramy nie stosują się, a uczciwym ruchem jest oznaczenie twierdzenia jako poza zakresem i skierowanie go do obiektu audytu, który się stosuje (przegląd strukturalny napędzany kontrprzykładami, jaki dyscyplina ram rezerwuje dla twierdzeń strukturalnych). Wyłączenie jest uzasadnione granicą danych wejściowych ram, nie wygodą.

24.5.4 16.5.4 — Domknięcie rozliczenia §16.5: przeniesione zobowiązanie z Ch14 §3/§6 + Ch15 §4

Rozliczenie §16.5 rozwiązuje odniesienie w przód z rozdziału 14 §3, specyfikację z rozdziału 14 §6 dotyczącą sekcji Prognoz + samozastosowania z rozdziału 16, oraz udokumentowaną w rozdziale 15 §4 lukę częściowej zgodności na Elementach 1 i 5 z rozdziału 15 §2. Własne prerejestrowane prognozy dokumentu są zdeflowane przez tę samą asymetryczną maszynerię co badane prognozy z §2 do §4, w tym samym formacie raportowania [P2.5, P10, P50, P90, P97.5], który przypina dyscyplina czytania z §1, z tym samym PFO przy poziomie odniesienia zgodnie z dyscypliną ram dotyczącą oczekujących danych zrealizowanych, oraz z tym samym pakietem deflated-capability-forecast, który określa implementacja referencyjna z rozdziału 14 §5. Argument ram jest zatem zastosowany do samego siebie w konstruktywnym sensie, którego wymaga Reguła 3: nie jako przypis, nie jako odroczenie see Predictions section, lecz jako operacyjne rozliczenie rezultatu §16.5 — HYPOTHESIS_A_CONFIRMED przez ciągło-kwantylowe rzutowanie, FC-1 do FC-6 przez zdarzeniowe rzutowanie Bernoulliego oraz ortogonalność 7 osi przez uczciwe strukturalne wyłączenie poza zakresem. Rozliczenie jest testem Reguły 3, który dokument utrzymuje, odkąd zablokowano zobowiązania prerejestracji; test jest zdany przez operację rozliczenia, nie przez twierdzenie dokumentu, że został zdany.

Luka częściowej zgodności, którą rozdział 15 §4 udokumentował — Elementy 1 i 5 szablonu z rozdziału 15 §2 przy precyzji, którą szablon przepisuje — jest domknięta w tym samym ruchu. Element 1 (trójczęściowy obiekt prognozy: punkt + przedział + rozkład) jest domknięty przez ciągło-kwantylowe rzutowanie dla HYPOTHESIS_A_CONFIRMED i zdarzeniowe rzutowanie Bernoulliego dla FC-1 do FC-6, z których każde jest trójczęściowym obiektem prognozy przy precyzji, którą rzutowanie przepisuje; ortogonalność 7 osi jest domknięta przez uczciwe strukturalne wyłączenie poza zakresem (twierdzenie nie jest obiektem prognozy typu wejściowego, a uczciwym ruchem jest to powiedzieć). Element 5 (kryteria falsyfikacji z kryterium + datą + regułą) jest domknięty przez zoperacjonalizowane współczynnikiem widełek rozstrzygnięcie, które przypina rzutowanie: kryterium rozstrzygnięcia HYPOTHESIS_A_CONFIRMED jest odczytem współczynnika widełek, który dostarcza rzutowanie (strukturalne zobowiązanie FC-4), a kryteria rozstrzygnięcia FC-1 do FC-6 to wyzwalane zdarzeniem reguły, które prerejestracja v1 już zobowiązała, czytane teraz względem rektyfikacji dolnej granicy lewej + max(0, ·) asymetrycznego DCF zamiast względem dat kalendarzowych, których prerejestracja nie zobowiązała. Kryterium + reguła rzutowania to wyzwalacz + odczyt współczynnika widełek na FC; składowa data przepisu Elementu 5 z rozdziału 15 §2 jest uczciwie nie dodana (pod-decyzja 2: dodanie dat byłoby poprawką v4), a brak daty jest obsłużony uczciwie przez strukturalną granicę asymetrycznego DCF.

Koszt rozliczenia — dyskomfort, który odczyt z rozdziału 15 §4 przypisał dyscyplinie — to dyskomfort, który dokument tu opłaca. Samo rzutowanie jest nietrywialne; trasa eskalacji EiC dla FC, których genuinie nie można rzutować jako zdarzeniowych Bernoulliego, jest uczciwą alternatywą dla fabrykacji; strukturalne wyłączenie poza zakresem dla ortogonalności 7 osi jest uczciwą alternatywą dla wciskania nieprognostycznego twierdzenia w odczyt obiektu prognozy. Rozliczenie jest operacyjną formą odczytu dyscypliny z rozdziału 15 §4 — że testem tego, czy argument jest uczciwy, jest to, czy dokument poddaje się temu samemu audytowi, nazywa lukę tam, gdzie luka jest, i rozlicza lukę na własnych terminach ram. Ten test, przez operację rozliczenia §16.5, jest zdany.

Szerszy wzorzec w pięciu obliczeniach jest najmocniejszym ustaleniem Reguły 3 rozdziału. ŻADNA prognoza nie osiągnęła 2.3×. We pięciu obliczeniach ramy wyprodukowały jednolity zakres deflacji 1.28–2.02× (Aschenbrenner pełne równ. 14.1’ 1.539, Cotra 2020 1.531, Cotra 2022 alternatywny zakres 1.732, Davidson 2.021, HYPOTHESIS_A_CONFIRMED 1.320), wszystkie poniżej prerejestrowanego oczekiwania 2.3×. To jest wzorzec, nie osobliwość Aschenbrennera, i potwierdza pierwotną przyczynę systematycznie: nasze prerejestrowane oczekiwanie ≥2.3× deflacji było jednolicie wyższe niż to, co ramy faktycznie produkują. Ramy deflują realnie, lecz mniej dramatycznie niż zakładał priori autora. Raportujemy to jako niepowodzenie kalibracji autora, ujawnione przez ramy — samozastosowanie działające zgodnie z zamierzeniem.

24.6 §6 — Rysunek 16.1 i domknięcie (16.4)

Centralnym elementem wizualnym rozdziału jest Rysunek 16.1, odczyt obok siebie oryginalnego raportowanego przedziału względem przedziału DCF (przedział centralny plus warstwa GPD prawego ogona plus konwencja dolnej granicy lewej) dla każdego z czterech zastosowań do zewnętrznych prognoz oraz własnego ciągło-kwantylowego rzutowania HYPOTHESIS_A_CONFIRMED dokumentu. Rysunek jest odczytem rozdziału na pierwszy rzut oka tego, co ramy zwracają, gdy stosuje się je do badanego zbioru i do samego dokumentu, w tym samym formacie i przy tej samej precyzji — operacyjną formą dyscypliny samozastosowania z Reguły 3 w pojedynczym elemencie wizualnym.

Specyfikacja Rysunku 16.1 (dla notebooks/part5/figure_16_1.ipynb):

• Osie. Oś pozioma: czas kalendarzowy (lata), obejmujący sumę raportowanych i DCF przedziałów we wszystkich wierszach (przybliżone okno 2027 do 2110, by pomieścić prawy ogon Cotry; specjalista przypina dokładny rozpiętość). Oś pionowa: etykieta wiersza prognozy (kategorialna). Pięć wierszy: Aschenbrenner (oś OOM, odczyt 2027); Cotra 2020 (oś kotwic odczyt 2020, mediana 2052); Cotra 2022 (oś kotwic 2022 alternatywny zakres, mediana 2040); Davidson (czas trwania gwałtownego startu, okno po przebudzeniu); HYPOTHESIS_A_CONFIRMED (własne ciągło-kwantylowe rzutowanie dokumentu, skala % przekonwertowana na porównywalną oś wizualną lub raportowana na osi drugorzędnej, którą specjalista rozstrzyga).
• Układ wizualny na wiersz. Dla każdego wiersza: raportowany 95% CI jest rysowany jako wąski poziomy pasek przy jednym przesunięciu y; przedział centralny DCF [P2.5, P97.5] jest rysowany jako szerszy poziomy pasek przy przesunięciu sąsiadującym (odrębny kolorem lub wzorem); region GPD prawego ogona [u_R, P99.5] jest rysowany jako region zanikający poza P97.5 (warstwa Pickandsa 1975); konwencja dolnej granicy lewej jest oznaczona nieciągłością przy t̂_D − w_D (granica P(T < t_floor) ≡ 0); trójka kwantyli ogonowych (P10, P50, P90) jest oznaczona trzema pionowymi znacznikami na pasku DCF; stosunek szerokości jest opisany przy prawej krawędzi każdego wiersza.
• Źródła danych. Dane każdego wiersza to rezultat obliczeń specjalisty z §16.1, §16.2, §16.3, §16.5.1: raportowany CI, zdeflowany CI, DCF centralny [P2.5, P97.5], trójka kwantyli ogonowych (P10, P50, P90), masa ogona P(T > u_R), dolna granica lewa P(T < t_floor) = 0, stosunek szerokości.
• Legenda i opisy. Legenda identyfikuje: raportowany CI; przedział centralny DCF; warstwę GPD prawego ogona; granicę dolną lewą; znaczniki kwantyli ogonowych. Opisy identyfikują stosunek szerokości na wiersz (DCF centralny / raportowany) oraz masę ogona przy doklejeniu u_R. Podpis figury czyta się jako krótki opis korekty ram i odczytu wiersza samozastosowania jako rozliczenia Reguły 3.
• Odtwarzalność. Numer notatnika pasuje do numeru figury zgodnie z Regułą 7 (notatnik notebooks/part5/figure_16_1.ipynb ↔︎ Rysunek 16.1). Każda naniesiona wartość jest ponownie weryfikowana na żywo względem compute_dcf_distribution(...) z code/dcf_package w komórce notatnika nb-verify-via-package (tolerancja 1e-3); wyrenderowane właściwości wizualne (pasek samego DSR Aschenbrennera nieosiągający oznaczonego progu 2.3×; pasek HYPOTHESIS_A wykraczający poza 100% nieobcięty) są asertowane w komórce nb-visual-confirm. Raport walidacji: reviews/validation/walidator_chapter_16_figure.md (Reguła 7; 60 testów).

²⁹

Tabela danych odzwierciedlająca wzorzec z rozdziału 13 §3 (Prognoza → oryginalny / zdeflowany / [P2.5, P10, P50, P90, P97.5] / stosunek szerokości):

Pięciowierszowa tabela — cztery zewnętrzne prognozy i jeden wiersz własnej prerejestrowanej prognozy dokumentu, wszystkie w tych samych jednostkach, przy tej samej precyzji, w tym samym formacie raportowania, obliczone przez ten sam pakiet — jest odczytem rozliczenia na pierwszy rzut oka. Samozastosowanie z Reguły 3 jest ostatnim wierszem, a ostatni wiersz jest tym samym rodzajem obiektu co cztery powyżej niego. Dokument audytuje sam siebie w tej samej maszynerii, w której audytuje innych.

24.6.1 Domknięcie

Ten rozdział domyka konstruktywny łuk Części V. Ramy zostały zastosowane do trzech przełomowych zewnętrznych prognoz (Aschenbrenner §16.1, Cotra 2020 + 2022 §16.2, Davidson §16.3) w formacie raportowania [P2.5, P10, P50, P90, P97.5], z prerejestrowaną ≥2.3× samoprognozą DSR (master plan A.16) zwracającą 1.285× i raportowaną wprost jako NIEUDANA. Ramy zostały następnie zastosowane do własnych prerejestrowanych prognoz dokumentu — ciągło-kwantylowe rzutowanie HYPOTHESIS_A_CONFIRMED, zdarzeniowe rzutowanie Bernoulliego FC-1 do FC-6, strukturalne wyłączenie poza zakresem ortogonalności 7 osi — zgodnie z trzema pod-decyzjami Redaktora Naczelnego, domykając lukę częściowej zgodności z rozdziału 15 §4. Szersze ustalenie §16.5 — pięć obliczeń, żadne ≥ 2.3×, zakres 1.28–2.02× — zapisuje niepowodzenie jako błąd kalibracji autora ujawniony przez ramy, nie defekt ram.

Treść manuskryptu jest kompletna w momencie domknięcia tego rozdziału. Ślad audytu biegnie od zobowiązań prerejestracji przez rekonstrukcje z Części I, wyprowadzenia z Części II, dekompozycję reżimów z Części IV oraz konstrukcję-i-rozliczenie z Części V; każda nośna wielkość jest oznaczona dla pakietu deflated-capability-forecast, który dostarcza implementacja referencyjna z rozdziału 14 §5. Faza 6 — przegląd wewnętrzny (audytor + walidator), przegląd zewnętrzny (Faza 6.2), redakcja (redaktor), skład (składacz) i wydanie (publikator) — oraz materiały zamykające (Prognozy, Konkluzja, Przedmowa) następują.

24.7 Bibliografia

Aschenbrenner, L. (2024, June). Situational awareness: The decade ahead. Self-published essay (non-peer-reviewed). https://situational-awareness.ai/

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-mathematics and financial charlatanism: The effects of backtest overfitting on out-of-sample performance. Notices of the American Mathematical Society, 61(5), 458-471.

Bailey, D. H., Borwein, J. M., López de Prado, M., & Zhu, Q. J. (2017). The probability of backtest overfitting. Journal of Computational Finance, 20(4), 39-69.

Bailey, D. H., & López de Prado, M. (2014). The deflated Sharpe ratio: Correcting for selection bias, backtest overfitting, and non-normality. Journal of Portfolio Management, 40(5), 94-107.

Brier, G. W. (1950). Verification of forecasts expressed in terms of probability. Monthly Weather Review, 78(1), 1-3.

Cotra, A. (2020). Forecasting TAI with biological anchors. Open Philanthropy (non-peer-reviewed).

Cotra, A. (2022, August). Two-year update on my personal AI timelines. AI Alignment Forum / LessWrong (non-peer-reviewed).

Cramér, H. (1946). Mathematical methods of statistics. Princeton University Press.

Davidson, T. (2023). What a compute-centric framework says about AI takeoff speeds. Open Philanthropy (non-peer-reviewed).

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L series, 2024/1689.

Gneiting, T., & Raftery, A. E. (2007). Strictly proper scoring rules, prediction, and estimation. Journal of the American Statistical Association, 102(477), 359-378.

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). When will AI exceed human performance? Evidence from AI experts. Journal of Artificial Intelligence Research, 62, 729–754.

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5-68.

Karnofsky, H. (2021). The most important century (blog series). Cold Takes (non-peer-reviewed).

Kwa, T., West, B., Becker, J., et al. (2025). Measuring AI ability to complete long software tasks (arXiv:2503.14499). NeurIPS.

Lo, A. W. (2002). The statistics of Sharpe ratios. Financial Analysts Journal, 58(4), 36-52.

López de Prado, M. (2018). Advances in financial machine learning. John Wiley & Sons.

Murphy, A. H. (1973). A new vector partition of the probability score. Journal of Applied Meteorology, 12(4), 595-600.

Pickands, J. (1975). Statistical inference using extreme order statistics. The Annals of Statistics, 3(1), 119–131.

Sevilla, J., Heim, L., Ho, A., Besiroglu, T., Hobbhahn, M., & Villalobos, P. (2022). Compute trends across three eras of machine learning. International Joint Conference on Neural Networks (IJCNN). https://doi.org/10.1109/IJCNN55064.2022.9891914

25 Zakończenie

Ta książka postawiła jeden argument, zastosowany w jednym kierunku, a następnie odwrócony przeciwko sobie samej. Argument brzmi tak: pewność przypisywana prognozom możliwości AGI przewyższa to, co mogą udźwignąć metody, które te prognozy wytwarzają — a tę rozbieżność da się zmierzyć narzędziami, które finanse ilościowe zbudowały do tego samego problemu. Prognozy nie są niedbałe, a ich autorzy nie są naiwni; rozbieżność jest strukturalna — przewidywalna konsekwencja dopasowania modelu do pewnego okna i rzutowania go w przyszłość bez dyscypliny walidacyjnej, której inne dziedziny ilościowe nauczyły się wymagać. To, co poprzednie rozdziały dokładają do tej znajomej obserwacji, to sposób na skwantyfikowanie tej rozbieżności, zamiast samego jej stwierdzenia — oraz nacisk, by tę kwantyfikację zwrócić najpierw przeciwko własnym twierdzeniom książki, zanim zwróci się ją przeciwko czyimkolwiek innym.

Warto prześledzić, jak zbudowano ten argument, ponieważ każda część była koniecznym krokiem i żadna nie broni się samodzielnie. Część I zrekonstruowała główne prognozy na tyle dokładnie, by dało się je ocenić — odwzorowując każdą wzdłuż pojedynczej osi, wokół której organizuje ona postęp, i lokalizując w każdej dokładną granicę, w której kończy się zmierzone okno, a zaczyna projekcja. Ta granica jest niewidoczna, dopóki rekonstrukcja nie wymusi jej ujawnienia, i jest warunkiem wstępnym wszystkiego, co następuje potem: prognozy, której nie można zrekonstruować, nie można przetestować. Część II zbudowała testy. Zdefiniowała rygorystycznie ekstrapolację w próbie, opracowała korektę na testowanie wielokrotne w duchu Harvey-Liu-Zhu, skonstruowała protokół kroczącej retrodykcji, który wytwarza próbę wydzieloną, jakiej prognozy nigdy nie zarezerwowały, oraz zaadaptowała zdeflowany współczynnik Sharpe'a (deflated Sharpe ratio, DSR) i prawdopodobieństwo przeuczenia na danych historycznych (probability of backtest overfitting, PBO) z ich finansowych źródeł do dziedziny możliwości — mierząc się z założeniami, których te adaptacje wymagają, zamiast je pomijać. Część III przeszła od statystyki do wdrożenia, badając dystans między możliwością istniejącą w benchmarku a możliwością wykazaną wobec standardu, jakiego wymaga branża regulowana, i pokazując, jak gruntownie obecne ramy czasowe niedoszacowują ten dystans. Część IV potraktowała europejski stos regulacyjny poważnie — jako ograniczenie strukturalne, a nie tarcie do obejścia — i dowodziła, że prognozy, które go ignorują, są z założenia niekompletne. Część V zbudowała Zdeflowaną Prognozę Możliwości (Deflated Capability Forecast, DCF), zastosowała ją do prognoz z Części I, a następnie zwróciła ją przeciwko tej książce.

Wkładem konstruktywnym jest właśnie ta metoda: bierze ona podany przez prognozę przedział i poszerza go o tyle, ile uzasadnia leżąca u jej podstaw metodologia, zwracając rozkład prawdopodobieństwa nad wynikami z jawnym potraktowaniem ogonów w miejsce oszacowania punktowego niosącego niezasłużoną precyzję. Wyprowadzenie zajmuje rozdział 14; jego zastosowanie do głównych prognoz zajmuje rozdział 16. Metoda nie wytwarza lepszych ram czasowych i chcę to po raz ostatni jasno powiedzieć: nigdy nie miała tego robić. Wytwarza ona uczciwe rozliczenie tego, o ile mniej pewna jest prognoza, niż na to wygląda — a rozliczenie to, zastosowane w całym badanym zbiorze prognoz, konsekwentnie poszerzało przedziały, zamiast je zawężać, w kierunku, który przewidywała diagnoza.

Samozastosowanie jest tym miejscem, w którym książka albo zdobywa swoją wiarygodność, albo ją traci. Zanim cokolwiek policzyłem, prerejestrowałem konkretną prognozę dotyczącą tego, co wytworzą moje własne ramy: że zastosowanie zdeflowanego współczynnika Sharpe'a do projekcji Aschenbrennera poszerzy jego przedział ufności co najmniej o czynnik 2.3. Ramy wytworzyły czynnik 1.285. Prognoza zawiodła, a ja raportuję to niepowodzenie tutaj tymi samymi prostymi słowami, jakich wymagałbym od każdej prognozy, którą ta książka bada. Chcę zlokalizować to niepowodzenie precyzyjnie, ponieważ precyzja jest tu sednem. To nie jest niepowodzenie ram, które policzyły poprawnie i zdeflowały przedział dokładnie tak, jak określa ich wyprowadzenie. To niepowodzenie mojego własnego przekonania a priori — próg 2.3 ustaliłem intuicyjnie, zanim policzyłem deflację, z której powinien był zostać wyprowadzony, co jest — z pewnym zażenowaniem — dokładnie tym błędem, dla którego zidentyfikowania ta książka została napisana. Ramy zadziałały; moje oczekiwanie wobec ram było nadmiernie pewne. Dyscyplina uczciwej walidacji ma ujawniać właśnie to, a ujawnienie tego wobec mojej własnej prerejestrowanej liczby jest najbardziej bezpośrednim dowodem, jaki mogę dać, że ta dyscyplina nie jest ozdobą.

Niepowodzenie okazało się bardziej pouczające, niż byłby sukces, ponieważ nie ograniczało się do jednej prognozy. Gdy pełną metodę zastosowano w całym badanym zbiorze, żadna prognoza nie osiągnęła progu 2.3, który prerejestrowałem: czynniki poszerzenia skupiły się mniej więcej między 1.3 a 2.0 — Aschenbrenner blisko 1.5, dwie konfiguracje Cotry blisko 1.5 i 1.7, Davidson najbliżej, tuż powyżej 2.0, a kategorialna prognoza udziału hipotez blisko 1.3. Ramy deflują i deflują realne przedziały o realne wielkości, lecz deflują je mniej dramatycznie, niż zakładało moje przekonanie a priori. Wzorzec jest tu sednem: moja nadmierna pewność nie była jednorazowym wypadkiem przy jednej prognozie, lecz systematyczną błędną kalibracją tego, co wytworzy metoda — a to sama metoda ją ujawniła. To jest samozastosowanie działające dokładnie tak, jak powinna działać dyscyplina walidacyjna: wydobywające niewygodną prawdę o własnym osądzie autora, zamiast schlebiać ramom noszącym jego nazwisko.

To, że prognoza wobec samego siebie chybiła, nie unieważnia argumentu, ale uczciwość wobec tego wymaga uczciwości wobec reszty tego, co pozostaje nierozstrzygnięte. Kilka z poszczególnych wielkości deflacji w rozdziale 6 raportowanych jest jako wstępne — nie dlatego, że metoda jest niesolidna, lecz dlatego, że zależą od danych jeszcze nieodzyskanych: ekstrakcja per-kotwica leżąca u podstaw wyników Cotry, szereg reszt dla tempa podwajania METR, zapis per-respondent stojący za ankietami Grace oraz konstrukcje szeregów reszt dla osi Aschenbrennera i Epoch — każde z nich pozostaje otwarte. Manuskrypt oznacza każdy wynik wstępny konkretną zależnością, na którą czeka, zamiast podawać liczbę, na którą sobie nie zasłużył. Dwóch z badanych prognoz nie dało się w ogóle zwalidować metodą kroczącą — ich centralne obiekty rzutują poza jakikolwiek horyzont, który czytelnik mógłby dziś sprawdzić. A adaptacje, na których opierają się ramy, niosą założenia — o niestacjonarności, o przeszukiwalnej przestrzeni wyborów dekompozycji, o właściwej statystyce wyników dla dziedziny, która żadnej nie miała — walidowane tam, gdzie pozwalają na to dowody, i oznaczane jako wstępne tam, gdzie nie pozwalają. Jedno z tych założeń nie przeszło własnego prerejestrowanego badania walidacyjnego w trakcie pisania, a manuskrypt odnotowuje to niepowodzenie na miejscu, zamiast przeprojektowywać się wokół niego. Wolę, by czytelnik widział niedokończone krawędzie, niż żeby brał książkę za bardziej rozstrzygniętą, niż jest.

To, co nastąpi dalej, nie jest obietnicą zrewidowania tego dokumentu. Treść prerejestrowana jest ustalona, a jej ustalenie jest sednem; prognoza, która po cichu aktualizuje swoje zobowiązania po zobaczeniu, jak wypadają, jest właśnie tym trybem porażki, dla którego nazwania ta książka istnieje — i nie popełnię tej porażki na ostatniej stronie. W miarę jak otwarte odzyskiwania danych będą się rozstrzygać, naturalnym miejscem dla ukończonych analiz jest toczące się zaangażowanie wokół tej pracy — dyskusja, odtwarzalny kod, jakiekolwiek dalsze teksty, na które wyniki zasłużą — a nie cicha poprawka do zablokowanego zapisu. Czytelnik, który chce sprawdzać prognozy wobec rzeczywistości w miarę jej rozwoju, powinien rozliczać ten dokument dokładnie z tego, do czego się zobowiązał, i z niczego, do czego się nie zobowiązał.

Aby to umożliwić, prognozy nie są tu parafrazowane. Prerejestrowane prognozy i zobowiązania tego dokumentu są niezmienną treścią tagu gitowego preregistration-v3-locked, przy commicie c624b3987e75ea41398a47e70003b643fc8ed730, zweryfikowaną odciskiem palca sidecara protokołu HASH_PLACEHOLDER 510c8e8ca334461b42be7d4a3ce6fc1528fb343944880ad0d61fa0e213c83d5c; procedura weryfikacji jest udokumentowana w preregistration/PROTOCOL.md. Pełna prerejestrowana treść celowo nie jest powielona w tym manuskrypcie. Zablokowany tag to są te prognozy; ta strona jedynie na niego wskazuje, tak by weryfikacja przebiegała wobec zapisu kryptograficznego, a nie wobec prozy, która mogłaby od niego odpłynąć. To najbardziej uczciwa forma, jaką może przyjąć to zobowiązanie: nie ponowne sformułowanie, które mógłbym później złagodzić, lecz stałe odniesienie, którego złagodzić nie mogę.

Pod tym wszystkim kryje się większe twierdzenie, a książka starała się na nie zasłużyć, zamiast je deklarować. Metody, które finanse ilościowe rozwinęły między 2014 a 2018 rokiem, nie powstały dla elegancji; powstały, ponieważ kapitał był tracony na backtestach, które wyglądały znakomicie, a nie znaczyły nic — i dziedzina nie miała wyboru, musiała nauczyć się różnicy między wynikiem a artefaktem. Prognozowanie możliwości nie podlega jeszcze takiej presji, ale decyzje podejmowane na podstawie jego prognoz — co budować, czego się bać, co regulować, gdzie ulokować pokolenie talentów i bilion dolarów mocy obliczeniowej — są na tyle doniosłe, że ta sama dyscyplina jest uzasadniona, zanim wymuszą ją straty. Taki jest argument za importowaniem tych narzędzi już teraz, a nie później. Nie jest to argument, że AGI jest blisko czy daleko; jest to argument, że niezależnie od tego, w co się wierzy co do ram czasowych, przekonanie należy trzymać tylko tak mocno, jak pozwala na to metoda, która za nim stoi.

Wyruszyłem, by przynieść dyscyplinę, za którą finanse zapłaciły realnym kapitałem, do dziedziny, która jeszcze jej nie przyjęła. Starałem się stosować ją wobec innych sprawiedliwie, wobec siebie bez wyjątku, i jasno oznaczać miejsca, w których praca jest niekompletna. Argument brzmi tak: walidacja nigdy nie jest opcjonalna, a gorszy wynik potwierdzony w wielu warstwach testowania jest wart więcej niż wynik spektakularny, który zawodzi walidację na pojedynczej warstwie. Książka jest moją próbą utrzymania tego standardu. Chybiona prognoza wobec samego siebie na tej stronie jest moją próbą udowodnienia, że mówiłem poważnie.