第二章 人工智能还是人类智能？ 35

虽然“人工智能”（AI）和“机器学习”这两个术语经常互换使用，但机器学习实际上是人工智能发展的一个具体的方向。机器学习依赖大量数据来训练模型，然后利用这些模型做出进一步的预测。整合在这一过程中的是分析数据以提取模式并进行预测的算法，然后利用这些预测来生成新的算法。在学习和创造新的规则方面，这些产品以类似于人类智能的方式发展。在目前可以使用的这些技术中，模仿人脑神经元连接方式的人工神经网络（ANN）是最复杂，也是应用最广泛的。在一个被称为“训练”的过程中，人工神经网络反复接触特定数据对象的实例，例如一只猫的图像或一段旋律的音频剪辑，然后算法操纵网络各层面的加权相互作用，直到网络能够识别这个对象。然后这个新的数据会自动反馈到网络中，从而创建更复杂 的算法。
这些科技的发展速度让一些人感到担心，到了2030年，世界上多达一半的工作——主要是服务业——会面临自动化的危险。1因为服务业已经重新吸纳了制造业抛弃的所有劳动力，而且在此期间没有其他就业领域出现，一旦服务业被自动化，将会使大量劳动力无处可去。（2）
那种认为此类技术最终将在更大的范围内使用的严肃预测忘记了一个商业规则，即一项技术只有在证明比雇用劳动力更便宜时才会被推广。有人现在反驳说，过去40年为工人提供可疑的保护的低工资可能不再足以阻止自动化潮流。灾难性天气和流行病的风险越来越大，这可能意味着工人很快就会比机器人对公司造成更大的成本。新型冠状病毒肺炎大流行表明劳动力作为资本利润来源具有极大的波动性，世界各地许多工人因为封锁或感染疾病而被迫失业，有时甚至是长时间失业。2很多公司无疑在担心冠状病毒仅仅是人畜共患疾病时代的序幕。对人畜共患疾病传播的自然障碍进一步瓦解，有人在担心，而有人却欣喜若狂。资本制造了一个矛盾，它必须通过加速经济活动从劳动力向机器转移来应对这种矛盾。正如Steer Tech的首席执行官阿胡贾·索纳克（Anuja Sonalker）所说，“人类是生物危害物，而机器不是”。（3〕
然而在今天，自动化的影响已经不是消灭所有工作，而是与适应既定工作的任务构成相关，以及与随后的工作的整体质量相关。大多数工作都是各种任务的综合结果，这些任务对自动化具有不同程度的适用性。自动化可能不会消灭某一个工作整体，而只会消灭构成一个工作的部分任务。
在这种原则的指导下，人工智能并不倾向于创建完全自动化的系统，而是倾向于创建部分自动化并将某些任务外包给人类的系统。
Mechanical Turk等网站表明，某些服务工作的自动化或许永远都不会导致其完全机械化，而是产生出人机混合体。在一些历史证明难以自动化的工作中，机器学习将生产力收益微小的任务排除在外，并通过具体任务和管理功能的半自动化、劳动的超细分工和实时外包将其解决。当
某些任务被自动化的时候，另一些原本受限于地理的任务可以自由地在全球范围内漫游，以寻求廉价劳动力来获利。结果就是，曾经正常支付薪酬的工作不仅被无产阶级化，而且在默认情况下被非正规化，被分割为低薪、不稳定的计件工作，同时脱离了对薪酬和权利提供法律保护的
监管框架。微工作不受任何特定法律的约束，从而解除了工人、雇主和工作场所之间的法律关系。
从另一个更加明显的意义上说，微工作网站让低技能服务工作和自动化系统进行更加密切的合作。微工作培训、调节和纠正人工智能，通过这种方式向人工智能展示如何发挥劳动力的作用，即使其中一些技术从未成为资本主义经济的一般条件。为了让自动驾驶汽车避免交通事故，让聊天机器人理解谈话线索，让自动交易程序承担合理风险，首先必须让机器学习用干净的、带注释的数据进行训练；然后当自动程序启动运行之后，由工人进行持续不断的监督。如果数据没有经过预先处理，这些数据则会以违背程序员意愿的方式训练算法。
微软的Tay是一个“休闲”对话机器人，可以自由地从推特内容中学习。24小时后，Tay在推特上发布了一条令人毛骨悚然的评论，让人想起唐纳德·特朗普的评论：“@godblessameriga我们要建造一面墙，墨西哥要为此买单。”（2）如果没有Appen或Mechanical Turk上的大量工人首先对数据进行处理，而让算法在无人监督的情况下进行训练，算法会做出令人意想不到的事情，比如重复法西斯式的法令。
即使在数据被整理和注释之后，算法依然依赖各种人工输入来帮助训练、校准和纠正它们的操作。例如，推特经常利用Mechanical Turk网站上的工人来快速识别热门话题查询，分析其内容，并将其反馈到实时搜索中。米特· 罗姆尼（Mit Romney）在2012年总统竞选辩论期间发表评论后，“大鸟”成为热门搜索，Mechanical Turk上的工人们被要求快速确定哪些用户实际上在搜索与芝麻街相关的推文。1此类事件依靠人力快速做出决策，以避免算法犯下代价高昂的错误——这些错误会影响推特提取有用数据和预测用户偏好的能力，然后将工人做出的决策用来对算法进行训练，以便下次算法完成任务的机会更大。
这不仅适用于在线工作，也适用于在物理空间进行的工作。在伯克利校区，送餐机器人部分由哥伦比亚的远程劳动力控制，每小时的报酬是2美元，当自动化机器人犯错误的时候，他们会控制并引导自动化机器人。2］如果我们以这种方式想象服务自动化一—一个人类持续进行监督和纠正的过程——问题就不再是劳动力的绝对过剩，而是劳动力的相对过剩，即工人参与了多少，他们能够在多大程度上谋生。微工作表明，人工智能倾向于将工作非正规化，而非完全自动化。它预示着一个未来，越来越多的工人不是被机器取代，而是被挤压到濒临消失的临界点上。

This is not just the case with online work but also jobs that take place in physical space. On the Berkeley campus, food-delivery robots are partly controlled by a remote workforce in Colombia paid $2/hour, who take control and steer the automated bots when they make mistakes.20 If we imagine the automation of services in this way – a process of ongoing human supervision and correction – the question is no longer one of absolute superfluity but relative superfluity: just how much are workers involved and to what extent can they make a living? Microwork exemplifies the way that AI tends to informalize rather than fully automate work. It betokens a future in which growing numbers of workers are not erased by machines but squeezed to the point of vanishing.