其他
陈良斌 闫晋齐｜人工智能背后的“人工非智能”：“幽灵劳动”的运行模式及其堆栈机理
陈良斌
陈良斌，法学博士，东南大学中国特色社会主义发展研究院研究员，东南大学马克思主义学院教授、博士生导师；
闫晋齐，东南大学马克思主义学院博士研究生。
摘 要
人工非智能是指那些隐藏在人工智能背后的人类劳动，因其鲜为人知而被称为“幽灵劳动”。它主要承担客体信息传递与智能行为实现的角色，构成了现阶段人工智能生成进程中的关键环节。它的运行以众包劳动与外包劳动为主要模式。人工非智能的出现是源于“人工智能二进制协议”与人类智能之间不兼容的矛盾。因此，人工非智能其实是当前人工智能技术发展中一个短暂的“混合态”，其本质是资本有机构成提高之后，由于新的生产资料尚未成熟，资本为保证剩余价值攫取而吸纳的剩余劳动。而人工非智能之所以“幽灵化”，是宏观上资本的“脱实向虚”和数字主权的缺场、中观上职业承认机制的结构失衡、微观上堆栈层级的用户界面遮蔽三个层面共同作用的结果。
人工智能背后的“人工非智能”：智能“环路”中的人类劳动
2018年，一位记者将“人工非智能”概念引入大众视野。这一概念起初用以反对“技术沙文主义”（technochauvinism），并解构技术精英营造的“数字乌托邦”想象。此后，玛丽·格雷（Mary L.Gray）等向世人揭示了“人工非智能”的吊诡性，“真正驱动……人工智能系统运行的竟是人类的劳动力，但我们很难发现——事实上，这些劳动力是被故意隐藏起来的”。拉里·洛曼（Larry Lohmann）更是一针见血地指出，“智能”一词自发明以来其“主要职责就是掩盖无产阶级的工作”。可见，“人工非智能”的提出是对人工智能所掩盖的人类劳动重要性的揭示，以及对现阶段人工智能无所不能神话的反思与批判。 那么，人工智能在本质上是什么？玛格丽特·博登（Margaret Boden）的答案是，“让计算机完成人类心智（mind）能做的各种事情”。显然我们无法讨论好莱坞式的“通用智能”（AGI）背后隐藏的人类劳动，因为那并不存在于现实之中。现阶段的人工智能只能是狭义人工智能（ANI），即用以执行特定任务的人工智能系统。正如马克思曾经指出的，机器生产的原则是“把生产过程分解为各个组成阶段”。在这个意义上，人工智能与机器的产生逻辑在本质上一致，即都建立在对生产过程的“分解—增强—合成”的基础之上，它只是“在局部功能上超过人”。因而，所谓“智能”仍旧是对主体改造客体的对象化劳动的“模拟”，并通过“合成”部分地超越了人的生物机体有限性。或许其是否构成某种程度上的“主体”仍有待商榷，但无论如何，今天的人工智能还不是一个完整的自治系统。套用马克思的原话来说，其“分解”尚不彻底。正如对“结构化数据”的大量需求催生了规模庞大的人工智能基础数据服务（AIBDS），自动化的最大悖论在于“使人类免于劳动的愿望总是给人类带来新的任务”。“智能”一词往往遮蔽了那些处在“自动化最后一公里”之中的人类劳动。那些使得人工智能成为现实的人类劳动，它们在人工智能的“环路”之上默默劳作，成为服务于人工智能并使其“智能”的“人工非智能”。所谓“环路”，是指人类智能系统与人工智能系统共同的宏观抽象模型：客体/环境信息从客体流向主体，主体生成“智能策略”并将其转化为“智能行为”作用于客体/环境。在自动化机器体系背景下，人工非智能劳动使得人工智能与“客体/环境”交互“环路”完整化。在此意义上，人工非智能劳动可以大致分为以下类型：第一类位于客体/环境信息传递阶段，以数据标注、内容审核工作为主，典型运行模式为“人工智能公司自有团队＋AIBDS供应商”（即自有团队＋众包平台），可以抽象为“数据转化”的解决思路，将人工智能无法理解的“脏数据”转化为“结构化数据”；第二类位于智能行为实现阶段，以网约车司机与外卖骑手为代表，运行模式亦为“自营＋外包＋众包”，可转化为“智能行为实施”方案，即在人工智能无法通过自动化机器体系完成智能行为时，借助人类完成通达客体的“最后一公里”。 具体而言，第一类人工非智能劳动以数据标注员与内容审核员为代表型职业。国家人力资源和社会保障部发布的《人工智能训练师国家职业技能标准》（2021版）将其定义为“使用智能训练软件，在人工智能产品实际使用过程中进行数据库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业的人员”。其中，L5（初级工）与L4（中级工）的工作要求中均有“数据标注”，L4的“数据标注”则突出“归类、定义、审核”的要求。根据贾文娟等人的田野调查，有些下游公司具有自有数据标注团队，属于符合L5定义的数据标注员，而其他大部分公司则外包给AIBDS公司。以“百度智能云”为例，该公司不仅拥有自己的数据标注专业团队，也拥有在线众包平台。而在线众包平台则以“公会”为单位进行工作。众包平台上的公会可以视为次级外包商，公会中“任务由会长完成认领和内部分发”。在国外，此类工作亦呈现出相似结构，但其众包平台可以分为单个公司独有众包平台（如微软通用人类关联系统UHRS）与面向社会的众包平台（如亚马逊土耳其机器人MTurk）。 值得注意的是，第一类人工非智能劳动的出现都与机器学习算法密不可分。机器学习算法可以被视为在训练经验的指导下，搜索大量候选程序，以找到优化性能指标的程序。在机器学习中最广泛使用的机器学习方法是监督学习方法。其本质上是一个f（x）=y的函数，其中训练数据采用（x，y）对集合的形式，目标是响应查询x*生成预测y*，而输出的y则进行标签分类。换句话说，采用监督学习方法的人工智能在训练阶段中需要使用带有标签的数据集进行训练，以找到输入与输出之间的关系。因此，“标注”与“审核”均意味着将未处理的数据转化为机器可识别信息。这一行为实际上是在统计学意义上模拟人类在经验中寻找规律的过程。但是，经验起初只是一种“生动的直观”，还需要通过理性思维将其概念化，人类才能进行判断和推理，以形成人类的“智能策略”。正是从“经验”（图像、声音、文本、视频）到“概念化”再到“标签化”的这一过程，机器学习产生了对人工非智能的需求。 较之第一类人工非智能劳动，第二类如外卖、快递和网约车为代表的平台劳动近年来已经在学界获得了深入探讨。正如第一类人工非智能，许多公司都拥有自己的专职骑手与专职司机，他们的劳动仍旧属于传统的雇佣劳动关系。但是，出于“降低成本”以及“弱化和转移雇主责任”的资本策略，此类公司将自己定义为一个连接消费者与店铺的 “众包劳动”平台，而那些独立接单的骑手/司机就成为 “提供服务的独立承包商”，他们只需要登陆平台注册就可以抢单配送。同时，许多劳动者又加入了众包平台的外包商——第三方劳务公司，他们与平台公司存在名义上的用工关系，却只接受站点的管理，并没有挑选订单的权利。但无论如何，二者均充当了人工智能在无法完全与世界交互时的“肢体”。可以说，两类人工非智能劳动虽然在“环路”中所处位置不同，但在运行模式上基本一致，均以“众包＋外包”的混合模式为主。因而，对于人工非智能的探析必须从厘清“众包”（crowdsourcing）与“外包”（outsourcing）模式的本质入手。“幽灵劳动”的运行模式：分布式众包下的资本剥削
一般而言，“众包”是一种分布式面向互联网大众的问题解决机制，它通过整合互联网用户来完成计算机难以单独完成的任务。以亚马逊公司的MTurk为例，其运行机制中主要包括“平台”“任务发起者”以及完成任务的“托客”（turkers）。任务发起者通过平台的应用程序接口（API）批量发布任务，而平台则负责将有效任务生成列表供“托客”挑选，而后平台将完成的任务结果再次通过API接口向发起者递交，最后发起者对任务进行审核。在此过程中，前文所述的第一类众包劳动，即数据标注与内容审核工作已基本形成了“人工智能＋人工”的模式。而在“智能行为”的意义上，第二类众包劳动也是计算机无法单独完成的任务，但与第一类劳动的区别在于，它在“环路”上处于“智能行为实现”的位置上。也就是说，奔驰在路上的不仅仅是骑手/司机，还包括移动终端和交通工具在内的完整体系。在其中，人类充当了人工智能借助移动终端来控制交通工具的中介，因而同样属于“人工智能＋人工”模式。所谓外包劳动，早在20世纪70年代就随着运输与通信技术的革命而展开：全球化“大买家”将生产网络分布至发展中国家，通过分布式数据库和派遣员工将生产项目外包出去。换句话说，外包模式在利用人力资源价格不均等来降低成本上与众包劳动是一致的。结合具体的外包过程能够发现，人工非智能领域内的外包劳动实际是建立在众包劳动平台的基础上：在数据标注行业，数据结构化的任务被外包给各个数据供应商，而这些公司又通过众包平台来完成这一任务；在外卖骑手那里，任务被站点负责人接下并分包给团队骑手。此类外包实际上是通过集成众包平台上的劳动者来为任务发起者提供解决方案。可以说，人工非智能意义上的外包劳动与众包劳动在价值生成方式上并无差异。
值得注意的是，外包劳动和众包劳动在劳动性质上却存在着不同的状态：一是解释劳动，即应用识别、感知、技艺、预测等人类通用解释技能的劳动。解释技能涵盖认知劳动与体力劳动中所包含的特定能力，进而构成“活劳动”的核心。在人工非智能劳动中，它表现为人类按照人工智能的方式来解释现实世界的行为。二是无偿劳动，在这一劳动过程中，“挑选”“学习”等一系列本该由雇佣者承担的成本已经被转嫁至劳动者身上。值得一提的是，解释劳动这种从属于“认知资本主义”的范式，并没有改变传统工业资本主义中“活劳动”与“死劳动”之间的对立。无论是人工非智能所从事的“信息传递”还是“智能行为实现”，二者本质上都是“活劳动”，其与人工智能及其控制的机器体系（“死劳动”）仍旧是对立关系，因而仍然适用马克思对于机器大工业中剩余价值被剥削的基本判断。也就是说，这里剩余价值的唯一来源仍旧是剩余劳动，资本对于人工非智能劳动的剥削仍旧以占有生产资料为基础。但是，基于劳动模式与劳动性质的差异性，以众包劳动为代表的人工非智能在被剥削过程中出现了一些不同于机器大工业时代的新特征。
首先，最具特殊意义的是人工非智能通过生产“结构化数据”加速人工智能迭代升级，进而促进资本有机构成的提高。需要强调的是，人工非智能与其说是在人工智能控制下的劳动，毋宁说是为沟通人工智能与人类世界而进行的劳动。因此，不论是显性的数据标注员还是隐性的外卖骑手与内容审核员，其在劳动过程中所产生的信息均构成人工智能用以训练和迭代的结构化数据。正如“审核的本质是为了帮助机器学习，毕竟存储庞大的数据非常简单，但要过滤数据很难”。一般来说，外卖骑手的各项数据也无时无刻不在强化着算法系统的控制。可以说，相较于庞大的“脏数据”背后的人类劳动，人工非智能的人类劳动为人工智能创造人类的“数字化镜像”提供了最为紧迫的结构化数据或优质样本。这是因为人工非智能劳动是在人工智能的规则下进行的劳动，本身就带有“标签化”特征，而在其中所产生的数据正是人工智能所急需的标签化人类劳动数据。当我们回顾机器大工业时代机器对人类劳动的分解与替代时就会发现，今天人工智能借助人工非智能对于“脏数据”的分解与吸收实际上都印证了马克思的判断，即推动了资本有机构成的提高；只不过人工智能在分解速度上远远高于“泰勒制”时代。
其次，资本借助众包平台以更少的成本占有了更多的生产资料。通过众包劳动平台的项目运营，资本无偿占有了原属于私人的消费资料，并将其转化为生产资料。要知道资本攫取剩余价值的基础在于占有生产资料，而在众包劳动中资本长期占据核心生产资料——数据，在此基础上以“抽成”方式实现对劳动者剩余价值的占有。相应地，众包劳动者则需要将自身的消费资料（如私人电脑、私家车等）转化为生产资料，才能完成众包平台上的任务。这意味着资本几乎以零成本的方式占有了更多的生产资料，且相应成本均不用资本承担。在这些以“项目”为单位的劳动过程中，商品的价值并不仅仅由劳动者的“活劳动”所构成，同时也是劳动者私有生产资料的“死劳动”转移的过程。 最后，资本对人工非智能的剥削过程还导致了可变资本的全面下降。众包劳动者在法律上很难被界定为平台或任务发起者的员工，二者间并不存在传统劳资关系中的合同，因而“工人承担了寻找工作、学习如何完成任务以及在出现问题时进行沟通的成本。请求者承担了寻找人才、建立信任以及维持与工人之间责任关系的成本”。这极大地降低了企业在用人方面所支出的各类成本。同时，由于零工经济与平台的去中心化特征使得劳动者之间的竞争加剧，劳动者所能得到的工资呈降低态势。零工经济迫使劳动者 “自愿”以“更高强度和更长时间的劳动创造额外收入来弥补劳动力价值的损失”，使得劳动者之间在时间上竞争加剧。在空间维度上，由于众包劳动的线上特征，竞争的范围扩展至全国乃至全球。原本处于“全球北方”的美国中产阶级迅速地“被去工业化和外包掏空了”，现在需要在全球众包体系中同“全球南方”工人展开激烈的竞争。此外，由于“劳动者加入共享平台的门槛很低，使平台能够极易吸引大量劳动力”。三者共同构成了庞大的“产业后备军”，加剧了劳动者之间的竞争，使得工资呈现日益下降的趋势。 总之，资本对于人工非智能的剥削不仅仅表现在通过众包劳动形式近乎无成本地占有生产资料以及加剧产业后备军的内部竞争，更体现在人工非智能劳动本身具备的人工智能性质，即人工非智能在资本所制定的规则（包括算法）下已经成为人类智能与人工智能的“混合体”。在这种情况下，人工非智能的核心作用就是为了人工智能可以更好地“模拟人类智能”，从而成为人工智能时代资本有机构成提高的关键环节。
“幽灵劳动”何以幽灵化：人工非智能的堆栈机理
人工非智能作为承载人工智能迭代成长的基石，本该随着当前人工智能技术的迅猛发展而获得更多的关注。但事实正相反，数亿人的劳动在人工智能无所不能的神话遮蔽下几乎销声匿迹，成为玛丽·格雷等人眼中不可见的“幽灵劳动”。那么，人工非智能劳动的幽灵化为何会产生？为了更清晰地揭开谜底，我们将借助本杰明·布拉顿（Benjamin H.Bratton）的“堆栈”（stack）理论来对人工非智能产生的源头进行解析。 按照布拉顿的观点，整个人类世界可以被垂直式地理解为一个“地球—云—城市—地址—界面—用户”的多层“堆栈”结构。当我们将人工智能置于（它本身就处在）多层堆栈中的用户层时，一个“协议”或“接口”的问题就产生了。人工智能其实是一个用户，在现实世界中用以替代人类驱动机器体系，而在虚拟世界中替人类接入云层（如个人终端上的语音助手）。然而，从人工智能的视角来看，这里存在着一种本质上的“协议不同”。这是因为人类世界中的“机器体系”乃至于整个世界是被过去的技术塑造的，而过去的技术本质上是“人工体能的延伸”。它默认操控者具有“完整智能”，正如盲道的设计者既默认了视觉的缺失，又预设了触觉与智能的健全。这就意味着如今我们所处的世界是为“人类智能”而“设计”的，它是基于人类复杂的“解释技能”（如识别、寻路、感知等）组合而被“设计”。比如汽车默认人类拥有“驾驶能力”（包括视觉、听觉在内的一整套解释技能）、互联网默认人类的“上网能力”（同样是解释技能组合）等，均是此类体现。但在今天，用户层位置逐渐被人工智能替代，接入“云”的是人工智能而非人类。比如在人工智能的帮助下，人们现在习惯于让语音助手打开汽车天窗，于是，机器体系的很多按键就失去了原有的效用。此刻，我们就会发现横亘在计算机语言与人类语言之间的一种的“视差之见”（齐泽克语），即计算机语言的所谓“脏数据”实际上是相对于计算机或人工智能而言的“脏”，而站在人类的这一面，“脏数据”并不脏，恰恰是可以被理解的。进一步来说，这些信息之所以被称为“脏”的形式，原本就是人类与这个世界“标准协议”。而人类语言所表达的“无边界、无算法规则的状态”本来就是人类智能的“规则”，可见，这里的“协议不同”是指二进制的“人工智能协议”与现实世界中的“人类智能协议”之间的不同。 于是，“协议不同”就会造成双向的转化。一方面，人工智能学习的对象与其说是“人类智能”，不如说它正在生成一个人类的数字“镜像”。这个“镜像”是通过算法与数据将人类解释技能转化为二进制以后，再次组合而生成的。因此，人工智能就能够接入这个原本为人类智能所“设计”的世界。另一方面，曾经为人类智能所设置的“协议”正逐渐向着类似计算机TCP／IP（传输控制协议/Internet协议）的二进制协议转化。因为对接“云”或“虚拟世界”的不再完全是人类用户，而人工智能在接入“云”或操控机器体系上更具有显著优势，正如自动化驾驶的前景是“当通过共享态势感知和通信进行同步时，整个车群可以在彼此几英寸的范围内加速而不用担心即将发生的碰撞”。进一步来说，依托整个城市景观的“二进制协议化”已明确地体现在“智慧城市”的建设过程中，即将传感器嵌入城市以实现“物联网”。而在镜像的另一端，人类为了更好地使用人工智能则要向其“数字化镜像”学习，例如如何更好地“搜索信息”与“询问语音助手”。在经历视角的倒转之后，就会发现这一切并不只是人工智能更“智能”了，而应该被视为人类、机器（汽车）乃至城市正逐步变得符合人工智能的“协议”，且逐步被技术所重塑。正是在这个充满不确定性的“混合态”中，“人工非智能”诞生了，其本质是用以解决“为人类设计的世界”与“人工智能”之间的“协议不通用”矛盾的人类劳动。在人工智能无法理解人类时，人工非智能在“人机协同”的意义上成为一个暂时性的解决办法。可见，协议不通用其实就是两个系统之间因通信协议不同导致数据无法有效交换、操作无法交互的问题。而计算机语言解决问题的思路一般有两种：一是数据转换，从而实现数据的交流；二是通过中介，例如中间件（middleware）或API接口集成，来搭建两个系统之间的桥梁。在此意义上，客体信息的数据转化与智能行为的实施正对应了计算机语言当中对于“协议不同”的两种基本思路。所以，正是人工智能的“二进制协议”与人类智能之间的“协议不同”催生了人工非智能——一种成就了人工智能神话却又隐藏在人工智能环路中的“幽灵劳动”。 厘清了人工非智能的产生原因之后，再回到此前人工非智能为何“幽灵化”的问题，或者进一步而言，为何在人类视野中它们不再可见？总体来说，这种不可见性其实源于“协议不同”所造成的不对称性，具体表现在宏观、中观与微观三个层面。 在宏观层面上，资本“脱实向虚”与数字主权（digital sovereignty）的缺场共同构成了人工非智能幽灵化的基础。在经济上，资本的剥削不再依赖地理空间上世界市场的扩展，也不再完全依赖大卫·哈维（David Harvey）意义上的“弹性积累”，而是借助于数字平台实现在虚拟空间维度上的扩张。得益于数字平台的去中心化特征与全球化的共时性，以人工非智能为主要表现形态的拓扑学众包网络被建立起来。在众包网络中，劳动者以项目为度量单位汇集于平台进行工作，其本质仍是劳动密集型产业，但丧失了原本现实地理空间中由于产业与劳动力集聚所获得的可见性。因而，这种不对称性实际上是由众包劳动的云端密集与现实分散所导致的。与此同时，劳动者不再单纯地以公民身份被吸纳进资本剥削的体系当中，相反，平台的用户身份逐渐成为数字虚拟空间中识别劳动者的主要标志。进一步来说，数字虚拟空间成为资本攫取剩余价值的全新空间，资本与劳动力由此迅速集聚。但是，数字虚拟空间中传统国家主权尚未完全建立，公民身份的建设远远滞后于用户身份。按照布拉顿的观点，数字虚拟空间是一个尚未确立其自身“威斯特伐利亚”公约的全新领域，政治治理尚未触及这里。于是，数字虚拟空间可以被视为“云城邦”，这些云城邦包括谷歌、苹果等平台企业，它们恰恰代替国家构成了一种事实上的主权形态。于是，数字主权的缺场就会导致人工非智能的“公民”尊严完全被“用户”身份所掩盖，它在“公民”视野中的幽灵化便成为一种必然。 在中观层面上，人工非智能的不可见性源于职业承认机制的结构失衡。人工非智能群体是否可见与其职业承认机制直接相关，而资本从其诞生以来便致力于掩盖人类劳动的真正价值以谋取超额利润。这一方面表现在社会视野中职业承认机制的缺失，即人工非智能劳动并不被社会所承认。其中不仅涉及由平台众包劳动所导致的人类劳动隐藏在API接口之后，还涉及一种对劳动价值的隐形屏蔽。资本的目的在于对人工非智能劳动的价值评价进行扭曲，认为其作为简单重复性劳动缺乏生产性价值，甚至还不如传统意义上产业工人所从事的体力劳动价值大。另一方面表现在劳资关系中职业承认机制的消解，主要指在资本控制下人工非智能群体“被整合至人工智能与平台经济的衍生发展中”。在以平台为核心的众包劳动中，劳动者与平台之间并非传统的雇佣劳动关系，而是一种临时的“平台-用户”关系。同时，平台自有员工与“外包”或“众包”劳动者之间呈现一种“核心员工”与“临时工”之间的等级差异关系，因而人工非智能劳动群体被资本排除在原有以契约为中介的职业承认机制之外，成为不被资本承认的“幽灵劳动者”。 在微观层面上，人工非智能的具体劳动完全被虚拟空间下堆栈层级的用户界面所遮蔽。人工非智能群体中不同职业的可见性取决于具体劳动在“堆栈”与人的交互结构中所处的位置。可以这样理解，人类处在“用户层”中，主要接触的是界面，而处理数据的则是整个堆栈几乎所有层级，每个层级的运行实际上均基于“人工＋机器体系”的结构，这就使用户很难意识到界面所展现的“现实-虚拟”世界在最底层是由庞大的行星级能源系统和其中数以亿计的人工所维持的。界面的集成作用使得用户与平台之间的关系变得神秘化。假设通过移动终端所承载的界面发起了一个名为“打车”的任务时，我们将很难意识到在“云层”之中一个劳动者通过众包平台正在对“城市层”中的另一个司机进行“人脸识别”。当任务被接受时，我们通过界面反馈得到的只是一串ID或数字身份，因为司机也是在“云层”中接受任务。只有当我们在“城市层”遇到了那辆汽车时，这个司机才在这一刻获得了其可见性。而当我们下车后想要给其评分时，相互之间又成为ID的关系了。如果此时将网约车升级为无人网约车，那么我们自始至终能看到的只有一串代表“自动驾驶汽车”的“数字ID”，而无人网约车背后所需要的人工干预却如前述的“人脸识别”劳动者一般再次消失。可以发现，人工非智能在微观层面的不可见性有着三重结构：第一重是界面遮蔽了“云层”中的人类劳动；第二重则是云层中的数字ID遮蔽了真实的劳动者；第三重是“城市层”中被机器体系所遮蔽的人类劳动。因此，数据标注员、内容审核员等分散在“云层”的人工非智能被三重结构所遮蔽，而网约车司机等由于在城市层承担着连接机器体系的职能，获取了一定的可见性。但是根据无人网约车的发展趋势推测，当人工智能及其控制的自动化机器体系在城市层中不再需要人类作为“智能行为实现”中介时，此类人工非智能必然也将从城市层中退隐。结 语
如果说前文主要探讨的是人工非智能的“前世今生”，那么我们更想知道的是人工非智能的未来将会怎样。早在19世纪下半叶，马克思曾对机器大工业早期出现的“机器排挤人”现象作出精准判断：机器并不会完全取代工人，相反会出现工人“相对减少和绝对增加并行不悖”的局面。“随着机器生产在一个工业部门的扩大”，“给这个工业部门提供生产资料的那些部门的生产首先会增加”，因此“就业工人数量会增加”。但是这一部门工人增加的数量取决于资本有机构成，也就是取决于机器在这一部门的应用程度。在“使用新机器以后”，这种工人的“增加变得缓慢了”。与此并行不悖的是，随着“社会追加资本吸引到有利的生产领域”，总资本量随之增加，即使资本有机构成升高，雇佣工人的数量也会增加。但是，二者都只是在“工业循环的涨潮期和退潮期内实现”。与此相类，正是由于人工智能的产生在现阶段制造了广泛的人类劳动需求，使得提供服务的人工非智能劳动数量激增。但是就其前景而言，存在着一种“机器生产机器”或资本有机构成提高的趋势，这必然会使人工非智能劳动者相对减少。因此，我们可以将人工非智能视为一种短暂的“混合态”阶段，其本质是资本有机构成提高之后，由于新的生产资料尚未成熟，资本为保证剩余价值攫取而吸纳的剩余劳动。而当人工智能发展到高级阶段时，就必然不再需要大量的人工非智能劳动。但是，只要资本逻辑仍然主导生产关系，即使人工智能发展至更高级阶段，也会催生出新的资本增殖需求。人工非智能也许在不久的将来会消失，然而其作为剩余劳动的本质也必定会以另一种形态或方式展现为马克思意义上的“相对减少和绝对增加并行不悖”之局面。
〔责任编辑：李 欣〕
原文见于《东南学术》
2024年第4期
文中图片均来自网络
本微信公众号系《东南学术》杂志官方微信，如无特殊说明，本微信内容均来自《东南学术》杂志，版权所有。
微信号 : dnxs0591
● 扫码关注我们 ●
2024-08-19
2024-08-16
2024-08-15
2024-07-26