Dave Karpf 是華盛頓大學主講網路政策的教授， 他在自己的電子報裡討論人工智能在 2024 年發展看法，認為人工智能的未來比想像中更為脆弱。他的論點包含了大規模語言模型與著作權的調整（紐約時報對 OpenAI 的提告已經證明這一點），以及到底生成式人工智能是否真正提升生產力。
他思考著，如果生成式人工智能只是對現有機器學習系統的一次大升級，而不是一個改朝換代的新技術。他發現到大多數人工智能品質都很糟糕，而這恰恰都發生在我們認知它會糟糕的地方。換句話說，生成式人工智能式一個廉價的假訊息生成引擎，被用來蠶食新聞編輯室和削弱創意產業。（可重讀 Ted Chiang 的《人工智能將成為新麥肯錫》（Will A.I. Become the New McKinsey），他抓住了我們正在面對的力量和形式）。
不過也有兩個例外。
第一個例外來自於他在科技平台工作的朋友。他是一個頭腦冷靜的人，同時也是一個頗有人工智能天賦的人。他的解釋很簡單：多年來，他一直使用機器學習來自動標記一些內容，現在，他正在使用生成 人工智能來管理這些相同的任務，而且……效果明顯更好。這並不是說人工智能不會出錯，只是錯誤率過高無法取代他或他的同事。他只是在完成所有機器學習任務時，它的效率提高了 10 倍，換句話說，而他只需付出十分之一的努力。
第二個例外則是他參加 MoveOn.org 25 週年年會時。在會議上，MoveOn正在嘗試將人工智能用於機器學習。他們注意到了安全風險和人工智能的偏見。他們使用人工智能來增強和簡化現有系統，而不是生成原創內容。在這種情況下，人工智能只不過是功能上的系統升級，就像是 PS3 到 PS5，而不是跨平台或是有甚麼了不起的功能應用。
從 Dave Karpf 角度看來，雖然 ChatGPT「人工智能革命」已經進行了一年，但是我們只看到一個炒作泡沫、一堆訴訟、一些會議室鬧劇，跟一大筆啟動資金（因為炒作泡沫）。而這僅僅是對現有機器學習功能的一系列升級。他提醒未來人工智能行業將遭遇 Napster 的幽靈，並將在智財權法和工業化力量的影響下屈服，這一切才剛剛開始。
