如何思考数字资本主义？当代社会批判理论下的反思

实际上，我们通过智能设备进行交流的时候，主要面对两个概念：一个是数据，另一个是信息。数据是我们的活动在信息圈环境中留下的数字痕迹。只要我们在数字网络、赛博空间、或者信息圈中做出了任意行为，如点开一个网站，浏览一个短视频，或者无意间的一次点击，都会形成数据，英国信息学家迈尔-舍恩伯格十分明确地指出，数据就是我们在智能时代的原材料。②这个比喻是十分恰当的，原因并不在于迈尔-舍恩伯格对数据在智能时代的价值确认，而是在于它是一种原材料，是一种不能直接被平台或用户使用的材料。只有借助一定的提取、筛选、分析工具的加工，才能变成我们可以感知、可以理解、可以阅读、可以思考的数据。而这种我们可以感知和理解的数据，实际上就是信息。

如何思考全球数字资本主义？

①[法]布尔迪厄：《帕斯卡尔式的沉思》，刘晖译，北京：生活·读书·新知三联书店2009年版，第164页。

②参看[英]维克托·迈尔-舍恩伯格、肯尼斯·库克耶：《大数据时代：生活、工作与思维的大变革》，盛杨燕、周涛译，杭州：浙江人民出版社2013年版，第51页。

218

如果说，我们面对的是可以阅读、可以感知、可以理解的数据，即信息，那么在数据中必然存在着一些不能被我们理解和感知的数据。由于这些数据无法被理解，但是它们又实实在在地存在于弗洛里迪定义的信息圈之中，所以，它们构成了噪音(noise)。在这个意义上，噪音成为了信息的对立面，而信息圈根据可以被理解和感知的情况，对于所有数据进行了区分，一部分可以被个体所理解的数据成为了信息，而另一部分被视为杂乱、混乱的数据成为噪音。

实际上，从信息学诞生之初，人们就关注到了信息和噪音的存在。不过，对于信息和噪音存在两种不同的定义方式。一种是控制论的创始人诺伯特·维纳（Norbert Wiener）的定义，维纳借用了热力学的概念，将信息界定为熵的减少，而熵在热力学上代表系统的混沌程度。维纳说：“在一个系统中，信息量是衡量其有序程度的度量，而熵则是衡量其无序程度的度量。这两者一正一负，完全相反。”①由此可见，在维纳这里，信息和噪音的区分是非此即彼的，是完全对立的两个向量，信息代表着系统混乱程度的降低，而熵，或者说噪音代表着系统混乱程度的增加，信息量的增加必然意味着熵减，即噪音的降低。在这个意义上，信息和噪音是不能彼此共存的量，因为一个量的增多，必然意味着另一个量的减少。

第九章 从信息到数字生态

①[美]诺伯特·维纳：《控制论：关于动物和机器的控制与传播科

学》，陈娟译，北京：中国传媒大学出版社2018年版，第23页。

219

与维纳不同的是另一位信息学创始人克劳德·香农（ClaudeShannon）的定义，在《传播的数学方法》一书中，香农指出：

噪音如何影响信息？我们必须牢牢记住，信息是衡量一个人在选择信息时的选择自由度。这种选择的自由度越大，因此信息量越大，实际选择的信息是某种特定信息的不确定性就越大。因此，更大的选择自由、更大的不确定性、更大的信息是相辅相成的。如果引入了噪音，那么收到的信息就会包含某些扭曲、某些错误、某些不相干的材料，这肯定会让人说，收到的信息由于受到了由于噪音的影响，信息表现出更大的不确定性。但是，如果不确定性增加了，信息也就增加了，这听起来好像噪音是有益的！①

可见，香农并没有从热力学的熵增和熵减来简单地界定信息与噪音，而是提出，信息代表着选择的自由度，信息量越大，代表着越自由，而噪音是某种扭曲的信息，从而降低了人们做出行为选择的自由度。那么，香农的噪音和信息的定义的优势在于，信息和噪音实际上并没有本质区别。信息是在某一系统下的选择的自由度，而噪音成为了系统的停滞状态。换言之，在具有明确信息的时候，我们做事情会更加游刃有余，比如在行车导航时，我们虽然有明确的目的地，但我知道更多的路况，就可以在多条路线中随机做出更多选择，相反，如果在信息不明朗的情况下，我们只能将自己的行为选择停留在相对保守和固定的路径上，从而降低了自由度。在这个意义上，信息和噪音是同样的数据，在某种情况下的信息，在另一种情况下就会变成噪音，反之亦然。一个数据是信息还是噪音，并不取决于明确的熵或混乱程度，而是取决于不同的系统的算法需求。于是，我们可以从维纳控制论的静态的信息和噪音区分，变成香农式的动态的信息和噪音之分，在香农这里，数据本身不能确定它究竟是信息还是噪音，而是取决于一个更为深层的概念，即形式（form)。

如何思考全球数字资本主义？

① Claude Shannon, The Mathematical Theory of Communication, Urbana: University of Illinois Press, 1964, pp.18—19.

220

法国科学哲学家吉尔贝·西蒙东对信息做出了更具有启发性的解读。他并没有将信息理解为一个现成给定的实体，而是视为一种不断在生成之中的事态，即他从词源学上，将信息(information）理解为赋形（in-formtaion)。西蒙东指出：

信息，不管是在向度统一的层面上还是在跨个体的层面上，从来都不是以一种能够被给予的形式沉淀下来的；它是两个不同的真实之间的张力，它是当个体化的操作将发现两个不同的真实能够成为一个系统的维度时将出现的符号；因此，信息是个体化的开始，是个体化的要求，是从可转移到稳定的通道，它从来不是一个给予的东西。信息没有统一性和同一性，因为信息不是一个项；它假定存在系统的张力，以便它被充分接收；它只能是一个问题的内在因素；信息是通过它使未解决的系统的不相容性成为解决中的一个组织层面；信息假定一个系统的相变，因为它假定第一个前个体信息是个体化的公式，这个公式在个体化之前是不存在的；可以说，信息总是在现在，是实际的，因为它是一个系统个体化的方向。①

第九章 从信息到数字生态

221

在西蒙东的定义中，信息构成了个体化（individuation)，即赋形让不定性的混沌、流形或噪音生成为个体，从而让前个体的噪音变成了具有个体形式的信息。信息被西蒙东理解为赋予形式，由于具有了形式，在某一系统下，该形式让一定的数据成为了可以识别、感知、理解的个体，个体化即在赋予形式的信息之下的赋形。在这个意义上，我们可以得出几个推论：

（1）信息和个体不是先天给定的，而是在一定系统下生成的，只有生成为信息个体，才能被系统所理解和把握。

（2）信息和个体都不是稳定的结构，它依赖于赋予各种痕迹和数据形式的方式，用西蒙东的话来说，信息和个体化是一种张力结构下的产物。

（3）由于信息和个体是在系统生成的，意味着存在一个前信息和前个体状态，而这个状态，按照定义，一定是噪音和混沌的。

（4）如果信息和个体不具有绝对稳定性，那么随着系统变化，一旦个体丧失了让其赋形的形式，意味着在变革的形态或新的系统中，旧的个体不再具有可识别性和可理解性，于是信息的赋形变成了耗散(de-formation)，耗散也意味着个体化形式的消逝或分体化（dividuation）①，个体不再作为系统的个体而存在，而是重新沦为噪音。

如何思考全球数字资本主义？

① Gilbert Simondon, L'individuation à la lumière des notions de forme et d’information, Grenoble: Éditions Jérôme Millon, 2013, p.31.

222

由此可见，在西蒙东的定义中，信息和噪音、赋形与耗散、个体化与分体化构成了在信息圈之中不断生成和演化的运动，我们正是通过信息的赋形和耗散，在数字世界中交往和传播，浏览和游戏，交易和竞争，计算和操纵等等。简言之，在智能时代的大数据社会中，我们的生命形式不再仅仅通过我们生物性的身体来完成，相反，这个身体仅仅成为我们交往的底层条件。在数字一智能设备的交互关系中，我们只能先通过一个赋形（如注册一个用户，登录一个手机号码或身份证号码)，才能具有在数据系统中交往的资格，相反，如果我们没有这种赋形，那么我们只能沦为一种系统中的噪音，即便我们的身体仍然存在。在以数据为基础的智能算法下，生命首先是信息赋形的生命，任何不具有信息形式的存在物，都是噪音，在数据世界里是耗散的，而且为了保证数据世界的连贯性，保证数据认识型的运算的流畅性，噪音被隐匿或消灭。这也就是为什么在电影《失控玩家》的开头，作为系统管理员的“键盘”和“鼠标”看到被燃烧弹女孩激活的人工智能的盖伊时的第一反应就是消灭他，因为盖伊是一个噪音，而连贯运行的系统只需要明确的信息，而不需要噪音。

第九章 从信息到数字生态

① 分体化是德勒兹在《控制社会后记》中使用的概念，代表着与个体化相反的倾向。参看[法]吉尔·德勒兹：《哲学与权力的谈判：德勒兹访谈录》，刘汉全译，北京：商务印书馆2000年版，第205—206页。

223

二、模拟与解释：信息环境下的智能识别

从数据噪音到明确信息的转变，仅仅是智能系统下最底层的生命形式的架构的基础，因为在一个系统中，具有确定性信息之后，更重要的是需要对信息进一步识别，这种识别的目的并不是得到更清楚的信息，而是需要解决这样的一个问题：谁或什么才是信息圈环境下的行为主体或（借用拉图尔的概念）行动元（actant)？比如说，在我用各种网络聊天工具登录的时候，如何判断我是在与一个人对话？在网络游戏中，我如何分辨玩家和NPC（非玩家角色)？而电影《失控玩家》的一个有趣的设定就是，作为NPC角色的盖伊，成功夺得了一位玩家的太阳镜，而在电影里所在的“自由城”里，这个太阳镜就是识别游戏玩家和非游戏玩家的工具，只有带上了这个太阳镜，才能被“自由城”系统识别为一个具有主观行动能力的主体，从而相对于其他NPC角色而言，他具有更高阶的权限和能力。在《西部世界》中亦如此，西部世界中的机器人招待员一开始是接受科幻小说和影视普遍接受的阿西莫夫三法则的，即机器人无论如何都不能做出伤害真正的人的行为。但是，接受阿西莫夫规则的一个前提是，所有的智能机器人必须有能力识别不同的对象，即普通的智能机器人对象和真正的人类。在机器人觉醒之前，所有机器人通过一个固定函数和项，来区分人和机器人。

如何思考全球数字资本主义？

224

实际上，针对这个问题，人工智能面对着两条截然不同的路径。第一条路径，我们称之为模拟（simulation）路径，也是符号型人工智能范式(symbolic AI paradigm)。按照卢卡·M.波萨蒂（LucaM.Possati）的说法：“符号型人工智能范式更适合从演绎和决定论式的方式来遵循着程序来运行。”①在20世纪60年代，第一代人工智能的研究者，无论是明斯基还是谢诺夫斯基，都是从这种模拟路径来开发人工智能的。假定在阿西莫夫法则下运行的智能机器人，它对于人和非人、人和智能体的识别是通过一个从外部设计的程序的演绎来实现的，比如说人的某种特征，或者在智能机器人中强制加入的一个函数值或项。在非伪装的情况下，这种单一的项或特征，的确可以有效地区别人与智能体。但是，我们加上了一个限定条件，即无伪装的情况。也存在伪装的情况，例如有人可以为自己的信息也添加了只有人工智能才具有的函数值，让智能体可能将现实的人识别为智能体，而在另一方面，有程序设计者在特定情况下为了不让机器人被消灭，也可以消灭机器人体内的识别函数。这种模拟路径的人工智能的更大缺陷在于，它无法面对程序设定之外的可能性，它只能在符号演绎和推理的界限之内来进行思考，一旦面对演绎推理之外的情形，即从未见过的情形，无法形成完整的逻辑回路，陷入无止境的运算和演绎当中，它便会宕机。

当然，今天的人工智能系统已经不再仅仅是这样的系统，而是走向了我们称之为机器学习、深度学习、网络分析的领域。在这种情况下，人工智能不再是按照固定的逻辑线路来进行演绎推理，而是在自己捕捉到的原始数据的基础上，进行分析和解释，得出自己的逻辑。相对于演绎逻辑，这种人工智能体系更像是归纳体系，对事物的识别，不是按照演绎之前的固定的定理或函数值，而是根据从多种数据中提炼出来的逻辑形式。比方说，我们练习炒菜，除了按照固定的菜谱上先放油、再放姜蒜、再放菜的方式（这是一种典型的演绎逻辑），也可以通过观看多个炒菜的视频，来获得如何炒菜的认识。由于这种路径不是按照预先规划好的路径前进，而是从自己的机器学习中来丰富认识，所以我们也可以将这种路径称为解释（interpretation）路径，即人工智能根据自已在数据中形成的解释来实现对不同对象的分辨识别，完成行为的决策。

第九章 从信息到数字生态

① Luca M. Possati, The Algorithmic Unconscious: How Psychoanalysis Helps in Understanding AI, New York: Routledge, 2021, p.12.

225

这样，我们可以看到模拟路径和解释路径是两种完全不同的人工智能路径。模拟逻辑尽管存在着人工智能的自我运算和操作，但其逻辑系统是设计好的，即使对于其衍生性逻辑，也在其设计者的控制范围之内。正是由于这种控制，导致了模拟路径下的人工智能体系是在我们已经为它们分辨了有效信息之后的环境中运行，也就是说，模拟路径根本是在人设定好的路径下运行，也接受的是人类的社会世界中被认定为信息的东西，噪音在模拟路径中是被排除的。于是，模拟路径从根本上不可能真正打破人类逻辑的有限循环，它们面对的是与人类环境极为相似的信息环境，也是在同样的信息圈中做着数据处理和运算。相反，解释路径下的人工智能没有对噪音和信息作预先区别，换言之，任何经验和归纳都是人工智能从现实的数据中提炼的，而这种逻辑与人类自己的形式逻辑，或许不再是范围大小的区别，而是本质上的区别，人工智能通过不同的互动环节，实现了自己的解释和运算。

如何思考全球数字资本主义？

226

问题在于，在解释路径下的人工智能，如何实现人与智能体的区分？在模拟环境下，固定的符号和特征成为智能识别的标志，在《失控玩家》中，这种识别就是通过太阳镜的外观来实现的，没有戴太阳镜的盖伊只是一个普通的NPC，他完成的只是游戏设定日常性的行为操作，相反，带上太阳镜的盖伊具有了解释性人工智能的特征，他需要通过自己的脑回路来思考清楚这一切代表着什么，当他第一次透过太阳镜看到为玩家补血的医疗包之后，他伸手试了试，便理解了这个道具的用途，形成自己对道具的解释。同样，当觉醒之后的盖伊出现在他平常现身的咖啡店的时候他没有向女服务员要他以前要的由程序为他设定好的咖啡，而是突如其来冒出来一句：“我要一杯卡布奇诺。”同样作为智能NPC的女服务员在听到“卡布奇诺”时，一下子是蒙的，因为之前没有任何程序设定她如何去做卡布奇诺。而在故事的结尾，由于受到盖伊的“卡布奇诺”的激发，这位女服务员学会了做自己版本的“卡布奇诺”。不妨做一个大胆假设，如果盖伊当时说的不是“卡布奇诺”而是说的“拿铁”，那么是否意味着NPC的服务员也会制作出属于自己版本的“拿铁”呢？于是，我们可以认为，在解释性人工智能之下，存在着无数的可能性，因为人工智能的解释不取决于预先规划好的固定逻辑路线，而是取决于智能体在信息圈的互动环境中发生了怎么样的关系，它可以是“卡布奇诺”，也可以是普通的“美式咖啡”，可能是“拿铁”，更可能是根本不存在的“空无”。至于最终智能体做出何种行为决策，都需要在具体的行为和交往互动中激发出来。即便是波士顿动力公司设计的机器狗和智能机器人也一样，工程师不断地端到机器人，让机器人学会从不同方式来保障自己的平衡，工程师对机器人的踹打，不是虐待，而是激发智能体的解释模式的方式。

第九章 从信息到数字生态

227