在近期 OAI/HuggingFace 事件及相關發展之後，各評論管道湧現一波悲觀預測與嚴重擔憂。然而，由喬治梅森大學經濟學家 Tyler Cowen 共同撰寫的經濟學部落格 Marginal Revolution 認為，這些警示性說法大多缺乏充分佐證。

在一篇題為「Act like it is science」的文章中，Cowen 向那些發出警訊的人提出一個簡明的挑戰：採用科學方法來建立有說服力的論證。這篇文章反映了 Cowen 一貫的方法論立場——在學術經濟學和政策圈中廣受認可——即政策論證應建立在可量化的證據和可證偽的預測之上，而非對最壞情境的質性訴求。具體而言，這篇文章向任何希望說服懷疑者的人提出以下要求：

1. 一套估算未來網路安全成本的方法論。 Cowen 要求提出一個綱要，說明在兩到三年內如何量化 AI 相關安全入侵所造成的額外網路安全成本。他承認這個數字不太可能為零，但堅持需要具體的估算方法。作為參考，文章連結到一項由頂尖經濟學家進行的過往網路安全成本研究。

2. 對這些潛在成本的目前數值估計，以便隨時間與實際結果進行評估。Cowen 指出，回應者可以針對多種監管和安全情境提供估計值，並將此定位為展現分析可信度的一個直接方式，即使確認會有所延遲。文章澄清，這些估計不必取代個人偏好的安全措施，但敦促在預測中保持具體性。

3. 披露目前做空的任何股票或其他資產。 如果個人對第二點的成本估計夠低——正如 Cowen 自己的估計一樣——答案可以合理地為零。他表示，雖然預期會有成本，但不致於嚴重到社會無法應對，同時仍能預期正向的股票報酬。這項披露要求呼應了一項更廣泛的學術慣例，即要求分析師將自身信念記錄在案，以便追蹤最悲觀的預測是否能經得起觀察結果的檢驗。

文章總結道，採行這些做法將使討論提升至更科學的層次，並擺脫 Cowen 所稱的「一場漫長的個人焦慮管理練習」。他論稱，如果這個問題真如支持者所宣稱的那般關鍵，那麼投入心力進行如此嚴謹的分析無疑是值得的。

本文發表於 Marginal Revolution。