Sam Altman 表示，为了 AI 的好处要接受“坏事”

权衡取舍与“接受坏事”

• 许多人反对“社会必须为了 AI 的好处而接受坏事”这种表述，认为好处永远不能成为伤害或反社会行为的借口。
• 也有人说，任何技术都不可避免地伴随取舍，但争论点在于“接受”究竟意味着什么：是容忍伤害发生，还是在社会上默认某些滥用行为。
• 一些人认为 Altman 的说法属于“目的证明手段正当”，代价由公众承担，而收益则被私有化。

权力、不平等以及由谁决定

• 人们强烈担忧 AI 的好处与伤害分配极不均衡：收益流向富人和科技精英，代价则由工人和边缘群体承担。
• 反复出现的主题是：真正决定这些取舍的并不是“社会”，而是富人和有权势者。
• 极端财富被描述为驱动对权力的渴望，而不仅仅是对金钱的渴望。

监管、防护措施与问责

• 不少人主张监管应当像对待化学品、金融和其他高风险行业一样，约束“坏事”。
• 有批评认为，AI 公司在这类规则会拖慢竞争对手时会要求严格监管，但当他们的模型造成伤害（例如协助犯罪）时，却反对第三方防护措施或责任追究。
• 建议包括对公司实施“死刑式”惩罚、禁止失职高管担任领导职务，以及让有害模型输出承担法律责任。

暴力、正义与社会稳定

• 讨论线程围绕政治暴力展开：一些人谴责任何针对个人的行为，警告这会把社会带向失败国家。
• 另一些人则认为，系统性不公和缺乏回应的制度自然会把受压迫者推向暴力，并指出国家暴力和政治暴力本就已经存在。
• 分歧还在于：司法体系究竟只是反应迟缓，还是从根本上已经“堵塞”并失去合法性。

本地、环境与监控影响

• 有人担心数据中心带来的噪音、选址、供电和用水问题，但也有人认为，相比更广泛的风险——劳动力扰动、政治权力集中，以及被用于生物/恐怖用途——这些只是次要问题。
• 还有人担忧，AI 赋能的监控会大幅降低侵入式监视的门槛，即便监控技术早于现代 LLM。

AI 的好处与能力

• 怀疑者质疑 AI 的真实好处是否足以抵消社会和文化成本，并把许多输出斥为低质量“垃圾内容”。
• 另一些人则举出实质性的收益，包括声称前沿模型正在对数学研究等领域带来变革。

替代方案与社会安全网

• 如果大规模冲击“不可避免”，一些人认为显而易见的应对方式就是建立强有力的社会安全网；而普遍缺乏支持被视为动机失衡的证据。