某些任务——下棋、开车或诊断疾病一—不仅需要大量的智力，而且只能由有意识的人类来完成。IBM的“深蓝”在1997年的一场六局国际象棋比赛中，通过对可能的走法进行蛮力计算，击败了当时的世界冠军加里·卡斯帕罗夫，虽然诊断疾病和驾驶汽车需要的不仅仅是蛮力，机器不需要有意识，只要它们的神经架构足够深，可以识别数据中的细粒度模式。同样，AI研究员Murray沙纳汉(2015)认为，机器学习可能正处于将智能与自我意识分离的轨道上。继赫拉利和沙纳汉之后，我们认为劳动也可以与意识分离。人类是否应该成为创造力、想象力和智力—一甚至是意识——的试金石，这个问题无关紧要;对资本来说，重要的是这些能力被模仿。在智能机器时代，中文室很可能是生产的隐藏居所(Kjøsen2018: 161)。
走向AGI
Ethem Alpaydin表示，如果一个系统通过机器学习“达到人类智能水平”，他不会感到惊讶(2016:吴恩达(AndrewNg)等人也持这种观点，他主张“人类智能归结为单一算法”，并认为深度学习即使不能解决模拟人类智能的问题，至少比之前尝试过的任何方法都更接近于实现这一目标(Domingos2015:117)。同样，Domingos指出了机器学习中的五个主要算法“部落”，但断言目标是将“所有这些算法的关键特征’统一为“最终的主算法”(2015:xvii)，并宣称在实现这一目标后不久将实现超越人类智能的AI(2015:286)。
这种狭隘的AI方法可以理解为将智能视为一个包含大多数互不相关工具的“工具箱”。但将它们连接起来可能很困难，因为每个工具都是“根据非常不同的理论考虑”构建的，因此“将它们作为一个大系统中的模块实现不一定会使它们一起工作，正确和有效”(Wang和Goertzel 2007:6).在认识到综合方法的可能性的同时，AGI社区对通用智能出现的可能性提出了异议
perfect machines, inhuman labour .
127