《AI的批判理论》 西蒙·林德格伦 著 周亦张 译 南京大学出版社

　　AI（人工智能）与劳动的关联体现在多个层面。其一便是玩工现象：社交媒体平台、购物与流媒体网站，以及更广泛的互联网用户，在日常活动中会留下数据痕迹。这些痕迹被企业利用，并在算法系统中被价值化。正如信息系统研究者克莱尔·英格拉姆·博古兹所举的例子，数据痕迹会被用于通过机器学习开发模型。在此语境下，需要从理论层面重新定义那些让用户既享受又获益的线上活动，将其解读为劳动。

　　事实上，资本家正剥削用户免费提供的内容与数据痕迹，而这些活动未必会被用户自身视为剥削。这种逻辑不仅适用于社交媒体平台的使用，也适用于任何类型的人工智能驱动产品的使用。

　　在分析亚马逊智能音箱时，克劳福德与乔勒（二人分别是人工智能批判研究领域具有影响力的学者与艺术家）解释道：在亚马逊智能音箱的具体案例中，用户购买了一款具备多项便利功能的消费设备。但与此同时，用户自身也成为一种资源：其语音指令被收集、分析并存储，用于建构规模更大的人类语音与指令语料库。此外，用户还付出了劳动：通过反馈阿列克萨（智能音箱的语音助手）回复的准确性、实用性与整体质量，不断提供宝贵的服务。本质上，他们正在协助训练亚马逊基础设施堆栈中的神经网络。

　　如今，此类技术正越来越多地由人工智能驱动，这引发了关于伦理、透明度、问责制与隐私的新旧问题。英国广播公司科技记者戴夫·李在2018年的一篇文章中写道：

　　当人工智能按预期运行时，硅谷人士常称其“如魔法一般”。但这并非魔法，而与一位生活在非洲最大的贫民窟基贝拉的二十六岁单亲母亲有关。每天，布伦达离开家，乘公交车前往内罗毕东区，与同一栋大楼里超过一千名同事一起，辛苦从事我们鲜少听说也更难目睹的人工智能开发工作。在八小时的轮班中，她创造着训练数据：以计算机能理解的方式准备的信息（通常是图像）……布伦达加载一张图像，然后用鼠标勾勒出几乎所有内容：人、车、路标、车道线，甚至天空，并标注是多云还是晴朗。以自动驾驶汽车为例，将数百万张此类图像输入人工智能系统后，它才能开始在现实世界中“识别”这些物体。据说数据越多，机器就越智能。

　　这篇报道深刻揭示了AI产业背后隐匿的劳动压榨与剥削真相。布伦达与同事们终日紧盯屏幕，反复放大图像、精细标注细节，不敢遗漏任何一个像素，唯恐工作成果被上级驳回返工。

　　布伦达及其同事服务于一家总部位于旧金山，为微软、谷歌等科技巨头提供数据服务的企业。这意味着，这些身处非洲贫民窟的底层劳动者所生产、梳理的标注数据，恰恰是硅谷各大顶尖人工智能项目得以落地运行的核心基石。

　　从更宏观的政治经济地理视角审视人工智能与数据化的深层影响，数字智能技术的普及进一步将全球南方固化于全球产业格局的“金字塔底层”。秉持加州意识形态的新自由主义话语，推崇以“普惠公共利益”为包装的包容性资本主义，这种主流叙事刻意遮蔽了批判性视角，回避了人工智能与数据技术对新兴经济体民众的真实影响。在这套体系中，全球南方的普通民众被单向询唤为新兴消费群体与零工劳动力，沦为单纯服务于全球北方资本与技术霸权的数据工具节点。

　　身处肯尼亚基贝拉贫民窟的人工智能数据标注劳动者，长期面临公共卫生危机、清洁水资源匮乏等基础生存困境，显然无法共享自身劳动所支撑的人工智能产业红利。戴夫·李进一步探访了布伦达就职的撒马公司园区，精准捕捉到商业园区现代化设施与周边贫困社会地理的强烈割裂与反差：

　　若不往窗外看，你可能会以为自己身处硅谷科技公司。墙壁上覆盖着波纹铁皮，这种在加州被视为时髦的风格，在此处却提醒我们许多劳动者的出身环境：约75%的劳动者来自贫民窟。

　　在人工智能技术与社会结构交织的场域中，人类劳动的隐蔽剥削以多重形态持续存在。这类割裂式的劳动场所，正是卡斯特尔斯理论中“黑洞”的具象化实体。基贝拉贫民窟这类空间，构成了网络社会的阴影圈层，形成了游离于主流发展体系之外的“第四世界”——一个由全球各地诸多社会排斥型“黑洞”共同组成的边缘场域。这类被遮蔽的剥削空间广泛存在于各个国家与城市，即便是技术高速迭代、宣称普惠大众的地区，繁华发展的背面，依然毗邻着贫困、被剥削与被边缘化的底层群体。

　　与历次数字技术革命一致，人工智能产业的高速发展，高度依赖这类被遮蔽的阴影地带作为底层支撑。技术红利的高度集中，必然伴随着劳动代价的广泛转嫁，呈现出“少数人获益、多数人承压”的失衡格局。在人工智能资本主义的运作逻辑下，资本持续积累扩张，而卡斯特尔斯所提出的“选择性分类”机制，不断制造结构性的社会与经济排斥，催生出布伦达这类规模持续扩张的底层人工智能劳动者群体。

　　（作者为瑞典于默奥大学社会学教授）

　　来源：北京日报

　　作者: 西蒙·林德格伦