胡懋仁：人工智能技术否定不了劳动价值论

　　有关人工智能的话题已经越来越多了，有些话题也会越来越敏感。比如，人工智能在生产领域中的运动，会不会从根本上否定马克思的劳动价值论，否定剩余价值理论?对这个问题的肯定回答或者否定回答，在当前人工智能应用的程度上都有不小的难度，也就是说，现在要给出完整、准确和全面的回答，都不那么简单和容易。当然，这是一个非常值得思考和探讨的问题。

　　对这一类问题的思考大概需要一个较长的时间。因为要回答这个问题，不可能脱离当前人工智能在生产领域中应用的具体实践。没有足够的实践，就想一下子把问题回答得很圆满，基本没有这种可能性。所以思考这个问题需要一个过程，回答这个问题同样也需要一个过程。而且在这方面的思考过程所需要的时间都会持续一个较长的跨度。

　　我们不能奢望只用几个方面的思考就能够回答这个问题。但是我们总还是可以一步一步地走，从某种起点出发，先走出几步，如果后面再涉及到更深入的问题，那么我们的思考就可以向前走向更加深入的领域和方面。

　　涉及到劳动价值论的问题，或者涉及到剩余价值理论的问题，我们必须从劳动者这个概念出发，有很多所涉及的问题也都离不开对劳动者这个概念的思考。在当前全球工业化的存在来说，现在的生产领域都存在着大量的、程度不同的、涉及范围极其广泛的分工。在当前的生产力的水平上，分工还是无法避免的。而从事这种分工状态下的生产劳动，都需要对劳动者所从事的生产劳动，都需要进行必须的培训，或者说需要教育和训练。现在绝大多数劳动岗位，如果没有经过培训，是无法上岗的，也就是没有能力直接从事这个领域的生产劳动的。

　　那种认为有了机器，有了自动化，有了人工智能，对劳动者本身的存在就是无关紧要的结论是比较草率的。这样的观点没有任何依据。徜若没有了劳动者的参与，生产活动本身就没有任何意义。这个道理说起来并不复杂，但是有的人就是不明白。这大约不是通过所谓说理就能让他们明白的。对这个问题的解答还是要从人类的生产实践中去寻找。

　　从一个简单的前提出发，将来进入生产更多领域的人工智能，首先就是需要进行必要的培训。没有经过培训的人工智能，同没有经过培训的人类劳动者一样，无法胜任生产领域中的任何操作。而这种训练肯定不能由既有的人工智能来操作，不可能由既有的人工智能来实现，更不可能由既有的人工智能来完成。所以，对不同领域生产过程所使用的人工智能的培训，仍然需要人类的参与，特别是需要人类的智力或者脑力甚至体力方面的参与。正如现在的ChatGpt，OpenAI，或者Deepseek等人工智能大模型，都需要经过较长时间的训练。

　　Deepseek之所以在人工智能领域能够异军突起，其中一个原因就在于，对这种中国的人工智能大模型进行训练的成本要远低于其他美国的人工智能大模型。Deepseek在培训大模型的时候，成本低，耗电少，效率还很高。这与中国的青年科技工作者们所付出的艰辛的劳动是分不开的。中国青年科技工作者的劳动创造出了Deepseek的商业价值。推而广之，几乎所有的当下里存在的人工智能大模型都离不开大量的科技人员参与的艰苦劳动。因此，我们完全有理由认为，或者有理由想象，将来几乎全部进入生产领域的人工智能装备，都需要在前期所进行的大量的培训。而这一类的培训都需要投入大量的人力。至少在这个阶段，劳动创造价值的事实是无法被抹杀和否定的。

　　再有，人工智能进入生产领域中的装备，在使用过程中，其可靠性从来就不可能是百分之百绝对的。前不久，小米自动驾驶汽车在行驶中出现故障，导致严重的亡人事故。由此可见这种智能设备的可靠性是存在着较大问题的。人类在生产领域中，使用人工智能，不可能把全部的监控职能都完全交给人工智能自身。因为人类制造的任何装备，都不存在百分之百的绝对可靠性，所以再先进的人工智能装备，在生产领域中应用的时候，依然需要人类对其进行必要的监控。如果没有人类参与的监控，万一人工智能装备本身发生故障，那么就完全可能出现较大的危险或灾难。因此，必须通过人类的干预来解决人工智能设备可能出现故障的问题。当然，有些不太严重的小问题是可能靠人工智能自身来解决和排除的。然而，总会有某些带有根本性的，或者相对复杂的故障不是人工智能自身就能解决的。如果没有人类的参与，就可能发生大事故。

　　因此，人类对人工智能的监控，以及人类在发现人工智能出现故障的时候所参与的检修，也是人类劳动创造价值的一种体现。人类在这个方面的劳动肯定在参与产品价值的创造过程之中。另外，人工智能装备在生产过程中，所可能发生的故障，其中有一部分是人们通过预料得到的，因此可以做出提前的预案，甚至可以在人工智能本身嵌入相关的解决故障的软件和硬件，以备随时解决这类有可能出现的故障。但是，我们不能绝对确定，人工智能装备有可能出现的故障一定是我们完全能够预料得到的。毕竟，现实的生产环境情况是复杂的，有可能造成各种影响的因素也同样很复杂。在这种情况下，人类对装备监控所积累的经验、处置各种问题的手段，都完全可能在处置人工智能装备所产生故障的过程中发挥着重要的作用。

　　人类在将来的生产过程中，总会探索更多的现在还是未知的领域，如我们对深海的探索，对深空的探索，对深地的探索，对这些领域的探索都不可能由现存的人工智能装备来实施。因为在这些领域里，有太多的未知因素，有太多的未知的危险，有太多的未知的环境。任何现成的人工智能装备都不可能对这些高风险的环境都能有最充分最可靠的处置手段。例如在面对高温、高压、高密度质量等这类环境时，这些未知因素都会以怎样的数据存在着，他们的阈值都在什么位置上，如果我们在此之前没有探索过，我们对此肯定都一无所知。所以，我们也无法设计出真正适合这些环境的人工智能装备。我们只能一点点地探索，一点点地了解更多的细节和参数，然后才有可能改进我们为此设计的人工智能装备。这些需要大量人的智力与体力的劳动，哪一个不是在创造新的价值?

　　有人认为，将来我们会制造出所谓通用人工智能，能够处理和解决很多领域中的问题，完成更多领域中的任务。但是在现实中，正如没有万能的通用劳动者一样，所谓通用的人工智能技术或者设备，其通用性也只能是相对的，有限的，不存在绝对的和无限的适用空间。所以有一点是非常明确的。无论人工智能发展得再先进，再拉风，都不可能离开人类的参与。只要有人类劳动的参与，那么人类劳动对价值的创造就是必然的。