《Five》的英雄应该关注其个人奖励功能，而不是团队奖励功能的平均值。我们通过训练将其值从0退火到1”(OpenAI2018)。这里的合作来自于数值的优化。
那么抽象的能力或者产生和掌握“无限种类的概念和逻辑方案”的能力呢(维尔诺2004:106)?深度学习的先驱们直接解决了这个问题，他们将深度学习系统的独特能力描述为“学习具有多个抽象层次的数据表示”(LeCun, Bengio和Hinton 2015: 436)。或者正如IBM的一篇教程所言：“通过构建多层抽象，深度学习技术可以解决复杂的语义问题”(Sedlak2016)。这并不是单纯的炒作。机器语言翻译现在是用神经网络完成的，因为网络能够找到模式并开发相关的语言概念(规则)，从而产生比任何其他自动化技术更好的翻译。此外，深度学习系统具有极大的可扩展性，这意味着可用的数据越多，这些系统的性能就越高(Ng2015)。老算法的性能在一定的数据量下会趋于稳定，但是，到目前为止，深度学习还没有。未来这类系统能够掌握的认知、逻辑和语义复杂性是无法预测的。
最后，我们来谈谈影响，这是一种历史上对机器不利的能力。虽然截至2019年，还没有证据表明机器能表达情感，但人工智能捕捉和处理人类情绪状态数据的能力在不断提高。人工智能技术正在应用于情感分析领域，该领域旨在通过计算识别主观状态，包括文本中的情绪和观点(Pang and Lee 2004)，语音中的情绪识别(Morrison, Wang and De Silva 2007)，以及面部情绪识别(Zhang et al. 2017)。虽然日本公司正在大力投资于护理机器人，但各种各样的企业都对使用人工智能来监控和操纵客户的情绪感兴趣(Faggella2018a)。人工智能可能不会很快经历快乐或悲伤，但资本主义公司可能会越来越多地使用人工智能，为生产、流通等各个方面增加情感维度。
正如这些例子所示，维尔诺为人类一般智力所保留的能力正处于人工智能驱动的实施过程中。那么，在人工智能资本中，如果不是由后手术主义保留的位置，人类劳动可能会找到什么位置呢?马克思随口说的一句话
66
inhuman power