随着报告观察的进一步深入，明显可以看出，即使一些很难被自动化的工作，也有可能被算法转换为数据处理技术，这个数据处理技术将这些工作分解为越来越小的认知组块，这些认知组块要么外包给网络化的微型劳动者，要么完全自动化。所有这些都让许多观察人士相信，机器人可能在成为全球各地产业线和物流中心的同时，也在大幅缩减办公室里面中间阶层的人数。(Steiner2012)
算法的前沿领域仍然是金融领域，也正因如此，它们可能与人类经济发生的最大危机联系在一起。我们已经在次贷危机之前对金融资本的算法自动化进行研究。这里，我们将进一步关注另外两点：2008年以来，自动化已经达到新的强度，并实现了它所要求的规模。从资本的角度来看，这一规模使它必须对“真实”和“虚构”经济之间的传统区别提出质疑。
虽然高频交易(HFT)在股市崩盘之前已经出现，但两年后发生的重大金融动荡才源于高频交易。在2010年5月6日的“闪电崩盘”中，道琼斯工业平均指数在五分钟之内就下跌了600点，创下了历史上最高的单日跌幅纪录998.5点。美国证券交易委员会对此事进行调查，将其归因于“烫手山芋”的高频销售，这种高频销售大大加强了主要单一销售订单的触发效应(Bowley2010)。高达55%的美国股票交易都是通过高频交易完成的，高频交易使用的算法“寿命可以短至几周”，根据不同股票走势之间的统计关联对交易产生影响。这些做法包括“动量”交易即购买上涨的股票，并预期这个股票会继续上涨，以及“均值回归”预期这个股票会下跌。然而现在也开始考虑在巨大的自反性竞争环境下操作其他“算法”的预期反应。(Adler2012)
为了实现交易速度，从而为自身提供优势，领先的高频交易公司在基础设施上投入数百万美元。在2012年，高频交易公司通过长达700至1000英里、往返时间为14.5至13.1毫秒的埋地光纤电缆，微波每9—8.5毫秒向空中发射信号来实现交易。这种对速度的需求刺激了若干计划，例如，加速纽约和伦敦之间的交易计划，主要是利用“无人驾驶的太阳能无人机来携带微波继电器站，这个微波继电器站可能会每隔一段时间就在大西洋上空盘旋”(Adler2012)。在这种情况下，公开发布的股票价格在交易者看到它们之前就已经过时了，“就像看着一颗5万年前已经烧尽的星星一样”。高频交易竞争对手已经对它们采取行动，有效“预知”市场走势的算法将对传统订单进行识别并抢占先机(Adler2012;Lewis2014)。高频交易属于机器人下面的子行业，例如自动化的“新闻分析”服务每天要将10万多篇新闻文章转化为可用于交易或者可用于算法操作的数据。因此，金融交易是由自动化机器所主导，在这种竞争中，人类干扰竞争意味着损失，而且这种机器“本身就是目的，它们从经济产物和服务生产中脱离出来，并且在GDP中所占的比重越来越大”(Adler2012)。
第九章 经济危机的后果
163