后工作时代：平台资本主义时代的劳动力

监管更加严格的专业平台提供更加精细的众包服务。[2]这些是为特定的，通常是长期客户量身定制的机器学习服务。例如 Scale雇用外包工人为仓库机器人处理数据。Lionsbridge支持广泛的自然语言处理项目，包括自动语音识别、情感分析和聊天机器人训练数据。其中最大的网站Appen支持金融服务、零售、医疗保健和汽车行业的机器学习，并与亚马逊网络服务(Amazon Web Services)、微软和谷歌云合作开展一系列项目。Appen虽然不是用户最多的网站，但它现在是少数几家成为上市公司的微工作网站之一，它正在利用其跨国公司日益增长的实力收购Leapforce 和 Figure Eight 等小型初创企业。 [3]

[1]Phil Jones, 'Rethinking Microwork: The Invisible Labour of the Platform Economy', Autonomy, 2020.

[2]'Rethinking Microwork'.

[3] 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.

46

为了适应机器学习培训更加细微的内容，在这些网站上的工作通常以包含类似任务的任务包的形式出现，这些任务可能持续1个小时，有时持续长达1天，而且通常比在初级众包网站上的报酬高一点。例如，训练面部识别技术的任务包基于一系列数据子集，内容包括特定姿势的面孔、化妆的或戴口罩的面孔、因光线不足或距离遥远而模糊不清的面孔，以及表达不同情绪的面孔。由于这些网站上的任务通常需要高超的技能或特定领域的专业知识，因此使用这些网站的资格通常取决于对语言和技术能力的评估，以及更广泛的文化灵活性。例如，Lionsbridge声称拥有包括翻译人员在内的50万名语言专家。[1]在精细众包网站和初级众包网站上，我们都经常能够看到将曾经享有盛誉、薪酬很高的工作重新包装成为“低技能”任务，赤裸裸地体现了资本通过“职业”的暴力路径，将专业人士变成无产阶级。

许多大型科技公司也有自己的内部平台。这些内部平台通过初级或精细网站来吸引工人。微软的UniversalHuman Relevance System(通用人类关联系统)的创立旨在自发响应公司的实时需求，而 Appen 和 Lionsbridge等外部平台并不能满足这种需求。优步出于类似原因收购了MightyAI，用其来处理从司机那里获取的大量数据以开发自动驾驶汽车。谷歌创建Raterhub是为了雇用“评分员”（通常是来自菲律宾的工人）评估公司的搜索结果是否符合用户的预期，比如搜索结果是否品质良好，内容是否非法、色情或令人反感，生成的数据用来向谷歌的算法展示如何自动完成这些任务。这些评估工作薪酬微薄，工作时间很长，而且工作具有心理伤害。[1]否认犹太人大屠杀、儿童色情和暴力恐怖形象仅仅是工人在评级或审核时所面临的一部分创伤性内容。

[1]'Lionsbridge Augments Artificial Intelligence Offering through Acquisition of Gengo and Gengo. Ai', Lionsbridge, 20 November 2019.

47

尽管从字面上来看，“初级”众包和“精细”众包是两种不同的平台，但实际上两者提供的服务有大量的交叉重叠。Mechanical Turk经常用于最基础的目的——被学者用来寻找廉价的受访者和被营销公司用来填写问卷调查表。但该平台也用于更加专业的项目，例如培训亚马逊的面部识别软件和推特的实时搜索功能。[2]平台上培训软件通常需要与拥有薪水的白领工作相关的文化灵活性水平，但获取的报酬只是白领工作的一小部分，至于权利和其他全职工作的好处则全然没有。正如工人向推特的算法展示如何识别与“大鸟”相关的推文的例子所示，迅捷而正确地做出此类决定——这对推特预测用户偏好至关重要——需要对当下事件所处的时代精神具有比较透彻的理解。仅仅20年前，同等的文化工作能够获得一份有薪水的全职工作。而现在，这些工作报酬极少，或甚至没有报酬，而干活的人是那些教育程度很高的剩余劳动力，他们拥有大学教育和专业工作的技能和培训，却没有发挥这些能力的地方。

[1] 关于谷歌和脸书平台上的内容审核的深入研究，参见 Sarah Roberts,Behind the Screen: Content Moderation in the Shadows of Social Media, YaleUniversity Press, 2019。

[2]Twitter Improves Search'.

48

这种对薪酬、权利和技能的剥夺，代表了自动化正在对服务业施加的真实的和当下的影响。然而，工人的具体体验却往往在空前严重的关于失业的耸人听闻的谈论中被湮没无闻。无论是简单的反对者，还是极端的末日论者，自动化理论家都倾向于将辩论重点放在大规模失业上。但是失业的世界末日只是用来混淆视听的把戏。事实上，我们正在看到的是越来越多的服务工作被转变为临时工作、微工作和众包工作。在这里，针对算法的工作，或与算法一起的工作，被自动化倾向的形式支配。在微工作情况下，这些“工作”往往类似于失业。

49

第三章作为服务的人类

极力倡导和勉强赞同微工作的人试图强调微工作是一种有薪就业的新来源。有一种感觉，似乎人工智能并不像人们认为的那样是工作杀手，而是工作创造者。世界银行率先提出了这种危险的乐观主义，推动用微工作解决世界上最贫穷和最边缘化人群困境的解决方案。作为用劳动力创造价值的观点的长期倡导者，世界银行提出：“低劳动力成本为发展中国家的工人带来了竞争优势。”〔1]如此平淡的语气几乎让他们的语言听起来充满讽刺味道，这样的表述体现了对全球发展的可怕的新共识。正如Samasource已故首席执行官莱拉·贾纳的一本书的标题所示，现在的目标是《提供工作》，而非提供援助。〔2]为了吸引非政府组织和微工作的国家监管人员，一份名为《中东和北非青年就业的改变游戏规则的机会》的简报提出了一个非常可疑的说法，即美国微工人平均年薪高达40000美元。〔3]同样，《哈佛商业评论》大胆断言，微工作为那些原本失业的人提供了“生活工资”和“技能”。[4]该文似乎对其自相矛盾浑然不知，继续断言“客户通过使用微工作中心，而不是使用大型营利性供应商，可以减少30%到40%的薪酬费用”。的确是活命工资。

50

即使是国际劳工组织（ILO）等对其不太热心的新自由主义机构的反应，也是温和的赞同或完全的默许。在国际劳工组织对微工人进行的一项大规模调查中，作者承认在线数据工作的条件远非完美，但仍然不遗余力地强调这是“工人获得收入的新机会”。[5]同样的问题存在于关于这一问题的很多学术研究。玛丽·格雷和西达尔特·苏里的《幽灵工作》对这些工人面临的危险进行了清晰的描述，但有时候轻信了微工作的热情倡导者虚构的神话。这本书利用实际在线工人的第一手资料，揭示了驱使人们从事在线劳动的动机，例如获得技能和更好的工作机会。[6]对微工作更加诚实的描述，需要强调几乎没有证据表明这样的愿望真的得到了满足。通过作者提供的有限证据可以看出，微工作更像是当下就业沙漠中的海市蜃楼，而非充

[1] Vili Lehdonvirta, From Millions of Tasks to Thousands of Jobs: Bringing Digital Work to Developing Countries', World Bank, 31 January 2012.

[2] See Leilah Janah, 'Give Work: Reversing Poverty One Job at a Time', Portfolio, 2017.

[3] Game-Changing Opportunities for Youth Employment in the Middle East and North Africa', World Bank, March 2011.

[4]Franscesca Gin and Bradley Staats, 'The Microwork Solution', The Harvard Review, December 2012.

[5]'Digital Labour Platforms and the Future of Work: Towards Decent Work in the Online World', International Labour Organization, 2018, p. 95.

[6] Mary L. Gray and Siddharth Suri, Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass, Houghton Mifflin Harcourt USA, 2019, pp. 110—113.

51

满机遇的绿洲。

如果说本书有一个目的，那就是表明微工作并不是工作和技术的新的源泉，而是类似于人们在维多利亚时代的英格兰、19世纪的那不勒斯或现代孟买的街头看到的人们挣扎生存的灰色景象。我们需要超越世界银行等机构迂腐不堪的自我成才的说教，进而提出一些问题：微工作网站上的工资实际上是怎么样的？微工作是否提供真实职业所具有的技能和好处？微工作的条件与其他没有工资的生存形式是否有所不同？微工作是否阻止曾经在传统工人阶级中看到的那种组织和团结？当工作状况变得晦涩难懂而又令人困惑地熟悉的时候，对这些问题的探讨将会引导我们采取新的抵抗行为。

从工资到赌注

如果工作意味着玩，而努力工作意味着几乎不工作，那结果会怎么样？这是 Playment 和 Clickworker 等平台做出的承诺。在他们的网站上充满了衣着时髦的年轻人在沙发上悠闲地浏览笔记本电脑的图片，这些图片暗示，如果在我们的美丽新经济中还存在着工作，那么这些工作和玩电子游戏或购买衣服一样惬意有趣。远程工作梦想的色调柔和优美的快照既虚伪又诱人，给单调乏味的计件工作带来了渴望和魅力。这些网站只会提到“用户”“任务者”和“玩家”，好像只要提到“工作”或“工人”都会破坏这种温馨美好的氛围。现在玩等于报酬。“乐观的游戏化的合规制度”延伸到工作流程本身。〔1]屏幕上的排名、非金钱奖励和获得新级别认证的机会—例如Mechanical Turk神秘的“大师资格”被用来将任务游戏化，从而模糊工作和游戏之间的界限。

52

但是当工资变成“筹码”或“奖励”的时候，休闲和安逸很快就更像偷窃，而不是娱乐。“奖励”等语言的泛滥暗示这样一个事实，即任务就是赌博，工资并非合同所得，而是工人决定接受一项任务时赢得的赌注。[2]如果说微工作平台不会支付低于维持生计水平的工资—MechanicalTurk上90%的任务每项支付的费用不到0.1美元—那是因为它们根本不支付工资。[3]对微工作网站的一项大型调查发现，30%的工人经常得不到报酬。[4]在Clickworker上，高达15%的任务没有支付报酬。[5]换句话说，资本的在线基础设施在很大程度上依赖于无偿劳动。正如梅琳达·库珀指出的那样，这将会持续更长的时间：“在后福特主义条件下，工资本身已成为一个投机性命题……报酬会取决于完成指标的状况”和“没有明确规定的无偿工作准备时间”。[6]工人因此越来越多地在赌博和彩票这样的准魔法经济中运作。微工作代表了这种趋势的令人沮丧的顶点，下一个任务获得报酬的可能性一次又一次地诱使工人回到平台上来，以期获得更多。复杂的奖励计划和可竞争的定价模式使任务游戏化，并有效地将劳动力剩余和不稳定性重新包装为新的、激动人心的工作兼休闲形式。

[1] Adam Greenfield, Radical Technologies, Verso, 2017, p. 294.

[2] Niels Van Doorn, 'From a Wage to a Wager: Dynamic Pricing in the Gig Economy', Autonomy, 2020.

[3] Juliet Webster, 'Microworkers of the Gig Economy: Separate and Precarious', New Labor Forum 25 (3), 2016, p. 58.

[4]Gray and Suri, Ghost Work, p. 90.

[5]'Digital Labour Platforms', p. 74.

[6] Melinda Cooper, 'Workfare, Familyfare, Godfare: Transforming Contingency into Necessity', South Atlantic Quarterly 111 (4), 2012, p. 646.

53

当工资变成赌注的时候，工人本身的地位就受到质疑。工资和工作在资本之下是结合在一起的。这不仅具有本体论的意义，还具有重要的政治价值，因为工人和工资之间的一致性是众多反对资本的斗争得以产生的基础。没有了工资，一个人就不是工人，而是一个奴隶，或是剩余劳动力—这些类别在概念上是不同的，并且通过延伸，在政治上也是不同的。正是因为这样的原因，像“家务劳动也要工资”这样的运动要求将工资扩展到“隐藏起来”的家务劳动。[1]正如希尔维亚·费德里希所说:“家务劳动没有工资这一状态，一直是强化家务劳动不是工作的普遍看法的最强大武器。”〔2]在微工作的情况下，工资经常消失不见，这同样表明对“工人”身份的否认，从而提醒人们，与照顾小孩和家务一样，琐碎的数据任务不值得正式承认。

微工作网站当然承诺支付报酬，但因为它们让任务发布者完全能够按照自己的意愿行事，所以大量任务没有支付报酬。微工作网站看似中立，实则往往围绕让工资是可选的，而非强制性的系统性目的建构组织。即使有报酬，任务的定价也非常低，以至于工资失去了让劳动力再生产的功能。在唯一统计工资的平台Mechanical Turk上，工人每小时赚取不到2美元的报酬。 [1]

[1] Nancy Fraser, 'Behind Marx's Hidden Abode', New Left Review 86, March/ April 2014.

[2] Sylvia Federici, 'Wages against Housework', in Revolution at Point Zero, PMPress,2012,p.16.20世纪的许多社会运动都提出了一个强有力的论点，即将工作仅仅当作那些有工资的活动最终无法解释大量的艰苦劳动，而从事这些劳动的人在不同的逻辑下应该被当作工人。换句话说，工资可能不是衡量哪些劳动可以当作工作的最佳指标。最明显的是，工资尚未扩展到照顾小孩和家务等人类再生产劳动。

54

在这些网站助长的盗窃工资的众多方式中，最有效的方式是支付方式本身。透过自动驾驶汽车和送货无人机的光彩夺目的盛况，我们会发现硅谷最令人惊叹的节省劳动力的手段之一，就是回到19世纪的经济。让雇主按成品支付的计件工资比其他支付方式更容易盗走工资。我们不要忘记，正是由于这个原因，马克思将计件工资视为“最适合资本主义生产方式的工资形式”。[2]计件工资是维多利亚时代资本主义模式的一个共同特征，但这一特征在全球北方几乎完全消失了，随着20世纪的合理化进程，任务被标准化并按小时支付工资。但计件工资依然是全球南方庞大的非正规领域中最常见的支付方式，对于那些被迫在经济系统边缘谋生的人来说这只是一条虚假的生命线——这些人包括人力车夫和拾荒者，以及为国内或全球供应链分包工作的血汗工厂工人。

美国和欧洲恢复计件工资，是以用粗略方式解决服务业生产力难题为前提的。由于食品、邮政投递和会计等工作没有简单的自动化解决方案，Deliveroo和 Upwork等网站善解人意地为专业人士和不稳定的无产者重新构想了维多利亚时代的资本主义，在一系列曾经支付薪水的职业中引入计件工作，从而将工人推向残酷的生存困境。Mechanical Turk网站也是如此，在该网站上，严格的质量标准通常不如纯粹的速度重要。人工智能已经可以完成微工作网站上列出的许多任务，但在完成速度方面，工人仍然占据上风。[1]鉴于Mechanical Turk上的5分钟人类智能任务可以低至20美分，工人必须快速工作，仅仅是为了满足日常生活的需求。

[1] Kotaro Hara, Abi Adams, Kristy Milland, Saiph Savage, Chris Callison-Burch, and Jeffrey P. Bigham, 'A Data-Driven Analysis of Workers's Earnings on Amazon Mechanical Turk', Proceedings of the 2018 CHI Conference: Human Factors in Computing Systems, April 2018, pp. 1—14.

[2] Karl Marx, Capital Volume 1, Penguin Classics, 1990, pp. 697—698.

55