--- schema_version: "library-reader-v1" source_type: "original_book" title: "后工作时代：平台资本主义时代的劳动力" author: null edition: null publisher: null year: null isbn: "9787532792511" library_document_id: "93d97921-01f1-48cb-976b-1fe80778bb33" source_sha256: "168b7aff5a28acf1150134a6c796ecc06a3d5816620635f86631b04feb66210b" pdf_physical_page_count: 145 pdf_physical_page_index_base: 0 range_start: 80 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/93d97921-01f1-48cb-976b-1fe80778bb33?start=80&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/93d97921-01f1-48cb-976b-1fe80778bb33.md?start=80&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/93d97921-01f1-48cb-976b-1fe80778bb33.md?start=70&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/93d97921-01f1-48cb-976b-1fe80778bb33.md?start=90&limit=10" --- # 后工作时代：平台资本主义时代的劳动力 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=80 | PRINTED_PAGE=76 这在很大程度上是因为任务以高度抽象的形式存在，工人们不可能将其与任何有意义的整体联系起来。然而更为重要的是，微工作网站“像未经探索的领土上的秘密装置一样，人们对其知之甚少”。[]与工人为福特汽车公司制造的螺母和螺栓、为星巴克提供的咖啡，或呼叫中心工人进行的调查不同，微工作的产品通常出于保密原因对工人隐藏起来。工人在将语音音频转化成文字的时候，知道他们正在将具有爱尔兰口音的说话者的话用语言文字写下来。但他们完全不知道该记录实际上是什么（例如，给聊天机器人算法的数据）或其用途是什么（例如，用于快餐店的自动化)。这些信息被大型科技集团隐藏起来，这些集团依靠微工作网站来推进其秘密性质的项目。 谷歌利用微工作为美国国防部承担的 Maven 项目就是一个很好的例子。[1]在美国军方和大型科技公司之间的秘密交易中，五角大楼和谷歌签订合同开发一个人工智能程序，该程序能够对成千上万小时的无人机视频进行分类，其最终目的是帮助军队识别战场上的目标。为了让该程序能够发挥效用，它需要学习如何将目标区分为“建筑物”“人类”和“车辆”。一方面为了降低成本，另一方面为了保持项目的保密性，谷歌与专门从事数据标记的微工作网站 Figure Eight(现为 Appen)签约。然后在 FigureEight平台上，微工人通过识别无人机拍摄的视频中抽取出来的像验证码一样的图像中的物体，向算法提供必要的数据集。在这一过程中，工人们在无意识中帮助五角大楼的官员进行“近乎实时的分析”—“点击一座建筑物就可以查看与其相关的一切”。〔2]谷歌在这些任务中是完全匿名的，再加上这些视频孤立抽象的性质，意味着工人们无法看到他们为谁工作，以及为什么工作—一段无人机视频不会直接将自己显示为战争工具，可能看起来像城市地区的毫无恶意的镜头。 [3] [1] Trebor Scholtz, Uberworked and Underpaid: How Workers Are Disrupting the Digital Economy, Polity, 2016, p. 19. 76 ## PDF_PHYSICAL_PAGE_INDEX=81 | PRINTED_PAGE=77 一个社会学团队发现，为自动驾驶汽车标注数据的工人同样对他们从事的工作一无所知： 一些受访者提到了一项他们称之为“摩托车越野赛”的任务，他们必须识别照片中的大小道路，并指出地面的性质(石子路、土路、沙路等)。有人认为这服务于电子游戏，而有人则认为是对跑道进行普查。就像我们很早就认识到的那样，这是因为任务发布者在提供有关任务和服务项目的详细信息的程度上有巨大差异，从而让工人对其茫然无知。 [1] [1] Lee Fang, 'Google Hired Gig Economy Workers to Improve Artificial Intelligence In Controversial Drone Targeting Project', The Intercept, 4 February 2019. [2] 同上。 [3] Makena Kelly, Google Hired Microworkers to Train Its Controversial Project Maven AI', The Verge, 4 February 2019. 77 ## PDF_PHYSICAL_PAGE_INDEX=82 | PRINTED_PAGE=78 就像美国国防部的Maven项目一样，当微工作支持的技术服务于明确的压迫目的的时候，这就成为一个特殊的问题。再举一个情况极为严峻的例子，任务发布者没有义务表明面部标记任务是为了训练面部识别算法，这种信息隐藏在平台上很常见。该软件以优生理论为基础，用于捕捉人脸，并将其与现有数据库中的照片进行比对，目的是为了对人进行识别和定位，通常会产生具有强烈种族主义特征的结果。[2]作为城市空间军事化的最新战略，面部识别技术已经引发了警察对贫困社区的大扫荡，尤其是在洛杉矶等大型“枷锁城市”中。自2009年以来，洛杉矶警察局已经使用面部识别技术大约3万多次，通常是为了保护更加富裕的飞地免受“帮派犯罪”的侵害。 [3] 为这些专制性的噩梦提供动力的任务是Mechanical [1] Paola Tubaro, Antonio A. Casilli, and Marion Coville, The Trainer, the Verifier, the Imitator: Three Ways in Which Human Platform Workers Support Artificial Intelligence', Big Data and Society, January 2020, p. 6. [2] See Christian Sandvig, Kevin Hamilton, Karrie Karahalios, and Cedric Langbort, 'When the Algorithm Itself Is a Racist: Diagnosing Ethical Harm in the Basic Components of Software', International Journal of Communication 10,2016. [3] Kevin Rector and Richard Winton, 'Despite Past Denials, LAPD Has Used Facial Recognition Software 30,000 Times in Last Decade, Records Show', Los Angeles Times, 21 September 2020. 78 ## PDF_PHYSICAL_PAGE_INDEX=83 | PRINTED_PAGE=79 Turk等平台向任务发布者提供的服务的核心。[1]更为相关的是，亚马逊可能会在内部使用这项服务来训练自己富有争议的软件Rekognition，亚马逊用险恶而含糊不清的语言描述这一软件——作为监视“嫌疑人”的工具。〔2]该软件已经与许多警察部门签订了合同，并向包括美国移民和海关执法局（ICE）在内的很多安全机构推销，进一步暴露了这一软件的目标具有强烈的种族主义倾向。[3]IBM、亚马逊和微软最近决定终止将这些技术提供给警察部门，这一举动似乎更像是在人们对“黑人的命也是命”的运动的支持越来越大的时候这些公司对公关风险的考虑，而不是真正的道义之举，这表明一旦对该运动的支持减弱，这些公司与警察部门的交易将会重新回到台面上。 而其他公司，例如名字具有威胁意义的 Clearview AI（清晰视界人工智能）公司，依然毫无廉耻或怜悯之心地将软件提供给像美国移民和海关执法局这样的机构。[4]最终使这些机构受益的短数据任务与这些机构施行的压迫完全隔离开来，因为没有任何描述将这些数据任务与这项技术或购买使用该技术的机构联系起来。工人无法知道这些任务在支持谁或什么，因此在不知不觉中开发了促进城市战争和文化种族灭绝的技术。具有悲剧性讽刺意味的是，使用微工作网站的难民们实际上在被迫创造直接压迫他们的技术，这是又一个、但绝非新鲜的机器迫使工人屈服于种族主义结构的资本主义故事。 [1] Alex Nguyen, 'Six Weird Crowdsourcing Tasks from Amazon Mechanical Turk', Lionsbridge, 21 January 2019. [2] Karen Hao, 'The Two-Year Fight to Stop Amazon from Selling Face Recognition to the Police', MIT Technology Review, 12 June 2020. [3]同上。 [4] Kim Lyons, 'ICE Just Signed a Contract with Facial Recognition Company Clearview AI', 'The Verge, 14 August 2020. 79 ## PDF_PHYSICAL_PAGE_INDEX=84 | PRINTED_PAGE=80 部分问题在于，微工人每天都需要在大量的网站和界面来回穿梭，几乎无法确认一个人正在从事的工作。实际完成工作的平台隐藏在复杂的多层结构背后，不同的网站承担不同的角色。工人可能认为他们正在YSense上完成任务，而事实上这一平台只是Appen的代理，而Appen本身承担谷歌的外包任务。[1]作为大型科技公司的腐败化身，微工作网站将那些“不作恶”的公司的新的魔鬼磨坊隐藏起来。[2] 供应商管理系统（VMS）为已经模糊不清的外包链条增添了一层新的不透明性。[3]这种系统为微软的UHRS和谷歌的 Raterhub等网站招募和提供工人，为其充当代理，而这些系统在某些情况下本身就是微工作平台。像Clickworker这样的一些公司同时充当微工作网站和供应商管理系统，托管来自一些较小的任务发布者的任务，并为微软的 UHRS 等大客户提供劳动力，从而进一步将水搅得更浑。大型平台通常将供应商管理系统和保密协议（NDA）一起使用，以保密其对微工作的使用。例如，谷歌使用一个供应商管理系统隐藏EWOQ上的工人，EWOQ是谷歌高度神秘的Raterhub的前身。[1]这种努力消除其用户信息的行为，从根本上来说是为了隐藏为其预见性的PageRank算法提供支持的秘密，同样使用了保密协议和供应商管理系统。而脸书也利用这两者来雇用信息审核员，从而建造自己的算法大厦。 [1] Paola Tubaro and Antonio Casilli, 'Micro-Work, Artificial Intelligence and the Automotive Industry', Journal of Industrial and Business Economics 46, 2019. [2] “不作恶”有两种英语表达，分别是“Don't be evil”和“Do no evil”，是曾经构成谷歌员工行为准则的格言。 [3] Mary L. Gray and Siddharth Suri, Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass, Houghton Mifflin Harcourt USA, 2019, p. 16. 80 ## PDF_PHYSICAL_PAGE_INDEX=85 | PRINTED_PAGE=81 当世界的穷人被聚拢起来帮助平台富豪预测未来的时候，当下就必然成为一个难以预测的领地。工人完全在黑箱中工作，被剥夺了一切用来在劳动过程中定位自己的常用办法。[2]没有管理人员，只有算法；没有同事，只有符号化的竞争对手；无法明确接触任何人或任何信息。工作只是一个“未知的未知”领域，就像墙上嬉戏的阴影、黑暗中出现的“黑天鹅”，一切处于多重的未知之中，唯一可见的只有摆在眼前的微工作任务。大型科技公司潜伏在阴影之中，任务模糊不清，在没有任何警告的情况下，账户被关闭，任务发布者消失无踪。微工人两眼一抹黑、孤独无助，徒劳无益地想要努力看清自己的劳动究竟是什么，以及对谁有利，就像一个人想努力保护自己免受雇主的侵害，而他对这个雇主却一无所知。 因此，工人在充当算法的鲜为人知的守夜人。他们可能知道训练数据被输进算法，在另一端会产生一个决策，但两者之间发生了什么则完全是不透明的。[3]这个不透明的空间就是一个黑箱，一块黑色毯子，将微工作重要的社会意义覆盖起来—由于权力和秘密的双重原因，局外人根本无法透过这块毯子看到下面的真相。被隐藏起来的信息是算法如何做出决定，比如基于什么理由、为谁服务、以什么为目标。工人是这些算法的附属品，矫正、提高、监督算法的工作，在模糊不清的虚无空间中度日，既无法看到他们参与工作的整体过程，也很难被外部的人看到他们的存在。这就是大型平台利用微工人劳动的方式：对劳动的人来说工作内容是模糊不清的，而对更广大的外部世界来说这些工作是隐而不见的。 [1] Mary L. Gray and Siddharth Suri, Ghost Work, p. 16. [2] Frank Pasquale, The Black Box Society: The Secret Algorithms That Control Information and Money, Harvard University Press, 2016. [3] Pasquale, The Black Box, pp. 3—4. 81 ## PDF_PHYSICAL_PAGE_INDEX=86 | PRINTED_PAGE=82 没有劳动者群体力量的工人 然而，微工作平台这样做的目的，不仅仅是为了掩盖更大范围的劳动过程，也是为了防止工人互相认识。平台界面不提供工人可以使用的通信服务或工人可以看到的工人档案。这样做，一定程度上是为了消除潜在的对抗性，但更根本的是为了阻止传统意义上的劳动者集体力量的形成。当成千上万的工人相互接触的时候，秘密项目就会面临被暴露的风险。同时工人之间的交流还会威胁到算法所一贯呈现的幻觉，从而危及这些网站所代表的经济利益。一些公司利用微工作将工人伪装成为机器来吸引风险投资，一旦真相被揭露，这些公司的经济利益就会受到威胁。这两种威胁具有极大的相似性。正如莉莉·伊拉尼指出： 82 ## PDF_PHYSICAL_PAGE_INDEX=87 | PRINTED_PAGE=83 通过隐藏劳动力并通过计算代码让其易于管理人类计算平台催生了一个自称为数据未来的初创企业。隐藏劳动力是这些初创企业受到投资者青睐的关键，因此也是企业家投机性的，同时也是真正的获利的关键。当投资者将微工作公司视为科技公司而非劳务公司时，微工作公司更容易吸引到慷慨的投资。[1] 为了让支撑平台的企业荣誉、金融网络和技术景观保持完整无损的状态，工人就必须远离人们的视线。无论是为了获取风险投资，还是为了隐藏秘密项目，微工作都将大型科技公司的肮脏秘密隐藏起来。人们看到的不是大批的微工人，而是令人愉悦的机器盛况，以及科技创新和令人怦然心动的价值评估。从外部看到的只是企业家和程序员表面上的成功，而不是日复一日资本主义单调乏味的剥削。为了实现这一点，工人必须被彼此分开，不仅仅是被海洋和国界分开，而且被那些用来让劳动力分崩离析的软件界面分开，从而不仅让任务发布者看不见劳动者的集体力量，同时也让工人自己看不见劳动者的集体力量。 在新冠肺炎疫情暴发之后，实现这一目标的策略在远程工作的规则下越来越受重视。远离工作场所的工作，无论是在家里的客厅，还是在咖啡馆，都与硅谷在过去10年里酝酿培育的工作模式完全一致，在这种工作模式下，工人永不见面，亦无法相互交流。这形成了亚马逊和脸书等公司所设想的封闭数字世界的一部分，在这个封闭数字世界里，所有的民事的、政治的或经济的互动，都发生在我们自己家里就可以轻松舒适地进入的平台上。新冠疫情之后的世界，将是一个很难进行更多人与人之间接触的社会。[1]微工作在劳动力市场实现了这一封闭数字世界，代表着新自由主义幻想的顶点：一个没有工会、工人文化和工人机构的资本主义，一个没有任何工人能够挑战资本的资本主义。微工作实现了资本主义最狂热的梦想，不仅破坏了工资契约、独特的职业和工人知识，还破坏了作为一个团结的、反抗性的群体的劳动者的力量。 [1] Lily Irani, 'Difference and Dependence Among Digital Workers', South Atlantic Quarterly, 2015, 114 (1), pp. 225—234, p. 231. 83 ## PDF_PHYSICAL_PAGE_INDEX=88 | PRINTED_PAGE=84 数据噩梦 世界上的失业者和边缘人群正在被聚拢起来，为盘旋在他们家上空的无人机和识别并驱逐他们的摄像头提供支持，这或许让我们沮丧不堪，但并不令人惊讶。然而，另一个更加险恶的实验正在硅谷资本深处的非正规工人身上进行，Mechanical Turk或许就是其中的典型。乍一看，亚马逊在该平台获得了什么并不完全明显。该网站几乎不能代表一个重要的风险项目，至少在明显的利润意义上来说不是。无论如何计算，该平台每年获得的交易总收入，仅仅是亚马逊年收入的沧海一粟。网站运营成本和盈利能力的关系似乎让人难以理解。 但是通读了该网站为工人提供的条款和条件的附属细则，亚马逊真正的目的就会一目了然:“您上传的任务内容和您通过本网站收到的工作的产品可能被保留下来，用于改进本网站和与我们提供的其他与机器学习相关的产品和服务。”〔1]只需要看一眼，就能发现这些话暗示了某种相当新颖的东西，即该平台上完成的每个任务都会自动向亚马逊发送一组关于任务如何完成的精确数据。MechanicalTurk可能看起来像是一个劳务经纪人，一个通过给工人和雇主充当中介来获取利益的平台，但它的真正目的是为亚马逊网络服务提供数据。[2] [1] Naomi Klein, 'How Big Tech Plans to Profit from the Pandemic', The Guardian, 13 May 2020. 84 ## PDF_PHYSICAL_PAGE_INDEX=89 | PRINTED_PAGE=85 正如MechanicalTurk使得亚马逊能够扩大其数据容量的规模和范围一样，许多较小的微工作网站都有数据交易协议，能够使更大的平台获益。Playment网站在其在线条款和条件中声明:“用户通过回答问题、拍摄照片等方式搜集和/或产生的工作产品将成为Playment的财产。”〔3]因为这里描述的产品是标记或分类的数据，是非竞争性资源，所以任务发布者和Playment可以同时使用这些产品。与 Mechanical Turk 一样，Playment 只是通过充当中介来获得任务的数据内容。但与仅为亚马逊服务的MechanicalTurk 不同，Playment 与第三方分享这些数据，其中就有脸书。[4]Playment使用社交媒体网站来建立其工人的朋友的个人资料，从而预测哪些联系人可能也想在该网站上工作。在这一过程中，我们应该知道脸书能够得到关于各种任务的大量注释数据。 [1]See Amazon Mechanical Turk's participation agreement' at mturk.com/ participation-agreement. 〔2] 关于“劳务经纪人”更为宽泛的定义，参见 Guy Standing, The Corruption of Capitalism: Why Rentiers Thrive and Work Does Not Pay, Biteback Publishing, 2017, p. 209。 [3] See Playment's privacy policy at playment. http://gitbook.io/legal/privacypolicy. [4] 同上。 85 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/93d97921-01f1-48cb-976b-1fe80778bb33.md?start=90&limit=10)