--- 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: 60 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7?start=60&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=60&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=50&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=70&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=60 | PRINTED_PAGE=52 在有形基础设施上，如道路和港口，克服空间的束缚。但是，普遍可用的AI可能克服哪些制约资本增值的因素呢?AI如何变得普遍可用? 基础设施AI 我们对AI如何成为一般生产条件的一部分的问题的方法是由人文和政治经济学的“基础设施转向”(Rossiter 2016;Cowen 2014;Steinhoff2019a)，以及马克思主义对物流和能源基础设施的评估(Toscano 2011;2014;伯尔尼2013;Kjøsen 2016)。这种批判性的方法试图通过展示基础设施如何与各种权力关系相关联，来抵消基础设施经常被忽视的现象。然而，基础设施AI的特定概念直接来自于人工智能资本的代表。正如我们所看到的，吴恩达(Andrew Ng)和凯文·凯利(Kevin Kelly)等评论人士预计，AI将变得无处不在，由网络基础设施分发，就像今天的电力和互联网接入一样。是否存在对生产或流通的束缚，供应瓶颈或其他可能激发AI这种特殊情况的因素?不少于微软(Microsoft)为我们指出了它所谓的人类认知局限的“基本约束”。微软将现代定义为随着电脑而升级的信息爆炸，并哀叹道：“在信息如此丰富的时代，我们仍然受到人类吸收信息能力的限制。”这个概念是，向以数据为中心的生产模式的转变正在进行中，正如马克思所说的大规模工业，科技产业将无法“站稳脚跟”，除非它为自己创造了一个“足够的技术基础”(1990:506)。这个基础是基础AI——认知的手段。 主要AI生产商推进为先进资本创建通用AI基础设施的口号是“AI的民主化”(微软公司;Gosaduaff 2017;Gent 2018)。微软、b谷歌和亚马逊都宣布了这个目标的项目。微软宣布了一项计划，旨在“使人工智能(AI)民主化，将其从象牙塔中解放出来，让所有人都能使用它”。其中列出了以下四点，值得完整引用： 我们将利用人工智能，从根本上改变我们与生活中环境计算、代理的互动方式。 52 . inhuman power ## PDF_PHYSICAL_PAGE_INDEX=61 | PRINTED_PAGE=53 我们将在任何设备上、任何时间点，为我们与之交互的每一个应用程序注入智能。 我们将把这些智能功能一一认知能力一一注入到我们自己的应用程序中，让世界上每一个应用程序开发人员都能使用。 我们正在建造世界上最强大的AI超级计算机，并通过云向任何人开放，让所有人都能利用它的力量，应对大大小小的AI挑战。(微软未注明日期) 微软设想了一个被AI淹没的世界，这无异于技术万物有灵：“当我们将智能注入一切事物时，无论是你的键盘、相机还是商业应用程序，我们本质上是在教会应用程序看、听、预测、学习和采取行动。”“其他科技巨头也使用了同样的术语。来自亚马逊的GuyErnest将亚马逊网络服务描述为“使AI民主化”，使他们的AI工具可用于“任何团队规模和技能，以及每种用例”。b谷歌的云和机器学习首席科学家李飞飞和IBM物联网高级管理人员迈克尔·马林(Greene 2018;Simpson 2018)。因此，“民主化”AI意味着推广其部署和创造它的工具，使其越来越多地提供给最终用户，并允许在任何领域工作的任何人，甚至没有任何AI培训的人，开发AI。 “民主化”计划最重要的轴心之一似乎与AI行业的利润取向相矛盾。AI产业的特点是一个庞大而充满活力的开源社区，在这个社区中，制作AI的工具和模板是免费分发的，项目是由合作的在线编程集体承担的，产品是免费发布的，供一般人使用。几乎所有的科技巨头都开源了一些与人工智能相关的材料(Simonite 2015;Crosby 2018)。2015年，谷歌在Apache 2.0开源许可下发布了TensorFlow，这是一个深度学习编程的工具库，现在已经被广泛使用。其他科技巨头看到b谷歌的成功，也纷纷效仿。2017年，Facebook开放了几个库、预训练模型和数据集，包括其Caffe2和PyTorch框架(Arakelyan 2017)。微软的CNTK、bb0的Warp-CTC和亚马逊的DSSTNE(为其产品推荐系统提供动力的AI框架)现在都是免费的，而且可以免费使用 means of cognition . 53 ## PDF_PHYSICAL_PAGE_INDEX=62 | PRINTED_PAGE=54 用于生产工业级AI(Stone 2016;Finley 2016)。此外，还有许多其他开源AI项目不是来自科技巨头(Harvey 2017)。如今，几乎所有的AI项目都依赖于这样的开源工具包。我们认为，这是AI成为一般生产条件的一部分的一个重要里程碑。 这些开源项目是否意味着AI将走上一条超越大公司控制的道路?要回答这个问题，我们不妨回顾一下所谓的自由开源(FOSS)编程的历史。Richard Stallman等自由软件倡导者在20世纪80年代呼吁软件非商品化，但在很大程度上被商业友好的开源运动击败，该运动不仅由Linux的发明者LinusTorvald倡导，而且由O 'Reilly Media的首席执行官Tim O 'Reilly等人(Liu 2018;Halliday 2018)。随着2020年的临近，“开源”成为商业媒体的流行语，主要的IT公司已经从将开源社区视为危险的颠覆性，转变为将其视为强大的无成本编程的来源，潜在的招聘场所，以及吸引用户使用其平台的战略站点(Weber2004;Söderberg 2008;Tozzi 2017)。事实上，一些开源项目主要是由使用这些项目的公司的员工贡献的。以Linux为例，2017年“超过85%的内核开发………是由获得报酬的开发人员完成的”(Corbet和Kroah-Hartman 2018: 15)。 b谷歌的Android操作系统的例子说明了开源的转变。2008年，b谷歌在“开放”的基础上发布了Android系统，以挑战苹果在智能手机市场的统治地位。虽然苹果的iOS仍然是iPhone的独家产品，但三星手中的Android系统自2017年以来已成为全球占主导地位的智能手机操作系统。但是b谷歌从这个赠品中得到了什么呢?最初，这是一种防御措施，以避免b谷歌的搜索引擎被苹果(apple)主导的手机世界排挤出去。随后，随着Android自身的崛起，谷歌获得了一个广泛使用的平台。b谷歌现在已经建立了“闭源蠕变”，其中“开源基础与关键的专有应用程序和服务配对”(Amadeo2018)。b谷歌使得越来越多的用户希望在Android手机上找到的应用程序无法访问，不仅是其他操作服务，甚至是开发b谷歌无法控制的Android版本的开发商，比如免费的Android克隆复制品Replicant。虽然表面上是开源的，但实际上Android在很大程度上是作为附件运行的b谷歌更大的数据收集业务，这反过来又维持了其庞大的广告收入和机器学习系统的培训。2018年，欧盟反垄断监管机构因谷歌滥用其在手机市场的权力而对其处以创纪录的51亿美元罚款，并称“谷歌利用Android作为巩固其搜索引擎主导地位的工具”(Satariano and Nicas 2018)。 54 . inhuman power ## PDF_PHYSICAL_PAGE_INDEX=63 | PRINTED_PAGE=55 因此，大型企业AI生产商不仅可以与开源AI开发共存，而且确实可以从中受益，而且实际上可以将其武器化以对抗竞争对手(Vorhies 2016b)。谷歌的TensorFlow可以运行在竞争对手(非Google)的云上，如亚马逊网络服务或微软Azure，但这可能是因为谷歌是云游戏的后来者。现在，bbb1正积极尝试在这个市场分一杯羹。在AI领域占主导地位的谷歌可能会诱使或强迫开发人员使用谷歌云，TensorFlow可能会成为“AI领域的Android”(格什戈恩2015)。此外，正如科技公司自己承认的那样，开源软件可以加速开发和改进，这超出了公司单个团队所能完成的。正如一位评论员所言： 免费软件对这些公司来说是一笔好生意，正是因为它允许更多的人开发AI。每家大型科技公司都在争夺尽可能多的AI人才，涌入这个领域的人越多越好。另外，其他人用激发新产品灵感的代码做项目，公司外部的人发现并修复bug，学生们在本科和博士课程中学习软件，为已经了解公司内部工具的新人才创造了一个漏斗。(格什戈恩2018) 因此，开源AI项目充当了大型AI公司专有基础设施的“入口”(Asay2017)。事实上，企业对开源AI的鼓励现在是如此之高，以至于数字资本主义的批评者们不仅担心企业会压制开源AI，还担心它们的鼓励会产生有害的结果，比如用b谷歌的TensorFlow构建的“深度虚假”色情内容(Gershgorn 2018)。自2010年以来，平台资本主义和开源AI变得如此共生，以至于这两种批评可能都被证明是正确的，开源开发者的商业上成功的产品逐渐在大型科技公司的庇护下得到巩固，而业余AI的阴暗面则是一个阴影世界 means of cognition . 55 ## PDF_PHYSICAL_PAGE_INDEX=64 | PRINTED_PAGE=56 是在免费提供的公司工具上创建的。这些资本-开源的关系代表了保罗·维尔诺所说的“资本主义的共产主义”(2004:110):公司积极地培养自下而上的、多样化的、通常是自由的商品生产，然后通过将其最成功的成果商品化来收获这种多产。 这样的战略与我们已经回顾过的AI行业动态是一致的。主要的AI开发商本身就是政府支持的AI研究的直接和间接受益者，他们既为其他企业提供AI能力，又促进了大型开源社区的发展。对于整个资本而言，这意味着人工智能驱动的业务分析、管理工具和生产自动化将越来越可用，这些将由大型云计算平台和边缘计算设备的组合提供。对于最终用户来说，应用程序和产品将越来越多地集成AI功能，用于制作AI的工具将越来越容易使用。AI的这种“民主化”将与AI行业的主要寡头攫取巨额利润完全一致一一就像前几代一般生产条件的生产，如铁路和电信，为这类基础设施技术的企业生产商创造了财富。如果AI变得普遍可用，它仍将处于这些资本提供者的控制之下。 智慧城市、物联网、环境智能 “民主化”计划并不是普及AI的唯一途径。高科技资本青睐的另外三个话题从不同角度阐释了这种可能性:物联网(IoT)、智慧城市和环境智能。物联网可以简单地定义为“[联网]智能对象的普遍部署”(Kopetz2011: 307)。虽然互联网通常被理解为人类之间的通信技术，但物联网是一种假设的或新兴的互联网，由机器对机器通信组成，由射频识别(RFID)等技术提供支持。6物联网这个词是凯文·阿什顿(Kevin Ashton)在2009年创造的，他认为“我们需要赋予计算机自己收集信息的方式，这样它们就可以自己看到、听到和闻到这个世界，在它所有随机的荣耀中。”RFID和传感器技术使 56 inhuman power ## PDF_PHYSICAL_PAGE_INDEX=65 | PRINTED_PAGE=57 计算机可以观察、识别和理解世界，而不受人为输入数据的限制。“物联网的目标是让机器摆脱人类中介，在世界上自己智能地沟通和行动。”一些分析人士总结了微软关于人类认知局限性所带来的基本约束的论点，认为这样一个机器人口将需要AI在功能上实现：“如果没有能够从数据中发现有价值见解的AI技术，来自物联网设备的大量数据的价值就会有限”(国际数据公司，2016)。 智慧城市是一个缺乏共识定义的术语(Cocchia2014)，但它的愿景提供了另一种思考AI资本不久的将来的方式，专注于城市发展问题。大多数关于智慧城市的概念至少在一个标准上是一致的：“无处不在的无处不在的计算和数字仪器设备嵌入到城市环境的结构中”(Kitchin2014)。1)这些可能包括连接到各种执行器和处理器的传感器和摄像头，这些执行器和处理器通过机器对机器的通信，自动优化交通、维护、能源分配或各种其他城市流动，从而改善社会生活。因此，智慧城市是物联网的一种特别的城市表现形式，但其隐含的政治议程是将城市发展越来越多地掌握在大型人工智能资本家手中。正如两位评论家所言，智慧城市话语证明了一种“自由浮动的乌托邦主义，将治理作为一种自动运转的机器”(Sadowski和Pasquale 2015)。谷歌参与了智慧城市的努力，这也许并不令人意外;正如我们在第2章中讨论的那样，该公司在多伦多滨水区建立智能社区的项目在整个2018年都遭到了当地的抵制，尽管其命运仍不确定。 所谓的“AI民主化”、智慧城市和物联网都是表达环境智能概念的不同方式，或“对人的存在敏感和响应的电子环境”(Aarts and encarna2006年):1).环境智能范式的目标是“设备集体使用隐藏在连接设备的网络中的信息和智能进行操作”的情况。灯光、声音、视觉、家用电器和个人保健产品都可以无缝地相互协作，通过支持自然和直观的用户界面来改善总体用户体验”(Aarts and encarna2006年:1)。我们的目标是，不是用户对环境的响应，而是用户对环境的响应 means of cognition . 57 ## PDF_PHYSICAL_PAGE_INDEX=66 | PRINTED_PAGE=58 和环境将参与一个持续的双向互动过程(艺术与环境组织2006年:11)。在人与系统之间将会有一个“新的智能中间层”(Panetta 2017)，环境将在与用户的交互中变得“主动”(Aarts and encarna2006年:11)。 广义环境智能是AI成为一般生产条件一部分的一种方式。如果实现，它将对资本的技术环境构成根本性的改变，特别是如果变得环境的AI具有感知和认知的ML能力。如果不仅人类的知识和技能被转化为死劳动，而且如果死劳动获得了人类历史上垄断的感知和认知的基本能力，那会是什么样子?感知和认知会像电气化一样，成为普遍存在的事物的世俗属性。在没有任何预测未来的主张的情况下，我们可以看看目前作为固定资本的一些现有AI应用程序，并想象一下它们的使用成为一般生产条件的一部分的情况。 聊天机器人就是这样一种应用。聊天机器人是“任何使用自然语言与人类进行对话的软件应用程序”，无论是文本还是听觉(Dale 2016: 813)。正如海伦·赫斯特(2016)指出的那样，这些旨在将文书、行政和通信工作外包给机器的应用程序“在许多方面代表了传统上被认为是女性劳动的自动化”——这一点在Alexa、Cortana、Siri的名字和声音中得到了体现——这些技术“做性别”。如今，聊天机器人主要是文字聊天，但b谷歌的Duplex(2018年10月正在开发中)在有限的环境中展示了令人难以置信的听起来像人类的口头对话技巧。一些观察人士甚至反对它发出的“嗯”和“啊”的声音，并要求它宣布自己是AI(R. Metz2018)。根据一项研究，36%的企业已经使用了聊天机器人，预计到2020年还会有44%的企业使用聊天机器人(Oracle2016)。聊天机器人可以是简单的基于规则的程序，但为了实现更强大的功能和易用性，现代系统通常使用ML来从经验中学习，并使用自然语言处理来更轻松地交谈。例如，谷歌的Duplex是一个建立在循环神经网络上的ML系统(利维坦和Matias2018年)。行业分析师预计，聊天机器人很快“将使用AI来管理非结构化数据和复杂任务”(Panetta 2016)。聊天机器人通常嵌入在 58 inhuman power ## PDF_PHYSICAL_PAGE_INDEX=67 | PRINTED_PAGE=59 诸如Facebook messenger和微信之类的信使程序，最常用于客户服务应用程序。在开放聊天机器人功能的第一年，Facebook在Messenger上有超过3.3万个活跃的机器人(Vr 2016)。 b谷歌Duplex的开发人员希望他们的发明能够实现“人机交互的长期目标”，即“通过自然对话与技术进行交互”(利维坦和Matias2018年)。这巧妙地总结了聊天机器人的目的:充当一个新的界面，用自动化的自然语言对话取代以前面向客户的业务元素，比如网络商店和人类技术支持。聊天机器人的目的是让在线交易像面对面交易一样直观和简单。咨询公司高德纳(Gartner)预计，“与聊天机器人互动不需要任何特殊设置;技术只会理解并按照人类的要求去做”(Panetta2016)。 然而，聊天机器人不仅在客户服务中得到了应用。正如Lebeuf、Storey和Zagalsky所表明的那样，软件开发人员一直在创造他们“自己的”聊天机器人，以“减少工作场所的协作摩擦”(2017:2)正如作者所展示的那样，开发人员使用聊天机器人通过协调时间表和任务，促进对群体规范和角色的遵守，划分角色，责任和专业知识，以及监控和促进合作和信任来促进其团队的功能(2017:3-4)。他们还使用聊天机器人来管理大量信息流并共享知识和技能(2017:5)。在这样做的过程中，他们将社交活动的大块转移给这些机器人，这些机器人将各种任务和过程转换为对话形式。 2018年是聊天机器人在技术进步和商业应用方面的“里程碑式的一年”(Seth2018)。然而，由于每个聊天机器人需要特定领域的内容，这些系统面临着与GOFAI专家系统相同的定制工作量大的问题。然而，正在研究使用在该领域可用数据上训练的ML在新应用领域中“引导”或自动化聊天机器人生产的可能性(Babkin et al.2017)。如果这项工作取得成功，我们可以预期聊天机器人将进一步扩散，并接近我们为AI设定的普遍生产条件。 我们还可以考虑另一种现有的AI应用，它有望得到广泛应用。2016年，亚马逊在西雅图开设了自动便利店亚马逊Go的第一家分店。截至早前 means of cognition. 59 ## PDF_PHYSICAL_PAGE_INDEX=68 | PRINTED_PAGE=NOT_DETECTED 60 . inhuman power 2019年，第十家分店正在建设中。Go被亚马逊标榜为“走出去购物”，它使用“计算机视觉、深度学习算法和传感器融合”来消除收银员和结账队伍(亚马逊) 2016年)。从本质上讲，亚马逊Go依赖于一系列设备进行机器感知，其中的数据由AI处理和合成。顾客用亚马逊应用程序登录商店，他们在商店里的行为会被跟踪，这样无论他们买了什么，商店都会自动记录下来，当他们离开时，他们的账户就会被扣款。尽管亚马逊宣称要实现自动化，但截至2019年，自动驾驶商店仍然需要人工维修和监督，就像自动驾驶汽车一样(德尔雷) 2017)。梅尔维尔(2017)认为，亚马逊并没有认真钻研低利润的杂货行业，而只是将其作为测试一种新的支付方式的场所，即零售交易的新界面。通过普及人工智能驱动的机器感知，亚马逊Go将零售交易从收银员的人与人互动，或自助结账的人与机器互动，转变为人类客户看不见的商品与机器互动。 从这些例子中推断，我们可以开始想象，如果机器感知和认知能力在整个社会中得到推广，从而成为生产的一般条件，将会是什么样子。像电一样，AI感知和认知可以有很多用途。在上面讨论的案例中，使用人工智能的明显目标是取代人类劳动——我们将在下一章讨论AI对就业的影响。但是，如果我们从微软提出的有限的人类认知能力作为束缚的角度来看待这些案例，我们可以看到它们如何更普遍地应用。在支持人工智能的聊天机器人和自动化零售的情况下，AI认知和感知正被用于简化社交互动过程，将其转换为由机器管理的简化、易于消化的形式。因此，软件开发人员之间复杂的工作场所社交互动和客户服务交易被简化为与聊天机器人的对话，从而促进了这一过程。在亚马逊Go的案例中，零售交易完全从人类现象中消失，被各种数据流的整合所改变。 在这两种情况下，AI都充当了简化复杂情况的界面。这对于资本主义生产方式来说并不是什么新鲜事。正如VincentManzerolle和我们中的一个(Manzerolle和Kjøsen 2015)所展示的那样 ## PDF_PHYSICAL_PAGE_INDEX=69 | PRINTED_PAGE=61 在近场通信(NFC)设备的背景下，资本已经热情地接受了简化和加速交易的技术。埃森哲咨询公司(2017)对AI进一步简化和速度的能力感到兴奋，宣布AI将成为下一个用户界面(UI)，取代今天在我们的屏幕上无处不在的图形用户界面。我们中的一位指出，埃森哲的分析师使用了一个不寻常的术语“策展”来描述AI作为一个界面时的新新性(Steinhoff2019a)。埃森哲宣称，“在最复杂的时候，AI会协调。它通过各种体验和渠道进行协作，通常在幕后完成任务。AI不仅根据其经验进行策划和行动，而且还从互动中学习，以帮助建议和完成新任务”(埃森哲2017:20)。这种描述的模糊性证实了想象中的策展功能的广泛适用性—一这是一种智能的、自适应的认知自动化技术。AI作为一个界面，它不仅向用户表示一些信息，而且通过感知和认知，主动收集、处理、显示和隐藏信息，在用户对其采取行动之前和同时。这是环境智能倡导者(Panetta2017)和凯利(Kelly)的“廉价、可靠、工业级数字智能”(2014)所假设的“新智能层”的想象功能。 回想一下，对马克思来说，基础设施的功能是“促进流通，甚至使流通成为可能，或者……增加生产力”(马克思1993:530-1)，而一般条件的功能是赋予生产方式一种弹性，即扩大产量和生产速度的能力。道路和数字网络促进了流通。教育系统通过生产和传播知识和意识形态来提高生产力。在资本与有限的人类信息处理能力的束缚发生冲突的背景下，基础设施AI正被定位为管理信息流，将人类的认知机制留给机器还无法处理的事情。零售交易对资本来说是必不可少的，但对资本来说，它消耗的是时间、思想和工资，这令人烦恼。而亚马逊Go的AI可以让零售交易变得空灵化，并加快速度。这种交易实际上是由亚马逊策划出来的，虽然亚马逊的人类代理人指导了这一过程，但更先进的AI系统可能会开发和制定自己的策划过程，或者这些过程可能来自多个AI系统的交互。这是不可能的 means of cognition . 61 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/addbcbca-2f35-4d20-b661-aef770dd9ec7.md?start=70&limit=10)