人工智能和资本主义的未来_1-200的全文翻译

从社会人力劳动中剥离出来的相关机械能力。虽然目前AI的发展在很大程度上依赖于从联网人群中提取的数据的挖掘和处理，但这种发展的目标是实现一个全新的自动化水平，使资本前所未有地独立于劳动力。

AI产业和机器智能寡头

虽然企业对新AI的实际和潜在用途的兴趣是多方面的，从零售到娱乐和工业生产，但AI系统的实际生产是更有限的高科技公司关注的核心问题。我们把这个综合体称为“AI产业”区别于更广泛的商业AI应用领域。虽然以商业为导向的出版物不断提醒我们，AI将“彻底改变”资本主义生产(哥伦布2016)，但我们的分析表明，这种转变即使发生，也仍处于早期阶段。相反，我们认为AI是一个新兴产业，其影响力与其他新兴技术紧密相连，目前还难以确定。尽管企业对AI的兴趣很高，但在AI行业之外，这并不需要对该技术进行高水平的实际投资。2017年，一项针对应用人工智能会议与会者的调查得出结论，“AI的采用率仍然很低，大多数主要成功案例仅来自该行业最大的科技公司”(Rayo 2018)。

20世纪80年代，AI开发首次作为一个独立的产业部门出现。AI产业的第一个时代是基于GOFAI专家系统。在这个时代，AI行业由一些小公司组成，这些公司为他们的企业客户生产系统作为生产手段，通常是与他们合作。在某些情况下，大公司建立了内部AI部门来开发专有的专家系统。这样的系统需要相当程度的专业化，应用领域极其狭窄，需要大量的劳动力来生产和更新。虽然有人试图开发可以应用于任何领域的“通用”专家系统，但他们最终失败了(Roland and Shiman2002:205)。对这些系统的商业狂热在20世纪90年代消退，但大约在同一时间，ML方法在学术界获得了牵引力，并在2010年代，在计算能力进步的推动下，将AI重新带入商业领域以及改进的学习算法。到2017年，《经济学人》(2017a)提出了一个领域的候选名单，在这些领域中，机器学习“筛选数据以识别模式并在没有明确编程的情况下进行预测”的能力正变得具有商业重要性。有几个值得考察。

32

. inhuman power

基于机器学习的AI产业比第一个专家系统时代更加多样化;
这就是为什么发达资本主义最近染上了一场严重的AI热。

《经济学人》(2017a)一直对定向在线广告和产品推荐的前景充满热情;虚拟个人助理和增强现实系统的创建;以及自动驾驶汽车。截至2019年初，其中一些已经非常先进，而另一些只是刚刚起步。十多年来，针对广告和推荐的算法一直是数字Web2.0企业的基础。数字个人助理，如苹果的Siri、亚马逊的Alexa或微软的Cortana，正逐渐变得司空见惯。增强现实(Augmented reality, AR)产品，用虚拟图像和信息的网络覆盖物理现实，才刚刚开始作为商品出售，或者作为应用内购买和数据挖掘的免费工具分发。《口袋妖怪Go》等游戏和其他移动应用正在测试AR领域，b谷歌、苹果和微软等公司正在积极研究医疗应用等其他前沿领域。也许机器学习商业应用的最大收获，也是最艰巨的挑战，是自动驾驶汽车和卡车的创造，这是一个“登月计划”，吸引了b百度和百度等领先的信息公司，以及福特、通用汽车和戴姆勒等老牌汽车行业巨头，以及Uber和特斯拉等后起之秀，都在竞相改变资本主义的整个交通运输领域。

AI产业企业建立机器学习技术，最初通常用于自己的业务运营，但也作为出售或出租的商品，或作为“免费”服务。它们为马克思将社会总产品及其总生产过程划分为的两个主要“部门”生产商品:(部门1)生产资料，即用于生产消费的商品;(部2)生活资料，即用于个人消费的商品(1992:471)。一些关于ML的评论员认为，与这两个部门相对应，将会有“两个ai”：一个用于商业应用，另一个用于消费设备(Economist2017a)。在部门1中，我们发现了类似SAP的例子

means of cognition .

33

HANA，一个机器学习驱动的云数据库平台，使像沃尔玛这样的庞然大物能够以细粒度、实时的细节监控整个组织的运作(Ruth 2017)，以及Andrew Ng的初创公司Landing。ai(成立于2017年)，旨在通过提供“人工智能驱动的自适应制造、自动化质量控制、预测性维护等”来彻底改革工业制造业(Landing n.d.)。在Department 2中，示例包括各种消费品，如Amazon Home和类似设备。作为一款“智能扬声器”，Home是Alexa数字个人助理的用户语音界面，可以实现各种家庭自动化和组织任务。AI也出现在手机和电视等其他智能设备上，也作为免费产品服务的组成部分“赠送”，比如Facebook、Twitter或YouTube，在这些服务中，基于ml的推荐系统会安排时间，并向用户提供接下来要看什么或听什么的建议。反过来，这些系统收集客户数据来增加广告收入。然而，正如我们将看到的，部门1和部门2的AI生产通常由相同的寡头垄断公司主导，并且也可能以各种方式相互连接，包括使用共享云计算设施。

从2015年开始，企业对AI研究的投资迅速增加，对机器学习初创企业的风险投资，对AI人才的竞争性招聘，以及大量的收购和合并活动。衡量这些活动的规模是困难的。根据一项分析，2015年AI行业的收入为1260亿美元，预计到2024年将增长到30610亿美元(Statista 2016:9)，但另一家公司估计，2018年全球在AI方面的支出仅为191亿美元，比2017年增长54.2%，并预测到2021年将仅达到522亿美元(国际数据公司2018年)。据《经济学人》(2017a)计算，2017年，全球公司在与AI相关的并购上花费了约213亿美元，是2015年的26倍。虽然这种相互矛盾的估计(通常明显是由AI供应商和商业咨询公司的自身利益驱动的)令人困惑，但很明显，AI已经抓住了先进资本代表的想象力(另见Press 2018)。正如《经济学人》(2017a)所言，“在竞争、寄予厚望和炒作的推动下，AI的繁荣感觉就像第一次加州淘金热。 99

企业对ML专家的争夺十分激烈。一项基于领英个人资料数据的研究显示，“有能力从事AI研究和应用”的博士学历人数为2.2万人，目前只有3074人在找工作(gagn2018)。需求远超需求

34

inhuman power

(经济学人2017b)。美国的信息资本家既在与新的竞争者竞争一一比如拥有自动驾驶汽车项目的大型汽车公司，也在与中国的科技公司竞争，其中一些公司已经在硅谷设立了子公司。由于聘用顶尖人才被视为人工智能资本成功的关键，这种竞争“引发了一种趋势，即企业掠夺学术部门，在教授和研究生完成学位之前雇用他们”，并创造了一种氛围，在这种氛围中，招聘会就像疯狂的“感恩节黑色星期五沃尔玛大减价”(《经济学人》2017b)。这种对ML人才的竞争也意味着工资很高。

《纽约时报》(New York Times)最近的一篇文章称，“典型的人工智能专家，包括刚从学校毕业的博士，以及受教育程度较低、只有几年工作经验的人，年薪可能在30万至50万美元之间，甚至更多，包括薪水和公司股票，”根据9位在大型科技公司工作或接受过这些公司工作邀请的人的说法”(Metz2017b)。2014年，b谷歌收购DeepMind时，斥资6.5亿美元收购了一家只有50名员工的公司;2016年，随着实验室规模扩大到400名员工，仅“员工成本”一项就总计1.38亿美元，平均每位员工34.5万美元。根据这些数据，有人认为机器学习专家是“新的投资银行家”(Shead2017)。当然，对于有管理AI项目经验的高管来说，回报甚至更高。在一起针对优步(Uber)的自动驾驶汽车技术所有权的法庭案件中，b谷歌透露，该公司自动驾驶汽车部门的一位负责人在跳槽加入竞争对手之前，获得了超过1.2亿美元的奖励。然而，即使是拥有机器学习技能的应届毕业生，在25岁左右的时候，也可能赚到“超过10万英镑，有时甚至高达100万英镑”(Shead 2017)。

AI产业的范围是国际性的。在2016年至2018年期间，它被广泛认为是美国和中国之间技术竞争的关键轴心，特别是考虑到它在紧张局势日益加剧的时代具有军事应用的潜力。中国重要的AI开发商包括其最大的搜索引擎公司b百度和电子商务巨头阿里巴巴(Alibaba)。Lee 2018)。AI产业的其他重要国家包括加拿大、以色列和英国。然而，几乎所有的评估都表明，美国是领先位置(Jang 2017;Rapp and $\mathrm { o } '$ keefe 2018;Fabian2018)。一项对全球3000多家参与AI开发的公司进行调查的估计显示，40%的公司在中国

means of cognition .

35

美国(Fabian 2018)。然而，有六家公司是卓越的:Alphabet (bb0的母公司)、亚马逊、苹果、Facebook、IBM和微软。这些公司都体现了Tarleton Gillespie(2010)和Nick Srnicek(2016)分别描述的“平台”或“平台资本主义”，其关键特征是客户产生的大数据的数字化收集，无论他们是搜索引擎、社交媒体网络、视频或音乐流媒体服务的用户，或者是计算机软件或零售消费者。获得这些数据宝库使平台公司成为培训ML系统的有利场所。

IBM

在这些公司中，IBM在很多方面都是一个异类，尽管“蓝色巨人”对人工智能的兴趣一直很长，从其研究人员参与1956年著名的达特茅斯研讨会，到1997年深蓝(DeepBlue)击败世界冠军加里·卡斯帕罗夫(Garry Kasparov)和人工智能沃森，2011年，人工智能在电视智力竞赛节目《危险边缘》(Jeopardy)中战胜人类对手，一度成为新一代人工智能的公众代言人。然而，尽管IBM在该系统上投资了1500万美元，沃森随后只取得了有限的商业成功。虽然它被描述为“可用的最完整的认知平台之一”(Kisner, Wishnow和Ivannikov 2017: 1)，并已被广泛应用于从时尚到电信等领域的商业企业，但IBM的主要重点是在高利润的医疗和健康保险领域的潜在用途。然而，在2018年，该公司裁掉了这一关键部门的许多员工，并宣布将寻求新的重点领域。目前还不确定这种挫折在多大程度上是技术失败的结果，在多大程度上是由于IBM组织实践的僵化(Strickland 2018)。IBM在人工智能方面的努力可能会受到阻碍，因为它没有训练机器学习系统所需的大型专有大数据池;相反，IBM必须通过高价收购从事医学研究和数据收集的小公司来获得它(Kisner,Wishnow和Ivannikov2017: 19-20)。然而，美国其他主要的人工智能生产商却没有这个问题。

字母表(谷歌)

多年来，Alphabet一直在收集用户数据，并将其用于推进他们的人工智能项目，首先是通过算法改进搜索模式

36

inhuman power

并将其与广告位置进行匹配，然后使用类似的方法对YouTube上的视频内容进行分类、过滤和推荐，或者预测其Android手机操作系统的用户会购买哪些应用程序。Alphabet的谷歌Brain部门被广泛视为领先的企业机器学习研究部门。2014年至2018年间，b谷歌收购了至少12家人工智能相关公司(Patrizio 2018年)，其中最引人注目的是DeepMind，该公司开发的机器学习系统AlphaGo在2016年击败了人类围棋世界冠军，从而取代沃森成为人工智能的代表人物。这种研究不仅与谷歌的算法在线服务和谷歌Home设备有关，还与它在21世纪初收购的Waymo自动驾驶汽车部门和一系列机器人相关公司有关。人工智能的发展是b谷歌的所有者谢尔盖·布林和拉里·佩奇以及他们的“工程总监”、超人类主义思想家雷·库兹韦尔(Ray Kurzweil)热切倡导的一项努力(Simonite 2017);庞大的资金、深厚的专业知识和意识形态承诺的结合，使b谷歌在商业人工智能研究中处于特殊地位。然而，其他美国平台资本家也在走类似的道路。

Facebook和亚马逊

算法分析和预测是Facebook成功绘制用户兴趣和相互关系的“社交图谱”的核心，这推动了其巨大的在线广告收入。Facebook人工智能研究(FAIR)在全球拥有四个人工智能实验室，积极开展尖端的人工智能研究，并进行了几次人工智能相关的收购，例如制造虚拟助手的Ozlo公司(Patrizio 2018)。亚马逊在其不断升级的零售和物流业务中为客户提供“推荐”的开发依赖于对大量消费者数据的算法分析，这些数据现在越来越多地与其庞大的、部分自动化的仓储和订单履行系统的操作相结合。亚马逊有许多基于人工智能的产品，包括Echo“智能家居”系统;其数字个人助理Alexa;Lex, Alexa的商业版;Polly，将文本转换为语音，以及Rekognition，一种图像识别服务。此外，机器学习渗透到零售商向第三方卖家提供的亚马逊履行计划中的一整套服务中。

means of cognition .

37

微软和苹果

虽然微软是比bb0、Facebook和亚马逊更老的一代IT公司，但它不仅拥有数十年的软件开发经验，而且在Cortana(与其软件捆绑在一起的数字助理)等项目上与数百万计算机用户进行交互的记录。以及多多少少成功的聊天机器人企业，从灾难性的Tay(机器从在线对话中学习，成为一个种族主义、性别歧视的纳粹，不得不带着极端偏见被终止)到更无害的模仿青少年的Zo。最后，微软的长期竞争对手苹果公司，最初似乎是主要平台资本家中最不热衷于人工智能的公司，也在2016-17年进入了这个竞技场，其数字个人助理Siri的持续开发和FaceID的创建，FaceID是iPhone用户的面部识别安全系统。2018年，它戏剧性地挖走了苹果的AI主管(Patrizio 2018)

超越科技巨头

在顶级科技公司周围聚集着许多规模较小的初创公司，这些公司正试图在AI行业的专业分支中开拓利基市场，从生物技术到农业、教育、销售和监控(Zilis and Cham 2016;Patrizio 2018)。这个场景是不断变化的。很可能，按照以前的IT开发周期所熟悉的模式，这些公司中的许多公司将会爆发并耗尽，成功的公司可能会被AI行业巨头收购：“2017年退出市场的120家AI公司中有115家是通过收购退出的”(Patrizio2018)。为AI系统生产专用硬件的公司也继续出现在英伟达和英特尔等占主导地位的硬件公司的阴影下。2017年，风险投资家向硬件初创企业投资了15亿美元，是两年前的两倍;Cerebras、Graphcore和Cambricon等新公司分别吸引了超过1亿美元的投机资金。这类初创公司正朝着两个目标中的一个努力:找到一个有利可图的利基市场，或者被收购。快”(C.Metz2018)。

国家行为体:AI超级大国

AI发展的另一个关键因素是国家。马克思从未完成对资本主义国家的系统研究

38 . inhuman power

他的追随者们这样做的企图激起了马克思主义理论中一些最复杂的争论然而，马克思明确认为资本主义国家的一个功能是创造一定的一般生产条件(马克思1990:506;(1993:530)如基础设施，一旦它们成为有利可图的企业，就可以转移到私人资本手中。这种私有化的工业反过来又为资本主义国家提供了以国家安全的名义对竞争对手行使的技术力量:这就是军工复合体的动力。美国数字技术的发展经典地证明了这种国家-资本相互作用的路径。计算机和网络在进入一般商业用途之前，是在五角大楼的军事-企业-学术部门孵化的(Edwards 1996;Mazzucato 2013)。最著名但绝不是唯一的案例是美国高级研究计划局(ARPA)为互联网的创建提供资金。与数字资本的自由主义自我表现相反，美国高科技产业的创造依赖于国家资助的研究、补贴和技术创造合同，这些技术在美国冷战中战胜国家社会主义对手中发挥了重要作用。

在冷战结束后的全球化时代，这种数字技术发展中的国家-资本互动被美国以外的国家广泛采用。虽然许多理论家，包括资产阶级和马克思主义者，都宣称民族国家的衰落，但实际上，资本主义全球化是通过民族国家的调解展开的，民族国家的活动特点是支持和补贴数字产业和基础设施，而世界市场的竞争参与依赖于这些产业和基础设施(Schiller1999;Powers and Jablonski 2015)。控制全球化的所谓“华盛顿共识”掩盖了日益加剧的对抗，特别是冷战胜利的美国与失败的“后社会主义”俄罗斯和中国之间的对抗，后者被迫向美国领导的资本主义投降或妥协。2008年，当华尔街崩盘明显削弱了美国作为帝国霸主的地位时，这些冲突在经济和军事对抗的爆发中更为尖锐地显现出来，而竞争国家的AI计划如今已成为其中不可或缺的一部分。

美国的AI发展已经建立在国家发起的基础设施和技术的基础上;AI研究的领导者，如IBM和后来的b谷歌(Nesbitt 2017),都得到了美国国防相关资金的支持:根据一份报告，不少于16个美国政府机构

means of cognition .

39

3.资助人工智能开发(Fabian2018)然而，直到2016年，美国联邦政府才开始制定全面的国家人工智能研发战略计划。特朗普政府已将人工智能列为国家优先事项，因为“它在帮助美国引领技术创新以及在信息治国方术、武器化和监视方面的作用”。而总统已经明确表示，他不会通过对人工智能的社会或就业影响进行监管来“阻碍”人工智能资本(Future ofLife Institute, 2018)。在各种措施中，美国国防部宣布将在五年内投资高达20亿美元用于人工智能的发展是突出的:在监视和控制“蜂群”无人机和其他半自动武器中使用机器学习似乎是一个高度优先事项(Scharre2018)。b谷歌和其他一些硅谷公司的高科技工人反对参与军事合同一一这是我们在第二章讨论的抵制人工智能的一个重要例子。然而，尽管有这些抗议，五角大楼明确表示，这只是“人工智能激增”的第一阶段(Seligman2018)，其中还包括其他项目，如未来十年将花费100亿美元用于特殊的军事云计算联合企业防御基础设施(JEDI)。

美国政府对人工智能的突然紧迫感，可归因于一个严重的数字竞争对手的出现：中国。2017年，中国公布了《下一代人工智能发展规划》，提出了研发、产业化、人才培养、教育和技能获取、标准、监管、道德和安全等方面的倡议和目标。它设想到2030年中国成为人工智能创新的“主要”中心(Dutton2018)。考虑到2000年中国和美国在技术发展方面的巨大差距，这一雄心似乎令人震惊。从2000年以来中国经济的增长速度和人工智能发展性质的变化来看，这种说法似乎有些道理。b谷歌中国区前负责人、现为中国人工智能项目倡导者的李开复(2018)认为，最新一代人工智能——尤其是机器学习一—已经从分水岭突破时刻过渡到创新应用时刻。李开复认为，在这种情况下，中国拥有人工智能优势，因为它拥有大量的软件工程师(不一定是超级明星的素质，但非常精通)，竞争激烈的数字资本部门，以及几乎不受限制地收集的大量数据。他建议，到2030年，美国和中国将构成国家层面的人工智能

40

inhuman power

就人工智能产业的控制而言，这是“双头垄断”。虽然他的描述以合作的良性希望结束，但在他对由“人工智能超级大国”(K-F)主导的“新世界秩序”的描述中，激烈的经济和军事竞争的潜在向量都是显而易见的。李开复2018)。

可以理解的是，其他国家不愿意默许中美人工智能双头垄断的愿景。2018年，欧盟承认，激烈的国际竞争要求其采取协调行动，以保持在人工智能发展的前沿，并宣布了一项联合“公私’计划，旨在到2020年将人工智能研发投资增加至少200亿欧元(Middleton2018)。国家政策在人工智能发展中的核心地位的一个显著例证，也是欧洲企业在这方面感到焦虑的一个主要原因，是EU最近出台的《通用数据保护条例》(General DataProtection Regulation, GDPR)的潜在影响。与美国和中国的政策相比，这项立法对企业数据收集施加了严格的限制。商业游说者批评GDPR限制了潜在的机器学习项目—一这是人工智能资本可能正常化并需要高度监督治理制度的令人不安的预兆。为了阻止人工智能人才“流失”到美国和中国公司的高薪职位，EU还启动了一个跨国欧洲人工智能研究所——欧洲学习和智能系统实验室(ELLIS)一—在一些欧洲国家设有中心(2018年排名)。然而，在欧洲人工智能的共同战线之下，国家间的竞争仍在继续，英国、法国和德国都在争夺地区人工智能领导者的地位(Shead 2018)。

在各国争相吸引人工智能资本的全球浪潮中，美国、中国和欧盟只是最大的竞争者。日本和俄罗斯也在大力补贴人工智能的发展;到2018年年中，从新西兰到波兰、肯尼亚和突尼斯等20多个国家制定了“人工智能战略”(Dutton2018)。深层的焦虑是这种动员的基础。正如我们将看到的，在单个公司的层面上人工智能资本可能倾向于赢家通吃的所有权集中和垄断的产生。类似的动态可能会出现在国际国家关系层面。李开复关于中美两国主导人工智能资本的预测中，一个更令人担忧的特征是，“虽然人工智能发达的国家获得了惊人的利润，但尚未突破一定技术门槛的国家将发现自己在倒退…(进入)一种近乎完全依赖的状态

means of cognition .

41