Skip to content

批判AI拜物教

作者:布鲁诺报纸
🕒 发布于:
导师语录


在《继续革命》第十三期,通过《大语言模型与 ai 垄断资本》这篇文章,我们已经初步介绍了现如今ai的原理以及其局限性,并揭露了AI垄断资本是“假科技进步,真停滞不前”。但由于篇幅问题,并未能对资产阶级在人工智能问题上形形色色的反动思想进行批判。然而最近,各国垄断资产阶级借AI(人工智能)所作的反动宣传越来越多,大部分左派同志却并未能掌握批判他们的方法。由此,我们认识到必须对资产阶级的AI拜物教进行全面、彻底的批判。也希望同志们在阅读这篇文章后对人工智能这一新生事物有更深入的认识,并能够识别资产阶级兜售的各种谬论。

1.早期人工智能科学与路线斗争 ​

在资产阶级媒体及AI公司的宣传里,人工智能是科学家们“齐心协力”创作的,资本家们对ai科学一直表示支持,学者们齐心协力,没有斗争。这当然不是事实,人工智能这门学科从诞生开始,就存在着两条路线的斗争——连接主义与符号主义路线。其中被证明是正确的连接主义学派,在几十年的时间里一度是少数。而那些手握资本的垄断资产阶级们,对ai科学的发展非但毫无帮助,而且因为他们的短视造成了好几次、长达数十年的“ai寒冬”。

1950年代,计算机虽然还未能进入民用领域,但供科研人员使用的计算机技术已经比较成熟,那时的研究者发现,虽然计算机程序能够帮助人类完成很多复杂运算,但是传统的计算机程序只能执行设定好的程序,而不能自己去适应各种不同情况。对于一些固定的计算任务,传统计算机程序已经做得很好了,但是对于图像识别、语音识别等任务,由于不可能人为描述出所有的情况,导致传统计算机程序不能胜任此类任务。可是,对于人类来说,识别图像、听人说话,都是很正常的事情,该怎么让计算机拥有人的这些能力呢?研究者们把目光投向了人脑,希望通过让计算机模拟人脑神经元,使计算机获得人的部分思维能力,先提出了神经网络的概念,而后在1957年,计算机科学家弗兰克·罗森布拉特发明了感知机,这台感知机被认为是最早的具备学习能力的神经网络。现代的各种ai,从识图模型、生图模型,到大语言模型,虽然它们的复杂程度已经远远超过了当年的感知机,但神经网络这个底层原理并没有变过,可以说,1957年发明的感知机,是现代所有AI的先祖。

刚开始,世界各国的垄断资本家都欣喜若狂,觉得发现了商机,唯恐自己慢了一步,开始大量资助学者们研究神经网络,AI学科迎来了它的第一次黄金时代。但与此同时,AI拜物教也初见雏形,资本家们意识到,通过宣传AI的强大,可以在无产阶级中造成恐慌——于是,各类伪科学的宣传和科幻小说,随神经网络一同出现了。在这些资本家的宣传下,机器好像很快就要获得意识,来跟工人们抢工作,他们幻想“工人们会害怕自己的工作被ai取代,就只能加倍拼命地为资本家干活来避免失业了”。

资本家们所做的美梦并未实现,1960年代时,研究者们发现早期的神经网络永远不可能学会一些过程,比如“异或(xor)”运算,早期神经网络的这一缺陷迟迟得不到解决。到了1970年代,资本家们看到自己投资的研究暂时没有成果,就迅速地失去了信心,开始撤资,连科幻小说都发得少了。资本们就是如此地短视和唯利是图:当他们觉得一个东西能带来收益的时候,就纷纷赶着入场,身后跟着一大群唯利是图的学阀和笔杆子;而暂时看不到成果的时候,又作鸟兽散,给真正热爱科学的人留下一地狼藉——这些资本家从来不是什么科学的支持者,而是破坏者。

资本家撤走了投资,AI研究迎来了寒冬,但是AI科学的前进并不会因此停下,为了解决早期神经网络的缺陷,研究者们都提出了自己的思路,其中最为流行的有两个学派,分别是连接主义(又称联结主义)和符号主义(又称逻辑主义、计算主义)。

1.1 连接主义 ​

连接主义学派认为,无论是计算机程序还是人的意识,都必须依托于一定物质基础,没有脱离物质的思想和逻辑,他们坚持通过计算机模拟人和其他动物的神经系统的路线,认为通过不断改进神经网络中的单元和连接,可以让神经网络能够学习更加复杂的任务。连接主义学派在AI科学上的观点很接近唯物辩证法,他们坚持一切思想都必须依托于物质,没有脱离物质的精神,并且坚信神经网络的量变可以带来质变。

连接主义的代表人物是杰弗里·辛顿,他发明了许多至关重要的算法,被誉为“AI教父”,并获得了2024年诺贝尔物理学奖。但是在ai寒冬时期,辛顿和其他连接主义学者是少数派,辛顿本人的早年经历也充满曲折。连接主义学派的成功表明:只有坚持正确的路线,最后才能获得胜利,对革命和科学研究来说都是如此。随着反向传播算法、对比散度算法等重要算法的发明,神经网络终于克服了无法学习异或计算的缺陷,开始能够处理更加复杂的任务。

1.2 符号主义 ​

符号主义,又称逻辑主义、计算主义,符号主义认为,一切复杂的计算,包括人脑的思维,都可以被抽象为最简单的逻辑(与或非等),符号主义的思想对早期计算机和传统计算机程序有着重要作用,在早期的计算机研究中,符号主义也是正确的路线。但是到了AI研究中,符号主义学者们依然照搬以前的方法,企图不优化神经网络本身,而仅仅通过外部施加规则的办法来实现复杂人工智能,他们没有把握住神经网络相较于传统计算机程序的特殊性,犯了形而上学的错误,只能在两条路线的斗争中失败。

符号主义学派在最开始是多数派,也有过一些成绩,比如专家系统,但由于研究路线上的错误,最终是连接主义学派成为了多数派。

1.3 小资产阶级左派学者的局限性 ​

作者注:这里的左派,指的并不是严格意义上的无产阶级革命者,而是对自然科学真理的追求将一部分小资产阶级学者推到了资本家的对立面,但他们与资本家的斗争是很有限的,且不会超出他们自身阶级立场。

以杰弗里•辛顿为代表的连接主义学者们坚持了唯物主义和辩证法的正确科研路线,在和符号主义学者的斗争中取得了胜利,就AI科学本身,没有什么再能苛责他们的(作者本人也没这个水平)。但在阶级社会中,自然科学本身无法解决科学为谁服务的问题。想必同志们都能预料到,AI科学取得了重大突破,资本家们就如同秃鹫一样,闻着这块肥肉的气味又卷土重来了!当年他们鼠目寸光地抛弃了人工智能,现在又来抢夺科学的果实。只可惜这一次,在自然科学上坚持了正确路线的学者们无法阻止垄断资产阶级,他们手握大量资本,建立了各种ai公司,靠着资金和设备上的优势,资本家占据了ai应用市场。

被誉为“AI教父”的杰弗里•辛顿先生,到了晚年才意识到,自己搞了一辈子的AI研究,最终还是给资本家服务。在国内网络上科普马克思主义的阳和平同志是辛顿先生的表弟,通过阳和平的视频(BV1JN2AYcE5k),我们得以知晓辛顿先生的一些经历。为了让AI不为美国军方所用,辛顿宁愿离开科研资源丰富的美国,前往加拿大进行研究,在晚年时,又因为担忧AI导致大量劳动者失业,他从谷歌辞职并呼吁放缓AI发展。可见辛顿先生不希望自己的研究成果成为资本家谋利的工具,但是他和资本家的斗争并没能超出自身的阶级立场,AI科学的“教父”,在社会科学上却显得手足无措,只能提出一些改良主义的措施。但这些改良主义,无法使得辛顿先生热爱的AI科学不变成资本家牟利的工具,垄断资产阶级和他们所控制的政府,甚至不愿意听辛顿先生的任何一句话。

ai科技的垄断,正是资本家霸占生产资料,极力压榨、剥削劳动人民的完美体现。他们如鬣狗般分食着劳动人民的科技成果,并毫不掩饰地反过来榨取超额剩余价值——他们将削弱大量算力,严格限制的ai工具投入市场供底层人民使用,还收取着大量费用。可即便如此,还会有人感恩戴德,觉得ai是神,让他们变得更好,并感恩“创作出ai的公司老板,政府”,是他们带来了这美好的一切。

以我们马克思主义者的立场来看,如果想要真正解放科学,让科学为大多数劳动人民服务而不是为资本家服务,只有一条路——那就是共产主义革命。只有通过暴力的手段,让劳动人民重新掌握生产资料,科学技术才不会变成资本家牟利的工具;只有让劳动人民掌握了生产资料,科学的发展才能不受阻碍。

2.批判AI拜物教 ​

"人工智能系统可能主导资本主义经济,这些系统会根据某种“次级经济”机制,即人工智能系统认为值得奖励人类的行为来向人类分配资源。"

——节选自臭名昭著的anthropic公司总裁Dario Amodei的“著作”《Machines of Loving Grace》

如果说资产阶级的一部分科研工作者还能对AI持有唯物主义的判断,那么到了AI垄断资本这里,就只剩下完全反动的唯心主义观点了。他们一边恐吓无产阶级,说AI会取代人的岗位,以此增加工人的劳动强度,一边又对资产阶级们夸下海口,说AI可以创造无穷的利润,从而拉取投资。这两种反动观点,其实都源于垄断资产阶级们的AI拜物教。

资本家们鼓吹AI拜物教的时候,往往要给拜物教的观点裹上一层科学理论的外衣,以显得他们的观点是科学而非宗教,但再多的科学概念,也掩盖不了他们的唯心主义本质。我在本段开头引用的anthropic公司总裁的话就是一个极好的例子,这位达里奥先生借着AI的包装,破天荒地提出了“由AI分配”这种新的分配方式,要不然说这位“大科学家”的思维和普通人不一样呢,资本主义的危机就被阿莫迪以这样的奇思妙想解决了。只可惜,这样的方案无法成为现实,而只存在于达里奥先生的幻想中。

客观规律不以人的意识为转移,垄断资产阶级在现实中找不到能让资本主义不灭亡的办法,就只能寄托于宗教,把AI当作神一样崇拜,指望这个神来阻止资本主义必然灭亡的结局,指望这个神创造一种使得资产阶级们高枕无忧、无产阶级革命永不爆发的分配方式。由此可见,AI拜物教的阶级根源是资产阶级,并且是在资本主义灭亡之前,垄断资产阶级的垂死挣扎所创造的最腐朽落后的思想,他们只不过给基督教的“上帝”套上了一层AI的外衣罢了。现实中的AI作为新生事物,的确在不断发展,也在一些能力上超过了人,但无产阶级与资产阶级之间的矛盾,只有通过暴力武装革命的方式才能解决,现在AI掌握在资产阶级手里,就让他们暂时做一做资本主义万古长青的美梦吧!总有一天AI会掌握在无产阶级手里,为革命服务。

2.1 AI的缺陷 ​

要批判AI拜物教,就得先对AI有一个全面的了解,不仅要知道AI能做什么,还要知道它不能做什么。但是由于资产阶级的错误宣传,加上AI科学本身的数学与计算机门槛,导致大部分同志对于AI“只知道怎么用,不知道原理”。在本报第十三期《大语言模型与AI资本》这篇文章中,已经粗略介绍了AI的训练过程,但并没有讲清楚AI的缺陷。我们不仅要从哲学上,还要从自然科学上认识到AI拜物教的错误,因此,先了解AI的缺陷很有必要。

在本文第一部分提到过,现在的人工智能本质都是运行在计算机硬件上的神经网络,但是,一个刚刚建立、没有经过任何修改的神经网络是不具备思维能力的,要先经历训练的过程。在《大语言模型与 ai 垄断资本》这篇文章里也讲过,所谓训练(又称机器学习),究其本质上是将大量数据灌输进神经网络,通过特定算法改变了神经网络中的权重(类似于神经元之间的连接),经过了训练以后,神经网络才能获得一种或几种思维能力。AI的类型取决于训练数据和算法,如果AI获得了识图的能力,就称为视觉模型;如果获得了生成图片的能力,就称为生图模型;如果AI获得了像人一样的语言能力,那就是大语言模型。

经过训练后得到的AI模型,其能力不一定弱于人类,应该有部分同志已经体会过,前沿的AI在写代码、画图、做数学题等复杂任务上都远超过了人类。但是,人的思维并不是几项思维能力的简单累加,单论某一项思维能力,象棋和围棋的ai早就打败了人类顶尖选手,然而直到今天,也没有谁敢说“AI和活人已经没有什么区别”。人最重要的是实践的能力,人的一切认识都来自于实践,毛主席在《实践论》中说:“辩证唯物论的认识论把实践提到第一的地位,认为人的认识一点也不能离开实践,排斥一切否认实践重要性、使认识离开实践的错误理论。”

那么,AI能不能实践呢?有人说,AI接受了我的要求,然后去完成任务,这怎么算不得一种实践呢?有这样的错误认识,还是对AI的原理不清楚,上文讲了AI的训练阶段,在训练阶段的时候,AI能够从人类提供给它的训练数据中“学习”,但是这个时候,AI是不能进行任何实践的,只能被动地接受人提供的信息,如果人提供给AI的训练数据质量很差、漏洞百出,AI就同样会变得漏洞百出。又有人要问,对于结束了训练阶段,可以拿给人使用的AI模型,它又能不能实践呢?很遗憾,还是不能算,这些结束了训练的AI,进入到了推理阶段,它们虽然能利用神经网络中已有的认识(或者说学习到的知识)去完成任务但是推理阶段的神经网络被固定了下来,在完成任务的过程中,神经网络的权重不能发生改变。换句话说,这一阶段的AI虽然能够完成某些任务,但是它不能从这种工作中获取到任何认识。

人只要还活着,就一直在进行实践,也一直在实践活动中获取到新的认识,人当然会因为错误实践或实践的不足而产生一些认识上的错误,但这些错误认识能够用正确实践来改造。然而对像大语言模型这样的AI来说,它们所接触到的信息要分为训练数据和提示词两种,对于训练数据,它们只能无条件地接受,因为神经网络没有主观能动性,不能选择一部分学习;提示词是人输入的要求,对AI来说,那只是为了完成任务而读取的临时信息,一旦任务完成,就会忘得一干二净。

因此,对于AI来说没有“实践”的概念,我们上面已经论证,它要么只能被动地学习,要么只能完成任务而学不到任何东西,这是由现在的神经网络的原理决定的。AI的“学习”和“工作”之间存在着巨大的鸿沟,造成了以下几点缺陷:

2.1.1 灾难性遗忘与认识断裂 ​

有人可能要反驳我,说现在的大语言模型在推理的同时也能够训练,不错,这种技术确实存在,叫做“持续学习”(Continual Learning)。但是,AI在训练阶段往往需要大量的数据,推理阶段时,人类输入的信息对ai来说太少,如果强行让AI从这些持续信息流中学习,又会产生“灾难性遗忘”(Catastrophic Forgetting)问题,即神经网络在学习新任务时,快速丢失对旧任务的知识。这一问题在几十年前就被研究者们发现,但直到今天也未能被很好地解决。

但是人类在学习新知识后不会对旧知识发生灾难性遗忘,相比于AI,人能够从少得多的信息中学习,我们背一个英语单词,也许只需要背三到五次,但是AI往往需要几十TB的文本数据才能学会说话,这或许就是为什么人能够通过实践获取认识而AI不行的原因。到本文发表(2026年)为止,市面上所有主流的大语言模型都是静态模型,一旦训练完成,神经网络就被固定下来。为什么叫静态模型呢?因为它们只有在工作的时候才“活过来”,阅读提示词,然后生成回复,而一旦回复生成完毕,AI就“死了”,它不能从这种回复工作中获得任何认识,因此AI不具备完整的认识,它的认识过程是断裂的。

2.1.2 幻觉与丢失上下文 ​

有些同志可能又要反驳:“你讲的不对,我用的agent就能记住我说的话。”的确如此,现在的很多AI智能体,不仅能看到一次对话里的上下文,还有类似记忆的功能,可以把一些重要信息保存到skill或者记忆库中,这些本质上都是“提示词工程”(或上下文工程)的延伸。

前文已经介绍了提示词,通俗的来说,提示词(prompt)就是用户输入给AI的要求,“帮我生成一个贪吃蛇小游戏的代码”、“帮我生成一幅海边的画”等,都叫做提示词。随着AI技术的发展,大语言模型的上下文(即大语言模型能够接受的提示词的上限)越来越多,提示词就可以不拘束于由人直接提出要求的这种形式,还可以让AI自己去把一些关键信息写进提示词里。打个比喻,即使AI在每次对话结束以后都会“死掉”并失去全部记忆,但是它下一次“活过来”的时候,又能够看到之前记下来的信息,就好像拥有了记忆能力一样。

但是,这样就能说AI具备了完整的认识吗?

人类的长期记忆是在实践中形成的,往往能持续几年甚至一辈子,并能通过实践不断纠正和补充细节,但大语言模型并没有几十年的生命,它的生命仅在一次对话内,人和AI对话的时候,它活过来,阅读之前写下来的“记忆”,在对话完成之后,它把关键信息写到记忆里然后死去。这种“死去活来”的记忆,和人脑的记忆有着天壤之别,​当塞进提示词里的信息越来越多时,大语言模型的底层架构就会暴露出致命短板——注意力稀释。大语言模型依赖“注意力机制”来阅读提示词,但就像人一样,AI的注意力也是有限的,当上下文越来越长,AI就容易忽视一些提示词,这种类似“失忆”的现象,就被称作上下文丢失。

上下文丢失还会加剧另一个问题,就是AI幻觉(Hallucination),通俗的说,就是一本正经地胡说八道,大语言模型本质是一种概率模型,它的原理是根据前面的字算出下一个出现概率最高的字,但是这种生成往往只能保证语句本身通顺,无法保证AI说的话句句符合客观事实。而发生上下文丢失时,AI忘记了一开始的要求,为了让生成的回复逻辑通顺,就会选择瞎编一些条件,这也是很多人在使用AI编程和写作时感受到的现象。

与AI相比,我们人类当然也会出错,可是人能够通过持续的实践来检验和改造错误认识,而静态的AI无法像人一样从错误中学习,如果有人指出来它的错误,它也只能记录在提示词里,避免下次再犯。但对于transformer架构的AI来说,上下文是有限的,记录下来的东西越多,反而会让模型变得更容易丢失上下文和产生幻觉,而如果有一句幻觉没有人类从外部纠正,AI甚至可能会把错误的信息写进记忆(提示词)里,在下一次对话时把错误信息当作是要求,导致一步错、步步错,这被称为上下文漂移(Context Drift)。

2.1.3 精度丢失与递归的诅咒 ​

既然AI在推理阶段不能直接学习,那么如果我们把AI在工作中生成的内容收集起来,重新放进训练集里,去训练下一代AI,能不能实现类似“在实践中认识”呢?遗憾的是,这种“AI教AI”的做法非但不能让AI进化,反而会引发一场灾难。牛津大学与剑桥大学等机构的研究者在《递归的诅咒:用生成数据训练会让模型遗忘》(https://arxiv.org/html/2305.17493v3)一文中,揭示了这一被称为“模型崩溃”(Model Collapse)的严重缺陷。

这篇文章从一个早就有人发现的现象出发,即大语言模型会丢失“长尾信息”,所谓长尾信息,即是一些冷门知识、特殊经验和低频词汇,在统计图上,这部分低概率信息像一条长长的尾巴,因此被称为“长尾信息”。前文提到过,大语言模型是一种概率模型,它的认识又只能来源于训练数据,并且无法通过实践去纠正认识,所以它天然倾向于使用高概率的词汇。同志们对于这一点可能有所体会,之前就有同志跟我说,AI特别喜欢使用“不是...而是...”的句式,就是丢失长尾信息的一种现象。这种精度丢失的问题不仅仅发生在大语言模型身上,包括生图模型、文字转语音模型都会发生类似的精度丢失问题,这也是为什么我们看到AI画的图、AI生成的语音,总感觉有些别扭,觉得有“AI味”,正是我们的大脑感觉到了这种精度丢失。

精度丢失的现象在十多年前就有人发现了,但是《递归的诅咒》这篇文章进一步深入研究了这个问题,那就是,如果用AI生成的数据继续训练AI,不添加任何人类的高质量数据,会发生什么呢?结果是每一次训练,AI都会丢失更多的长尾信息(被称为早期模型崩溃),这样进行十次、二十次的递归训练以后,大语言模型彻底丧失了完整说话的能力,只能输出一堆无意义的符号。

到现在为止,“递归的诅咒”还是AI科学上空的一朵乌云,我们以马克思主义认识论来分析这一问题,追其根本,还是因为AI不具备实践过程,只能被动地接受训练数据,而无法通过实践去验证所获得认识是否正确。

2.2 资产阶级造神运动必将失败 ​

2026年9月3日,openai公司发布新模型gpt-6 Astra,同一天,openai的垄断资本家集团宣称,人类进入了AGI时代,我们也许该夸奖一下openai的先生们,他们比anthropic的那些货色聪明一些,至少他们没有直接鼓吹“让人工智能系统主导资本主义经济分配”,而是用了AGI这样一个大众不熟悉的新名词。AGI是个什么东西呢?维基百科上是这样讲的:“通用人工智能(AGI)是一种假想的智能体,一般认为,它能够学习并执行人或其他动物所能完成的任何智力任务。”

目前来说,这个AGI并不是现实中存在的东西,而是资产阶级AI拜物教假想出来的一个偶像,它至少要具备和人类同等的完整认识能力、实践的能力,甚至要超过人类。这个想法也许很美好,但客观现实是不以人的主观意识而转移的,现实中的GPT-6模型虽然在编程和建模等能力上有所提升,但它既没有克服我们上文说的三大缺陷中的任何一个,也不可能获得和人类同样的实践-认识-实践的能力。openai的资本家们竟然敢大言不惭地说什么“AGI时代已经到来”,真可谓“人有多大胆,AI有多大产”,资产阶级们的造神运动并不能对现实中的AI科学起到一丝一毫的贡献,只能暴露出他们的“AGI”其实是将上帝套上了一层AI的外衣。

之前提到过,AI拜物教源自于垄断资产阶级对于日益严重的资本主义经济危机的恐惧,因为在现实中找不到解决危机的办法,只能寄托于披着AI外衣的神,指望神来解决资本主义危机。同时由于资产阶级媒体铺天盖地的宣传,AI拜物教的思想除了在资产阶级当中流行,现在还有很多小资产阶级和无产阶级也受到了AI拜物教的影响,并导致一些劳动者错误地夸大了AI的能力,甚至对AI产生了恐惧,害怕自己的岗位也被AI取代掉。这就暴露了AI拜物教的第二种目的,资本家不仅要使得本阶级的人相信AI能解决资本主义危机,同时还要对无产阶级进行恐吓,这种恐吓是资产家的惯用伎俩,早在一百多年前,马克思就论述过失业人口对工人阶级的影响:“工人阶级中就业部分的过度劳动,扩大了它的后备军的队伍,而后者通过竞争加在就业工人身上的增大的压力,又反过来迫使就业工人不得不从事过度劳动和听从资本的摆布。”

而现在,资产阶级不再满足于仅仅只用失业人口、以“你不干有的是人干”来恐吓无产阶级,还利用AI拜物教思想来恐吓无产阶级,即使是那些从事几乎无法被AI取代的工作的工人中,也会有人担忧自己要被机器取代而从事过度劳动,最后真的造成了一部分工人失业,但不是由于AI,而是因为其他工人的过度劳动竞争。由此可见,AI拜物教对无产阶级来说有百害而无一利,工人阶级必须要对AI这一新生事物有正确的认识,这也是本文写作的核心目标之一,虽然不能保证同志们看完这篇文章以后都能成为AI科学上的专家,但至少要对AI有一个初步的认识,免得上了资产阶级的当。

2.2.1 劳动者的自发反抗 ​

相比于体力劳动者,脑力劳动者受到AI技术的冲击更大一些,首先是在经济与物质层面,因为AI技术的加入,的确造成一部分行业的资本有机构成增加,原本全程都只能由人类完成的编程和绘画等工作,一部分工序可以交给AI了,不变资本的比例增多了,要完成和原来一样的工作所需要的劳动就变少了。其次,在思想层面,AI拜物教影响的人数更多,这有多方面的原因,一是由于脑力劳动者里接触到最新科技产品的人更多,二是由于脑力劳动者的劳动性质决定了他们有更多的资产阶级思想,和其他劳动者之间的矛盾也更大。这两方面因素的影响下,一部分被AI拜物教所恐吓的落后分子开始从事过度劳动,在剥削最为严重的地方,一个人就要同时操作4、5个AI软件,AI不仅没有减轻他们的劳动强度,反而加重了,而那些不愿意从事过度劳动的脑力劳动者就失去了工作。

哪里有压迫,哪里就有反抗,在受到冲击最大的编程和绘画行业,劳动者们自发组织起了抵制AI运动,画师们抵制那些打着“创作”名号发表在绘画平台的AI生成图像,一些程序员社区也发出公告,拒不接受未经人类审查、纯粹由AI生成的代码。在我们左派内部有一部分同志认为,这种劳动者对AI的自发抵制类似于英国工人打砸机器的卢德运动,这话说对了一半,抵制AI运动有类似的局限性,但也有比卢德运动更进步的因素。

和卢德运动类似,抵制AI运动也把人和人之间的阶级矛盾错误的认为是人和物之间的矛盾,由于我们前文提到的三大缺陷,现实中的AI还只是一个高级的工具,抵制AI运动没有正确认识到,现实中的AI和资产阶级AI拜物教中那个套着AI外衣的上帝是有区别的,实际上是资产阶级和劳动人民之间的阶级矛盾,而不是AI这个工具本身和劳动者有矛盾。但是,抵制AI运动有比卢德运动更加先进的因素,到了今天这样一个帝国主义的时代,垄断资产阶级比两百多年前的英国资产阶级更加的落后、腐朽,为了追求垄断利润,现代垄断资本家把根本不能给AI做的工作也交给了AI,他们与其说是用AI取代了劳动者,不如说是对一些行业的破坏。比如最近铺天盖地的AI短剧,应该没有人会觉得千篇一律的AI短剧能够取代掉优秀的影视作品,无独有偶,游戏、小说行业都遭到了破坏。相比于卢德运动,抵制AI运动并没有破坏生产,反而是为了阻止资产阶级滥用AI破坏生产,这是抵制AI运动相较于卢德运动更加先进的地方。

除了卢德运动,还有一些劳动者更进一步,开始自己了解、研究AI,成为了民间甚至是正式的研究人员,很多研究者都发现了前文提到的AI三大缺陷,并意识到资产阶级AI拜物教的虚假宣传,他们往往会写一些科普文章发到知乎、b站、X之类的网络平台上,希望靠自然科学的理论去揭露资产阶级的虚假宣传。这些人虽然占少数,但他们相比于抵制AI运动前进了一大步,只不过,他们的斗争仍然停留在自发运动的阶段,希望靠自然科学的真理对抗资产阶级,但资本家却是选择限流、封号等无耻的手段,使得这些人的声音无法被群众听到。

真理是杀不死的,AI拜物教也许可以恐吓住一部分劳动者,逼迫他们进行更高强度的劳动,但会迫使更多的人去学习自然科学和社会科学的真理,由自发斗争向自觉斗争转变。

2.2.2 资产阶级内部矛盾 ​

有些关注科技新闻的同志可能会对一件事感到疑惑,为什么像anthropic这样的AI公司,他们经常呼吁要加强监管呢?前文提到的杰弗里•辛顿也呼吁加强监管,他是站在AI公司同一战线上的吗?

从辛顿的表弟阳和平的视频中我们可以得知,辛顿呼吁加强监管,是因为担心AI成为资产阶级控制劳动者的工具,也担心AI导致更多劳动者失业,而anthropic等AI公司也说要放缓AI发展、加强监管,资产阶级媒体正好借机将这些左派学者和AI公司绑定,岂不知AI公司呼吁加强监管有着完全不同的立场和目的。

所谓加强监管的第一层目的,是借国家机器的手打击其他资本家,比如我们拿来作为例子的美国的anthropic公司,虽然他们口头上说什么“要加强监管”、“要放缓前沿AI发展”,但实际上anthropic的AI模型一直处于世界第一、第二的位置,可谓是“削尖了脑袋要把同行卷死”。他们所谓的要加强监管,实际上是要求美国政府监管其竞争对手的AI产品,好让他们自家的产品独占市场。

第二层目的,是为了把AI变成帝国主义争霸的武器。杰弗里•辛顿曾经为了不让自己的研究被美国军方所用,离开美国前往加拿大,而anthropic、openai等公司,却是第一时间把自家的最前沿模型交给美国政府使用。为了“避免滥用AI”,所以把最前沿的AI技术交给这个二战以后发动战争次数最多的帝国主义政府,恐怕这谈不上什么“AI安全”,口口声声说着要“AI安全”的资本家们,几乎是亲手把AI武器化了,投放到俄乌、中东战场上,任由它们夺走当地劳动人民的生命。

垄断资本家们呼吁“加强监管”,并不是良心发现,而是垄断资本之间、不同帝国主义国家之间的矛盾日益激烈的表现,虽然这些垄断资本家同为AI拜物教的信徒,但他们从来都不是铁板一块,而是进行着你死我活的斗争。这也说明资本主义到了灭亡的前夜,资产阶级为了抢夺有限的市场不得不撕破脸皮,资产阶级的造神运动终究是会彻底失败的。

2.3 左派队伍内部的AI拜物教 ​

“我们党每经历一次大斗争,清除一小撮混进党内的阶级异己分子,这是完全正常的、合乎规律的现象。每经过这样一场斗争,我们的党就更加团结了,更加巩固了,战斗力就更加坚强了。”——选自《毛泽东思想万岁》 1966年《人民日报》

看完前面的文章,是不是有同志觉得,AI拜物教的反动思想只存在于资产阶级当中、一部分落后群众当中呢?是否会觉得,我们马克思主义者的队伍中,就不会出现AI拜物教的思想呢?如果你们有这样的想法,那就大错特错了,我们队伍内部的AI拜物教思想并不少见,只是过去没有像这样的文章,对AI拜物教进行系统的批判,导致一部分同志明明搞了AI拜物教,但是不知道,这部分同志属于认识错误,还是可以纠正过来的。但还有另外一部分机会主义者,他们也许知道自己是错的,也许是不知道,但是可以肯定的是,他们是坚定不移地要宣传AI拜物教来破坏革命的。

这其中,就以“RC”(即现在的无产阶级解放斗争论坛)为代表,其领导人十月烽火就是AI拜物教的信徒,他为了体现出自己是一个“能够接受新鲜事物的革命派”,就在自己的论坛上搞了个“redgpt”,用来干嘛呢?用来分析别人的思想。可见烽火先生还是很有“创新精神”的,自从有了这个redgpt以后,他就在自己的论坛上大力推广,如果某位论坛成员说了他不喜欢的话,他就先搬出这个“redgpt”,让AI来分析人的思想、进行批判。“既然AI都说你的思想是这样,那你还有什么好狡辩的呢?”真是好一个“非我也,兵也”。

那么,这种用AI来分析人的思想的做法,会有什么问题呢?《实践论》指出,“人的认识一点也不能离开实践。”而AI是不存在实践的,虽然AI有庞大的知识库,或许可以把握一些实践的普遍规律,但它无法把握住每个人认识的特殊性,同样的抗议活动中,马克思主义者和无政府主义者的思想就是完全不一样的。如果只把“两种人都参加抗议活动”这一现象丢给AI,它很容易得出“马克思主义者和无政府主义者”有共同目标这一谬论。人的思想是复杂的,思想斗争工作需要建立在对一个人长期的实践活动了解的基础上,我们前面提到过AI的三大缺陷,用一个没有完整认识过程的AI分析有完整认识的人的思想,就像试图用一个破矿泉水瓶来装下整片大海。

第二,现在的大语言模型本质是一种概率模型,这些AI都没有固定的立场,它们就像是从大量人类语言中倒推分析出来的“思维过程的碎片”,而每次对话的时候,AI的神经网络都会根据提示词来调用一部分“思维碎片”。换句话说,AI的立场很大程度上取决于提示词,你可以让它扮演一个“马克思主义AI”,也同样可以让它扮演一个“反共AI”,对于AI来说,它并不真正具备立场。同样,如果要让AI批判一个人,或者给一个人辩护也是很简单的,通过调整提示词,AI拜物教信徒们总是能得到自己想要的答案,但是这样的答案是否符合客观事实,那就不好说了。

自称为“革命组织”的RC,在使用人工智能的问题上却不假思索地采纳了AI拜物教的观点,他们既不愿意以负责任的态度去分析人的思想,也不愿意在AI科学上下功夫,竟然用AI去分析人的思想,殊不知早已掉入了神学的陷阱。对于像十月烽火这样的神学信徒,他除了幻觉和假象外什么也不会得到,而因为采取了唯心主义神学,不仅在社会科学上犯错,在人工智能这样的自然科学上也同样要犯错。

3.AI科学何去何从? ​

写到这里,我们已经对AI拜物教进行了一个较为全面的批判,顺带介绍了当今AI科学的一些“乌云”,并批判了左派内部的一些机会主义者,作为一篇半科普、半哲学批判的文章,或许已经是成功的了。但对于AI科学和革命来说,这篇文章依然是片面的,应该说,在AI科学研究这件事上,我们马克思主义者实际上走在了群众的后面,而自发运动又不足以和无处不在的、垄断资本鼓吹的AI拜物教相抗衡。

一部分小资产阶级左派AI研究者已经通过自身的科学实践活动认识到了现在AI的缺陷,并通过自发的科普、宣传活动与资产阶级AI拜物教相斗争,但由于AI研究的数学与计算机学门槛,愿意学习、了解这些科学理论的群众比较少。在加上垄断资产阶级对这种科普进行暗中限流甚至封号,并动用大量媒体不间断地宣传AI拜物教。这种自发斗争屡战却屡败,对AI拜物教的影响杯水车薪。

在左派内部,不要说向群众进行科普了,对AI科学有基础了解的人都很少,甚至还有一部分机会主义者实际上在宣扬AI拜物教,而马克思主义者却没能对AI这一新生事物进行全面的分析。有群众批评我们的理论“落后了”,在AI科学方面,这或许是一句实话,本报读者或许已经是中国左翼中的先进分子了,有多少人能够完整看完前面的内容,并能够自己批判AI拜物教的呢?本文作者也没什么自信,虽然我已经尽量简化了科学理论部分,但恐怕依然有相当多一部分人觉得枯燥乏味,如果革命派都因为枯燥而不愿意了解自然科学,那么资产阶级就会占领自然科学的阵地并用于攻击唯物主义,这个事实我想已经不用再过多论证了。

不过科学与革命的未来,依然只能寄托于当代马克思主义者的身上,在如今这个腐朽的帝国主义的时代,资产阶级已经不能对自然科学有一丁点的积极作用,新生的AI科学到了资产阶级手里,只能成为剥削无产阶级和宣传新宗教的工具。小资产阶级学者们虽然能在科学理论上进行一些斗争,并提出一些改良主义的措施来避免AI成为剥削工具,但他们的科普无法与资产阶级无处不在的新宗教宣传相抗衡,改良主义的措施也无法阻止资产阶级用AI剥削劳动者。唯有通过革命,推翻资产阶级的统治,让无产阶级理解、掌握AI技术,才能彻底消灭AI拜物教,解放科学。

我感觉到,这样的文章和理论本身或许不会一下激起很大的水花,但正如马克思所说,“理论一经掌握群众,也会变成物质力量”。我的文章只是抛砖,而各位读者的实践才是玉,上一段所说的“彻底消灭AI拜物教,解放科学”,是无法靠文章本身达成的,需要本文读者们的实践、中国的革命派的实践、全世界革命无产阶级的实践才能达成,如果真有那么一天,实现了共产主义、彻底消灭了AI拜物教,这篇文章也就可以扔进垃圾堆了。如果你认同本文观点,愿意为革命出一份力,可以加入继续革命社,让小小的水花激起大大的涟漪,最后掀起滔天巨浪!(详情可见本报附录)