我不想要你的 AI 生成的任何东西
生成式 AI 让科技从业者意见两极分化：一些人表示他们什么都不想要由大模型生成，因为它衍生自他人劳动、未经同意训练、环境代价高，而且已经在用低质量的“噪音”淹没互联网和工作场所。另一些人则反驳说，人类同样是衍生性的，AI 是处理琐碎沟通、编码和推荐的实用工具，并且能让缺乏资源的个人和小企业更容易获得创造力与生产力。更深层的争论围绕训练数据的同意、对最终用户的真实收益与炒作之间的差异、AI 会削弱还是增强工作能力，以及社会应在多大程度上试图放缓或改道这波自动化浪潮。
对 AI 生成内容泛滥的感知
- 许多评论者表示，即使他们自己避免使用 AI 工具，也无法避免 AI 输出：艺术网站、爱好者群组、搜索结果、社交媒体、SEO 垃圾内容以及代码库都在日益被其淹没。
- 这被描述为“信噪比”崩塌和“无限噪声生成器”，使得除非经过严格审核，否则网上空间越来越没用。
质量、实用性与“平庸”
- 一个强烈观点认为，LLM 的输出是“向均值回归”：千篇一律、冗长、最低公分母，尤其在写作和代码方面更是如此。
- 也有人认为，“平庸的平均值”往往正是所需要的：标准政策、旅游指南、食谱、模板邮件。
- 还有人说，AI 在琐碎任务上已经比许多人更好（摘要、分类、工单路由、代码脚手架）。
创造力、原创性与衍生性质
- 一派观点：每个伟大作品都是异常值；用人类输出语料训练出来的模型，本质上会推动平淡、安全的想法，无法持续提出真正反直觉或独特的立场。
- 反方观点：所有人类作品也同样是衍生的；模型像人类一样从示例中“学习”，并且可以成为探索思想空间或增强艺术家的强大工具。
劳动、就业与经济影响
- 担忧前端开发者、呼叫中心、数据录入、插画师以及部分中层管理会被替代；批评者指出收益分配不均且缺乏安全网。
- 支持者强调，小团队、独立开发者和非专家会获得新能力（例如，“两人品牌”与大公司竞争、独立游戏、个人创作者）。
搜索、推荐与发现
- 对 AI 是改善还是恶化搜索存在分歧：一些人认为 LLM 是糟糕的替代品，并会助长 SEO 垃圾内容；另一些人则觉得，AI 增强搜索以及音乐推荐器之类的工具，明显优于现有搜索或广播电台。
沟通、社交互动与工作场景使用
- 许多人不喜欢 AI 中介的社交互动（聊天机器人、AI 心理治疗、每个文本输入框里的 AI），并预见会出现这样的循环：AI 生成冗长的公司套话，其他 AI 再把它们总结。
- 也有人欢迎把“不重要”但社会上又必须进行的沟通外包出去（礼貌邮件、报告），把这看作一种损害控制。
数据、同意与版权
- 关于用未授权的公共数据训练的争议很大：有人认为公开发布意味着接受重用和学习；另一些人坚持这属于剥削，并希望模型仅限于经过适当许可的语料库。
- 相关担忧还包括：低薪工人为安全和过滤系统标注令人不安的数据。
环境影响
- 几篇帖子认为，大模型具有显著的碳排放和资源成本，把它类比为比特币，并警告数据中心的能源使用预计会增加。
- 也有人反驳说，推理相对便宜，数据中心越来越多地使用可再生能源，而且与人类劳动相比，自动化可能降低总体排放。
文化 / 哲学反应
- 有些人把批评看作“卢德”式或情绪化的技术拒绝；另一些人则认为，强烈反对是必要的，这样才能影响 AI 的部署方式。
- 一个反复出现的主题：区分 AI 作为系统中不可见的“胶水”，与 AI 作为直接面向人类输出内容的生产者。