数字治理蒂姆·克里斯蒂安斯：数字时代的生命政治与平台资本主义的倦怠

　　01

　　大数据的武器化

　　根据马克思的观点，人们应该将现代技术史解读为压制工人阶级抵抗的武器进步发明史。他这样写道，“可以写出整整一部历史，说明1830年以来的许多发明，都只是作为资本对付工人暴动的武器而出现的。”在《资本论》第一卷第十三章第三节“机器生产对工人的直接影响”中，马克思阐述了工业化的机器影响工人的三种方式：（1）它使妇女和儿童成为数量稀少的技术工人的直接竞争者。机器造成了大规模的失业，同时也使剩下的工作更容易完成。因此，反抗的工人很容易被更温顺的工人取代。（2）机器延长了工作日。由于机器必须尽可能多地运转，才能构成一项有利可图的投资，工厂主就把工人的工作时间延长了。（3）工厂系统也使工作日变得更加紧张。机器加快了工作节奏，工人们不得不更加努力工作，以跟上设备的速度。

　　在我们当前的非物质劳动时代，传统工业主要转移到非西方国家，服务业变得愈发重要。这一产业的主要优势之一在于，它使一种以“交互性的柔性控制”为中心的生产模式成为可能。如今的服务公司首要的不是生产商品，然后销售商品，而是首先鼓动消费者与服务提供者进行互动，然后定制产品以满足客户的个性化需求。通过校准自己的服务和顾客的期望，服务提供者生产消费者想要的商品。数字技术极大地拓展了这种服务提供者—消费者“共同创造”项目的可能性。这一领域的主要创新之一是平台公司的崛起——谷歌、亚马逊、优步、脸书——它们创造了一个数字化空间，在这里现实障碍比以往更少，个人可以轻松地交换商品。此外，挖掘我们最隐秘的欲望对广告商来说太昂贵了，但谷歌出售关于我们搜索词条的信息，以帮助广告公司创建有针对性的广告。这些公司通过提取和分析我们在数字平台上产生的行为数据获利。数据既可以卖给第三方，也可以用于平台优化自身的服务。尽管这个大数据世界看起来与工业化机器不同，但对工人的影响却惊人地相似。

　　平台技术延长了工作时间。数字技术导致工人在平台上工作的时间超出他们原来的预期。例如，优步使用“行为矫正手段”来激励司机自愿选择延长工作日。它发送推送通知，鼓励司机完成任意的日常任务，从而促使他们更多地工作。这些任务并没有内在意义，但优步清楚，简单地传达一个目标就足以诱使人们试图去完成它。在更基本的层面，工作日也延长了，因为更多的活动被纳入到创造价值的工作范畴。以前被认为是休闲的活动越来越多地被纳入资本积累的周期中。人们以前可能会让朋友开车去机场接送，而优步的出现使得人们不需要麻烦朋友。空闲时间越来越多地被经济系统所捕获。

　　工作的时间不仅延长了，而且紧张感也加剧了。平台公司将算法与监视系统相结合，以提高劳动生产率，这就像边沁描述的圆形监狱中的犯人一样，工人不知道他们的数据是如何以及何时被追踪的，导致他们自身将监视机制内在化。“肉体性的老板不复存在，算法成为新的发号施令者。”例如，优步会追踪司机如何刹车和加速，以撰写关于个别司机的安全驾驶报告。该应用程序会向司机发送诸如“检测到几个急刹车”或“干得好”等信息。这样的行为会让司机怀疑优步正在收集关于他们的更多信息，他们的工作就像在被优步一直监视一样。由于优步将司机和客户联系在一起的算法对工人来说是个谜，而后者却被引诱到一个潜在的自我改进的无限循环之中。无论优步在测试什么活动，司机都必须改进数据，以获得更多的工作机会。这样的系统建立起一种“精神吸纳”的方式，迫使工人将平台的盈利动机内化于自身的行为中。“（工人的）义务（变得）内在化，并且出于自愿受社会的控制，这使得工人不可避免地屈服于自动化的链条。”

　　02

　　平台的数字：生命政治

　　在前面提到的关于现代工业的章节中，马克思强调了这样一个事实：工人的行为必须根据工厂机器的要求和速度进行调整，而不是相反。

　　“在工场手工业和手工业中，是工人利用工具，在工厂中，是工人服侍机器。在前一种场合，劳动资料的运动从工人出发，在后一种场合，则是工人跟随劳动资料的运动。在工场手工业中，工人是一个活机构的肢体。在工厂中，死机构独立于工人而存在，工人被当做活的附属物并入死机构……由于劳动资料转化为自动机，它就在劳动过程本身中作为资本，作为支配和吮吸活劳动力的死劳动而同工人相对立。”

　　现代工业把工人变成他们无法控制的机器自动机的活的附属物，但工人并不愿意自己“变得空虚”。马克思指出，（工厂主）为了使工人屈服于机器的统治，意识到在工作场所建立纪律的必要性。也就是说，管理者必须强制执行工厂纪律，以使工业体系正常运转。如今，电脑和智能手机已经在很大程度上取代了工厂管理者。数字技术使得工作监督自动化：“算法系统……充当了虚拟的‘自动化主管’。”对于贝拉尔迪而言，其结果是形成一个“连接”网络：“以前正常运转的具有意义的主体（身体或机器）之间的一系列有效连接，它们已经根据代码被格式化。”连接是一种主体化模式，这种模式下，人类被嵌入到一种旨在实现平台利润最大化的数字化齿轮之中。数字代码使身体与机器操作相兼容，以服务资本积累。人首先被分解为数据流，算法随后可以根据平台的需求重新连接数据流。例如，优步经常利用关于未来价格飙升的误导性推送欺骗司机，以牺牲工人收入为代价来确保自身的利润。每当某个特定地理区域的需求明显高于优步司机的可用数量时，价格飙升就会自动发生。在那里，司机从客户的付款中就能获得更高的百分比。然而，优步保留了过去价格飙升的数据记录；它的算法可以预测未来的需求，并先发制人地集体通知司机即将到来的机会，增加供给来防止价格飙升。在这里，推送通知变成了一个弄虚作假的预言：仅仅是宣布更高的收入就会让很多司机蜂拥而至，以至于价格飙升从未成为现实。换言之，优步自动化了阿尔都塞式的质询来管理员工，用个性化的“嘿，你好”来称呼员工，让他们服从市场的要求。然而，这些平台使用大数据并不是直接管理单个的员工，而是将其作为关于员工的统计证据的数据库。算法—生命政治学“从单个工人的具体经验中提取特定的任务和活动，将他或她嵌入模糊任何主观性的工作流程中”。优步和其他平台无视员工完整的个人履历，而是将其视为可以连接起来的抽象的数据流以及有利于公司的资金流。这些平台通过算法跟踪GPS位置、消费者评级和平均驾驶速度，将最适合的司机与特定的要求联系起来。该应用程序通过将工人分解为抽象劳动时间的等效原子来提高整体效率，这些抽象劳动时间可以根据当前或未来的市场需求重新安排。

　　“连接的基础是连接的各元素是兼容的。事实上，通过将越来越多的元素压缩成一个使不同元素兼容的代码，数字网络得到了极大的扩张。这种变化的主要因素是由于人造设备在有机世界、身体、通信和社会中的扩散。”

　　莫雷齐奥?拉扎拉托认为，这种形式的数字—生命政治主要是通过“机器式征服”而非“社会驯服”实现的。在社会驯服中，人们的社会行为是通过语言层面的有意识排演形成的。为了在世界上定位自己，人类需要话语和意象来告诉他们自己的社会角色是什么。例如，天主教的话语和意象把人类描绘成一个需要神恩的罪人群体。这种描绘随后促使天主教徒自觉地把自己与罪人的生存条件联系起来，而平台公司很少使用社会驯服。优步通过将自身定位成一家年轻而成功的企业来吸引新司机，但这些广告活动的影响微乎其微。

　　通过“机器式征服”，数字—生命政治的运作要成功得多。我们知道，有些语言并不是用来进行思想交流的，它们在一个流动的网络中发出指令，类似于交通灯如何使用“红”和“绿”来指挥交通。计算机代码的1和0并不承载着诗性的意义，它们通过建立或切断不同网络节点之间的连接来调节电路。因此，计算机软件可以被理解为一系列相互协调的指令，这些指令管理电流，进而产生信息流。代码并不代表人类与之相关联的现实，它是一个直接的“现实的生产者”。它在没有人类意识中介的条件下发出“改变现实”的指令。在这里，建立人机“连接”需要使人脑与特定软件的电路相兼容。例如，电子游戏要使玩家沉浸其中，必须使玩家的心理注意力、手指动作、大脑中的内啡肽水平都与游戏玩法的流程保持一致。“机器式征服”不是针对个体有意识反思的能力，而是针对他们与环境的前意识、身体以及情感的互动。

　　几十年来，数字化金融一直在完善这种控制形式。传统上，股票经纪人通常被视为理性地计算交易成本和受益的经济人。然而，股票市场的波动与这种描述相矛盾。事实上，在算法时代，交易员的意识思维太慢，无法进行必要的计算，而纳秒的速度太快，无法作出理性的决定。如今，典型的金融交易员不再参加交易场内的“叫嚷比赛”，而更可能是一个盯着多个电脑屏幕的技术宅，对曲线图变动、信号灯变红、蜂鸣器熄灭自动作出反应。交易员将自己的大脑嵌入一个人机组合中，在这个组合中，决策的原始来源不再是人。在这里，有意识地阐述被嵌入在数字化组合中的前意识、本能的自动化所取代。交易员接受这样的训练，即以预先确定的方式自动作出反应。如果信号灯变红，他们会不假思索地点击抛售按钮。抛售的决定并不是来自自主的人类主体，而是来自一个由机器和人类元素交互组成的网络。“机器式征服”最终创造了一个流动网络，通过电路引导，可以选择和分配不同的流动，并将其转化为资金流。如果交易者成功地将他们的大脑嵌入全球金融网络，他们就能获得一种本能的“市场感觉”，并学会如何自动地对金融市场的涨落作出反应。买卖变成了一种依靠直觉和瞬时性进行决定的问题。交易员通过身体动作和计算机算法之间的自动交互，从而与市场建立联系。

　　平台公司同样使用“机器式征服”将员工与业务运作联系起来。对于优步这样的公司而言，整个世界就是一系列的数据流，司机必须对这些数据流作出正确的反应。由于平台公司和用户之间的唯一沟通渠道是应用程序，所以应用程序需要具有“令人上瘾的界面设计”，从而将司机的大脑直接嵌入到优步算法可见的数据流中。因此，肖莎娜?祖博夫认为，当代企业“根据绕过人类意识、个人决策权和整个复杂的自我调节过程的方法，宣布他们有权为了利益而改变他人的行为”。

　　优步的应用程序被赋予了助推系统，可以预先有意识地引导司机的行为,从而利用心理偏见来获取公司利润。优步的正向调度系统的灵感来自Netflix的自动排队系统。该系统在观众看完某部剧时，通过自动建议和播放新材料来鼓励观众狂看电影。因为人脑受惯性支配，所以人们主动停止观看Netflix比继续观看需要付出更多的努力。优步对司机也采用了同样的策略：在司机完成一项工作之前，优步就会自动提出新的要求，利用惯性的力量诱使司机延长工作时间。正向调度系统可以让司机像真空中的惰性物体一样，顺利地从一个任务流向另一个任务。反思和批判性思考的时间在这里减少了。因此，人类被慢慢转化为汽车、客户和交通的组合中的自动化节点，由平台中的算法控制。“技术已经获得了一种无处不在的潜能，达到了它能够独立于其人类创造者成长的程度，并将自己部署为一个自动化系统。”

　　03

　　人类自身对增长的限制

　　鉴于“机器式征服”的现象在游戏、金融、平台经济等多个领域皆有发生，因此不能立即看出它在政治层面存在什么问题。然而，贝拉尔迪对连接的批判，强调了人类大脑承受着过度负担，这一批判是对这场辩论的重要贡献。人类的思维和如今的全球数字网络的组合在根本上是不兼容的。资本主义以其抽象的算法模式作为平台治理的方式，而对人类的有限性视而不见。这会逐渐耗尽为其运作提供动力的来自人自身的精神能量。当代话语称颂创造的灵活性、创业的独立性和充满激情的工作伦理，但精疲力竭和抑郁的现实突破了这种意识形态的屏障。

　　人们看到了马克思在大规模现代工业中发现的倦怠问题的诡异重演。

　　“首先，在机器上，劳动资料的运动和活动离开工人而独立了。劳动资料本身成为一种工业上的永动机，如果它不是在自己的助手——人的身上遇到一定的自然界限，即人的身体的虚弱和人的意志，它就会不停顿地进行生产。因此，劳动资料作为资本——而且作为资本，自动机在资本家身上获得了意识和意志——就受这样一种欲望的激励，即力图把有反抗性但又有弹性的人的自然界限的反抗压到最低限度。”

　　马克思认为，如果没有工人虚弱的身体和坚强的意志的抵抗，工业机器将使生产无限地运转。大多数评论者都关注后者，强调工人的抵抗力成为争论的“潜在的强大的集体政治力量”。但虚弱的身体也不容忽视。马克思的这段话中提到的“抵抗”与意志层面的对抗关系不大，更多的是关于人自身的力量与中介之间的冲突。正如物体可以抵抗电导一样，人体也可以抵抗推动自我的那种大规模生产冲动。一旦身体垮掉，自动系统必须用新的劳动力取而代之，或者减缓生产过程。人类潜力的枯竭对工业资本主义的增长曲线造成了生理层面的限制。

　　在平台经济中，倦怠问题以新的形式再次出现，即持久的精神倦怠。劳动者需要数年时间才能从倦怠或抑郁中恢复过来，如果他们曾经这样做过。由于过度工作，自杀已经成为一种全球现象。贝拉尔迪正确地同安东尼奥?奈格里等学者保持距离，后者错误地将人类在社会合作方面的潜力视为一种无限的资源。“即使一般智力具有无限的生产力，增长的限制也铭刻在认知工作的情感体验中：注意力、精神能量和感知力都具有极限。”如果人类的潜力没有在适当的时候得到补充，它就会像大多数自然资源一样趋于枯竭。然而，只要有足够的人来替代现有的劳动力，平台公司就不会承担起为工人提供可持续的生产过程的责任。2他们可以榨取人类的潜力，就如同全球经济榨取石油供应一样，而不考虑明天会怎么样。例如，在外卖平台Deliveroo上，骑手有时会试图通过更快地骑车来赚更多的钱。他们按订单量赚取报酬，因此，完成更多订单应该等于更多的工资。然而，平台的算法认为骑手骑车具有较高的平均速度是理所应当的，并将他们规划到更远的地点。如果他们想避免收入下降，就必须加速骑行。换言之，做好自己的工作就是以同样的报酬承受更多工作的“重压”。

　　在平台的连接性生命政治重压下，劳动者的体力，而且主要是精神健康都被耗尽。但为了保持与平台的联系，工人会不间断地检查他们的手机或电脑。为了执行新任务，他们永远处于“待命”状态，从而导致睡眠被普遍性地剥夺。众包服务平台Amazon Mechanical Turk的工作人员称，由于担心错过有利可图的微任务而不敢离开计算机。他们必须时刻盯着自己的电脑屏幕才能捕捉到好的机会，即使平台“可以匿名雇佣一个工人两三分钟，付给他一两美分甚至无薪酬，等任务完成后，就立刻解雇他”。计算机和智能手机成为将人们的时间碎片转变为平台公司可以随意调动的微观片段的工具。尼克?斯尔尼塞克将平台经济称为“临时工市场”，但现实情况可能比这更糟。大多数工人并不是全天受雇的，他们所完成的也只是小型的、低技能的任务。“工人将他们的一整天都奉献给资本，并且只有在他们的时间接入数据网络的那一刻才能获得报酬。”预先规划一天变得不可能；取而代之的是，人们始终处于警觉状态，以便在平台需要时快速进入。在信息化劳动中，“资本不再招募人员，而是购买时间包，并将那些可替换的劳动者和偶尔的参与者区别开。”然而，最终，员工再也无法承受来自推送通知、短信、潜意识推动以及令人失望的收入的持续压力。“机器式征服”意味着：

　　欢迎关于我们的身体和情绪行为的数据，但它对我们自身的发泄没有兴趣。它对我们的悲伤、痛苦或恐惧无动于衷，尽管它热切地欢迎从我们的痛苦中渗出的行为过剩。它对我们的意义和动机表现出彻底地漠不关心。

　　如果平台经济的算法基础设施对人类的需求和欲望置若罔闻，同时又追求更多的利润，那么，人与机器之间的联系就会破裂。“网络时代不能超越极限，否则它就会破裂。实际上，它正在破裂，在生产力过剩的压力下崩溃。”一些人使用抗疲劳的药物来暂时抑制这种倦怠感。这些药物使得人得以嵌入平台的数字网络中。为了让后工业时代的永动机继续前进，平台的人力要素需要医疗支持。然而，当担负的压力最终突破人类心理潜力的“有反抗性但又有弹性的人的自然界限”，大脑就会进入一种通常被称为倦怠的紧张状态。精神资源已经枯竭，只剩下一片贫瘠的荒原。至此，有限的现实之人与抽象算法无限增长的必然性之间的矛盾达到了令人沮丧的顶点。

　　04

　　结语：走向开放的平台

　　幸运的是，数字—生命政治的主导地位并不是不可避免的，而是偶然多变的事件。就像平台公司将大数据武器化用以对付员工一样，工人不应该害怕或失去希望，而应该寻找新的武器。“我们创造技术并从中受苦，更新它们并超越它们。因此，我们不能拒绝技术，而是必须从我们生活中的技术和生命政治结构开始，并从那里规划一条解放之路。”这样的机会在于平台的协作不再是由硅谷的公司拥有，而是由工人自己拥有。其中大数据可用于增强工人的集体自主权。

　　随着大数据的使用更加自由，数据提取和分析让工人更有效地协调行动。像优步这样将司机分配给寻找乘车的人的应用程序本身并没有错，有问题的是它秘密地改变行为的方法，即通过绕过员工的意识并利用他们的神经和心理弱点来进行管理。在丹佛和纽瓦克等城市，出租车司机和工会已经开发自己的应用程序来削弱优步。这使得他们能够在不牺牲自己身心健康的情况下优化服务效率。在西蒙栋的词汇中，这样的举措是将平台想象为“开放的对象”。西蒙栋使用勒?柯布西耶设计的里昂附近的圣玛丽德拉图雷特修道院作为范例。修道院是由一组混凝土砌块建造的，但建筑物的确切轮廓是可以永久修改的。根据西蒙栋的说法，柯布西耶将修道院设计为人类创造力和居民自主权的开放平台。他只提供了“入门”套餐：未来几代人应该根据自己的需要来改造这座建筑。虽然建筑物通常被设计为“封闭的物体”，建筑师在其中固定建筑物的轮廓和布局，但圣玛丽德拉图雷特修道院是一个开放空间，用于创造性的自我创造。

　　同样，艾柯在《听众的角色》中观察到当代作曲家创作的音乐给演奏者留下了相当大的自由。贝多芬的交响曲或巴赫的赋格曲可能已经有多种解释，但作品自身是固定的。相反，贝里奥的独奏长笛序列预先确定了音符的序列和强度，而不是它们的持续时间。贝里奥的作品使作曲成为作曲家和众多表演者之间的协作式努力。每次演奏贝里奥的独奏长笛序列时，它不仅仅是对同一乐曲的不同解释，而是一种本质上新颖独特的乐曲。没有“原始”作品可以作为其表演无限迭代的固定点。可以说，只有“初学者”的准入门槛。

　　数字技术，尤其是算法，经常被设计为“封闭对象”。就像在传统音乐中一样，最初的程序员在用户执行预先建立的命令时编写乐谱。我们无法重新配置Apple iPhone、优步的定价算法、Google的PageRank软件，甚至Facebook的条款和条件。然而，平台公司运营背后的算法可以而且应当成为工人集体自组织的工具。平台提供商不应提供成品，而应制定允许人们编写自己的工作时间表的基本协议。“员工不仅必须能够访问代码，以便能够了解管理其工作环境的参数和模式，还需要从一开始就参与协商开发软件。”丹佛和纽瓦克的出租车应用程序等为这种操作提供了范例。他们没有让他们的工作按照优步的标准通过优步的算法进行组织，而是使用开源协议根据自己的需求和目标创建一家出租车公司。如果平台公司将他们的软件开源，那么平台软件就可以成为社会解放的工具，而不是机器式的征服。允许工人管理他们自己的平台不仅会实现当今平台误导性承诺的创业自由，它还将提供一个安全阀，防止人类潜力不可挽回地耗尽。

　　来源：《国外社会科学前沿》2023年第06期。作者：蒂姆?克里斯蒂安斯，荷兰蒂尔堡大学人文与数字科学学院助理教授。译者：杨雷，北京师范大学哲学学院马克思主义哲学专业博士研究生。

　　人工智能驱动科学发现何以可能：基于认识论的追问

　　黄时进

　　2016年3月，谷歌旗下的DeepMind公司开发的AlphaGo程序以4：1击败韩国围棋冠军李世石。这一事件震惊了全世界。作为人工智能（Artificial Intelligence，以下简称AI）程序的AlphaGo之所以能赢，就是开创性地采用模拟人类思考学习且强化记忆的RL系统，并由卷积神经网络通过蒙特卡洛搜索树收缩到最优解，这是AI使用强化学习算法解决问题的成功案例之一，标志着AI学习人类思维的重要进步，也标志着新一代AI技术开始得到应用。2020年11月，在国际蛋白质分子3D结构的竞赛预测赛中，DeepMind公司开发的AI程序AlphaFold2运用第二代深度学习神经网络，摘得桂冠，并破解了一个困扰人类50年的难题：预测蛋白质如何折叠。这是新一代AI在人类探索自然界的科学发现中一个历史性贡献。在信息学、数学、医学、材料学、地学、生命科学、物理学、化学等学科的科学发现方面，新一代AI也日益发挥越来越关键的驱动作用。美国哲学家丹尼特说过：“在很大程度上，人工智能就是哲学。”那么，如何从哲学层面对新一代AI驱动科学发现进行反思呢？本文将从认识论层面开展深入探讨和追问。

　　01

　　新一代人工智能发展状况及技术特征

　　1956年，达特茅斯学院麦卡锡、纽厄尔、西蒙和明斯基等人组织的学术研究会，正式提出AI概念：“从学习与智能可以得到精确描述这一假定出发，AI的研究可以制造出模仿人类的机器，使其能读懂语言，创建抽象概念，解决目前人们的各种问题，并自我完善。”这个概念界定基本上决定了AI以后的理论、方法、技术及应用系统的发展方向为：模拟、延伸和扩展人的智能。从哲学层面，玛格丽特?博登在《AI哲学》中是这样界定的：“AI有时被定义为：研究怎样制造计算机，并（或）为其编程，使其能够做心灵所能做的那些事情。”

　　AI从兴起至今发展已经超过60年，经历了三次发展高潮，具有波浪式发展的特征：第一次是从前文所述的1956年达特茅斯到1975年，在这期间“纽威尔、西蒙等用物理符号系统假设来模拟人类大脑的符号”，符号AI的开创者们基于逆向演绎方法，通过建立数据库和控制系统来进行逻辑推理和演算，促使符号主义的AI成为第一次发展高潮的代表。第二次是从1975年到2006年，在这期间，梯度下降法、反向传播（backpropagation，BP）算法的提出促使深度学习为基础的卷积神经网络等得到运用，联结主义的AI开始占主导地位。第三次是2006年至今，AI正进入发展的第三次高潮，复杂结构设计的神经网络和高维数理统计方法促进AI得到更广泛、更精准的运用。第三次发展高潮阶段的AI，也被称为“第三代AI”，其发展思路是：“把第一代的知识驱动和第二代的数据驱动结合起来，通过同时利用知识、数据、算法和算力4个要素，构造更强大的AI。”“第三代AI”代表了新一代AI发展的技术总方向。

　　关于当代AI的技术特征，2017年中国政府颁布的《新一代人工智能发展规划》将其概括为：“在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。”美国国防高级研究计划局（DARPA）2017年启动了可解释人工智能（XAI）计划，2018年提出包括XAI在内的“下一代人工智能计划”，DARPA认为下一代AI技术应该是能利用情境模型适应不同情境的AI系统。从技术发展和应用整体而言，新一代AI还处于“弱人工智能”阶段，但个别领域已经呈现“强人工智能”的部分特征，整体发展目标是实现“强人工智能”，未来规划是实现“超级人工智能”。结合第三代AI的技术特征，我们认为，新一代AI的技术特征至少应该包括以下几个方面：

　　其一，促进知识驱动与数据驱动实现有效融合，如前文引用的“第三代AI”概念所述，新一代AI将克服知识驱动的符合AI在常识上获取、表达和推理困难的缺陷，也将克服数据驱动的深度学习由于“黑箱”性质导致推广能力差等缺陷，有效将知识、数据、算法和算力融合协调运用。

　　其二，以大数据、大模型为核心的大数据智能得以发展及应用。目前比较有代表性的大模型有谷歌的BERT、OPENAI的GPT-3等。

　　其三，因果AI技术得到运用，即可以量化因果关系。例如可解释AI。如前文引用的2017年美国国防高级研究计划局（DARPA）可解释人工智能（XAI）计划，DARPA将可解释AI定义为能够向人类用户解释其基本原理、描述其优缺点并传达对其未来行为的理解的AI系统。将该程序命名为可解释AI反映了DARPA的目标，即通过使用有效的解释来创建更多人类可理解的AI系统。

　　其四，“生成式AI”技术得到运用。生成式AI，就是通过各种机器学习（ML）方法，例如“生成式对抗网络”（GAN）模型，就是从数据中学习对象的组件进而生成全新的、完全原创的内容（如文字、图片、视频）的AI。AI生成的内容不是简单地对学习数据进行复制，却会和训练数据十分相似。

　　02

　　新一代人工智能驱动科学发现的突破

　　AI最核心的基础功能在于模仿人的智能，科学发现是凝聚了科学家与科学共同体集体智能的重要载体，新一代人工智能正在模拟科学家的智能并促进科学发现的发展方面取得突破。最新的文献显示，来自6个国家、41个单位的48位学者，分别结合各自领域，系统论述了新一代AI技术对信息学、数学、医学、材料学、地学、生命科学、物理学、化学等学科发展的推动作用，新一代AI驱动科学发现的突破，至少在以下领域取得明显的进展：

　　一是AI促进生命科学的研究。AI和生命科学的发展是相互交织的，AI与脑科学相互促进、相互启发，类脑成为AI前沿，AI新算法加速了多组学大数据的整合分析，PrimateAI可以准确地预测突变是否致病等。还有前文介绍的AI程序AlphaFold2，其根据蛋白质包含的氨基酸，准确、快速地预测蛋白质的结构2020年1月Nature刊发的文章详细介绍了其工作原理及意义。

　　二是AI促进地球科学的研究。AI在促进地理科学的研究方面，突出表现在这些方面：AI为地球科学的海量数据采集、分析提供了全新途径。AI可视化分析、智能传感和智能反演，助力地球科学的研究。由AI赋能的用于地球科学探索机器人和自动设备已广泛应用。AI正在帮助地球科学从定性分析转向定量研究。AI技术涉及广泛的地球科学领域，从地球科学的角度来看，在AI的帮助下，新兴的方法是地球科学应用中这些问题的完美结合：3（1）表征物体和事件；（2）从观测中估计地球科学变量；（3）根据长期观测预测地球科学变量；（4）探索地球科学数据关系；（5）因果发现和因果归因。

　　三是AI促进物理学的研究。现代物理学可以分为四类：中子尺度的粒子物理学、原子尺度的核物理学、分子尺度的凝聚态物理学和宇宙尺度的宇宙物理学。AI在促进现代物理学的研究方面，基本覆盖了这四类：AI促进了极小微观世界的粒子发现和极大宏观世界的物理探索研究，AI正在加速粒子的模拟和鉴别，AI促进了核物理学的进一步发展，AI在凝聚态物理方面发挥重要作用。例如AI在粒子物理中的应用或探索，物理学家在对晶格量子色动力学（LQCD）展开研究时，通过超级计算机上使用AI模拟来研究LQCD的非微扰特性，以帮助人类了解将夸克结合在一起形成核子的强相互作用。

　　四是AI促进天文学的研究。观测和数据分析在推动天文学发展方面起核心作用，而AI通过基于深度学习的自动化和智能寻源工具，帮助天文学家分析射电望远镜等现代天文设备收集的海量数据，并通过测量星系团来研究宇宙的演化。例如“中国天眼”FAST、LSST大型综合巡天望远镜等捕获的海量观察数据，研究团队通过构建并训练卷积神经网络等AI程序极大地提升对数据的分析速率，AI展现出来的效率和准确性远高于传统方法。2020年中国科学院云南天文台丽江天文观测站龙潜研究员与云南大学中国西南天文研究所宇宙学研究组的尔欣中教授团队合作，构建并训练了一个卷积神经网络，用来寻找强引力透镜系统。他们把这个网络应用到欧洲南方天文台2.6米巡天望远镜（VST）千平方度巡天数据，并找到了38个新的强引力透镜候选体。此次构建的神经网络，也可应用于其他大型望远镜的巡天数据，为研究天体物理学问题提供了新的可靠的“宇宙探针”候选体。英国《皇家天文学会月刊》发表了这项研究成果。

　　新一代AI驱动科学发现的突破，还包括数学、化学、医学、材料学等诸多学科领域，由于篇幅所限，本文就不详细介绍。通过上述典型学科案例，我们可以归纳出新一代AI驱动科学发现的突破有以下特征：

　　首先，随着信息科学技术的新研究和应用飞速发展，提升了大数据、区块链、机器学习（ML）、深度学习（DL）和AI框架等技术水平，为AI算法实现提供了基础工具，降低了AI的技术门槛，促进了AI感知、认知和决策能力的提升，为AI驱动科学发现奠定了技术基础。

　　其次，AI与基础科学的发展呈现相互促进、加速发展的趋势。例如数学的发展促进AI关键问题解决，数学理论的发展与突破一直都是支撑AI的基石，逼近论为探索神经网络的可解释性提供可能，优化理论可解决AI参数估计的非凸性和非光滑性，概率论与统计可以支撑AI模型泛化能力的评估。同样，AI的发展也促进了数学基础理论的加速发展，AI的不断发展与运用对于复杂函数理论、偏微分方程理论、数理统计理论等发展有着直接的促进作用。

　　再次，AI驱动科学发现所取得的突破呈现多层次特征。有一些基础学科，AI驱动科学发现有解决困扰科学家多年难题的重大突破，如前文的AlphaFold2破解了一个困扰生物学领域50年的难题：预测蛋白质如何折叠。而另外一些基础学科，AI驱动科学发现呈现渐进式的推进，如前文所提及的AI促进现代物理学的研究，在逐步推进核物理学、凝聚态物理等领域研究发展。

　　最后，AI驱动科学发现的突破，对于基础科学的研究和技术的创新，从整体上而言是促进科研进程的加速发展，无论是重大突破还是渐进式推进，对于科学共同体而言无疑是鼓舞人心的利好。然而，AI自身及其发展所带来的不确定性，以及伦理上的困惑，也给AI驱动科学发现的未来发展，带来潜在的可能性挑战。这就需要AI领域研究学者以及相关领域的自然科学学者和人文社会科学学者携手共进，共同对此展开富有前瞻性的研究，作为关注科学研究的科学哲学，需要给予及时的诠释。

　　03

　　新一代人工智能驱动科学发现引发的认识论转向

　　新一代AI驱动科学发现正在构建科学研究的新范式，在哲学层面必然会引起反思，也必然对认识论带来挑战，汉弗莱斯对此强调：“一个完全以人类为中心的认识论已经再也不合时宜了。”而这需要我们据此进行深入诠释。

　　（一）认识主体：AI嵌入

　　AI作为人类智慧的产物，从根本上是无法动摇人作为唯一认识主体的认识论地位，但新一代AI技术的发展，特别是新一代AI驱动科学发现，至少从以下几个层面体现了AI嵌入认识主体，成为人认识自然、探索自然的有机组成：

　　其一，新一代AI嵌入人的认识决策。新一代AI在驱动科学发现时，原来需要依托科研人员的经验和智力并需要耗费大量时间和精力的类似特征选择等认识决策，在大数据、大模型为核心的智能深度神经网络的帮助下可以变得轻松，即AI通过有效嵌入人的认识决策，帮助科研人员更高效地探索科学。以前文所提及的新一代AI程序AlphaFold2为例，在之前分子生物学家们都是基于蛋白质的氨基酸序列来研究一个蛋白质结构，而2020年AlphaFold2发明后，帮助分子生物学家很容易地预测蛋白质结构。在AI的认识决策帮助下，现在很多分子生物学家都可以基于蛋白质结构去研究蛋白质的功能。

　　其二，新一代AI嵌入人的演绎推理。新一代AI在驱动科学发现时，通过在AI模型中嵌入相关专业领域知识，可以一方面借助机器学习的强拟合能力来确定专业领域知识的一般性的前提，通过推导变量之间的映射关系，得出具体陈述，从而提高模型的准确率。另一方面，AI模型中嵌入相关行业的先验知识来保证预测结果符合相关行业运行规律，不违反常识。例如前文所述物理学家在运用新一代AI开展粒子物理中的应用或探索时，先在AI模型中嵌入粒子物理专业领域知识，然后再协助物理学家开展包括晶格量子色动力学（LQCD）等在内的具体项目，这也意味着新一代AI有效地嵌入物理学家在科学发现实践时的演绎推理。

　　其三，新一代AI嵌入人的归纳推理。新一代AI在驱动科学发现时，运用深度学习即通过基于开源AI框架，依托强大的计算资源，通过输入海量的相关专业标注数据，就可以训练出能在相关专业领域有效选取数据特征和构建规则的模型，帮助科学家从海量的信息中发现潜在规律。如前文所述“中国天眼”FAST、LSST大型综合巡天望远镜等捕获的海量观察数据，天文学家通过构建并训练卷积神经网络等AI程序极大地提升对数据的分析速率，不断取得对外太空探索的进展。

　　（二）认识对象：表征融合

　　人的认识对象，普遍意义上就是人所面对的世界，即认识客体。新一代AI驱动科学发现，依托大数据、大模型为核心的大数据智能，海量数据是研究的基础和资料，同时，海量数据将科学发现的过程和对象全面表征化，产生了“数据自然界”。AI协助科学家研究的对象，不仅是客观世界，而且是客观世界与“数据自然界”表征融合的认识对象，AI对此进行动态分析和挖掘，进行探索研究。

　　以前文所述“生成式AI”技术为例，通过各种机器学习（ML）方法，在进行大规模预训，从而能够从数据中学习对象的组件进而生成全新的、完全原创的内容。“生成式AI”生成的内容不是简单地对认识对象即学习数据进行简单复制，而是在训练数据的基础产生原创内容，即成功地对认识对象实现了表征融合。

　　（三）认识路径：通用融合

　　新一代AI驱动科学发现，依托算法、算力技术进步和数据参数海量化扩展，AI模型的不断迭代升级，极大地拓展了科学共同体开展科学研究的路径，进而推动科学发现的创新发展。

　　回顾AI发展历程，第一代AI以模拟人脑符号模型的主义AI，其认识路径为物理符号系统假设，符号AI认知路径的优势和局限性都比较明显：优势在于“与人类理性智能一样具有可解释性和容易理解”，而局限性在于“目前已有的方法只能解决完全信息和结构化环境下的确定性问题”。第二代AI以联结AI和行为AI为代表。联结AI的认知路径是利用数学模型来研究人类认知，用模拟人脑的神经网络的连接机制来建构AI模型。行为AI的认知路径是模拟人通过与环境的交互获得经验的方法，即模拟“感知—动作系统”，通过环境反馈和智能行为之间的因果联系去构建AI模型。联结AI的认知路径优势在于，以深层神经网络为代表AI模型具有相当强的分类与学习能力，而局限性在于，其稳定性和准确性存在一定程度的限制。行为AI的认知路径优势在于，重视AI控制的机器自身表现，实用性和应用技术的发展很强，而局限性在于，理论性缺乏深度及发展动力。

　　如前文所述，新一代AI是在知识、数据、算法和算力4个要素飞速发展的基础上把第一代AI和第二代AI的认知路径结合起来，初步实现了认知路径的通用融合。以2022年DeepMind公司开发出来的“通才”AI模型Gato为例，它具有多模态、多任务、多具身等特点。Gato可以玩雅达利游戏、给图片输出字幕、和别人聊天、用机械臂堆叠积木，等等。此外，Gato还能根据上下文决定是否输出文本、关节力矩、按钮按压或其他token。Gato之所以具有这些功能，是有效地将强化学习、计算机视觉和自然语言处理这三个领域功能融合，将CV、NLP和RL这三个不同模态映射到同一个空间，用一套参数表达，初步实现了认知路径的通用融合。

　　（四）认识方法：算法融合

　　新一代AI驱动科学发现，是建立在知识、数据、算法、算力等飞速发展的基础上，这其中算法是人工智能技术的核心部分。算法，即计算机处理信息的方法，“与人的认识方法形成新的关联。”新一代AI驱动科学发现的算法，是如何与人的认识方法形成新的关联的呢？

　　我们知道，算法本来就是人设计，本质上是人的认识方法的延伸与拓展，算法也是人认识世界改造世界的产物。按照丹尼特区分三种针对外部对象的解释立场：其一“物理立场”，即把所观察的对象看成是无目的的物理系统：“怎样之输入会得到怎样的输出。”其二“设计立场”，即把所观察的对象看成是人按照目的需求、采用一定方法设计的产物：“它会按照它自己的设计，而在不同的环境中给出这样或那样的运作方式。”其三“意向立场”，即把考察对象看成是一个能自主决策的理性能动者：“该对象会在自身的信念的帮助下，一步步地接近自己的目标。”AI及AI算法作为人设计的产物，我们首先对其解释为“设计立场”，AI算法的认识方法是人为AI所设计的，算法会按照人的设计，进行高效运作，这是AI算法最基本的认识方法：源于人脑的思维方法。

　　新一代AI驱动科学发现，依托其算法技术取得迭代进步，例如可以量化因果关系的因果AI算法技术得到运用，扬弃了深度学习算法的“算法黑箱”，初步融合了AI程序算法的准确性和人思维所具有的决策自主性，在认识方法上初步实现了算法融合。据此，新一代AI驱动科学发现，其认识方法不仅解释为具有“设计立场”，而且可以解释为具有初步的“意向立场”。

　　（五）认知能力：拓展创新

　　新一代AI驱动科学发现，是对人，特别是对以科学家为主体的科学共同体认知能力的拓展创新。人作为生物体，其认识能力的形成是一个长期学习和积累的动态过程，观察力、注意力和记忆力的提升和拓展都有一定的边界，而新一代AI模拟、延伸和拓展人的智能，甚至在一定程度创新人的智能，在驱动科学发现通过大模型在大数据中获取知识，并且分析知识从而推演出科学研究目的引导的理论、方法及系统。

　　从模拟人的认知能力的维度，新一代AI拓展创新人的认知能力，经历了从感知智能到认知智能的发展过程，感知智能通过将多元数据结构化，帮助AI模型模拟人的视觉、听觉、触觉等感知能力，并模拟人类交流的方式去沟通和互动。而认知智能则是在类脑的研究和认知科学发展的基础上，结合知识图谱、因果推理、持续学习等跨领域的科技成果，帮助AI模型模拟人的理解、归纳和应用知识的能力，进而模拟人的思维逻辑和认识能力，从而促进新一代AI驱动科学发现。

　　04

　　结语

　　新一代AI驱动科学发现，正在逐步促进传统的科学研究方式转型升级，也在认识论上赋予认识主体、认识客体、认识路径、认识方法和认识能力等方面新的进化，进而从整体上引发了认识论转向，至少在以下三个方面得以凸显。

　　其一，嵌入认识论建构。新一代AI驱动科学发现，是建立在知识、数据、算法、算力大幅度提升的基础上，而驱动科学发现的同时，又产生新的知识和数据，同时以深度学习和机器学习为代表的算法迭代更新，全面提高机器的认知能力，又促进了算力的提升，综合起来促进科学发现形成螺旋式上升发展，也作为新的有机要素嵌入认识论建构。

　　其二，促进相关性和因果性融合。新一代AI驱动科学发现，大数据、大模型为核心的大数据智能发挥了关键作用。一方面，由于算法技术的复杂性、商业公司的技术保密性等造成的“算法黑箱”，“我们能观察到它的输入与输出，但是却不能说出输入是如何变成输出的。”当然这并不阻碍相关符合预期结果输出，同时，AI给科学发现带来的受益也突显出数据与结果之间的相关性。另一方面，因果AI技术得到运用，量化因果关系得以实现，从技术层面把因果性凸显，特别在不久的将来，能够向人类用户解释其基本原理、描述其优缺点并传达对其未来行为的理解的可理解AI系统技术得以突破和应用，将扬弃汉弗莱斯所描述计算机在模拟人脑的“认识不透明性”，即“核心模拟初始状态和最终状态间的动态关系是认识上不透明的”，在认识论层面实现相关性和因果性融合。

　　其三，促进认识论理论创新发展。AI模拟的是人的智能，如同人脑的镜像，新一代AI也是如此，新一代AI在驱动科学发现的同时，也推动了脑科学、神经生物学等探索人脑奥秘的专业发展，同时也促进分析人的认识活动的哲学、心理学等相关理论发展，各种要素综合起来，将有力地拓展和深化认识论理论创新发展。

　　人是新一代AI的核心和智慧的源泉，新一代AI驱动科学发现取得成果及进展，本质上是人的智慧结晶，“人是目的”应该是新一代AI驱动科学发现的认识论转向的指导原则，以及认识论理论拓展创新的核心要义。

　　来源： 国外社会科学前沿》2023年第5期。作者：黄时进，华东理工大学马克思主义学院教授、博士生导师。

　　大他者：监控资本主义和信息文明的前景

　　01

　　导言

　　白宫最近关于“大数据”的报告称，“技术轨迹是明确的：技术将产生越来越多的与个人有关的数据，这些数据将在他人的控制下持续存在。”看到这个结论后，我想起了2009年对谷歌主席埃里克?施密特的一次采访，当时公众首次发现了谷歌保存着个人搜索历史记录，这些历史记录可供国家安全和执法机构使用。“大数据”一直以来被认为是独立于社会之外的技术巨头所产生的必然结果，而我们只是旁观者。

　　大多数关于“大数据”主题的文章都试图从定义它开始。这表明，大数据完全明确的定义尚未出现。在此,我个人认为，“大数据”尚未被成功定义，之前学者对它的定义限于一种技术的对象、效果或能力，而这种偏颇的观点迫使我们反复回到同一立场。因此，在本文中，我采用了不同方法定义“大数据”，认为“大数据”不是一种技术，也不是一种无法避免的技术效应。

　　在《新游戏，新规则：大数据和不断变化的战略背景》中，康斯坦提欧和卡利尼科斯为这一新方向提供了重要线索。在文中，他们揭开了“大数据”这一黑匣子的面纱，揭示了它的认知内容和固有问题。在早期其他学者警告的基础上，这篇文章清晰地描绘了“大数据”的认知特征并阐明对它认识的不连续性。因此，这些数据要求公司具备官方的、推演性的、内生性的和实证主义惯性的认识方法和思维方式。

　　康斯坦提欧和卡利尼科斯在向世界描述大数据“黑匣子”时，也坚持称这依旧是个未解的谜团。

　　在本文中，我的目标是对这些尚未理论化的新领域展开讨论，其中嵌入了康斯坦提欧和卡利尼科斯的“大数据”思考与讨论：商业化战略的革新、制度的模糊划分、公司的性质及其与人口的关系。为了阐明本文的论点，我先简要回顾相关的基本概念，然后，研究谷歌首席经济学家哈尔?瓦里安的两篇文章；在这两篇文章中，他揭示了监控资本主义的逻辑和影响以及“大数据”在这个新制度中的基础性作用。

　　02

　　计算机中介与资本积累逻辑的结合

　　大约35年前，在麻省理工学院研究报告上发表的题为《计算机辅助工作的心理和组织意义》一文中，我首次提出了“计算机中介”的概念。在这篇以及随后的文章中，我将“计算机中介”作为与替代或简化人类劳动的机械化和自动化工作区分开来的标志。我发现信息技术具有二元性的特点：一方面，它可以凭借之前的逻辑应用于自动化操作——用能够实现更多连续性和可控制的机器代替人体；但另一方面，在信息技术上，自动化生成数据信息，同时也为部分不透明的活动提供了更深层次的掩护，它不仅以程序指令的形式强加信息，而且还产生信息。简单地说，这种区别标志着“聪明”和“愚蠢”。

　　我将计算机中介的这个独特能力称为“信息多样化”。信息技术具有自动化和信息多样化的能力。在信息化过程中，以计算机为媒介的工作扩展了组织编码，促成工作环境的全面“文本化”，文本即“电子文本”。“电子文本”创造了新的学习机会，因此引发了关于谁将参与的讨论。一旦公司普遍应用计算机中介，这种新的“学习分工”就会比传统的分工更加突出。即使在20世纪80年代，文本就饱受争议，它向人们展示了生产、管理流程和客户界面，但它也泄露了人类行为信息。

　　今天，我们尤其是劳动力部门，必须去思考计算机中介、文本化以及作为劳动的学习性工作，什么时候将不再出现如上述所说的情况。由于即时信息的计算机中介学习系统已经成为日常经济活动的内在推动因素，所以可以这样说，计算机中介学习系统与经济活动是密切相关的。

　　然而，对学习分工的划分并不是纯粹的形式，在长达20年的实地考察中，我在数百种情况中遇到了相同教训。与劳动分工一样，学习分工也离不开这些问题。在市场领域中，电子文本以及从中可以学到的东西从来都不是也永远不可能是“事物的本身”，它总是由这些问题的答案构成。

　　这里的关键是：当涉及市场领域时，电子文本已经被其中的积累逻辑和逻辑中固有的冲突组织起来。积累逻辑组织了感知，并从根本上表达了技术特性，它是任何商业模式的背景，它的假设在很大程度上是默认的，因此它塑造可能性领域的力量在很大程度上是不可见的。

　　在资本主义历史中，每个时代都朝着占主导地位的资本积累逻辑发展。20世纪以大规模生产为基础的企业资本主义在世纪末逐渐转变为金融资本主义，这种形式继续占据主导地位，这有助于解释为什么行业内的竞争差异如此之小。

　　在本文中，我将阐明一种新兴的积累逻辑，这种逻辑正在网络空间中争夺霸权。起初，我的文章着眼点来自世界上最受欢迎的网站——谷歌。凭借这些成就，谷歌开创了更广泛的积累逻辑，我称之为监控资本主义。其中，“大数据”既是监控资本主义的条件，又是表达方式。这种新兴逻辑，不仅为脸书和其他大型互联网公司所共享，而且它几乎已经成为大多数在线初创公司和应用程序的默认模式。与康斯坦提欧和卡利尼科斯一样，我从“大数据”中数据的特征及其生成方式开始讨论。但是，与那些将讨论重点放在数据的认知特征上的学者不同，我将重点讨论数据独特的社会和政治意义。

　　本文主要围绕谷歌首席经济学家瓦里安所撰写的两份特别的文章展开。我认为，瓦里安虽然不是谷歌的核心主管，但他的文章为学者审视谷歌的做法、深入研究“大数据”的积累逻辑提供了主要范例。在瓦里安的两篇文章中，他都采用谷歌的例子说明了他的观点。因此，如果瓦里安的观点反映了谷歌公司商业实践的实质，那么，这种做法背后所展现出的谷歌世界观似乎也是符合情理的。

　　在两篇文章中，瓦里安的主题是“以计算机为中介的经济交易”的普遍性。经济信息是由普遍性和连续性的交易记录构成的，由此计算机中介以新的方式使经济变得更加透明、可知。这与“市场”本质上是不可言喻和不可知的古典新自由主义思想形成鲜明对比。在哈耶克那里，市场概念是一种不容易被理解的、围绕人类发展的“扩展秩序”，个人必须服从其意志。正是市场交易领域的不可知性支撑了哈耶克关于必须从国家干预或在监管中彻底获得自由的主张。鉴于瓦里安关于可知市场的新论点，他断言了计算机中介交易的四种新用途：数据提取和分析、数据监控的新合同形式、个性化和定制化以及持续性实验，每一个新用途都提供了对新兴积累逻辑、它所形成的学习分工以及它所引导的信息文明的特征的见解。

　　（一）数据、提取、分析

　　瓦里安提出的关于计算机中介交易的第一个新用途是“数据提取和分析，即在‘大数据’中每个人都在谈论什么”。我想深入分析这句话中的每个词——“数据”“提取”和“分析”——因为每个词都传达了对积累新逻辑的见解。

　　1.数据

　　来自计算机中介的经济交易数据是“大数据”的一个重要维度。当然也包括来自各种计算机中介的机构和跨机构系统的流量等其他来源。其中，嵌入在越来越广泛的对象、身体和地点中的数十亿个传感器的数据是计算机中介流量的第二个来源，预计它将呈指数级增长。谷歌在机器学习、无人机、可穿戴设备、自动驾驶汽车、用来发现身体疾病迹象的纳米粒子以及家用智能设备方面的新兴投资，预示着它未来将发展为物体和身体的新智能基础设备。第三个数据源来自企业和政府数据库，其中许多数据以及商业交易的数据低点是由数据经理人购买、汇总、分析、打包和出售的，这些数据经理人在美国是非法操作，进行着消费者不知情、不同意或侵害隐私权和违背正当程序的行为。“大数据”的第四个来源，即其多样性和跨符号性的特征，来自私人和公共领域的监控摄像头。也正是这个数据领域使得谷歌一直饱受争议。在美国、欧洲等其他地方，街景监控在许多国家/地区受到了限制。

　　在街景监控中，谷歌在遇到抵抗前侵入不设防的私人领地，同时开发了一种声明方法并在其他数据企业中重复使用。为了数据在未征求同意的前提下，谷歌公司通过先拍摄房屋，然后在法庭上让对手筋疲力尽，或者迫使对方最终同意支付一笔微不足道的费用，通过该手段以获取未征求同意的数据。

　　这些机构产生的数据流代表了计算机中介界面的供应端，仅凭这些数据就可以构建详细的个人资料,但是普遍性的计算机中介是一个复杂的因果过程，其中也包括计算机中介需求方的主观活动，个人需求推动了互联网加速扩展。

　　在基于市场空间等级之外的场所，互联网访问、索引和搜索意味着个人可以不受监管、衡量标准、不安全感、身份要求和隐私所施加的阻碍，自由地追求他们生活所需的资源。个人对自我表达、发言权、影响力、信息、学习、自主权和社会联系的需求在短短几年内催生了各种新功能。

　　这些非市场形式的活动是“大数据”的第五个主要来源，也是康斯坦提欧和卡里尼科斯所称的“日常性”的起源。“大数据”是通过从个人在追求有效生活的过程中以计算机为中介产生的行为和话语中获得的小数据构成的。此类数据被获取、数据化、提取、汇总、分析、打包出售、进一步分析和再次出售，这些数据流被技术专家标记为“数据垃圾”。

　　谷歌是目前访问量最大的网站，拥有最大的数据消耗量，因此成为最大、最成功的大数据公司。与许多其他数字公司一样，谷歌公司急于应对万维网最初几年涌入网络个人领域的被压抑的需求浪潮，这是公众在追求生活的过程中被赋予的个人权力。但是，随着利润压力的增加，谷歌公司的领导阶层担心按服务收费可能会影响用户数量的增长。为此，他们选择了广告模式。随着谷歌公司收入的快速增长，它们推动了更全面的数据收集，由此而促进了科学的大数据分析方法突飞猛进。很明显，谷歌的业务是拍卖业务，其客户是广告商，赞助商链接是谷歌公司用于销售在线广告的算法拍卖方法，它通过分析大量数据确定广告商与赞助商链接精准匹配。

　　2.提取

　　这种“形式上的冷漠”是“大数据”积累逻辑的一个突出的、决定性的特征。瓦里安所讨论的第二个术语“提取”也阐明了“形式上的冷漠”所暗示的社会关系。首先也是最明显的，提取是一个单向过程，而不是交互关系，“提取”意味着“取自”而不是“给予”或“给予和索取”的互惠关系，尽管大数据表明了个人生活的事实性和主观性，但它的提取过程通常发生在未经同意的情况下，并将这些主观性通过隐藏的路径聚合和去语境化。事实上，正是这些作为主观信号的数据，才对广告商最有价值。然而，对于谷歌和其他“大数据”聚合器来说，数据只是比特，主观性被转化为对象，这些对象将主观性重新商品化。这种方式通过从小数据中产生大数据的方法以及对大数据的估值方式反映了公司与其“用户”群体之间的关系，也就是前面说的“形式上的冷漠”。用户是数据提取的来源，也是这些数据产生效用的最终目标。

　　形式上的冷漠是谷歌公司通过提取公众个人信息来追求企业利益的惯用手段。在提取数据的过程中，谷歌公司像获取街景信息一样侵入法律和社会不设防的领域，其运作方式不易被人察觉。如果不是美国国家安全局爱德华?斯诺登举报谷歌公司的运作方式，它仍然会一直隐匿下去并继续运转。关于谷歌的不良信息，外界知道的大部分都是源于它产生的冲突。例如在许多声明中，谷歌公司违背法律并遭到社会抗议。事实上，这些有争议的数据收集举措，在欧盟和美国都遭到了强烈反对。

　　“提取”反映了公司与其员工之间缺乏结构互惠的情况。仅这一事实就将谷歌公司及其积累逻辑的其他参与者从西方市场民主国家的历史叙述中提取了出来。

　　“五美元一天”是这种系统逻辑的象征。它承认整个企业都依赖于消费人群。亨利?福特意识到，公司必须将工人消费者视为消费的统一体，并把他们看作大规模生产资本主义的基本组成部分,这种社会契约回溯了亚当?斯密对资本主义生产互惠的最初观点，价格上涨与工资上涨相平衡，“劳动者的劳动保障了劳动者能够购买必需品的数量”，正是这些互惠互利造就了收入稳定增长和生活水平不断提高的中产阶级。

　　谷歌公司和“大数据”的出现意味着企业与过去的决裂，它的用户不再需要公司的员工。广告商以及购买数据进行分析的机构是其重点客户。截至撰写本文时，谷歌公司仅雇佣了大约48,000名员工。因此，谷歌对将员工发展为用户的兴趣并不大，它的运作模式主要适用于利用自动化实现经济增长的超大规模的高科技公司。

　　鉴于市场资本主义与民主之间的历史关系，公司在结构上独立于用户是一个非常重要的问题。

　　3.分析

　　在瓦里安强调的“分析”的必要性中，谷歌公司对公众的“形式上的冷漠”和“功能上的距离”进一步制度化。谷歌公司是超大规模企业的先驱，超大规模的企业利用经济学里的数字边际成本以近乎零的成本快速实现规模化。瓦里安指出，除了这些能力，企业分析还需要掌握研究有关预测现实社会的生活模式等数据家，这些高度专业化的能力和知识进一步将主观意图与客观结果区分开来，如此打消公司与员工之间的相互需要的可能性。数据经过多个生产阶段，在提取的第二阶段为了经济效益返回数据源头，之后，以计算机中介交易的形式再次循环。

　　到目前为止，谷歌公司作为数据监控资源的业界首创者在网络世界中取得了胜利，这是信息资本主义的巨大革新，被称为监控资本主义。这种新的市场形式已迅速成为大多数在线公司和初创公司的默认商业模式，其中估值通常取决于新奇点而不是收入作为有偿监控资源的预测指标。

　　（二）监控和合同

　　瓦里安说：“现在交易是以计算机为中介的，我们可以观察到以前无法观察到的行为，并在上面写下合同，这使得以前根本不可行的交易成为可能……计算机中介交易启用了新的商业模式……”瓦里安提供了一些例子：如果有人停止支付汽车月供，那么贷方可以“指示车辆监控系统不允许汽车启动并可以查找取车的位置。”为此，瓦里安建议保险公司可以依靠此类监控系统检查客户是否安全驾驶，从而判断是否维持他们的保险或支付索赔。同时，他还建议人们可以在偏远地区聘请代理人来执行任务，并使用他们智能手机中的地理位置、时间戳、照片等数据来“证明”他们确实按照合同执行了任务。

　　在这里，瓦里安却没有意识到他高度称赞的不是新的合同形式，而是“非合同”，因为全球计算机中介摆脱了治理和法治，超越了合同形式。瓦里安瞄准了奥利弗?威廉姆森所说的“契约乌托邦的条件”。在威廉姆森的交易经济学中，合同的存在是为了减轻不确定性的发生，它们的运作是为了更好地利用“有限理性”并防止“机会主义”出现——这两个在现实世界中都是棘手的问题。他观察到，确定性源自“不受限制的认知能力”的“无限理性”，而认知能力源自对“公开可观察”的偶然事件的“充分描述”。

　　瓦里安企图使用计算机中介交易来消除不确定性。它消除了对信任的需要——因此，也消除了发展的可能性——信任。另一种说法是，合同从社会中脱离出来，并被重新想象为生产过程。自愿参与衍生出合法权威的价值观以及自由意志和互惠的权利和义务，都被换成了囚犯的电子脚链的普遍等价物。在其他地方，我将权威描述为“权力的精神层面”，它依赖于基本价值观推动的社会建设。在瓦里安的经济学中，权威被技术所取代，我称之为“权力的物质维度”，其中社会的纪律和控制系统产生了人类行为的某些知识。在描述这种“新用途”时，瓦里安称它是监控资本主义政权的重要政治领域。

　　与阿伦特相比，瓦里安对全球计算机中介的观点让我印象深刻：它就像一片干旱的荒地，而不是一个平等的社区，在与人类不确定性的斗争中受法律约束。在未来发展中，人类社会已经失败了。它将变成一个充斥着混乱和恐怖的地方，仅有的信任在社会中也不复存在，面对自然的不确定性，社会的可预测性和人类的主观能动性变得毫无意义，这些变化成为存在于自然和上帝之间的新架构，我将其命名为“大他者”。“大他者”是21世纪电子文本的化身，它全面揭示了市场、社会、物理条件和生物行为的内在事实。“大他者”架构的制度过程可以称为哈耶克“扩展秩序”的物质实例在计算机中介的应用。

　　这一过程重新配置了公民社会半个世纪以来所形成的权力、责任和社会制衡的结构，权力不能再用集中指挥、控制的极权主义来概括。即使是我在早期文章里提到过的杰里米?边沁设计的圆形监狱，与这种新架构相比也是平淡无奇的。圆形监狱是一种有利于单点观察的物理设计。这是对20世纪80年代类似工作场所的等级空间的恰当比喻。

　　在这个无处可逃的世界中，预期一致性的寒蝉效应将随着预期的个人心理能动性和自我占有逐渐让位于新的自主性。在一个“大他者”的世界里，没有逃脱的途径，预期机构中隐含的能动性逐渐被一种纯粹刺激反应的自动性淹没。预期一致性不再是20世纪那种服从群众或群体的行为，不会因恐惧或集体压迫而迷失自我，也不再有渴望被接纳的心理。

　　事实上，在古典行为心理学理论家的视野中，新自由主义的“扩展秩序”与负责行动的“刺激漩涡”几乎没有区别。在这两种世界观中，人类的自主权都是无关紧要的，心理自觉的生活经验是一种不切实际的幻想。瓦里安为这两种霸权理论增加了一个新的维度，因为现在这种“上帝观”可以被完全解释、明确和知晓，并消除所有不确定性，这样做的结果是，人类回到纯粹的动物状态，通过无所不在的对人的实时记录来满足强加于所有行为的新资本法则。

　　监控资本主义建立了一种新的权力形式。在这种权力形式中，契约和法治被一种新型“无形之手”的奖惩所取代。对这种新权力的理论化，虽然是我接下来研究的核心，但超出了本文的范围。然而，在这里，我想强调几个关键主题。这些主题可以帮助我们了解监控资本主义的独特性。

　　正如瓦里安所暗示的那样，捕获个人数据通常被视为侵犯隐私权。在隐私威胁的传统叙述中，机构保密逐渐严苛，个人隐私权却受到侵蚀。但这种框架具有误导性，因为隐私和保密不是对立的，而是序列中的部分，保密是隐私的结果，而隐私是保密的原因。行使个人隐私权会产生选择，人民可以选择保密或分享，隐私权因此赋予决策权，隐私使人们能够决定在每种情况下是选择保密还是分享。

　　由此看来，监控的工作不是侵犯隐私权，而是重新分配隐私。与每个人拥有的隐私权不同，这些权力集中在监控制度中。监控资本家拥有广泛的隐私权，因此有很多秘密选择。秘密被用来剥夺人们在生活中的选择权。这种权力的集中是通过两种方式实现的。

　　这些论点表明，私营企业的传统制度领域没有完全察觉到监控资本主义的积累逻辑；这里积累的不仅仅是监控资产和资金，最重要的还有权利，这是通过在合法民主机制或消费者互惠的传统市场压力之外运作的独特业务流程而发生的，它是通过类似于前现代专制主义权威的单方面声明形式来实现的。在这种我称之为“监控资本主义”的新市场形式的背景下，超大规模成为一种严重的反民主威胁。因此，监控资本主义有资格成为一种新的积累逻辑，形成新的政治和社会关系，以“大他者”的主权取代合同、法治和社会信任。“大他者”非法存在并且很大程度上不受监督和制裁，从这个意义上说，“大他者”可以被描述为一场自上而下的政变：不是政变，却更似一场政变。

　　（三）个性化和沟通

　　瓦里安承认，谷歌现在已经了解您和您生活的环境以便更好地提供这些服务。一些人对此感到担忧。然而，瓦里安认为人们一样也会与他们信任的医生、律师和会计师分享这些知识，然后他继续说，“为什么我愿意分享所有这些私人信息？因为我得到了一些回报……”

　　事实上，监控资本主义与瓦里安所指的基于信任的关系正好相反。医生、律师和其他值得信赖的专业人士因相互依赖和互惠而受到专业制裁和法律力量的约束。与瓦里安所说的互惠不同，新的“政变”引起了大量的知识和权力的不对称。另一个不对称，反映在用户对谷歌公司的业务运营、提供给谷歌公司服务器的所有个人数据以及这些数据是如何被工具化和货币化知之甚少。众所周知，用户对隐私自我管理几乎没有意义。因此，监控资本主义在公众的无知中茁壮成长。

　　知识的不对称是由权力的不对称维持的。全球基础设施无法察觉“大他者”导致其逐渐被制度化，大多数人甚至也认为它的功能对社会参与至关重要。

　　瓦里安对Google Now的信心得到了事实的支撑。他建议，预测未来的方法就是观察富人拥有什么，因为这也是中产阶级和穷人想要的，富人现在有什么？他的回答是“私人助理”，那么如何解决？他说，这就是Google Now。瓦里安的赌注是，Google Now将在争取有效生活的斗争中发挥至关重要的作用，以至于普通人会接受将其作为交换“侵犯隐私”的条件。在这个构想中，瓦里安利用了长期以来对资本主义的洞察力，但偏离了监控项目的目标。

　　瓦里安相信用户的麻木无知将为监控资本主义铺平道路。越来越多的证据表明，许多国家的人们可能会抵制“政变”，因为社会曝光的他们监控隐私的证据掏空了用户对监控资本家的信任，这些证据暗示着未来社会的悲惨前景。

　　（四）连续性的实验

　　因为“大数据”分析只产生相关模式，所以瓦里安建议要进行可以梳理因果关系问题的连续实验。根据流量、缓存文件、用户名、地理区域等设计实验组和对照组，此类实验在网络上很容易进行。由于谷歌公司在实验方面非常成功，所以他们与广告商和出版商分享了他们的技术。“脸书”也在这方面取得进展，因为它进行了修改用户行为的实验，希望最终将其知识、预测能力和控制力货币化。然而，每当这些实验被揭露时，就会引发激烈的公众反对。

　　瓦里安对实验的热情，说明了一个更大的问题。与新数据流相关商业机会的分析，需要从康斯坦提欧和卡里尼科斯所指的后验分析转向实时观察、交流、分析、预测和修改当下的实际行为,而这需要将监控资产的来源再次从虚拟行为转变为实际行为，同时将货币化机会作用于融合虚拟行为和实际行为。在这波“现实挖掘”“分析生活模式”和“预测”的新浪潮中，谷歌公司和美国国家安全局是处于领先地位的两个实体。根据麻省理工学院的桑迪?彭特兰的说法，“传感器、手机和其他数据捕获设备”从“上帝视角”提供了“跨越世界的生物体”的“眼睛和耳朵”。从计算机分析角度去看，这是“扩展秩序”的另一种表现形式。信息化工作场所的电子文本已经演变成跨越世界的一种具备交互操作、行为修正、市场营销和上帝视角的生命有机体。

　　70年前，历史学家卡尔?波兰尼观察到，19世纪和20世纪的市场经济依赖于三个虚构的精神发明：第一个是人类生活可以服从于市场动态并作用于劳动；第二个是自然可以从属并为房地产服务；第三是交换可以再生为货币。这三种关键“虚构商品”创造了工业资本主义。

　　第四种虚构商品也随着监督资本主义的出现而出现，成为21世纪市场动态的主要特征。现实本身正在经历与人、自然和交换一样的虚构变形。现在，“现实”被商品化和货币化所征服，并重新衍生为“行为”。

　　03

　　结论

　　技术有着独特的功能可见性，但这些可见性的开发和表达是由设计、实施和使用技术的制度逻辑所塑造的。毕竟，这就是黑客攻击的起源。黑客攻击旨在将可见性从冻结它们的制度逻辑中解放出来，并重新分配它们以用于新的目的。在市场领域中，这些限制逻辑是积累的逻辑。考虑到这一观点，我开始的研究目标是理论化当前制度化的积累逻辑，该逻辑产生于对个人及其生活环境的客观和主观数据的组合，目的是了解、控制和修改个人行为以便于形成新的商品化、货币化和行为控制。

　　互联网的发展和访问万维网的方法将计算机中介从有限的工作场所和行动扩展到用户无限的日常的亲密领域。以谷歌公司为首的高科技公司在这其中发现了新的盈利机会。谷歌公司明白，如果它能够获取更多数据、存储并分析它们，将会带来极大的广告价值。随着谷歌公司的能力不断发展并创造历史性的利润水平，它产生了将数据镜头从过去的虚拟行为扩展到当前和未来的实际行为的雄心勃勃的实践。因此，货币化的机会与全球数据捕获和分析架构相关联。但是，有些做法挑战了与隐私相关的社会规范，并被认为是违反权利和法律的行为。结果，谷歌公司和其他参与者学会了掩盖他们的行动，选择入侵不设防的个人和社会领域，此时他们可以低成本地利用手头大量资源来捍卫已经被占领的东西。通过这种方式，监控资产积累并吸引了大量监控资本，同时产生了不可思议的新的政治和社会关系。领先的科技公司受到尊重，被视为未来的使者。过去的经验没有让人们为这些做法做好准备，所以个人很快就依赖新的信息和通信工具，并将其作为在日益紧张、竞争和分层的有效生活斗争中的必要资源。新工具、网络、应用程序、平台和媒体因此成为社会参与的重要方式。最后，制度化事实的迅速积累产生了一种压倒性的胜利。这些发展成为我称之为监控资本主制度化的新积累逻辑的基础。在这个新制度中，以计算机为中介的全球架构将有界限组织的电子文本变成了一个智能全球性的有机体，我称之为“大他者”。这种制度逻辑的蓬勃发展，将人们从自己的行为中解放出来，因此可能产生新的征服。

　　在这些条件下，学习分工及其竞赛在范围上是文明的。“大他者”的自动化无处不在。它作为普遍监控的功能在监控资产中的衍生；它破坏了市场与民主国家之间的关系，因为它使公司在形式上与民众完全疏远、对其民众漠不关心。监控资本主义不受传统那种用户和资本家需要彼此实现的互惠模式的影响。在这个新模型中，用户人口是数据提取的目标，彻底脱离社会是监控资本主义反民主特征之一。在监控资本主义下，民主不再是社会繁荣的手段，相反社会民主威胁到监控资本主义的收入。

　　监控资本主义会成为我们这个时代积累的霸权逻辑，还是会成为让步于其他基于信息的市场新发展的死胡同？未来的哪些替代轨迹可能与这些竞争形式相关联？我认为，这些问题的答案决定了信息文明的前景。如果我们要考虑这些前景，监控资本主义的许多方面都需要仔细研究。一个明显的维度，就是公共和私人权威在监控项目中的重叠。第二个关键问题，涉及监控资本主义与全球首要的问题——平等和气候破坏等之间的关系。第三个问题，涉及社会进化速度。但问题在于，在监控项目的全部行为结果生效之前，人们将通过什么途径弥补滞后的社会进程。

　　最重要的事实是，我们正处于叙述的最开始，它将带我们走向新的答案。在很大程度上，这种叙述的发展轨迹取决于当前被这一前沿项目所吸引的学者和公民——他们知道由欺骗引起的无知不是社会共识，摆脱不确定性的自由也不是真正的自由。

　　来源： 《国外社会科学前沿》2023年第4期。作者：肖莎娜?祖博夫，美国哈佛商学院的荣誉退休教授，现任职于美国马萨诸塞州剑桥市伯克曼互联网与社会中心。译者：杨嵘均，华东政法大学马克思主义学院教授、博士生导师；赵梦瑶，华东政法大学马克思主义理论研究中心研究助理。

　　当前浏览器不支持播放音乐或语音，请在微信或其他浏览器中播放 走 音乐： 刘鹏鹏 - 走