21世纪资本主义中“人工智能”引发的难题及其回应

全文载于《国外理论动态》2023年第2期

提要：自19世纪以来，政治斗争一直反复推动着左翼运动在资本主义工业机械化及其与生产和能源关系的螺旋上升、不断更迭的矛盾中寻找立足点。当前针对这一话题的研究仍旧零散而有争议。21世纪的数字机械化引发并加剧了新的危机，这让左翼面临新的难题。为了回应这些难题，文章提出了三个论点。第一，对于组织运动来说，强调工业时代和数字时代在价值创造上的连续性可能比仅关注二者的差异更有价值；第二，马克思在19世纪就阐述过活劳动与死劳动之间的矛盾，这一矛盾不仅延续到了当下与数字经济联系最紧密的领域当中，而且依旧是理解危机以及辨识激进政治变革之可能性的基础；第三，对于左翼来说，将过去10年来大型互联网公司在自动化方面的创新视为机械化的解释工作的新层次，可能比默许使用人工智能等令人费解的标签更有战略意义。

关键词：工人运动  人工智能  机械化  解释机器  活劳动

作者：拉里·洛曼

译者：刘冠帅  端木玉芳

不同于一些“认知资本主义”理论家的观点，以算法和计算机为代表的“资本的死知识”与“劳动的活知识”之间的矛盾并不是取代“工业资本主义固有的死劳动与活劳动之间的传统对立”的一种“新形式的对抗”。二者在本质上是同一种对立。如果19世纪的劳工运动认同了在当时出现的幻想，那么对其来说无异于自取灭亡。这种幻想认为，劳动分工与化石燃料驱动的机械化相结合是资本主义发展的早期阶段，其前进趋势是假设中的资本主义最终状态。在这种状态下，所有的工人都可以完全且永久地“无技能”，所有的人类劳动都将被“取代”，变得“冗余”且无价值，工人所有的知识都将被“转移”到能够自给的机器中，这些机器可能会、也可能不会被资本家控制，因为即使没有资本家，这些机器自身也会萌生驱动力、创造力与自主性。如果当今的劳工运动同阿隆·贝纳纳夫（Aaron Benanav）所说的那种“由自由派、右翼和左翼分析家等人提出的新自动化话语”保持一致，那也是自取灭亡，因为根据这种观点，“我们即将实现一个基本上自动化的社会，在这个社会中，几乎所有的工作都将由自主移动的机器和智能计算机来完成”人类将被边缘化，而资本主义则能够继续运转。

这就是为什么从左翼的角度来说，避免使用“人工智能”的术语，而使用“解释机器”这一名词可能会更有意义一些。自查尔斯·巴贝奇（Charles Babbage）的发明问世以来，“智能”一词的主要职责就是掩盖无产阶级的工作，强化阶级、种族和性别的划分，并为社会监控提供辩护。在19世纪，历史学家西蒙·谢佛（Simon Schaffer）就已表明，精英们“让机器看起来有智慧”的努力与贬低和掩盖“伴随机器的人类技能”——“围绕和运行机器的劳动力”以及构成了“机器能源的来源”——的意图齐头并进，同样也与建立正统经济学意识形态大厦的计划同时进行。“解释机器”一词鼓励人们对21世纪的数字发展采取批判性的态度，也隐约地承认了上述政治和历史现实，而“人工智能”这一短语则倾向于隐藏这些现实。

一、解释的机械化

资本主义劳动，就像任何其他类型的工作一样，总是涉及解释。这种解释必须是完全“认知的”“象征的”，以及“情感的”，自上而下，直至最野蛮或“无技能的”流水线上的苦工挥锤子。诸如“技能劳动”“脑力劳动”“知识劳动”“符号分析”或“非物质劳动”等短语所包含的特定能力——无论是机床操作员或复印机维修员的专业的、后天的精细判断，还是物理学家和广告主管的创造性理论——都不过是日常解释能力这一巨大的、多彩蛋糕上的一层薄薄的糖衣。这些解释能力不仅在每个从事“体力”劳动的所谓“无技能”工人的行动中发挥作用，也在几乎所有人的行动中发挥作用。

比任何美味糖衣更重要的是，这个更为巨大的蛋糕本身由一些“最深刻、最来之不易的人类能力”组成，资本现在正日趋努力地服从于一种矛盾性的命令：既要拥有这个蛋糕，又要吃掉这个蛋糕。以下是有关通用解释技能的几个相互关联的例子。

●识别旧类别或样本当中的新实例，包括光学特征、声音、句子、情感、路径、远景、疾病、性取向、生物生长模式等。几乎每个人每时每刻都在无意识地进行这种日常的、熟练的“感知劳动”，无论它是否有报酬，这种劳动仅需要最少的训练，以及最小的能量消耗。

●翻译，这是一种受历史限制的建立关系的技能。这一技能的集体实践产生了在不同的时刻被人们认识到的意义和信念（最终在计算机时代产生了更为具体化的“信号”“信息”“指令”“命令”和“通信”等人工制品）。

●寻路，这是另一种日常“再生性”的社会自然技能，即当一个人沿着一条道路摸索前进时，确定自己的方向并调整自己的行动。它是一种对日常生活、知识获取、商品流通和资本积累都至关重要的工作。

●感知、搜索和检索知识，这是非固定目标学习过程的一部分。

●记忆，这是在受考验时进行的一项有技巧的社会活动，目的是“阐明过去的历史”，使我们能够在不确定性中找到前进的道路。

●计算，包括识别和解释数学符号的能力，在不同的或未预期的背景下以不同的方式运行数学程序，并决定适当的精度水平。

●知道如何灵活地遵守规则。例如，知道以资本规定的方式“遵守规则”与“为了建立规则而工作”（即人们熟悉的劳工抗议形式）之间的区别。

●了解该问什么问题，才能延展对话、畅通关系、厘清背景、消除误解或有成效地探究各种未知情况。

●预测他人的喜好与选择。

●希望与自己交往的人能够认识到自己的意图并进行回应，且这种认识是进行回应的部分原因。

●在谈判、照看、进行金融交易、追踪或从事科学工作的日常实践过程中，学习、建立和行使对个人、机构、非人类有机体和实验装置的信任或尊重。

●玩耍、戏弄、开玩笑、捣乱、使用隐喻或类比，等等。

这些看似平凡的活动本身并不构成过去500年来通常意义上的“行业”或“职业”（纺织工、护士、建筑工人、厨师、卡车司机、计算机程序员、药剂师、市场分析员、律师等）。但它们确实以不同的组合构成了每种职业的必要部分。事实上，当这些能力的运用被融入资本之中时，就构成了“活劳动”的核心。马克思曾将其与凝结在机器和重复的机械程序中的“死劳动”进行过对比。路德维希·维特根斯坦（Ludwig Wittgenstein）曾用一句精辟的短语来概括它们：“知道如何继续下去。”在让资本的规则集、劳动分工、机器和算法按要求运行以积累盈余方面，活劳动一直都是至关重要的。

自工业革命以来，一个又一个的职业逐渐被自动化淘汰（抄写员、码头工人等），但同时又出现了其他新的职业（下水道清洁工、软件工程师等）。类似地，一些工作可能会因机械化而在美国不复存在，但却会在印度尼西亚或越南重现。又或者，欧洲的女性可能会离开厨房，去管理运送集装箱的昂贵机械，而抚养孩子的工作则由拿低薪水的菲律宾住家保姆完成。正如马克思在《资本论》第3卷中所论述的那样，无论在单个资本家看来，用机械化取代或削减一组工人能够何其明显地“增加利润的直接源泉”，但在整个系统的某个地方，无论是旧行业还是新行业，都必须补偿性地注入新的活劳动以防止利润率下降。这种“资本有机构成的重组”过程是如此无情——全世界范围内活劳动的不断重新分配和增加，使剩余价值从机械化程度较低的部门流向机械化程度较高的部门——以至于国家不得不将帮助资本缓解其自身带来的不可避免的扰乱作为自己的职责。

也许在21世纪，这种动态的唯一新情况是，不仅是个别的“职业”，而且活劳动自身核心的各个方面都在经历机械化——这一点再次无可避免地与系统中多处对活劳动力的雇佣需求相匹配。特别是在过去的10年里，几乎前文提到的每一项技能都在某种程度上成功地实现了自动化。

●识别和分类（例如通过面部、语音和字符识别软件、“情绪检测”和“意见挖掘”设备，以及自动医疗诊断技术等实现机械化）。

●翻译（通过谷歌翻译程序实现机械化，以眨眼的功夫同时将一种语言中的数千长符号串与另一种语言中的“等价”字符串进行关联）。

●寻路（谷歌地图、全球定位系统、预测分析软件可以将优化配送的任务转移到算法上）。

●搜索和检索知识（由谷歌或必应数字串搜索引擎、图书数字化技术等实现机械化）。

●记忆（通过软件识别并分类过往的大量数字化信息而实现的机械化）。

●计算（通过快速浮点处理器实现机械化）。

●灵活地遵从规则（通过基于统计学的机器学习程序实现机械化——例如垃圾邮件过滤器——从大量的人类标记的数据中逐步“学习”）。

●通过选择正确的问题来扩展和完成对话（例如自动个人助理，如Siri，以及早在1970年代的治疗程序ELIZA等，实现了机械化）。

●希望互动的他人能够认知到自己产生反应的意图，并使这种认知成为回应的部分原因。

●预测他人的喜好、厌恶和决定（通过预测算法，识别不同人群可能欣赏的书籍、电影或政治宣传）。

●在人类之间快速建立信任关系，以减少与传统的“中介”（如律师、银行家、国家担保人等）相关的交易成本（通过计算机密集型加密和“分布式账本”技术，包括区块链、比特币和“智能合约”实现机械化，将传统的合同、私有财产和商业交易所必需的人类解释工作自动化，并把合同起草、执行、支付、结算和强制执行压缩为单一活动）。

●解释和执行福利法、劳动法和信贷法（利用计算机系统实现机械化，如印度的Aadhaar系统利用其储存的生物和人口数据自动确定公民的权利）。

●建立并赋予对科学家和科学仪器的信任（通过如BACON一样的科学发现机器来实现机械化）。

●在人类与非人类物种之间建立和表现尊重（通过嫁接到农田、森林和动物上的人工智能来监测和照顾它们，就像“精确”或“数字”农业和“自掌管森林”那样机械化）。

●玩耍、捣乱、使用隐喻等等（通过治疗机器人、冠军象棋或围棋程序，或制作艺术作品的软件来实现机械化）。

这场新的自动化浪潮是由一场空前的“完美风暴”促成的，它将三种技术汇集成一个强大的协同组合。一个是“深度学习”软件，它可以不断地自学怎样的算法或配方最能预测它想要预测的东西，前提是给它提供足够的数据。另一个是计算机化的公共监控、应用程序界面、在线测验和其他劳动捕获机制，用于从人类文化的未数字化流中构建并不断增加必要的、巨大的数字化图书馆或存储，例如，被标记和编码的JPEG图像或编码为一系列1和0的句子和句子对。这种公共监控的方式包括那些电子设备，通过它们，图像识别软件或谷歌翻译，得以寄生于数以亿计的智能手机用户通过脸书或其他平台上交流八卦或快照时自愿的、几乎无意识的语言工作当中。第三个要素是计算机处理速度和能力的大幅提高，使之有可能使用深度学习算法，在令人惊叹的短时间内将这些不断增长的“大数据”转化为廉价、准确、有针对性的微观预测，并进行比特币等电子货币所需的先进加密操作。

这三重创新唤起了人们实现自动化的抱负，不仅仅是这个或那个特定的职业，也不仅仅是这个或那个专门的解释技能，而是诸如此类的活劳动，以至于像斯坦福大学的吴恩达（Andrew Ng）这样的计算机科学预言家将人工智能称为“新电力”，《经济学人》（The Economist）杂志将数字化数据视为“新石油”。解释机器正在被培养成一种新的“基础设施”，最终将成为全球范围内强化资本主义活动的一个理所当然的背景，并作为一个独立的经济组成部分，可以从其他成分中区分出来，就像20世纪的“能源成分”从其他成分中区分出来一样。解释机器已经超越了在特定行业当中零星而普通的自动化，并被认定会不可避免地全面侵入白领、蓝领、粉领和无领人群的就业领域。例如，在尼克·萨博（Nick Szabo）和神秘的区块链发明者中本聪（Satoshi Nakamoto）看来，信任机器（Trust machines）不仅可以大幅减少资本对银行家和律师的需求，还可以减少对法院、监管机构、公证人、投资组合经理、房地产经纪人、货运员、保险员、警察和整个会计层面、自然保护行业以及大部分国家职能的需求，并在各地削减交易成本。与搜索引擎结合起来，它们就可以消除整个受人为干扰的后台操作层面，使得那些最微小和最奇特的财产，无论是亚马逊青蛙产生的天然杀菌剂、肯尼亚贫民区半公顷的非正式持有权，还是孟买街头卖家的个人债务，它们的登记、私有化、货币化、全球化和可交易化的过程都变得更为经济。通过自动验证和结算，信任机器还可以加快货物跨越无数边境的全球贸易走廊的转移。同时，识别全球风险信息变化的机器可以将数据实时输入数百万个自动自我调整的个人智能保险合同，据称可以“合理化”承保公司结构，并减少其面对高风险客户的可能性。

识别、搜索、预测和寻路等方面机械化程度的提升，也为乌苏拉·胡斯（Ursula Huws）等人所认定的“消费劳动”的进一步自动化提供了可能。一旦购物者识别需求、浏览、解释和回应广告、评估产品的适用性、订购、付款和寻找回家的路等组合技能被拆分，零散的劳动被适当地交给解释机器，消费者就可以被机械化为数以千万计的“虚拟的你”，并被出售给企业。能够同时足够准确而廉价地预测这么多独立个体对特定商品的反应的机器，不仅能够向顾客推荐供其参考的商品，还能在顾客订购之前将其发货，且不会有被愤怒地退货的风险。这将揭开并消除高速流通的另一个障碍。解释机器也可以部分自动化“生产性消费”（prosumption）劳动，即消费者或选民无偿的、非正式的工作，它们自愿向公司提供反馈、个人数据、设计理念、评论和地理知识，以利于公司的生产、销售和流通战略。

   二、新中有旧   

将最普通形式的活劳动机械化为死劳动，并将其凝结成为巨大的数据中心、神经网络软件、全球光纤和卫星链接，以及智能手机和其他全球传感器的集合体，这些成就的规模和范围之大很容易让人感到头晕目眩。但是，必须要清楚的是，当资本在大规模的国家参与的推动下实现其“信息化”转向时，它并没有消除任何基本矛盾。正如丹·席勒（Dan Schiller）所观察到的，“数字资本主义的特殊性”需要被“置于持久的结构性趋势和历史性的危机倾向中，而不是与它们决裂，或由此演变而来”。

首先，解释的机械化本身并没有什么新意，只是在过去10年左右的时间里，其进步的程度、速度和隐蔽性有了新的变化。几个世纪以来，资本一直试图将内嵌在劳动及附属于这种劳动的工具和设备里的一种或某种较小的解释技能区分出来，并进行自动化，部分原因是为了减少一部分工人在指挥大型或危险机器时存在的隐患。18世纪中期，人们设计出了机械蒸汽机的“调速器”。这种“调速器”可以“识别”和调节蒸汽流的速度，这是人类远远做不到的，它揭开了将机器作为能量和信息流之间的信息机械中转站的时代的序幕。蒸汽动力反过来又使纺织机等其他设备能够以超人的速度“分类”“测量”和对自身输入的变化做出反应。恒温器可以比人类更准确地“感知”某种物体的温度，并将其发现迅速地“交流”给学习过如何“阅读”它的熔炉或锅炉。19世纪的提花织布机使用打孔卡片将人类发明的丝绸织布的工艺机械化，并迅速将符号类型相互“翻译”，使豪华布匹的生产速度提高了24倍，从而削弱了工人的议价能力。此后，类似的解释技能在人口普查机、火炮瞄准系统、机床的“数字控制”、文字处理器和DVD播放机中实现了自动化。同时，20世纪的自动驾驶仪被“训练”得以比任何人类飞行员都快的速度去“观察”和修正飞机的反应。

另外，今天的解释机器密切遵循老式工业机器的运行模式，它们很少“假装”在做它们的人类“原型”所做的事情。严格来说，它们并不复制技能。相反，它们识别、区分和激活人类行动的特定片段的副本，以极快的速度反复对它们进行放大和复制，再利用由热力学的综合“能量”来进行批量生产。这样创造出来的“傀儡”，又必须接受人类运用其他技能——包括护理和清洁技能——来实现持续、细致的监督，以便实现剩余价值的生产、存储或流通。而当资本主义的前沿技术发展到了新的阶段时，机器执行当前“新工作”的能力也会逐渐被贬值与降级。

例如，19世纪的纺纱机从未被设计成去复制人类纺纱者的一切行为，它所做的只是有限而刻板的重复工作。同样的道理，在21世纪，如谷歌翻译般的解释机器所做的只是输出句子，不是人类翻译员所做的“同样的事情”。通过互联网，谷歌翻译一瞥就能看见数十亿代表句子的数字化数据字符串——它们源自数代人类与非人类活劳动汇聚而成的“汪洋大海”。然后，谷歌翻译将这些“大数据”置于计算机的操作之下，这些操作甚至比纺纱机的操作更加无休止地重复，以便大规模地产生廉价的预测——从概率上而不是从语义上——关于哪些句子与句子之间的对等关系可能最容易被人类翻译者接受。而且，它还会根据世界各地的电子设备用户无偿提供的新数字化内容，不断地修正自己的程序。另一方面，脸书自己的“预测引擎”，“每天摄取数万亿的数据点，演练成千上万的模型——无论是离线还是实时的——然后将它们部署到服务器群中，进行实时预测”。2018年，脸书的流水线每秒钟生产超过600万个这样的“预测产品”。这种解释机器不做——也不打算做——诸如人类规划者在试图预见未来时所做的事情。一方面是解释机器能够做出更多的预测。与使用人工规则集的任何劳动分工相比，它们能够更快、更广泛、更准确地将过去的活劳动转化为固定的或“死”形式。它们的预测通常也比人类对自己行为的预测要准。另一方面，它们看起来“未经编程”的飞跃，这足以令观察者感到惊讶，正如巴贝奇和阿兰·图灵（Alan Turing）在其所处的时代已经展示的那样。但它们也不会运用维特根斯坦式的“继续”技能，这是活劳动的一个显著特征。

谷歌翻译与热力能源的关系类似于纺纱机与热能的关系。谷歌翻译拥有庞大的、由政府补贴的服务器中心、传输网络和经过大数据演练的自然语言处理模型，因此需要耗费大量的电力，这也要求对化石燃料开采区内的人和物进行专业管理。总体而言，全球在数字化上的能源消耗每年增长约9%，仅区块链“信任机器”的碳排放量就已经达到了一个中等国家的水平。据报道，2019年4月，由该行业领先公司“以太坊”为中介的单笔区块链交易的能源成本为3.5万瓦时，而机械化程度较低的维萨（Visa）公司的这一数据则为1.69瓦时。其中部分原因是，解释机器的增殖废物，就像19世纪的工业废物一样，需要更多的有偿和无偿的人类及非人类清理工人大军，而人工纺纱工或翻译员的工作根本不需要这些工人。久而久之，这些工人也会被“耗尽”，也就是说，无论出于什么原因，他们都不再能以足够便宜的价格提供资本需要的服务。就像纺纱机一样，在“被机械化”的过程中，没有任何活动能保持不变。

这些相似之处需要被细化。资本主义对人类活动的拆分以及为刻板的重复碎片赋能的过程——在纺纱机和谷歌翻译中都可以看到——并不是凭空出现的。对于巴贝奇来说，工业机器只是推进早期劳动分工任务的一种方式。这是为了将内嵌于手工业者的整体能力集，特别是巴贝奇所说的那些“高级”或“精神”技能，分解成“更简单”、更笨、更可量化、可监督和可管理的部分。其优点是多方面的。资本家可以从纷杂的劳动力中识别出能够衡量的可买卖工作。老板们可以更容易地避免支付制造过程中任何不必要的“精确数量”的“技能或力量”的费用。这其中的识别、描述和细分正是老板的特权。雇用学徒可以减少成本和损失的时间。而这样一来，竞争“技术含量”较低的工作岗位的工人数量就会增加，这也使得他们的报酬更低，从而更容易被取代和抛弃。劳动力之间不透明的关系和职责网络可以按照轮辐结构的路线被改造、简化及重新分配，以“主制造商”为命令中心——这种“利润—圆环”式关联（profit-panopticon linkage）后来在“数据监控”或肖莎娜·祖博夫（Shoshana Zuboff）所说的“监控资本主义”中以一种截然不同的方式发展了起来。只要可能，“智力”及其所有权可以以同样的方式集中起来，就像泰勒主义和管理主义在20世纪继续尝试的那样。这样一来，分离出来的每一部分活动都可以被机器动作所取代，从而抑制对“非技能”劳动力需求的增加，并进一步加强中心的老板与处于外围的工人之间的差距。用巴贝奇的同事艾达·洛夫莱斯（Ada Lovelace）的话来说，机器将成为“执行主人所拥有的智能概念的存在”。剩余价值也可以被定义为从资本自身将数字化智能与蒸汽动力相结合所产生的机器之中流出。

马克思指出：“机器生产不断地把成年工人抛出去，以后又‘重新雇佣’他们，重新吸收他们，——即使单纯为了这一点，机器生产也需要不断扩大。”马克思补充说，机械化后的“行会师傅和他们的帮工变为资本家和工人”，不应该与普遍、长期的“雇佣工人本身由于资本和科学的应用而被排挤”相混淆。更多的机器以及利润率间歇性下降的相关趋势，推动资本在系统的一个或另一个区域对大量的活劳动产生新的需求，其原因是价值到价格之间的转换，而不是资本如何解释劳动的“技能”和“智力”。

在这里，需要再次强调热力学在19世纪和21世纪的资本主义计划中发挥的非偶然性作用。劳动分工的增长带来了“比人类的力量更强大的驱动力”。这种“驱动力”——一种通用的、超人的力量，使人们能够以极高的速度，广泛地、极有规律地重复人类行为中刻板的、“愚蠢的”子程序，而劳动分工已经将这些子程序分割开来，并使之更加可衡量、可预测和可约束——采用18世纪末和19世纪出现的新的、相称的“能量”形式。这种新的“能量”反过来又必然地使资本能够支配更多因“圈地”而被剥夺的工人。这些工人的劳动力可以轻易地被财富所有者买下，进而集中解散、重组和控制，促进了在人口越来越多的工厂车间进行的“联合劳动”。正如纺纱机的完整图景，不仅要包括在快速旋转的纱管中躲进躲出的儿童和举起锄头的棉花种植园奴隶，还要包括蹲在无数个闷热的地下斗室里的煤矿工人，同样，今天的解释机器的完整图景，不仅要包括更换张量处理单元的数据中心工作人员和忍受虐待的刚果民主共和国矿工，还要包括全世界主要河流的水流中断。

前面那些骇人引文当中用来描述19世纪的恒温器或蒸汽机调节器的意向性动词（如“识别”“翻译”“测量”“知道”），显然会在描述21世纪的解释机器所做的事情时牢牢保留下来，这也证明了资本主义机械化的这些特征是持存的。早期的人工智能批评家，如休伯特·德雷福斯（Hubert Dreyfus）和约翰·豪格兰德（John Haugeland），如今被证明错得很彻底。他们曾认为，计算机不可能打败世界象棋冠军，不可能在围棋比赛中走出超凡的原创棋，也不可能对一页普鲁斯特的散文进行漂亮而妥当的翻译。而相反，那些人工智能远见者，如谷歌深思（DeepMind）公司的德米斯·哈萨比斯（Demis Hassabis）或机器翻译的先驱罗伯特·梅尔策（Robert Mercer），如今被证明是完全正确的，他们预见到了解释设备会大有前景，而将专家的经验写成代码输入机器则毫无前景。人们不应让机器像人一样工作，而应让人工神经网络“按自己的方式行事”，即对世界各地的劳动密集型程序持续产生的海量数据进行不间断的能源密集型压缩。但是，无论是德雷福斯或豪格兰德等人的错误预测，还是哈萨比斯或梅尔策等人的正确预测，都无法改变这样一个现实：在资本积累过程中“取代”人类活劳动——从而消除马克思认定的活劳动与死劳动之间的矛盾——这一设想仍如此遥远，以至于在可预见的未来，还无法将其作为反对资本主义的抵抗策略。机器对人类解释能力的各种片段或形式的成功模拟只强调了一个事实，即获得所谓的人工通用智能（AGI）的工作副本仍然有很长的路要走。到目前为止，解释机器的功能并不比老式蒸汽机调速器的功能“逊色”多少。19世纪的纺纱机和经过深度学习训练的机器人之间的差距也并不像表面看起来那么明显，前者只是一次又一次无谓地重复过去人类行为的一个刻板的片段，经过深度学习训练的后者也一样。

三、当今的解释劳动

上文的论述表明，所谓的人工智能并不比19世纪的工业机器更有能力淘汰活劳动。而这也不是机械化运动的目的，尽管资本主义思想家时不时就高调表达反对观点。资本并不真正需要（也可能负担不起）功能全面且用途多样的解释机器。计算机科学家哈米德·艾克比亚（Hamid R. Ekbia）和人类学家邦尼·纳尔迪（Bonnie Nardi）搜集的证据表明，最近的人工智能进步并不意味着完全自动化又迈出了前进的一步，而只是体现了一种更复杂的异类化（heteromation）策略，或者说“从以计算机为中介的网络中的低成本或免费劳动中提取经济价值”。互联网的分散和匿名使得工人可以被“视为非人”，这是资本为应对利润率下降趋势而想出的又一招数。微软公司的玛丽·格蕾（Mary L.Gray）和希达斯·苏里（Siddharth Suri）在一项比较研究中指出，“自动化与人类劳动对立是一种错误的二分法”，硅谷新的、所谓的“智能”设备需要数以百万计的人类助手不断地进行“幽灵工作”，而这些助手在大多数方面都十分聪明。社会学家哈里·柯林斯（Harry Collins）是一位长期研究基层技术实践的敏锐学者，他认为，“类人类智能”的机器根本不可能出现，“除非它完全嵌入正常的人类社会”，而这种方式不可能是“基于当前技术的渐进式进展的结果”。即使是固执地认为无需活的人类劳动输入的“无监督”机器学习有朝一日能够实现的“深度学习教父”、计算机科学家杰弗里·辛顿（Geoffrey Hinton），也不再相信通过继续发展目前的能源和数据密集型的模拟技术，可以实现“真正的”人工智能。

究竟基于哪些理由，会使人认为21世纪的解释机器就像19世纪的工业机器一样，只是重新分配、改造和扩大了对活劳动的剥削，而没有逐步消除这种剥削呢？这不仅仅是因为人类不间断的解释工作仍然是大卫·格雷伯（David Graeber）的“基线共产主义”（baseline communism）的基础——没有这种合作性的、有同情心的互动，任何办公室或供应链都无法运作。不仅仅是因为它对抗拒自动化的无薪护理和一直支撑工业资本的生产劳动是必不可少的；或者对于几乎所有的农民都在进行的“阅读土地”实践来说也是必不可少的；又或者对于“解决没有常规解决方案的新问题”这类思考是必不可少的；对于涉及“说服、解释和以其他方式传达对信息的特定解释”这类沟通方式来说也是必不可少的。还不仅仅因为同样的活动是计件工人、外包工或合同工等卫星劳务大军的工作核心，这些人在历史上一直在家里靠手工完成机器及其在工厂围墙内的人类同事无法完成或无法以足够便宜的价格完成的工作；或者在照管殖民地种植园的“中间”或“初步”工作中必不可少，又或者在经营为工厂提供大量原材料的矿山当中必不可少。

而且，创造性的、活的解释劳动对于某些机器自身分分秒秒、日日夜夜的生产活动来说仍然是至关重要的。19世纪的纺纱厂要求童工“精神和身体都要灵巧”，“能灵活地从一台剧烈振动的机器移到下一台机器”，并在移动的线轴之间用手清理碎料。蒸汽机车需要复杂的识别、互动和寻路技能，而这些技能则来自负责清理和维持机车运转的工人队伍中的每一个人。为了能够通过劳动分工和化石燃料热机成功地重组、拆分和机械化贸易技能，资本总是需要同时利用越来越多的未曾机械化的解释劳动。即使是在工业机器最细微的运动层面上，如果不是不断有大量的新鲜劳动力注入，去关注控制、维修、管理更新、清理、管理紧急停机、应对事故、管理原材料流动、与银行家会面等等，那么工业机器就会轻易崩溃或失控，变得对资本毫无作用。资本招募的机器越多，它需要的非机械工人就越多。资本掌握的死劳动越多，它需要的活劳动就越多。

因此，21世纪的人工智能系统也要依赖“永远在线的劳动力池”来提供人类劳动，以审查文本，更新图像数据库，重复检查证件照片等。Clearview面部识别机器的工作离不开人类在互联网上为数十亿张图像打上标记以换取网络特权的无名、无偿工作。公认的全自动、基于区块链的“智能合约”需要大量富有创造性的人类观察和法律解释工作以免崩溃。脸书拥有一些算法用来作出可销售性预测，其目的是通过增加定向广告的点击率来缩短流通时间。如果没有用户每天对点赞、评论、滚动浏览状态的更新或仅仅是寻找从一个社区到另一个社区的路时所做的数十亿小时的人工翻译工作，这些算法最终都会陷入停滞。脸书还可以利用超过26亿用户的劳动，这些用户已经同意了服务条款，根据这些条款，他们的日常生活数据处理劳动被交换为平台互动服务。无论在哪个世纪，解释技能仍然是资本主义制度下活劳动的共同核心。

在这方面，19世纪与21世纪的主要区别是，由于那些“深度学习”算法、快速处理器和先进的监控技术与廉价的热力能源相结合，资本现在可以每天直接收集数以千亿计的微小瞬间（每个瞬间都是全世界的人们在运用其自婴幼儿时期获得的综合解释技能），资本通过将这些瞬间转化为大数据，将它们添加到了马克思所说的“利润要素”当中。就像依靠热力能量的工业机器从19世纪开始助推雇佣劳动关系在全世界传播一样，21世纪的解释机器不仅提供了更多必要的雇佣工作，同时也在深层次上招募了更多的无报酬的人类劳动。《华尔街日报》在2012年已经将其称为“历史上最大规模的无偿劳动力”，它不限于某个单一职业，但只要互联网巨头们要继续扩张其财富，人们就必须从事这份无偿工作。比起仅仅通过持续重组、剥削和分解已经本就毫无分解空间的学徒式积累的贸易技能来说，资本现在采用了更彻底、更精细的方式，能够直接从数十亿人们“自婴儿时代开启的一生：始于童年的记忆……观察习惯、怜悯、同理心和同情心的发展”等更大的蛋糕中汲取营养。与19世纪一样清楚的是，“过去劳动的产品的价值保存下来，也就是说再生产出来，这实际上只是它们同活劳动接触的结果”。

有一种经常被忽视的活的人类劳动支撑着21世纪的解释机械化浪潮，那就是使这种劳动自身不可见的劳动。这种“无形化”工作并不局限于互联网理论家对妇女、殖民地人民、工人阶级或普通人技能的持续诋毁。对工人运动构成特殊挑战的是，这种无形化的工作也是由这些人自己完成的，因为他们每时每刻都在自愿地把自己从事活劳动的能力归功于机器。在1980年代，如柯林斯指出的那样，当廉价的袖珍计算器将7/11“乘以”11，并“推断”出答案为6.9999996时，其人类操作员会直接将结果修改为7——但仍然认为机器是在尽职地完成工作。同样，关于“无人驾驶”汽车的讨论通常忽略了这样一个事实，即它们的发展高度依赖于劳动密集型的“重建加州山景城，使之成为能够让车辆导航的安全场所”——这是一位人工智能专家的话。类似地，在巴西，一项面向数百万贫困客户的自动化银行服务最终依赖于在客户和系统的电脑终端之间起中介作用的街角商人，而在终端管理者的眼中，这些商人与客户合作的低价或零价的日常解释工作隐匿为“软件”。在这些例子中，只有计算是可见的，而人却走到了一旁。

正如柯林斯观察到的那样，电脑和手机操作界面并不是为了摆脱这种活劳动，而是为了掩盖它，通过寻找机械手段来利用几乎所有人都拥有的最日常的、不假思索的解释技能。为了让用户意识不到他们在与解释机器打交道时投入了越来越多无报酬的活劳动，那些设计良好的界面，如视窗操作系统、电脑鼠标、互联网浏览器和预测性文本，都在不遗余力地践行资本主义的使命，掩盖无报酬的活劳动，同时美化对自我运行机器的拜物和“完全自动化”的意识形态，后者声称机器正在资本积累当中逐步“取代”人类。就像19世纪的工厂一样，人工智能界面构成了一种装置，让工人“不了解调节机器的秘密弹簧，并压制他们心灵的一般能力”，所以“他们自己的劳动成果被上百个计谋夺走了”。然而，正如乔治·卡芬齐斯（George Caffentzis）所写的那样，工人“总是能够在资本最具体且最脆弱的形态——机器——当中消灭资本”。资本需要、寻求并经常创造它无法完全控制的力量，同时也将普罗大众封闭于资本的险境当中，它永远无法使其用来反复作恶的工具完全远离其反抗者的手中。这既是新解释机器政治的一部分，也是旧工业机器政治的一部分。如果没有认识到快速贬值的风险，互联网公司对服务器中心、大数据存储、光纤线路、传感器处理单元和深度学习架构等的持续资本投入就会成为“巨大的反积累的来源”。

困扰解释机械化的具体矛盾是什么?从历史的视角来看，如何帮助群众运动从内部解决这些矛盾?有些矛盾是明显的、根本性的。其中之一源于这样一个事实，即资本的新解释机器不可避免地加强了它对世界上大多数人的生活条件的长期侵犯:他们的土壤、他们的水、他们与动植物的关系、他们逃避国家监督和压制并再生公共资源的能力。例如，解释机械化与不可持续的能源和矿产开发之间的有毒共生关系，正面临着来自开采和基础设施发展“牺牲区”越来越多的反抗，而那里的居民可能不会担忧操作解释机器的“幽灵工人”所受到的剥削。同样，利润丰厚的互联网硬件组装区所需的数码劳工的边界也可能进一步萎缩，从而引发其他危机。还有一些被压抑着、偶尔会爆发的需求，它们是资本试图努力掩盖新的活劳动的另一面，也是对成为了商业、军事和官僚体系一部分的日益机械化的监督已然可见的反应——所有这些都是同强制取代资本的努力一起发展的。

有些矛盾可能更为隐蔽，例如，资本对维特根斯坦式活技能的长期需要，与它同时通过解释机械化对这些技能的攻击之间的矛盾。正如祖博夫所记录的，监控资本在不断竞逐完善被她称为“预测产品”的东西——用她的话说，就是使“预测越来越接近观察”。这需要拓宽数字架构并使其多样化，通过这些架构从全世界对维特根斯坦式能力的践行中提取剩余价值，同时也不自觉地以工程中矛盾的“理念”为目标，即将工人群众本身变成如机器一般被榨干剩余价值。在这种矛盾的动态中，人类的行动和能力从来都不是稳定的、等待着机器来模仿他们，而是自身处于不断的变化当中，这也提升了在当前为他们制定政治策略的难度。当加州山景城被重新设计以使其“自动驾驶车辆”看起来自动化程度更高时，它会变成什么样子？如劳伦·亨利·肖尔茨（Lauren Henry Scholz）所言，当如此多的“算法被引入机构决策”，以至于“个人将自身的估值过程外包给它们”时，法律会变成什么样子？当机器向受众推出数百万个根据个人定制的特朗普表情包时，受众的反应——在一段时间内——变得更加统一、独立和可预测时，情况会如何呢？当编程技能本身被削弱，却有越来越多的软件制造软件时，情况会如何呢？当资本的“度量固化”变本加厉，以至于与其截然相反的趋势变得无可阻挡的时候，情况又会如何呢？

哪些矛盾能够，以及在何时、如何、何处会造成刺痛般的影响，在某种程度上仍然是一个开放性的问题。此外，还有一些内在的反抵制特征几乎是焊烙在了解释机械化之上：大的互联网公司收获的大部分解释工作几乎不费吹灰之力，这对差不多所有的成年人来说都是“自然而然”的；因此导致劳动被“置于”遮蔽当中，且工人自己就轻易地将其归于机器；还有操作解释机器的劳动力遍布在全球各地。无论如何，所有对抵抗运动的未来的严肃评估，可能都需要仔细考虑今天的解释机器如何融入资本的长期历史当中。

［作者：拉里·洛曼（Larry Lohmann），英国“角屋”（The Corner House）组织；译者：刘冠帅，吉林大学哲学社会学院；端木玉芳，中共宜春市委党校］

本文原载《社会主义纪事》（Socialist Register）2021年（总第57卷），译文有删减。本译文系国家社会科学青年基金项目“维特根斯坦生活观研究”的阶段性成果。

END

本刊热忱欢迎马克思主义文献信息跟踪、国外马克思主义、当代资本主义、世界社会主义、海外中国研究等领域的专家赐稿，我们期待与作者、译者和读者共同努力，为繁荣发展我国哲学社会科学事业贡献一份绵薄之力。

信箱：[e-mail]

电话：[phone]

点击下方二维码关注我们