Τεχνητή Νοημοσύνη και ChatGPT: θα αλλάξει το παιχνίδι;

Το ChatGPT αναγγέλλεται ως επανάσταση στην “τεχνητή νοημοσύνη” (AI) και έχει κατακλύσει τον κόσμο των μέσων ενημέρωσης και της τεχνολογίας από τα τέλη του 2022.

Σύμφωνα με το OpenAI, το ChatGPT είναι “μια τεχνητή νοημοσύνη που έχει εκπαιδευτεί για να βοηθάει σε μια ποικιλία εργασιών”. Πιο συγκεκριμένα, είναι ένα μεγάλο γλωσσικό μοντέλο (LLM) σχεδιασμένο να παράγει κείμενο που μοιάζει με ανθρώπινο και να συνομιλεί με ανθρώπους, εξ ου και το “Chat” στο ChatGPT.

Το GPT σημαίνει Generative Pre-trained Transformer (Γενετικός Προεκπαιδευμένος Μετασχηματιστής). Τα μοντέλα GPT προ-εκπαιδεύονται από ανθρώπους προγραμματιστές και στη συνέχεια αφήνονται να μάθουν μόνα τους και να παράγουν ολοένα και μεγαλύτερες ποσότητες γνώσης, παρέχοντας αυτή τη γνώση με σωστό τρόπο στους ανθρώπους (chat).

Πρακτικά, αυτό σημαίνει ότι παρουσιάζετε στο μοντέλο ένα ερώτημα ή αίτημα εισάγοντας το σε ένα πλαίσιο κειμένου. Στη συνέχεια, η τεχνητή νοημοσύνη επεξεργάζεται αυτό το αίτημα και απαντά με βάση τις πληροφορίες που έχει στη διάθεσή της. Μπορεί να κάνει πολλές εργασίες, από τη διεξαγωγή μιας συνομιλίας έως τη συγγραφή μιας ολόκληρης εργασίας για τις εξετάσεις- από τη δημιουργία ενός λογότυπου μάρκας έως τη σύνθεση μουσικής και πολλά άλλα. Πολύ περισσότερα από μια απλή μηχανή αναζήτησης τύπου Google ή Wikipedia, όπως υποστηρίζεται.

Οι άνθρωποι προγραμματιστές εργάζονται για την αύξηση της “νοημοσύνης” των GPT. Η τρέχουσα έκδοση του GPT είναι η 3.5, ενώ η 4.0 θα κυκλοφορήσει μέχρι το τέλος του τρέχοντος έτους. Και φημολογείται ότι το ChatGPT-5 θα μπορούσε να επιτύχει “τεχνητή γενική νοημοσύνη” (AGI). Αυτό σημαίνει ότι θα μπορούσε να περάσει το τεστ Turing, το οποίο είναι ένα τεστ που καθορίζει αν ένας υπολογιστής μπορεί να επικοινωνεί με τρόπο που να μην διακρίνεται από έναν άνθρωπο.

Τα LLM θα αλλάξουν το παιχνίδι για τον καπιταλισμό σε αυτή τη δεκαετία; Θα μπορέσουν αυτές οι μηχανές που μαθαίνουν μόνες τους να αυξήσουν την παραγωγικότητα της εργασίας με πρωτοφανή ρυθμό και έτσι να βγάλουν τις μεγάλες οικονομίες από την τρέχουσα “μακρά ύφεση” της χαμηλής αύξησης του πραγματικού ΑΕΠ, των επενδύσεων και του εισοδήματος- και στη συνέχεια να επιτρέψουν στον κόσμο να κάνει νέα βήματα για την έξοδο από τη φτώχεια; Αυτό ισχυρίζονται ορισμένοι από τους “τεχνο-αισιόδοξους” που απασχολούν τα μέσα ενημέρωσης.

Ας εξετάσουμε τις απαντήσεις σε αυτά τα ερωτήματα.

Πρώτον, πόσο καλές και ακριβείς είναι οι σημερινές εκδόσεις του ChatGPT; Λοιπόν, όχι πολύ, τουλάχιστον ακόμα. Υπάρχουν πολλά “γεγονότα” στον κόσμο για τα οποία οι άνθρωποι διαφωνούν. Η συστηματική αναζήτηση σας επιτρέπει να συγκρίνετε αυτές τις εκδοχές και να εξετάσετε τις πηγές τους. Ένα γλωσσικό μοντέλο, αντίθετα, θα προσπαθήσει να υπολογίσει κάποιο είδος μέσου όρου κάθε γνώμης στην οποία έχει εκπαιδευτεί – πράγμα που μερικές φορές είναι αυτό που θέλετε, αλλά πολύ συχνά δεν είναι. Το ChatGPT γράφει μερικές φορές απαντήσεις που ακούγονται εύλογες αλλά είναι λανθασμένες ή ανούσιες. Επιτρέψτε μου να σας δώσω μερικά παραδείγματα.

Ρώτησα το ChatGPT 3.5: ποιος είναι ο Michael Roberts, μαρξιστής οικονομολόγος; Αυτή ήταν η απάντηση: “Ο Ρόμπερτς Ρόμπερτς είναι ένας από τους σημαντικότερους επιστήμονες της ανθρωπότητας.

Αυτή είναι ως επί το πλείστον σωστή απάντηση, αλλά είναι και λάθος σε ορισμένα σημεία (δεν θα πω ποια).

Στη συνέχεια του ζήτησα να αξιολογήσει το βιβλίο μου, The Long Depression. Αυτό είναι που είπε:

Αυτό δίνει μια πολύ “γενική” κριτική ή σύνοψη του βιβλίου μου, αλλά παραλείπει τον πυρήνα της θέσης του βιβλίου: τον ρόλο της κερδοφορίας στις κρίσεις του καπιταλισμού. Γιατί; Δεν ξέρω.

Έτσι έκανα αυτή την ερώτηση σχετικά με το νόμο του Μαρξ για την κερδοφορία:

Και πάλι, αυτό είναι σε γενικές γραμμές σωστό – αλλά μόνο σε γενικές γραμμές. Η απάντηση δεν σας οδηγεί πραγματικά πολύ βαθιά στην κατανόηση του νόμου. Στην πραγματικότητα, δεν είναι καλύτερη από τη Wikipedia. Φυσικά, μπορείτε να αναζητήσετε και να προτρέψετε περαιτέρω ώστε να πάρετε πιο λεπτομερείς απαντήσεις. Φαίνεται όμως ότι υπάρχει αρκετός δρόμος για την Τεχνητή Νοημοσύνη μέχρι να αντικαταστήσει την ανθρώπινη έρευνα και ανάλυση.

Στη συνέχεια, υπάρχει το ζήτημα της παραγωγικότητας της εργασίας και των θέσεων εργασίας. Οι οικονομολόγοι της Goldman Sachs εκτιμούν ότι αν η τεχνολογία ανταποκρινόταν στις υποσχέσεις της, θα έφερνε “σημαντική αναστάτωση” στην αγορά εργασίας, ισοδυναμώντας με την αυτοματοποίηση των εργασιών 300 εκατομμυρίων εργαζομένων πλήρους απασχόλησης στις μεγάλες οικονομίες. Οι δικηγόροι και οι διοικητικοί υπάλληλοι θα είναι μεταξύ εκείνων που κινδυνεύουν περισσότερο να απολυθούν (και πιθανότατα οι οικονομολόγοι). Υπολογίζουν ότι περίπου τα δύο τρίτα των θέσεων εργασίας στις ΗΠΑ και την Ευρώπη είναι εκτεθειμένα σε κάποιο βαθμό αυτοματοποίησης μέσω τεχνητής νοημοσύνης, με βάση τα στοιχεία για τα καθήκοντα που τυπικά εκτελούνται σε χιλιάδες επαγγέλματα.

Οι περισσότεροι άνθρωποι θα δουν λιγότερο από το ήμισυ του φόρτου εργασίας τους να αυτοματοποιείται και πιθανότατα θα συνεχίσουν τις εργασίες τους, με κάποιο μέρος του χρόνου τους να απελευθερώνεται για πιο παραγωγικές δραστηριότητες. Στις ΗΠΑ, αυτό θα ίσχυε για το 63% του εργατικού δυναμικού, υπολόγισαν. Ένα επιπλέον 30% που εργάζεται σε φυσικές ή υπαίθριες εργασίες δεν θα επηρεαζόταν, αν και η εργασία τους θα μπορούσε να είναι ευάλωτη σε άλλες μορφές αυτοματοποίησης.

Οι οικονομολόγοι της GS κατέληξαν στο συμπέρασμα: “Τα ευρήματά μας αποκαλύπτουν ότι περίπου το 80% του εργατικού δυναμικού των ΗΠΑ θα μπορούσε να επηρεαστεί τουλάχιστον κατά το 10% των εργασιακών του καθηκόντων από την εισαγωγή των LLM, ενώ περίπου το 19% των εργαζομένων μπορεί να δει τουλάχιστον το 50% των καθηκόντων του να επηρεάζεται”.

Με πρόσβαση σε ένα LLM, περίπου το 15% όλων των εργασιών των εργαζομένων στις ΗΠΑ θα μπορούσε να ολοκληρωθεί σημαντικά ταχύτερα, διατηρώντας το ίδιο επίπεδο ποιότητας. Όταν ενσωματώνεται λογισμικό και εργαλεία που έχουν κατασκευαστεί πάνω σε LLMs, το ποσοστό αυτό αυξάνεται στο 47-56% όλων των εργασιών. Περίπου το 7% των εργαζομένων στις ΗΠΑ εργάζονται σε θέσεις εργασίας όπου τουλάχιστον τα μισά από τα καθήκοντά τους θα μπορούσαν να εκτελεστούν από τη γενετική τεχνητή νοημοσύνη και είναι ευάλωτοι προς αντικατάσταση. Σε παγκόσμιο επίπεδο, δεδομένου ότι οι χειρωνακτικές εργασίες αποτελούν μεγαλύτερο μερίδιο της απασχόλησης στον αναπτυσσόμενο κόσμο, η GS εκτιμά ότι περίπου το ένα πέμπτο των εργασιών θα μπορούσε να γίνει από την ΤΝ – ή περίπου 300 εκατ. θέσεις εργασίας πλήρους απασχόλησης σε μεγάλες οικονομίες.

Αυτές οι προβλέψεις για την απώλεια θέσεων εργασίας δεν είναι κάτι καινούργιο. Σε προηγούμενες αναρτήσεις, έχω περιγράψει διάφορες προβλέψεις σχετικά με τον αριθμό των θέσεων εργασίας που θα χαθούν από τα ρομπότ και την τεχνητή νοημοσύνη κατά την επόμενη δεκαετία ή και περισσότερο. Φαίνεται να είναι τεράστιος- και όχι μόνο στις χειρωνακτικές εργασίες στα εργοστάσια, αλλά και στις λεγόμενες εργασίες των λευκών κολάρων (σ.μ. δουλειές γραφείου, κυρίως στελεχών).

Είναι στην καρδιά της καπιταλιστικής συσσώρευσης η προοπτική ότι οι εργαζόμενοι θα αντιμετωπίζουν συνεχώς τον κίνδυνο απώλειας της εργασίας τους λόγω των καπιταλιστικών επενδύσεων σε μηχανές. Η αντικατάσταση της ανθρώπινης εργασίας από μηχανές ξεκίνησε στην αρχή της Βρετανικής Βιομηχανικής Επανάστασης στην κλωστοϋφαντουργία, και η αυτοματοποίηση έπαιξε σημαντικό ρόλο στην αμερικανική εκβιομηχάνιση κατά τη διάρκεια του 19ου αιώνα. Η ταχεία εκμηχάνιση της γεωργίας που ξεκίνησε στα μέσα του 19ου αιώνα είναι ένα άλλο παράδειγμα αυτοματισμού.

Όπως εξήγησε ο Ένγκελς, η μηχανοποίηση όχι μόνο έκοβε θέσεις εργασίας, αλλά συχνά δημιουργούσε και νέες θέσεις εργασίας σε νέους τομείς. Αυτό σημείωνε ο Ένγκελς στο βιβλίο του Η κατάσταση της εργατικής τάξης στην Αγγλία (1844) – βλ. το βιβλίο μου για τα οικονομικά του Ένγκελς σελ. 54-57. Αλλά όπως το έθεσε ο Μαρξ τη δεκαετία του 1850: “Τα πραγματικά γεγονότα, τα οποία διαστρεβλώνονται από την αισιοδοξία των οικονομολόγων, είναι τα εξής: οι εργάτες, όταν εκδιώκονται από τα εργαστήρια λόγω των μηχανών, μπαίνουν ξανά στην αγορά εργασίας. Η παρουσία τους στην αγορά εργασίας αυξάνει τον αριθμό της εργατικής δύναμης που είναι στη διάθεση της καπιταλιστικής εκμετάλλευσης… η επίδραση των μηχανημάτων, η οποία παρουσιάζεται ως ευλογία για την εργατική τάξη, είναι, αντίθετα, η πιο τρομακτική μάστιγα. …. Μόλις τα μηχανήματα απελευθερώσουν ένα μέρος των εργατών που απασχολούνται σε ένα δεδομένο κλάδο της βιομηχανίας, οι εφεδρικοί εργάτες εκτρέπονται επίσης σε νέα κανάλια απασχόλησης και απορροφώνται σε άλλους κλάδους- εν τω μεταξύ, τα αρχικά θύματα, κατά τη διάρκεια της μεταβατικής περιόδου, κατά το μεγαλύτερο μέρος τους λιμοκτονούν και πεθαίνουν” [Grundrisse]. Το συμπέρασμα εδώ είναι ότι η αυτοματοποίηση σημαίνει αύξηση των επισφαλών θέσεων εργασίας και αύξηση της ανισότητας.

Μέχρι σήμερα, η μηχανοποίηση εξακολουθεί να απαιτεί ανθρώπινη εργασία για την έναρξη και τη συντήρησή της. Αλλά μήπως τώρα οδεύουμε προς την κατάληψη όλων των εργασιών, και ιδιαίτερα εκείνων που απαιτούν πολυπλοκότητα και ιδέες με συστήματα LLM; Και θα σημάνει αυτό μια δραματική αύξηση της παραγωγικότητας της εργασίας, ώστε ο καπιταλισμός να αποκτήσει νέα ώθηση;

Αν τα LLM μπορούν να αντικαταστήσουν την ανθρώπινη εργασία και έτσι να αυξήσουν δραματικά το ποσοστό της υπεραξίας, αλλά χωρίς απότομη αύξηση του κόστους επένδυσης σε υλικά μηχανήματα (αυτό που ο Μαρξ ονόμασε αυξανόμενη οργανική σύνθεση του κεφαλαίου), τότε ίσως η μέση κερδοφορία του κεφαλαίου να κάνει άλμα από τα σημερινά χαμηλά της.

Η Goldman Sachs ισχυρίζεται ότι αυτά τα γενετικά συστήματα τεχνητής νοημοσύνης, όπως το ChatGPT, θα μπορούσαν να πυροδοτήσουν μια έκρηξη παραγωγικότητας που θα αύξανε τελικά το ετήσιο παγκόσμιο ΑΕΠ κατά 7% σε μια δεκαετία. Εάν οι εταιρικές επενδύσεις στην ΤΝ συνέχιζαν να αυξάνονται με παρόμοιο ρυθμό με τις επενδύσεις σε λογισμικό που έγιναν στη δεκαετία του 1990, οι επενδύσεις σε ΤΝ μόνο στις ΗΠΑ θα μπορούσαν να προσεγγίσουν το 1% του ΑΕΠ των ΗΠΑ μέχρι το 2030.

Δεν θα υπεισέλθω στον τρόπο με τον οποίο η GS υπολογίζει αυτά τα αποτελέσματα, διότι τα αποτελέσματα είναι στην πραγματικότητα εικασίες. Αλλά ακόμη και αν δεχτούμε τα αποτελέσματα, είναι τόσο εκθετικό άλμα; Σύμφωνα με τις πιο πρόσφατες προβλέψεις της Παγκόσμιας Τράπεζας, η παγκόσμια ανάπτυξη θα μειωθεί κατά περίπου το ένα τρίτο από τον ρυθμό που επικρατούσε την πρώτη δεκαετία του αιώνα μας, σε μόλις 2,2% ετησίως. Και το ΔΝΤ τοποθετεί τον μέσο ρυθμό ανάπτυξης στο 3% ετησίως για το υπόλοιπο αυτής της δεκαετίας.

Αν προσθέσουμε την πρόβλεψη της GS για τον αντίκτυπο των LLMs, έχουμε περίπου 3,0-3,5% ετησίως για την παγκόσμια πραγματική αύξηση του ΑΕΠ, ίσως – και αυτό δεν λαμβάνει υπόψη την αύξηση του πληθυσμού. Με άλλα λόγια, ο πιθανός αντίκτυπος δεν θα είναι καλύτερος από τον μέσο όρο που παρατηρείται από τη δεκαετία του 1990. Αυτό μας θυμίζει αυτό που ο οικονομολόγος Ρόμπερτ Σόλοου είπε περίφημα το 1987 ότι “η εποχή των υπολογιστών βρίσκεται παντού εκτός από τις στατιστικές για την παραγωγικότητα”.

Ο Αμερικανός οικονομολόγος Daren Acemoglu προσθέτει ότι δεν αυξάνουν όλες οι τεχνολογίες αυτοματοποίησης στην πραγματικότητα την παραγωγικότητα της εργασίας. Αυτό οφείλεται στο γεγονός ότι οι εταιρείες εισάγουν αυτοματισμούς κυρίως σε τομείς που μπορεί να ενισχύσουν την κερδοφορία, όπως το μάρκετινγκ, η λογιστική ή η τεχνολογία ορυκτών καυσίμων, αλλά δεν αυξάνουν την παραγωγικότητα για το σύνολο της οικονομίας ή δεν καλύπτουν κοινωνικές ανάγκες. Η Big Tech έχει μια ιδιαίτερη προσέγγιση στις επιχειρήσεις και την τεχνολογία που επικεντρώνεται στη χρήση αλγορίθμων για την αντικατάσταση των ανθρώπων. Δεν είναι τυχαίο ότι εταιρείες όπως η Google απασχολούν λιγότερο από το ένα δέκατο του αριθμού των εργαζομένων που απασχολούσαν στο παρελθόν μεγάλες επιχειρήσεις, όπως η General Motors. Αυτό είναι συνέπεια του επιχειρηματικού μοντέλου της Μεγάλης Τεχνολογίας, το οποίο βασίζεται όχι στη δημιουργία θέσεων εργασίας αλλά στην αυτοματοποίησή τους.

Αυτό είναι το επιχειρηματικό μοντέλο για την τεχνητή νοημοσύνη στο πλαίσιο του καπιταλισμού. Όμως, στο πλαίσιο της συνεταιριστικής κοινότητας που κατέχει αυτοματοποιημένα μέσα παραγωγής, υπάρχουν πολλές εφαρμογές της τεχνητής νοημοσύνης που θα μπορούσαν αντίθετα να αυξήσουν τις ανθρώπινες ικανότητες και να δημιουργήσουν νέα καθήκοντα στην εκπαίδευση, την υγειονομική περίθαλψη, ακόμη και στη μεταποίηση. Ο Acemoglu πρότεινε ότι “αντί να χρησιμοποιούμε την ΤΝ για αυτοματοποιημένη βαθμολόγηση, βοήθεια για το σπίτι, και όλο και περισσότερο για την αντικατάσταση των δασκάλων από αλγόριθμους, μπορούμε να επενδύσουμε στη χρήση της ΤΝ για την ανάπτυξη πιο εξατομικευμένων, μαθητοκεντρικών μεθόδων διδασκαλίας που είναι βαθμονομημένες στις συγκεκριμένες δυνατότητες ή αδυναμίες διαφορετικών ομάδων μαθητών. Τέτοιες τεχνολογίες θα οδηγούσαν στην απασχόληση περισσότερων εκπαιδευτικών, καθώς και στην αύξηση της ζήτησης για νέες δεξιότητες εκπαιδευτικών – έτσι ακριβώς πηγαίνοντας προς την κατεύθυνση της δημιουργίας νέων θέσεων εργασίας με επίκεντρο νέα καθήκοντα”. Και αντί να μειωθούν οι θέσεις εργασίας και τα μέσα διαβίωσης των ανθρώπων, η τεχνητή νοημοσύνη υπό κοινή ιδιοκτησία και σχεδιασμό θα μπορούσε να μειώσει τις ώρες ανθρώπινης εργασίας για όλους.

Και έπειτα υπάρχει και το ζήτημα της ενίσχυσης της κερδοφορίας που παρέχει η τεχνολογία ΤΝ. Ακόμα και αν οι επενδύσεις στα συστήματα LLM απαιτούν λιγότερα υλικά μέσα παραγωγής και μειώνουν το κόστος του κεφαλαίου αυτού, η απώλεια ανθρώπινης εργατικής δύναμης θα μπορούσε να είναι ακόμα μεγαλύτερη. Έτσι, ο νόμος του Μαρξ για την κερδοφορία θα εξακολουθούσε να ισχύει. Πρόκειται για τη μεγάλη αντίφαση του καπιταλισμού: η αύξηση της παραγωγικότητας της εργασίας μέσω περισσότερων μηχανών Τεχνητής Νοημοσύνης μειώνει την κερδοφορία του κεφαλαίου. Αυτό οδηγεί σε τακτικές και επαναλαμβανόμενες κρίσεις παραγωγής, επενδύσεων και απασχόλησης – αυξανόμενης έντασης και διάρκειας.

Τέλος, υπάρχει το ζήτημα της νοημοσύνης. Η Microsoft υποστηρίζει ότι η νοημοσύνη είναι μια “πολύ γενική νοητική ικανότητα που, μεταξύ άλλων, περιλαμβάνει την ικανότητα να συλλογίζεσαι, να σχεδιάζεις, να λύνεις προβλήματα, να σκέφτεσαι αφηρημένα, να κατανοείς σύνθετες ιδέες, να μαθαίνεις γρήγορα και να μαθαίνεις από την εμπειρία”. Η Microsoft υπαινίσσεται ότι τα LLM θα μπορούσαν σύντομα να αποκτήσουν αυτή τη “γενικευμένη νοημοσύνη” και να ξεπεράσουν κάθε ανθρώπινη ικανότητα σκέψης.

Αλλά ακόμη και εδώ, υπάρχει σκεπτικισμός. “Το μοντέλο ChatGPT είναι τεράστιο, αλλά δεν είναι αρκετά τεράστιο ώστε να κρατήσει κάθε ακριβές γεγονός που συνάντησε καθόλο το σύνολο της εκπαίδευσής του. Μπορεί να παράγει μια πειστική απάντηση σε οτιδήποτε, αλλά αυτό δεν σημαίνει ότι αντανακλούν οι απαντήσεις του πραγματικά γεγονότα. Πρέπει πάντα να είστε επιφυλακτικοί και να ελέγχετε τα γεγονότα που σας παρουσιάζει. Τα γλωσσικά μοντέλα φημίζονται επίσης για τις “παραισθήσεις” τους – για την επινόηση νέων γεγονότων που ταιριάζουν στη δομή της πρότασης, παρά το γεγονός ότι δεν έχουν καμία βάση στα υποκείμενα δεδομένα. Αυτό δεν είναι πολύ ενθαρρυντικό.

Αλλά ο Guglielmo Carchedi έχει έναν πιο θεμελιώδη λόγο να αρνείται ότι η τεχνητή νοημοσύνη μπορεί να αντικαταστήσει την ανθρώπινη “νοημοσύνη”: “Οι μηχανές συμπεριφέρονται μόνο σύμφωνα με τους κανόνες της τυπικής λογικής. Σε αντίθεση με τους ανθρώπους, οι μηχανές είναι δομικά ανίκανες να συμπεριφέρονται σύμφωνα με τους κανόνες της διαλεκτικής σκέψης. Μόνο οι άνθρωποι το κάνουν αυτό”. (Ο καπιταλισμός στον 21ο αιώνα, σ. 167).

Δείτε εδώ την απάντηση του ChatGPT στο διαλεκτικό ερώτημα: “Μπορεί το Α να είναι ίσο με το Α και ταυτόχρονα να είναι διαφορετικό από το Α;” “Όχι, δεν είναι δυνατόν το Α να είναι ίσο με το Α και ταυτόχρονα να είναι διαφορετικό από το Α. Αυτό θα αποτελούσε αντίφαση, καθώς η δήλωση “το Α είναι ίσο με το Α” είναι ταυτολογία και πάντα αληθής, ενώ η δήλωση “το Α είναι διαφορετικό από το Α” είναι αντίφαση και πάντα ψευδής. Επομένως, οι δύο αυτές δηλώσεις δεν μπορούν να είναι και οι δύο αληθείς ταυτόχρονα”.

Οι μηχανές δεν μπορούν να σκεφτούν δυνητικές και ποιοτικές αλλαγές. Η νέα γνώση προέρχεται από τέτοιους μετασχηματισμούς (άνθρωπος) και όχι από την επέκταση της υπάρχουσας γνώσης (μηχανές). Μόνο η ανθρώπινη νοημοσύνη είναι κοινωνική και μπορεί να δει τις δυνατότητες αλλαγής, ιδίως της κοινωνικής αλλαγής, που οδηγεί σε μια καλύτερη ζωή για την ανθρωπότητα και τη φύση.

Πηγή: The Next Recession

Μετάφραση: antapocrisis

Michael Roberts

Ο Michael Roberts είναι μαρξιστής οικονομολόγος, ζει και εργάζεται στο Λονδίνο. Διατηρεί το blog thenextrecession.wordpress.com με σημαντική και επιδραστική αρθρογραφία για την πολιτική οικονομία και τις καπιταλιστικές κρίσεις.