“我和我的开发工作被人工智能取代了”是最受欢迎的答案(Thibodeau 2016)。一些开发人员不理会这些警告，认为AI行业的增长只会增加对人类编码和设计的需求。还有人预测，软件开发人员将越来越多地得到AI“机器人”的帮助，这些机器人可以自动检查、分发和修复代码，并将越来越多地“启动”应用程序，以响应自然语言命令，而无需开发人员“甚至触摸键盘”。升级到“整个软件开发生命周期将只是一个高层次的描述”(Despoudis 2017)。最近Rice大学为美国国防部开发的BAYOUML应用程序进一步激起了这样的讨论：这是一个在GitHub上对数百万行人类编写的代码进行“自我训练”的神经网络，据报道，它可以根据非常简短的关键字指令向开发人员推荐大块代码，从而向ML设计的ML系统迈出了最初的一步(Rayome 2018)。
ML生成过程对于类组成的分析具有双重意义。首先，它是对数字资本至关重要的不断扩大的软件开发职业部门的重要组成部分。关于这一领域的讨论通常集中在高薪、高地位的软件工程师和程序员的劳动力上，ML设计师是他们的最新化身。这掩盖了数据清理者和监控者在“AI幕后”进行的工作(Grayand Suri 2017)，这是联合国调查发现的全球点击劳动力的一部分，其特点是“工资低、前景不佳和心理损失”(Berg et al.2018;Geuss2018a)。机器学习细分劳动力的所有部分都面临着这样一个前景:他们创造的产品可能会自动化他们的劳动，因此数据科学家和数据清洁工可能都在自己工作。其次，虽然机器学习只占全球劳动力的一小部分，但它揭示的数字中介劳动力的模式，受制于强大的两极分化，并因自动化而变得不安全，也出现在新的AI应用于更广泛的社会工厂的地方。
学习人类的方式
与任何其他劳动自动化技术一样，AI作为生产中的固定资本，其社会功能是减少必要劳动，并随之增加对剩余价值的提取。在流通中，它加速了价值的实现，即减少了流通
automating the social factory .
79