--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能和资本主义的未来_1-200的全文翻译" author: null edition: null publisher: null year: null isbn: "9780745338613" library_document_id: "addbcbca-2f35-4d20-b661-aef770dd9ec7" source_sha256: "15b5eb23c1acb2a61c49581e05aff79dc9161d989a8c2be742d36b2c16d3ac15" pdf_physical_page_count: 200 pdf_physical_page_index_base: 0 range_start: 50 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7?start=50&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=50&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=40&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=60&limit=10" --- # 人工智能和资本主义的未来_1-200的全文翻译 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=50 | PRINTED_PAGE=42 疯狂地“交易市场和数据访问”，以使用他们无法控制的人工智能设施(K-F)。李开复 2018: Kindle Loc. 2759)。这种前景，加上人工智能军事力量的更直接威胁，确保了没有一个国家愿意被排除在发展资本主义生产和破坏的一般条件之外。 边缘、云和规模经济 对于人工智能行业来说，无论是在公司还是国家层面，运行人工智能的昂贵硬件都是至关重要的。今天，这主要以“云”的形式出现—一用户可以通过互联网付费访问的庞大、耗电的数据中心(Mosco2014)。随着可用带宽和处理能力的增加，云不仅可用于存储、数据库和计算功能，而且在过去几年中还可用于云人工智能或“人工智能即服务”(MSV2018)。注入人工智能的消费设备和服务将数据发送到云，在云上完成实际的人工智能处理。云还可以将ML技术(如图像和语音识别)插入到网站或程序中，以及在线构建ML模型。训练深度ML模型的密集计算需求意味着，很少有小公司能够负担得起购买必要的硬件，而是从云提供商那里购买计算时间。 Tractica(2018)报告称，自2012年以来，人工智能行业的计算能力需求增长了30万倍，使云人工智能成为一个激烈竞争的空间。亚马逊网络服务(Amazon Web Services)和微软Azure一直是表现最好的，谷歌Cloud、IBM和百度Cloud都试图获得市场份额。因此，云人工智能承诺将机器学习提供给远远超出人工智能行业内部圈子的公司，但云的所有权已经巩固在“极少数人”手中，科技巨头是占主导地位的提供商(Miller2018)。 云是由一种称为边缘计算的新兴技术补充的。边缘计算是一种方法，其中一些处理在设备上本地完成，而不是发送到云。据Tractica(2018)估计，人工智能边缘设备的出货量将从2018年的1.614亿台增加到2025年的26亿台。在带宽、网络延迟问题和安全性方面，边缘计算比云计算具有优势。在自动驾驶汽车等应用中，一点点延迟可能是灾难性的。此外，将数据保存在设备上可以提供明显的安全优势 42 . inhuman power ## PDF_PHYSICAL_PAGE_INDEX=51 | PRINTED_PAGE=43 黑客。随着计算需求和用户数量的增长，边缘计算对云人工智能提供商也变得有吸引力，因为它可以减少云上的负载(Miller2018)。然而，没有人期望边缘计算取代云计算。这两者是协同工作的。边缘不是云计算的去中心化颠覆者，而是很可能成为科技巨头的另一个竞争轴心，它们已经在这方面投入了大量资金。 总而言之，人工智能产业正在产生许多相互关联的商业企业一—一个“生态系统”，这是那些喜欢将资本主义活动归化的人广泛采用的术语。在广泛的适用性、财政激励和技术进步的推动下，人工智能正开始推广到科技行业之外。进一步普遍化的前景向我们表明，未来资本以获得这些认知手段为先决条件，或者换句话说，人工智能成为一般生产条件的一部分。 虽然在这种推广过程中，AI行业格局可能会发生巨大变化，但目前科技巨头占据了顶峰地位。对云计算设施的控制、对大型数据集的所有权，以及从有限的AI人才中聘请最优秀人才的财富，都是它们的诸多优势之一。这些因素表明，在AI时代，少数几家企业巨头对信息技术行业的统治将继续下去。因此，AI产业的一个可能的发展轨迹是马克思所描述的资本主义积累的一般规律，即资本主义权力的集中和集中(1990:777)。这一点甚至得到了毫不含糊的亲市场观察者的承认。正如《经济学人》(2017a)所言：“鉴于现有的科技集团拥有丰富的数据、计算能力、智能算法和人才，更不用说在投资方面的领先优势，它们似乎有可能获得AI的许多收益。”一项对ML的商业前景充满热情的商业导向研究毫不掩饰地承认，可能存在“创新与竞争之间的权衡”： 与大多数软件相关技术一样，AI具有规模经济。此外，AI工具通常具有一定程度的收益递增特征:更好的预测准确性导致更多的用户，更多的用户产生更多的数据，更多的数据导致更好的预测准确性。如果企业拥有更多的控制权，它们就有更大的动力来构建(AI)，但随着规模经济的发展，这可能会发生 means of cognition. 43 ## PDF_PHYSICAL_PAGE_INDEX=52 | PRINTED_PAGE=44 导致垄断。更快的创新从短期来看可能有利于社会，但从长期来看可能不是最优的。(Agrawal, Gans and Goldfarb2018: 23) AI泡沫? 2010年代后半期，人们越来越普遍地猜测“AI泡沫”的出现(Press2018)。商业咨询公司高德纳(Gartner)在2017年的一份报告中警告称：“随着AI加速炒作周期，………大多数供应商专注于简单地构建和营销基于人工智能的产品，而不是首先确定需求、潜在用途和对客户的商业价值(Hernandez2017)。它提醒其商业读者不要轻信“AI清洗”或夸大AI系统能力的说法。更耸人听闻的是，2018年的一份商业报告预测，虽然AI最终会作为一个商业领域“成熟”，但“这个领域将会到处都是尸体”(Riot Research 2018)。在AI技术得到充分推广，从而成为一般生产条件的一部分之前，AI行业是否会陷入另一个“人工智能冬天”？ “AI泡沫”的破裂以及许多新近进入AI行业的公司的失败并不一定意味着人工智能资本的终结。被高估的初创企业，甚至是大型老牌企业的倒闭，为新进入者从前辈的失败中学习腾出空间，几个世纪以来，这一直是资本创新的正常周期性特征，从铁路和电报开始。这都是资本积累的重要组成部分。最近最相关的例子是2000年美国“互联网”泡沫的破裂，它使许多早期的电子商务尝试化为泡影，并通过连锁反应，使电信业陷入危机。这场灾难让对新数字业务的投资停滞了几年，直到b谷歌、Facebook和其他Web2.0公司的出现，这些公司修改了商业模式，加入了亚马逊(Amazon)和微软(Microsoft)等大公司的行列，掀起了一场新的、规模更大的数字商品化浪潮。类似的危机可能只是AI发展道路上的一个小颠簸。 然而，还有其他可能性可能会更严重地扰乱对AI行业蓬勃发展的预测。一种可能是发现这项技术本身存在严重的地方性问题。Roman V. Yampolskiy(未注明日期)，一位与AI安全运动相关的研究人员，已经编译 44 inhuman power ## PDF_PHYSICAL_PAGE_INDEX=53 | PRINTED_PAGE=45 AI失败的简短清单其中最严重的一次可能发生在2013年：“物体识别神经网络在特定的噪声图像中看到了幽灵物体。“这是指机器学习对象识别系统有一种充分记录的趋势，即将某些抽象模式与现实生活中的实体(如孔雀或豹子)混淆，但报告的置信度非常高。”这种奇怪的怪癖似乎源于这样的系统将全新的对象解释为仅仅是它们所训练的数据集的极端例子。由此引起的最直接的担忧是，用于军事和安全目的的图像识别系统容易受到“敌对图像”的恶意欺骗(Nguyen,Yosinski和Clune2015)。更令人不安的是，神经网络对其生产者来说是不透明的，并且可能突然抛出完全意想不到的结果(Scharre2018)。这种不安尚未严重挫伤人们对AI的热情。但灾难性的AI错误可能会削弱商业信心。2018年发生的一系列致命的自动驾驶汽车事故，提醒企业和公众此类技术涉及的复杂而昂贵的责任，给自动驾驶汽车研究蒙上了一层阴影，尽管这是暂时的。 还有一种可能性是，AI可能无法提供资本所期望的产品。整个数字“信息革命”一直被“生产率悖论”所困扰，罗伯特·索洛(Robert Solow, 1987)的讽刺观察总结了这个问题: “你可以在任何地方看到计算机时代，但在生产率统计数据中。 3“除了20世纪90年代末的一个短暂时期外，发达资本主义经济体中数字技术的广泛采用(截至2019年)并没有产生可观察到的与早期创新周期所产生的生产率相比的逐年增长。其原因存在激烈争议。一些经济学家认为，这种明显的异常反映了在衡量数字活动的真正意义时存在的问题，或者数字化的经济收益只是需要更多的时间来体现(Brynjolfsson, Rock andSyverson 2017)。其他人，如罗伯特·戈登(Robert Gordon, 2016)坚持认为，信息技术的经济后果远远小于汽车、电力、城市卫生化学品和药品等发明的经济后果，这些发明推动了1870年至1970年美国经济的增长。 在2008年华尔街崩盘后的不安时期，美国企业在设备和建筑等新生产资料上的支出一直很低，尤其是相对于在股息、股票回购和收购等金融和投机活动上的支出而言 means of cognition . 45 ## PDF_PHYSICAL_PAGE_INDEX=54 | PRINTED_PAGE=46 (Henwood 2018a)。Michael Roberts(2018)提出，“由于大多数经济体的资本家未能加大对新技术的投资，所有主要资本主义经济体的生产率增长都放缓了”。人工智能相关技术成本的大幅下降、国家对AI基础设施的大规模补贴，或者经济衰退后逐渐收紧的劳动力市场带来的工资需求威胁(这将激励自动化)，都可能改变这种局面。但目前还不能绝对保证，当前这波新的AI研究浪潮真的会走出实验室，进入商业实践的广泛变革:AI革命可能会随着一声数字声音的鸣咽而消退。 生产的一般条件 让我们假设，资本目前对AI的热爱，并没有因为业绩失败和承诺紧张而破裂。这种结合的最终产物可能是什么?为了阐述AI产业第二个时代可能的长期意义，我们转向一个经常被忽视的马克思主义概念:生产的一般条件。马克思在《资本论》(1990:473 - 3,474,505 - 6,579,652)中顺便提到的这个范畴，但在《政治批判》(1993:308,524-33,725)中有一些深入的讨论，这是什么意思？ 首先，理解这些条件是一般的意味着什么是有帮助的。在马克思的体系中，“一般”几乎总是与“特殊”相对立的，一般生产条件也是如此，他将一般生产条件与单个资本直接购买或生产以维持生产的“某个资本家或另一个资本家的特殊生产条件”区分开来。并包括物质投入(原材料和中间产品)、生产资料和劳动力(马克思1993:531)虽然特殊条件与这种或那种单个资本的生产有关，但一般生产条件对所有资本都是共同的。 在《政治批判大纲》中，马克思将单个资本与一般条件之间的关系阐述为“资本与社会生产的公共、一般条件的特殊关系，区别于特定资本及其特定生产过程的条件”(马克思1993:533)。因此，一般条件是“有利于(或阻碍)所有特定的资本主义生产过程的东西”(Kjøsen2016: 65)。基础设施说明了资本主义的本质 46 inhuman power ## PDF_PHYSICAL_PAGE_INDEX=55 | PRINTED_PAGE=47 一般条件，因为道路、运河或铁路“不仅有利于单个资本，而且有利于特定地区的所有单个资本”(Kjøsen 2016: 65)。马克思这样用一般生产条件来描述单个资本在特定历史时刻所处的一般环境;它既是阶级斗争的地形，也是资本主义竞争的地形。 重要的是，这些条件是普遍的，因为它们对所有单个资本都是潜在的;这并不意味着它们是免费的或所有人实际上都可以获得的。情况因情况不同而不同。某物可能是商品，也可能是一般情况。例如，交通和通讯。集装箱运输或连接到互联网所需的硬件是所有单个资本必须支付的东西，也是当代资本主义生产所必需的。只要一种运输方式是公共运输，就算是生产的一般条件。其他条件是免费的，或者通过税收间接支付。例如，任何资本不论愿意与否，都要进入世界市场。另一方面，保护航道和维护运输基础设施的费用是由税收支付的。 基础设施只是一般生产条件的一个重要组成部分。正如我们中的一位所指出的，一般条件包括一系列令人眼花缭乱的东西:通信和运输工具;一般使用建筑物进行生产和储存：市场，即流通的范围和过程:政治世界秩序;科学、技术和工程的总体状况;令人困惑的是，也包括特定种类的生产——比如机器对机器的生产和生产中的自动化程度一一以及生产发生的质量和速度(Kjøsen 2016: 64)。 一般生产条件的具体功能是什么?马克思在讨论基础设施时指出：“一切一般的生产条件……促进流通或……使之成为可能……或者……增加生产力”(1993:530-1)。一个设计良好的公路、桥梁和隧道系统当然会在加快流通的意义上促进流通，或者如果建在以前没有道路的地方，将使那里的流通成为可能。流通的加速，使得资本加速了从生产中提取剩余价值到在市场上实现的循环(马克思1992:203)。类似的考虑也适用于非基础设施的一般生产条件;例如，提高自动化程度 means of cognition . 47 ## PDF_PHYSICAL_PAGE_INDEX=56 | PRINTED_PAGE=48 在生产过程中，机器强化了剩余价值的提取，因为机器允许使用远远超过人类劳动本身所拥有的体力(马克思1990:509)。 要真正理解马克思关于一般生产条件的作用以及AI如何在其中发挥作用的论点，有必要讨论它们如何与生产方式本身同步发展。也就是说，一般条件总是指一个特定的地点和时间段，这意味着制造业时期的一般条件不同于大工业时期，而大工业时期又不同于福特主义时期，以此类推，一直到可能的未来人工智能资本主义(马克思1990:505-6;kkjø sen 2016: 65-6)。重要的是，一个时期的一般条件可能对下一个时期是“不充分的”或“无法忍受的束缚”，因此必须进行调整或更新，使其“适合”新时期;当它们合适时，“生产方式(即时期)获得弹性，一种突飞猛进的扩展能力”(马克思1990:579;kkjø sen 2016: 65-6)。也就是说，生产的速度和数量现在可以发生在比前一时期更高的水平上。 一般条件是如何适应新出现的生产方式的?为了描绘AI可能的资本主义未来，我们需要详细阐述这一动态。一般条件和生产方式之间的联系始于产业资本分支层面(Kjøsen2016:66)。生产上的革命，例如通过机器的发明，可能会迫使其他部门发生转变，这些部门“通过一个过程的不同阶段联系在一起，但又被社会劳动分工隔离，以这样一种方式，每个部门生产一种独立的商品”(马克思1990:505)。任何导致一个部门在数量和/或速度方面生产率提高的变化，都要求相互连接的部门适应，以便使原始部门保持其新的生产率水平。为了说明这一动态，马克思提到了棉纺业的机械革命，它“催生了轧棉机的发明”，因为如果没有这项技术，棉花的供应将无法跟上机械化棉纺业的发展(1990:505)。在一般条件下，这种动力是显而易见的;马克思特别关注了通讯和运输工具，他认为，正是机器生产的普遍化，以及由此带来的速度和产量的提高，迫使一般条件发生了变化 48 inhuman power ## PDF_PHYSICAL_PAGE_INDEX=57 | PRINTED_PAGE=49 变得适合于大规模工业生产。因此，当特定的生产部门紧密相连时，“一个部门在知识、技术和组织方面的革命会传播到相关的部门，不仅导致生产率的提高，而且还会增加产量，这反过来又在相关的生产部门中导致新的连锁反应，并最终导致生产方式的革命”，从而使其生产能力具有弹性(Kjøsen 2016: 66-7)。 除了大规模工业需要运输和通信网络的“巨大变革”之外，它还要求机器能够生产大量统一的、精确加工的机器零件:因此，大工业必须接管机器本身，即它自己特有的生产工具，并通过机器来生产机器。直到它做到了这一点，它才能为自己创造一个足够的技术基础，并站稳脚跟”(马克思1990:506)。只有当机器开始为机器生产零件时，机器本身才能成为一种普遍的生产条件，这意味着它可以为所有单个资本提供足够的数量和质量。这并不是说，每一个单独的资本必须采用一种特定的新技术，才能被认为是一般条件的一部分;单个资本在或多或少平等的基础上使用它就足够了。竞争将迫使采用；一旦被个别资本的临界质量广泛使用，它将成为一般条件的一部分。这可能会得到各州的鼓励甚至是支持，例如在20世纪90年代，美国政府鼓励企业采用互联网作为商品流通的“信息高速公路”(Schiller1999)。政府对提高国家AI能力的高度兴趣表明，各国已经在推动一般生产条件的另一场革命。然而，在我们讨论这种推动可能是对什么的回应，或者它可能采取什么形式之前，我们需要概述一下目前的一般生产条件。 二十一世纪资本主义的一般生产条件 马克思描述了工场手工业时期的一般生产条件如何转变为适于大工业生产的一般生产条件。自马克思时代以来，资本主义模式 means of cognition. 49 ## PDF_PHYSICAL_PAGE_INDEX=58 | PRINTED_PAGE=50 生产的发展至少经历了另外两个值得注意的时期:由泰勒主义和装配线定义的福特主义，以及随后主要由信息通信技术和物流定义的时期，这一时期通常被描述为后福特主义(Hardt and Negri 2001)。关于如何定义后福特主义缺乏共识，这在同一时期的一系列名称中是显而易见的:数字资本主义(席勒1999)，物流或供应链资本主义(托斯卡诺2011;Cowen2014;Kjøsen 2016)，以及认知资本主义(Moulier-Boutang2011)。我们认识到后福特主义这个词的无定形性质，并同意对它的许多批评(见阿明1994年的早期概述);我们特别注意到，许多后福特主义的理论家低估了这种连续性，而夸大了这一时期与福特主义的质的区别。话虽如此，我们还认为，自福特主义以来显然发生了重大变化，因此，确定一个新时期是值得的。此外，我们认为我们可能正在进入一个超越后福特主义的资本主义生产方式的新时期，我们称之为实际存在的人工智能资本主义。我们认为，这可能被视为更大的控制论资本主义模式的中间阶段(Robins and Webster 1988;Peters, Britiz and Bulut 2009;Tiqqun 2001)，倾向于充分发展的人工智能资本主义。 随附的表格列出了资本主义生产方式及其伴随的一般生产条件的概要历史。就像任何声称能掌握复杂现象的图表一样，它过于简单化了，并且冒着看起来比它想要的更死板的风险。这里列出的时期彼此重叠，过去和现在都在以不同的方式和速度在世界各地不同的地方经过。 根据马克思的理论，我们提出，在一个经济部门的革命可能会引发广泛采用人工智能的必要性，从而使其成为一般条件的一部分。在第2章中，我们认为人工智能发展的很大一部分兴奋是对资本全球化寻找廉价劳动力所遇到的危机的回应.在第三章中，我们认为，人工智能可能会克服上一时期遗留下来的高级资本形式的束缚——人类劳动的持续束缚——这一前景需要认真对待。但在这里，我们要问的是，如何将普遍可用的人工智能纳入资本固有的革命性动力。不难理解资本为什么必须依赖，以及它是如何依赖的， 50 inhuman power ## PDF_PHYSICAL_PAGE_INDEX=59 | PRINTED_PAGE=NOT_DETECTED 2 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=60&limit=10)