生成式人工智能似乎越来越浪费我们的时间和金钱。虽然像ChatGPT这样的生成式人工智能技术有一些有趣的用途，但它们可能带来巨大的社会成本和有限的社会效益。
为了理解这些社会成本，我们必须理解生成式人工智能。它不是一个自主的、智能的系统，能够像我们一样思考和决定。相反，正如艾米丽·本德(Emily Bender)及其同事强调的那样，生成式人工智能是对人类行为的模仿，模仿我们的语言和图像。它不会思考，只会猜测——而且通常在所谓的人工智能幻觉中表现得非常糟糕。
将生成式人工智能理解为概率系统，凸显了其发展所带来的社会成本。
人工智能取决于计算能力:我们部署的人工智能越多，我们需要的计算能力就越多。这不仅减少了其他可能更有用的活动的计算能力，而且还需要大量的能量。这些环境成本是众所周知的，但随着人工智能的普及，它们会变得更糟。OpenAI首席执行官萨姆?奥特曼(Sam Altman)强调了这一点，他认为人工智能需要一场“能源革命”才能取得成功。即使不考虑生态成本，人工智能的耗电特性也将导致整个社会的能源价格上涨。
还有一个事实是，人工智能是由对计算基础设施的大量资本投资支撑的。人工智能建立在光纤、服务器、数据中心等基础之上。我们可以从大型科技公司的报告中看到这方面的成本，这些报告强调了他们已经和正在为这些基础设施投入的数十亿美元。大型科技公司现在控制着我们的大部分计算能力(这本身就是一种社会成本)，但我们需要投入更多资金，才能使人工智能作为一种日常技术在商业上可行。这笔投资可以用在其他更有用的地方。
人工智能也在吸引创新资金，尤其是风险投资。根据CBS Insights的数据，在2022年至2023年期间，生成式人工智能的风险投资支出增长了五倍，达到近220亿美元。在一个不断缩小的风险投资池中，这笔钱本可以再次用于其他地方。不过，更重要的是，像埃德·齐特隆(Ed Zitron)这样的评论员指出，如果人工智能炒作泡沫破裂(这似乎很有可能)，那么所有的创新资金(以及所有的资本投资)都将被浪费掉。
随着人工智能继续沿着这条轨道发展，它可能会被人工智能垃圾邮件淹没。人工智能需要数据来训练模型，但内容生产者——如报纸、网站和作家——现在正通过起诉OpenAI等组织来挑战对其版权内容的抓取。更关键的是，随着人工智能被释放到互联网上的人工智能产生的“数据”所饱和，它将自我崩溃:正如政治经济学家贾森·萨多夫斯基(Jathan Sadowski)诗意地指出的那样，我们正面临着“哈布斯堡人工智能”(Habsburg AI)带来的日益增长的社会成本，他的意思是人工智能技术“在其他可生成人工智能的输出上进行了大量训练，以至于它变成了一种近交突变体，可能具有夸张、怪诞的特征。”这意味着一个接一个的幻觉，产生各种无法预料的后果。
也许最重要的是，人工智能需要将其社会影响的责任转嫁给社会其他部分，即使它没有提供任何社会效益。人工智能必然会导致重大的社会变革和相关成本，因为我们被迫改变我们的社会、政治和经济制度，以应对其影响带来的后果。即使是像人工智能生成的图像这样基本的东西，在处理它们对我们的政治制度的影响时，也会产生集体成本;例如，调整我们的政治制度，以保护我们免受生成式人工智能的政治错误信息的冲击，将花费一大笔钱。
问题的核心在于，生成式人工智能并不是为了解决实际的社会问题而设计的。我们迫切需要社会科学家的专业知识，以便能够就我们想要的生成式人工智能的未来做出急需的集体决策;我们不能把它留给企业、市场或技术专家。我们需要求助于这些专家，以了解我们的社会或集体问题，以及我们希望生成人工智能解决的挑战。然后，我们需要弄清楚人工智能是否——而不仅仅是如何——能够为找到可行的解决方案做出贡献，然后让人工智能公司专注于生产这些解决方案。
