怎樣開一家最先進、最酷的人工智能公司？四年前ReadMe的創始人格雷戈里·科貝格（Gregory Koberger）在推特上說：

第一步，花最低工資請一群活人假裝AI；

第二步，等真正的AI被發明出來。

科貝格這樣說，其實是在諷刺當時人工智能創業企業 Edison Software 讓員工假扮 AI 為客戶提供所謂的 “智能郵件回復” 服務。之后類似的丑聞層出不窮，比如，2017 年，一家為用戶提供財務管理的公司Expensify承認，他們聲稱的智慧掃描（smartscan technology），所謂可以通過手機掃描轉錄收據的黑科技，其實也是人工服務。Expensify通過亞馬遜的眾包平臺（Amazon Mechanical Turk），付最低工資，把收據轉錄的活兒實時眾包（crowdsource) 出去。顧客掃描收據之后在手機上看到電子賬務表，很可能是印度某個偏遠小鎮上名叫卡拉的小伙子為您手動輸入的。

至今，這個AI的“活人困境”仍未解決。就在去年，《紐約時報》調查了谷歌旗下一項名叫Duplex的AI訂餐服務，發現即使在自然語言識處理（natural language processing) 飛速發展的今天，AI訂餐服務仍舊要依靠大量人工。在記者進行的十次實驗里，有四次是成功訂位的，然而這四次里只有一次是真的通過 AI 來進行的，其余三次都是外包的真人服務。隨后，谷歌 對《紐約時報》坦陳，在其人工智能系統 Duplex 所撥出的電話中，有四分之一其實是人類所為，而在剩下的電話中，也有15%進行了部分的人為干預。

人工智能背后的人類勞動并不是件新鮮事。事實上，整個AI產業和科研界，從一開始，就建立在龐大的人類勞動的基礎上，我們之前討論過的計算機視覺的葵花寶典數據集ImageNet，就是由五萬多名來自世界各地的眾包工人在亞馬遜的眾包平臺上進行手動標注的。然而，數據標注僅僅是現代AI系統這座龐大冰山的一角，在貌似全能的人工智能背后，有更多隱形的人類工人。

那么，誰是這些AI系統背后的人？

廣義上來說，可以分為四大類：

第一類是所謂的AI訓練者，也就是我們所熟知的“數據標注工”。他們負責對大量的圖像、文本、語音、視頻進行歸類、整理、糾錯和批注。這些工作對人工智能算法或許很難，但其中大部分卻是人類通過直覺和簡單訓練就可以做的。機器學習算法將人類標注過的數據作為數據訓練集，從中搜索規律，訓練算法。AI公司通常將這批工作外包到勞動力報酬較低的地區以節省成本。比如，BBC曾報道非洲肯尼亞的單親媽媽們是如何幫助新興的自動駕駛企業進行圖像識別的，包括在企業發來的圖片上標注天氣、物體、行人、建筑等等等等。

AI勞工的第二類是所謂的AI演員，就是本文開頭提到的幫助創業企業假扮人工智能的人類員工。他們（暫時性）地假裝扮演AI，幫助客人掃描賬單，預定餐館，撰寫郵件，直到真正的人工智能足以勝任這些工作。

第三類是更為龐大的AI清潔工，廣泛存在于各種社交媒體和內容分發平臺之后。其中很重要的一類是內容審核員（content moderators），他們幫助清理平臺上各種暴力色情少兒不宜的內容。社交媒體巨頭Facebook就被曝光大量雇傭外包公司的員工幫助平臺進行內容審核，據《紐約時報》報道，這些臨時工全職工作八小時，每人每天要處理近八千則信息，其中包含大量暴力不適的圖片。目前的AI內容識別還遠遠沒有達到可以自動處理人類紛繁復雜、千變萬化的信息的能力——比如，如何判斷一張圖片里裸露部分是藝術品，還是色情照片？

當然，如果從更廣義的角度上來說，AI背后更大的一群勞工，是作為用戶的我們。1950年代著名傳媒學者達拉·斯麥茲（Dalls Smythe）在對商業媒介的批判里明確指出，廣播電視媒介生產的真正商品，不是五花八門的各類節目，而是觀眾的注意力本身。商業媒體的內在邏輯，是把用戶的注意力打包賣給廣告商，亦就是著名的“受眾商品理論”（audience commodity）。同樣，在AI時代，作為用戶的我們免費為各種算法系統獻著自己的時間、精力、數據、隱私、勞動。有時候，這些勞動是如此微小，常常被我們忽視。比如，蘋果手機來電留言語音轉換文字的功能，轉換之后，會邀請用戶對文字轉換進行評價，進一步為算法系統提供實時的人工反饋。

將AI的人工系統分解之后，我們發現，其實所謂的高科技勞工（碼工）只是AI系統里極少數的一部分。AI的勞工系統呈現典型的金字塔型，最上層是少數的高科技高工資的碼工，雖然他們也有996的困擾，但大體上有正式的社保和令人羨慕的工資。有些還能享用免費的泳池班車卡布奇諾。第二層是工資較低的合同工，他們承擔一部分不那么關鍵的工作，工作極不穩定，有隨時被解雇的危險。第三層是大量的數以萬計的平臺勞工，他們承擔了AI系統里最繁重、重復性最高、工資最低、也是最容易被取代的工作。最后一層是數量更為巨大的用戶們，他們免費為種種AI系統貢獻著自己的時間、精力、數據和種種（不自知）的勞動。

更為嚴重的是，人工智能冰山下的勞工系統，是建立在嚴重的對于勞工的剝削之上的。兩年前國際勞工組織（International Labor Office）發布了一篇針對75個國家3500名平臺眾包勞工（crowd workers）的大規模調研。調研指出，全世界大批平臺勞工以低于最低工資的水平在工作著。譬如，2017年的小時工資只有4.43美元，遠低于當時美國聯邦最低工資7.25美元。通常，他們沒有任何社會福利保障，受到資方單方面的評價，且無法申訴。他們沒有任何升職渠道，事實上，他們工作的目的就是以大量人力訓練計算機算法從而有一天算法不再需要他們。他們不僅沒有和平臺討價還價的能力，還經常會被要求做一些不道德的工作（比如，為平臺撰寫假評論）。

令人驚奇的是，這些平臺勞工們常常受過良好教育：37%有大學學位，20%甚至是研究生學歷。其中，32%的人將平臺工作作為主要的收入渠道。

人工智能時代，人們往往糾結于“我的工作會不會被AI取代”，而常常忽略了現代AI本質上是寄生在龐大人類勞動之上的算法系統，是無數血肉之軀的勞動養育了今天的人工智能系統。

從這個角度來說，任何關于未來人工智能取代人類工作的預測都是不完整、甚至是不誠實的。人工智能并不會 “取代” (replace) 人類的工作，它只會“重置” (displace) 人類的工作。

正如康奈爾大學的經濟史學家路易斯·海曼（Louis Hyman）所言：It’s not technology that’s disrupting our jobs。取代人類工作的從來都不是科技本身。作為歷史學家的海曼將科技和勞動的關系追溯到第一次工業革命，認為第一次工業革命的先決條件并非19世紀才出現的蒸汽機，而是早在18世紀就從自己農場里被帶去工廠工作的農民們。勞動結構的轉變帶來了科技的狂飆突進，而非相反。

人工智能時代同理。自1970年代新自由主義以降，市場原教旨主義擺脫監管束縛，資本主義在全球整合供應鏈，第一世界原本穩定的制造業工作不斷被外包出去，產生了大量失去全職工作機會之后只能選擇“靈活就業”的工人，這批工人組成了合同工和平臺勞工的基礎——也就是我們今天人工智能時代的基礎。

如果沒有合適的政策監管和反制措施，我們當中的一部分人——通常是那些已經身處社會最底層的，會被進一步剝奪全職工作的機會，被人工智能的浪潮趕去做所謂的“靈活的工作”——那些數以萬計的、動態的、按需召喚的、廉價的工作 。沒有職業前景，沒有社會保障，沒有勞動合同，甚至也沒有姓名（在眾包平臺里，工人只是一連串計算機分配的符碼），因此，也缺乏組織起來和資方抗衡的能力。一篇基于美國的報道統計，到2033年，約有百分之三十的全職工作會被進一步轉換成按需的平臺勞工，在 “自由工作、在家工作、高科技” 的三重虛偽的光環下進一步滑入無法翻身的低收入陷阱。

在賽博朋克（cyberpunk）的科幻故事里，未來社會常常是光鮮亮麗的現代科技和破破爛爛的人類生活的結合，所謂的“ combination of low-life and high tech”。也許，這并不是一種藝術創造，而是一種單方面鼓勵科技發展的必然結果。當人類社會將所有人力、物力和自然資源傾注在某些科技的發展之上時，其他方面的崩壞或許是無可避免的——資源是有限的，你被裹挾進了一種命運，必然要犧牲另外一種。

作為人類，我們真的那么需要自動讀取收據的智能掃描機、自動訂餐的機器人、自動回復郵件的黑科技、永不間斷的個性定制新聞，以及可以早十分鐘抵達樓下的外賣嗎？在所有人被裹挾進科技發展的大潮、被資本的狂飆突進忽悠得暈頭轉向的時候，再沒有一個時刻比今天更需要我們停下來，問一問：作為人類，我們需要的，到底是什么？

【參考資料】

[1] Lee, David. "Why Big Tech pays poor Kenyans to teach self-driving cars." BBC News (2018).

[2] Brian X. Chen and Cade Metz, 2019, Google’s Duplex Uses A.I. to Mimic Humans (Sometimes), The New York Times, https://www.nytimes.com/2019/05/22/technology/personaltech/ai-google-duplex.html

[3] Berg, Janine, Marianne Furrer, Ellie Harmon, Uma Rani, and M. Six Silberman. Digital labour platforms and the future of work: Towards decent work in the online world. Geneva: International Labour Office, 2018.

[4] Gray, Mary L., and Siddharth Suri. "The humans working behind the AI curtain." Harvard Business Review 9 (2017): 2-5.

[5] Hyman, Louis. "It’s not technology that’s disrupting our jobs." New York Times (2018).

[6] Smythe, Dallas W. "On the audience commodity and its work." Media and cultural studies: Keyworks 230 (1981): 256.

[7] Sterling, Bruce. Preface. Burning Chrome, by William Gibson, Harper Collins, 1986, p. xiv.

-----

作者沈虹，畢業于美國伊利諾伊大學香檳分校傳播學系，現任職于美國卡內基梅隆大學。她用社會學的方法研究新興科技。