- 最近对各种尝试完成马克思关于国家的思想的回顾，见O'kane(2014)，以及关于国家在创造和维持一般生产条件方面的作用的讨论，Läpple(1973)。
4.然而，美国最初由国家主导的技术私有化如此先进，这一事实本身就给美国政府带来了一些问题。五大科技巨头，亚马逊，Facebook，苹果和微软在非国防相关科学研究上的花费几乎与美国联邦政府一样多(Manjoo2017)。在美国政府和科技公司之间存在冲突的情况下，比如联邦调查局(FBI)和苹果公司(Apple)在加密问题上的冲突，绝不能肯定美国政府掌握着更先进的技术。
- 当马克思讨论生产的特殊条件时，他只提到那些采取不变资本形式的生产要素，他特别注意固定资本。虽然本书主要关注的是固定资本的形式，但重要的是要记住，固定资本的经济形式不能简化为机器。建筑、工具、内部运输网络以及储存生产储备和成品的设施都像机器一样发挥固定资本的作用(马克思1990:510;1992:201)。
6.就连表面上是人类的互联网也越来越多地由机器来运营。根据Zeifman(2017)的数据，2016年，人类仅占互联网流量的48.2%,其余流量由各种机器人产生。
- 后操作主义思想家通常没有直接解决AI问题，除了MatteoPasquinelli，他详细阐述了理解信息机器和数据(尤其是元数据)的必要性。作为21世纪资本主义中劳动力和资本的关键组成部分，并认识到资本和AI具有深刻而不断发展的亲缘关系。他的作品代表了一种尝试，试图解决AI给后操作主义思想带来的一些矛盾，尽管他还没有提出系统的批评。因此，我们热切期待他即将出版的关于资本与计算的专著(2019)。
第2章
1.有关样本，请参阅2017年9月13-14日“人工智能经济学:议程”会议的论文，可从国家经济研究局在https://www.nber.org/books/agra-1上获得，发表在Agrawal, Gans和Goldfarb(2019)上。
- 然而，Leo Impett(2018)认为，从深度学习(DL)AI中消除算法偏见几乎是不可能的，因为这样的系统会自动向量化任何和所有数据;在GOFAI和正常的ML中，有可能消除性别、种族、信用评分等偏见;DL算法会把一切都考虑进去一一这也是它们如此强大的原因。
164
inhuman power