进入劳动力-他们似乎对这样一种可能性持开放态度，即只要在解决较窄的问题时牢记系统的一般性质，它们就可以被集成到一个通用智能中。一台具有通用智能的机器是否可以从当前和未来的深度学习方法中脱颖而出，或者系统是否必须从一开始就为通用目的而构建，这是人工智能社区正在进行的辩论。判断一种比另一种更有可能或更有希望，这远远超出了我们的专业知识。
但考虑到人工智能领域的萌芽，我们应该多认真地考虑AGI可能出现的情况?有可能，正如Kurzweil(2005a: 33-4)和Bostrom(2014)所言:29)我认为，AGI可以通过一个递归的自我完善过程出现，在这个过程中，人工智能可以访问自己的设计，并有能力升级它，使其改进或全新版本(例如，具有完全不同的神经结构或从并行计算转向量子计算)。这反过来又会无限地改进自己。这个过程也会加速，这意味着机器智能的改进将以越来越近的间隔进行，而且由于递归自我完善也将由agi完成，这可能会导致人工超级智能(ASI)的出现。
这一论点与马克思的思想并不完全陌生。正如我们在第一章所讨论的，马克思认为，大工业没有“足够的技术基础”，不能“站稳脚跟”，直到生产的一般条件发生变化，以至于几乎所有的东西，包括机器，都是由机器生产的(1990:506)。马克思认为这种现象是工业革命的核心特征。为了AGI的出现，资本主义可能必须经历另一场类似于最初的工业革命的革命，以创造一个足以“充分发展人工智能资本主义”的技术基础。人工智能必须成为生产的一般条件，这样人工智能就不仅仅是由人工智能产生的，而且人工智能也会递归地自我改进。
b谷歌的AutoML(自动机器学习)项目就是这样一个过程的一个例子，因为它是一个“学习构建其他机器学习算法的机器学习算法”(Metz2017b)当研究人员构建一个神经网络时，他们必须在功能强大的计算机上运行数百个实验，以测试无数可能的排列中哪种效果最好;这个过程需要多次调整模型及其参数，研究人员不可能总是精确地进行调整
perfect machines, inhuman labour .
129