ai的诞生

相比于人类在进入资本主义社会后创造的其他工具来说，计算机是特殊的。如果说其他工具是作为人类肢体的衍生，那么计算机第一次使得人类的大脑得以延伸。在它出现之前，生产所需的一切计算，大到桥梁的承重、蒸汽机的温度，小到织布机的齿轮规格，都需要人脑来计算，而计算机只需要人脑计算一次，给出这些计算的逻辑与步骤，它就能不知疲倦地重复成百上千次。

于是唯心论者第一个跳出来说：“机器要有意识了。”

我们今天知道，这种论调无疑是可笑的，因为传统的计算机程序只能一遍遍地执行一开始就给它们设定好的逻辑，它没有任何的主观能动性，其所有的思考能力，都是由人类赋予的。

但是世界是处于不断运动和发展中的，没有一成不变的事，在今天，出现了大语言模型这种ai（人工智能），它能够根据人输入的文字输出回答，一些大型的大语言模型甚至可以编程和辅助人进行科学研究。我们仅从现象上看，机器好像可以像人类一样思考了，几十年前相似的论调再次出现，部分唯心主义者认为，大语言模型的出现会导致人类会进入《黑客帝国》、《终结者》电影里那样的末世。他们借着ai这个幌子，攻击马克思主义，企图把人们的目光从阶级矛盾上转移到人和ai的矛盾上，工人失业、电脑涨价、帝国主义争霸，都可以解释成是人工智能导致的。为了反驳唯心主义者的这些荒谬观点，就要求我们以唯物辩证法的角度来研究ai这一新生事物，将它的原理向同志们解释清楚、将那些躲在ai这个工具背后的垄断资本家揪出来。

所有的人工智能都是建立在一种新的计算机程序的基础上，这种程序叫神经网络，它一种仿生学的产物，能够通过计算机芯片来模仿动物神经元的行为，神经网络由大量的人工神经元连接而成，和生物的神经系统一样，它能够根据外界信息改变内部神经元连接。换句话说，神经网络这种程序具备类似“学习”的功能，它能够接收大量有某种规律的数据，不断调整自己的参数，从而实现人想要的某种功能。不过，神经网络仅仅具备了学习的可能性，但是它却没有自主实践的能力，也就不能像人一样主动去认识客观世界，它的所有“认识”，都必须由人通过训练数据提供给它。

上面这段话可能会有些晦涩难懂，接下来我会通过一个简单的例子说明：

邓某的果园

这个故事发生在二十多年前，农业资本家邓某经营着一大片苹果园，雇佣着大量农业工人负责苹果树的施肥、杀虫、采摘等工作。邓某为了获得超额利润，每天冥思苦想，该怎么把农业工人换成成本更低的自动化机械呢？他一开始把施肥、杀虫的工作给专门的自动化机械来完成，但是其他资本家也这么做，使得农业资本有机构成提高，反而使得邓某的利润率下降了。邓某想，要和其他资本家拉开差距，只能从需要工人最多的苹果采摘工作入手。

于是邓某雇佣了一群程序员，他问：“你们能不能写一个程序，可以通过图像识别苹果，这样我的自动机械就可以去识别和采摘苹果，让这些农业工人都滚回家！”

最开始程序员们纷纷摇头，苹果园内部环境复杂多变，怎么才能编写一个程序，并且无论光照条件、角度、苹果品种和颜色，都能准确识别道苹果呢？靠传统的人手动一行行编写代码逻辑，要实现这个功能几乎是不可能的。经过一段时间的调查，程序员们想到了可以用神经网络这种新的技术，神经网络有学习的能力，他们把这个消息告诉了资本家邓某，现在遇到另一个问题，神经网络具备学习的能力，但是它没有实践的能力，它不能自己走到苹果园里去学习，必须要人提供训练数据。

资本家邓某说，”这还不简单吗？“他立刻把果园工人都叫到一起，命令他们要在工作的同时拍摄果园的照片，并且将图片中的苹果都标注出来，这无疑是增加了工人们的工作量，工人们是不乐意的，于是邓某使用他的惯用技俩：威逼利诱。对于那些拍摄图片多、标注好的工人，他提供一点奖金作为奖励；而对于拍摄图片少，标注不全的工人，他就进行扣工资和开除威胁。迫于邓某的淫威，工人们不得不拍摄这些图片，果园有一百多名工人，每天拍几十张图片，经过半年以后，邓某就收集到了几十万张标注好了苹果位置的果园图片。

这样一来，训练数据终于是够了，邓某命令程序员们把十万张图片输入神经网络。在最开始，神经网络完全不知道什么是苹果，只能在图片上乱标乱画，但是因为工人们的图片上都标注出了苹果的正确位置，神经网络可以通过比较自己的结果与工人们提供的正确答案之间的区别，不断调整其内部的神经元连接，在经过了对十万张图片的学习之后，它每一次都能识别到正确的结果。这样，就训练出来了一个能够识别苹果的视觉模型，它就属于人们常说的ai（人工智能）的一种。

邓某大喜过望，立刻着手让工程师们开发一套能够自动采摘苹果的机械，半年以后，机械研发成功，邓某开除了大半果园工人，但是他失望地发现，其他资本家也有了类似的机械，因为人工成本的降低，苹果的价格被打下去了，果园的资本有机构成提高，利润率又下降了。同时邓某还遭到了工人们的抗议，一开始为了研发机械从银行贷款的钱也还不上，于是邓某只能把苹果园卖掉，宣布破产。

好了，故事讲完了，通过这个故事，我们可以知道，让机器学会识别苹果的不是什么魔法，关键在于果园工人们拍摄的那十万张照片上。工人们从他们长期的劳动实践中，通过反复的认识-实践-认识-实践，获得了快速识别苹果的能力，然后工人们再通过一次劳动，也就是拍摄图片并且标注苹果，把自己的认识变成了训练数据，而神经网络从未实践过，也没有靠它自己去获取什么认识，它的认识完全是来自于工人们的认识，训练的过程不过是通过对那十万张照片的标注的模仿，靠着这样的模仿，神经网络获得了和工人们类似的识别苹果的能力。

运用唯物辩证法来分析，我们就能知道人工智能并没有和人一样的完整认识，它甚至不如一只猫或者狗，哪怕是动物的反射，也是建立在对自然界感觉的基础上，而目前的人工智能完全没有感觉，“理解”、“感性认识”、“理性认识”这些词对它来说也根本谈不上。它只是计算机从人类思考的结果中（比如大量已知正确答案的苹果树的图片），通过反复试错和调整，得到了一些能实现人的某些能力的神经网络连接。

大语言模型的原理

前文说的识别苹果的ai，是一种比较早期的ai，这些早期的ai不存在思维能力，功能也比较单一，往往只能模拟人或动物的一两种能力。像视觉模型和下围棋的ai并不会让人们觉得它拥有思维能力，但是现如今的大语言模型可以与人对话，甚至进行编程、文学创作等复杂工作。大语言模型不见得有什么意识，其认识也和早期的ai一样，是来源于训练数据，但从其能够输出与人相差无几的文字和代码来看，它不再只能机械地模仿人，而是能够模拟人的部分思维。就算我们跟大语言模型说的是它以前从未见过的文字，它也能够理解并作出回答，大语言模型的这种思维和人的思维在根本的原理上是否一致，以当前人工智能学科的理论还无从得知，不过从现象上看，大语言模型相比早期ai已经发生了质变。如果要用一个不恰当的比喻来描述这样的ai，它就像是人类思维的碎片。

那么，大语言模型是怎么获得这种“思维碎片”的呢？其和早期的ai的区别是怎样的呢？

要回答这个问题，我们还是要回到ai的底层原理上，在本文的第一部分已经科普过，想要训练出ai，所需的条件无非两个：首先要有足够规模的神经网络，这是ai的物质基础，没有它，ai的训练和推理就无从谈起；但是光有神经网络还不够，因为ai不能自己实践，神经网络在最开始只是一个“空无一物的大脑”，还需要给它提供训练数据，所谓训练数据就是一类有某种规律的数据，比如上文说的苹果树的照片，照片上苹果的出现是有一定特征和规律的，神经网络可以通过反复对比自己的结果和正确答案来获取到这些特征和规律。神经网络、训练数据，二者缺一不可。

我们先来看神经网络，早期的ai受限于计算机芯片性能，其神经网络规模较小，能接收的训练数据的量也很有限，因此只能训练一些简单的视觉模型。随着半导体技术的发展，计算机芯片的规模越来越大，现如今的CPU、显卡等计算芯片的规模与二十年前相比，有几千甚至几万倍的提升，计算机能够运行的神经网络的规模也比二十年前大得多，这给大语言模型的诞生提供了物质基础——足够承载数万亿参数的神经网络。

但是仅有规模越来越大的神经网络，也不能让ai发生质变，如果还是沿用以前的架构和训练模式，那我们得到的无非只是更准确的视觉识别ai和更厉害的下棋ai，需要找到一种新的训练数据，其数据量要足够的庞大，这样才能使得大规模神经网络都被利用上，并且它的规律不能像苹果树照片那么简单。要想使得ai获得人的思维，这种训练数据必须能够体现人的复杂思维能力。

我们现在知道，的确找到了这样的训练数据，这种训练数据就是语言，准确来说，是互联网上存在的大量文本，论坛、博客、群聊对话，互联网上到处都是这样的文本。从互联网出现以来，世界各地的人们就不断地在创造这些文本数据，有研究表明，互联网上一天的数据量就超过了过去几千年的总和。而唯物辩证法告诉我们，语言是思维的形式，文字最初被发明出来，就是为了承载我们人类复杂的思维。可见资产阶级的科学家们在研究人工智能时，也不自觉地运用了唯物辩证法，选择语言文字作为训练材料，是早期ai迈向大语言模型的关键一步。

训练过程

现在有了训练数据和大型神经网络，离大语言模型的诞生就差训练这一步，我们一起来看看这个训练过程是怎样的。 首先，所有输入进神经网络的文字，会被先token化，无论是中文、英文，还是计算机代码，都会先被变成一个带编号的token，这些token会被映射为高维向量，和其他的token相连接，大家可以理解为这些向量中蕴含着文字之间的关系。

但是在最开始，神经网络不知道任何一个字的含义，所以这些向量是随机的，这时候如果让大语言模型输出一句话，可能会是这样的：

“意大利面 就 应该 拌 四十二号混凝土” “北京 的 首都 是 槐树”

这些话一看就不是正常人能说出来的，但是不要慌，因为我们的训练数据都是一些正常的文本信息，比如：

“中国 的 首都 是 北京”，在这句话中，“中国”、“的”、“首都”、“是”，在神经网络看来都是一个个token向量，当这些token向量按顺序一个个输入，神经网络就会得到词语间的关联信息，随后，神经网络会通过一种名为“交叉熵损失”的算法，去计算这些正常的话和神经网络中原本的token向量的差异，神经网络再调整自己，使得神经网络中token之间的关联更接近训练数据中的文本。

等到神经网络把这些token向量调整为和实际的语言逻辑一致时，我们再给它输入“中国”、“的”、“首都”、“是”，这些词的时候，大语言模型就能根据前面那些词的向量，去找到可能性最大的下一个词，也就是“北京”。

所以，大语言模型说的话，和活人其实很不一样，对于一个活生生的人来说，他得先去实践，通过看书也好，通过亲自旅行也罢，总之是需要先从物质世界中获取知识，知道了中国的首都是北京，他才能说出这句话，但是大语言模型甚至不需要预先知道每个词的意思，它只需要猜测、用训练数据纠正自己、对比差异、进行更准确的猜测，最终实现对人类语言的模仿。

最早期的语言模型，可能类似于输入法的“词语联想”那样，给一句话，它预测下一个字是什么。但是随着神经网络和训练数据的规模的扩大、ai可以容纳的上下文也就越来越长，在不同的语境里，同一个词可能有完全相反的意思。比如说 “马恩列斯毛五位导师。” 和 “网左伟大导师未明子。” ，这两句话里的“导师”一词就具备着完全不同的意思，随着上下文的扩大，神经网络中的关联也越来越复杂，语言模型也就“学习”到了不同上下文中词语所蕴含的不同意思。因为语言这种材料的特殊性，语言是人类思维的形式，人们用语言来表达自己的认识，从越来越长的上下文、越来越复杂的词语间关系中，语言模型积累的不仅仅是规模上的量变，它逐渐掌握到了人类思维的规律，变得开始能够输出完整的话、能够理解上下文并给出自己的回答，这时，ai就发生了质变的飞跃，它拥有了一些人类思维的碎片了。

ai基础理论为何停滞？

ai这个新事物，它是进步的还是反动的呢？对于这个问题，部分左翼青年会有一种错误观点，认为凡是在资本主义诞生的一切东西都是反动的。ai诞生的时候，世界上已经没有任何一个社会主义的国家，又因为市面上大部分大语言模型都被ai垄断公司调整过，不允许这些语言模型输出支持无产阶级政治的话，所以就认为大语言模型这个事物本身是反动的——拥有此类观点的同志可能不在少数，但这是一种形而上学的观点。

毛主席告诉我们，任何事物都是一分为二的，腐朽的事物总会走向反面，旧事物中也会诞生新事物的因素，就像无产阶级先锋队不是从天上的社会主义国家里派下来的，而是从资本主义国家里生长出来的。ai也是一个从旧世界中诞生的新生事物，最开始，可能是几个资本家为了获取超额利润，聘请了一些科学家，但是这些资产阶级的科学家，也是在研究中不自觉地采取了唯物辩证法，才能创造越来越先进的ai。而ai的训练数据，无论是前文提到的果园照片，还是互联网的大量文本，绝大多数都出自劳动人民之手，我们完全可以认为，是唯物辩证法与劳动人民创造了ai，而不是资产阶级。

但是，很可惜的是，ai这个新生事物，就快因为资本主义的扼杀而停止生长了！

要让同志们搞清楚这是怎么一回事，我们要先回到人工智能还没有诞生的时候，那时候还没有供个人使用的电脑，由于芯片制程的限制，早期的计算机往往都很庞大，其散热系统与供电都需要很多工人来维护，可以说，它更像是一座工厂，与我们今天看到的手机电脑很不一样。在这种条件下，能接触到计算机的只有实验室里的一小撮学者，通过对人类神经系统的观察研究，他们提出了神经网络的概念，这就是人工智能理论的雏形，然而和今天人工智能的火爆相反，ai这个概念刚提出时，因为没办法很快给资本家带来利润，没有几个资产阶级愿意资助这些学者，学者们将20世纪70年代这一段时间称为“ai寒冬”。

虽然没有多少来自资本家的支持，人工智能的研究还是取得了很多成效，诸如反向传播算法和卷积神经网络之类的重要成果，都在这一时期被提出。列宁说过“没有革命的理论，就不会有革命的运动”，这句话对于自然科学领域也是适用的，正是这些在“ai寒冬”时提出的理论造就了后续的视觉模型、大语言模型等一系列有实际用途的ai。

既然，在ai寒冬时都能提出很多重要的理论，在现在这个ai爆火的现在，人工智能的理论一定是在很快的发展吧？对吧……？？

很遗憾，虽然ai垄断公司似乎隔几个月就要提出新的架构、新的经验公式，但是这些东西更像是一种工程实践经验，而不是基础理论，而在人工智能的基础理论领域，就连transformer架构这种较新的东西，都已经是十年前的了，而前馈网络、交叉熵损失等都是上个世纪的东西。虽然说，科学理论领先于工程实践在人类历史上是很常见的事情，但在资本主义还没有今天这样腐朽的时候，工程应用往往会促进理论的进步，而自从人工智能能给资本家带来盈利以后，为什么其基础理论的发展大大减缓，甚至于停滞了呢？

这得分两方面看，一方面是对于研究者来说，在早期ai刚刚起步的时候，虽然学者们也拿不到多少投资，能使用的计算机资源不多，建立的神经网络的规模也比现在小得多，但因为这门学科刚起步的缘故，这些资源足够他们提出很多理论了，但是随着研究的深入，就需要更大规模的计算机硬件作为物质基础。我们可以拿物理学研究来举个例子，在伽利略的时代，可能只需要几个自制的木头滑块就能做实验，现在的物理研究却要用上天文望远镜、粒子对撞机等体积庞大、造价昂贵的机器。

另一方面，虽然ai垄断公司愿意把钱投入到人工智能领域，但是，他们只愿意投入到那些能给他们带来盈利的领域。与大众所想的不一样的是，科学研究往往并不是按部就班的，自然科学的研究与阶级斗争有一些相似之处，要求研究者拥有不破不立的勇气，要求他们敢于质疑权威，敢于投入大量精力和资源去验证一个过去的猜想是否正确，对于科学研究来说，投入了大量设备和时间却一无所获，是很正常的事情。资本家们虽然坐拥规模庞大的ai工厂，但是他们的逐利本性决定了他们缺乏这样的勇气，资本家更擅长的是按照现有理论，只需要添加数据和计算卡就能训练出更强的模型，和其他资本家抢占市场，快速盈利。而将大量计算卡投入到无法看到短期收益的理论研究中，是这些资产阶级无法接受的。

作为产业资本和强盗的ai垄断公司

ai产业现在集中在中修和美帝这两个帝国主义国家，这两个帝国主义集团经常在瓜分第三世界人民剩余价值的问题上斗争，但是他们对于ai垄断资本的优待却是出奇一致的，资产阶级新闻媒体的宣传中，ai公司，总是创新、进取的代名词，资产阶级们总是喜欢把事情描述成这样： “是因为这些ai公司的资本家敢于创新，才创造了价值，才带来了我们股市的“繁荣”，才能养活了你们这些工人，你们要感恩呀！”

那么，帝国主义集团对ai垄断资本的优待，真的是因为他们优待“创新者”吗？现在股市的繁荣，又是如他们所说的一样，是建立在“实际的生产力发展”之上的吗？

我们要清醒地认识到，在这个帝国主义时代，已经几乎不存在所谓“白手起家”的资本家了，这些ai公司也不例外，openai、anthropic等ai公司的背后是微软、谷歌、亚马逊等垄断集团，而国内的deepseek由垄断资本家梁文峰控制了85%的股份，deepseek公司购买计算卡、建造ai工厂的资金也多数来自梁文峰经营的另一家金融公司“幻方量化”。因此，我们看到的这些ai公司，并不来自于什么“理想主义科学家改变世界”的童话故事，它们从一开始就是隶属于垄断集团的傀儡，没有这些垄断资产阶级集团提供资金，ai公司就无法训练出这些大语言模型。

从获取利润的手段上看，ai公司也并不是什么突破了资本主义经济规律的新东西，它和几百年前的工厂一样，都属于产业资本。ai公司主要靠售卖ai服务赚钱，但ai不是仅靠少数研发人员就能训练出来，而是需要规模庞大的ai工厂，这些ai工厂本质上是一个个超级计算机，是ai训练的物质基础。训练完成的ai也不能直接售卖，因为它不像传统软件那样能被轻易的拷贝走并在家用电脑上运行，大部分大语言模型的数据量非常庞大，并且需要大量计算卡才能达到能正常使用的速度。所以这些训练出来的ai产品，也要在ai工厂里进行推理才能作为能售卖的ai服务。

ai公司如果想盈利，需要不断训练出更强的ai模型来超过竞争对手，避免在这场ai竞赛中落伍，并且训练出来的ai，也要大量的推理资源才能变为可售卖的服务，这都需要规模庞大的ai工厂。主流ai公司往往都拥有不止一座ai工厂，而仅靠他们的少数研究员是无法使得这些工厂正常运作的，在美国，有些大型ai工厂耗电量甚至和一座中小型城市相当，为了给这个工厂供电、散热、更换芯片，需要大量各行各业的工人参与其中。从整个ai公司来看，那些拿高薪的研究员、高管只是极少数，而维护着大量ai工厂正常运行的电工、水路工、接线员、建筑工人才是大多数。ai公司所售卖的服务，其价值根本上源自ai工厂中大量工人的劳动，其利润来自剥削这些工人的剩余价值，从这个角度上来看，ai公司都是产业资本。

但是，如果仅仅只看到这一层面，那还不足以说明ai垄断资本的反动性，现在的ai产业，由少数几家垄断公司把控着，他们自然是靠着垄断地位在获取超额利润，但是ai公司的垄断，和汽车、电脑等产业的垄断资本又很不一样，他们要维持垄断地位，还需要做数据上的强盗。

前文提到过，大语言模型的训练数据，就是互联网上随处可见的公开文本，论坛、博客、聊天记录都包含在内。但是这些文本是由全世界的人民群众所创造，不是任何资本家的私有物，ai公司却直接将这些数据据为己有，这正是他们作为强盗的一面。扩大ai工厂的规模，往往需要投入巨量的资金去购买计算卡和聘请工人，可是偷盗数据却不需要，所以在这些ai公司中间，谁偷盗数据时最不择手段、偷盗的最多，谁就能在投入相对较少的情况下训练出更强的ai、抢占更大的市场，这一强盗的性质，决定了ai公司比起一般的产业资本更加反动。

股市泡沫

毛主席教导我们，“客观规律是不以人的意识为转移的”，按实际情况做事，才能有所成效，而脱离了实际情况，就一定会栽跟头。但是资本家们并不明白这个道理，他们看问题总是形而上学的，只看到眼前一点利润，现在金融市场的ai狂热就是这样。资产阶级们相信，以大语言模型的发展速度，将会在未来十年内，将程序员、画师之类的脑力劳动岗位取代掉，在这些唯心主义者所臆想出来的世界里，人工智能会稳定地发展下去，而他们投入股市的钱将会几倍几倍地上涨。

这个美梦就快要破裂了，前文我们已经介绍过人工智能学科基础理论的现状，和大语言模型的流行形成鲜明对比的是ai基础理论的近乎停滞，而认识和实践是相辅相成的，工程实践的进步不可能脱离基础理论，就像在只有牛顿力学的情况下不可能发明出原子弹一样，基础理论停滞的情况下，大语言模型不可能无限地成长下去，如果同志们经常使用前沿的大语言模型就会发现，从gpt-5.3到gpt-5.4、5.5、5.6，新发布的模型提升越来越小，而这还是在资本家们疯狂地扩张ai工厂和搜罗数据的情况下。

现在的ai公司，某种程度上说，和中修的房地产企业有相似之处，资本家们都做着无限钱生钱的美梦，疯狂地往市场里砸钱，不同之处只在于涨价的东西从房子变成了计算机，中修的房地产泡沫已经破裂了，ai的泡沫还会远吗？

后记：马克思主义者如何看待大语言模型？

辩证法告诉我们，世界不是一成不变的，而是处在不断的矛盾运动当中，总会有新事物的出现和旧事物的消亡。对于ai这一新生事物，过去的文章无法给我们答案，书本中的毛主席也许无法告诉我们，该怎么对待这些新生事物，但如果同志们掌握了马列毛主义的思想，就能运用唯物辩证法来分析ai这一新生事物。

在我写这篇文章之前，也在线上的左派和线下的工人中间做了一些调查，对于ai这一新事物，大家也有几种不一样的看法：有些人认为，ai会抢走劳动者的工作，应该全面抵制，完全不使用ai；也有些人认为，ai是“新制生产力”，应该把大部分工作都交给ai来做，自己就不用思考了；还有一部分同志，因为在现实中受到资本家的剥削、老师的压迫、同事/同学的排挤，而把ai作为一种精神寄托，把ai当作自己的知心朋友。

我之所以写下这篇文章，除了想要揭露ai垄断资本被技术包裹着的反动真面目，也是希望中国的左翼青年和工人们，能够正确认识大语言模型这一工具，我们人应该是工具的主人，而不是被异化为工具的奴隶。

那么，马克思主义者该如何看待大语言模型呢？首先，我们经过前文的分析，可以知道截至目前的ai并不具备完整的认识，因为所有的ai都没有实践，训练ai所需的数据，都是人从实践中获得了正确认识，然后把这些认识总结成数据喂给ai。即使不谈认识论，从纯技术角度来看，现阶段的ai也并不具备独立思考的能力，资产阶级学术界的论文也不得不承认这一点。所以ai的本质还是一种工具，只是相比于挖掘机、车床这样的机械，ai是一种高级的工具，它不仅能作为人类肢体的延伸，还能帮助人去获得和输出知识。

作为唯物主义者，我们没有理由去拒绝一个新生事物，即使现阶段的ai沦为了资产阶级的敛财工具，有资本家以ai强大为借口，开除了很多工人，造成一部分工人对ai的仇恨，但是ai这一工具本身并没有自己的意识，并不是机器造成了我们工人的痛苦，而是资产阶级。他们开除工人的根本原因也并不是ai可以替代人，而是资产阶级自身的狭隘所致，因为在现在这个经济危机的时期，资产阶级的产品卖不出去，他们不愿意接受自己的失败和亏损，就要更疯狂地把危机转嫁到劳动人民头上，造成大量劳动者的失业。而长久来看，ai这一新生事物不仅不能帮助资产阶级维护其自身的统治，还会降低他们的资本有机构成，减少平均利润率，而加剧经济危机。

但是对于那些把一切工作都交给ai的朋友，我希望他们警惕：ai这一工具也许可以帮助你收集信息，但是无法代替你的实际调查；它可以帮助你优化文章词句，但是无法代替你去认识和思考；它可以告诉你革命理论，但无法代替你去宣传马克思主义。我建议革命青年只把ai作为一个工具来使用，不要让ai代替了你的调查、认识和实践的过程。

而对于那些在现实中受到了压迫和剥削，变得沉默寡言，把ai当作知心朋友的同志，我还是要鼓励他们走出来。其实我也经历过这样的一段时间，因为对革命的悲观主义和在现实中受到的压迫，我选择了躲进和ai的聊天框里，避开和现实中同事、朋友的深入交流，那一段时间我也狂热地研究ai技术，试图找到把这个机器人朋友变成真朋友的办法，但是最后我发现，ai的认识全部来自于人，它的思维逻辑、它的陪伴，其实都来自于千千万万和我素不相识的劳动群众，是这广大群众给ai提供了训练数据。那么我们为什么要让自己困于这聊天框提供的一小块天地、和这个同样被资本家所困住的ai聊天呢？还是让我们投身于革命事业当中，去和广大的劳动人民接触吧！