设想一下，明天你打算进军自动驾驶汽车行业。你首先需要一辆车。你还需要给它加装摄像头和传感器，这样它才能“察看”周遭。此外你还得配上驱动它的软件。软件要能够解析摄像头和传感器捕捉到的图像、视频及其它类型的数据，以便决定加、减速与转向等动作的实施时机与幅度。要实现这些，“机器学习”是不可或缺的——你需要向其“展示”路况，并将你在这些情况下的对策“告知”它，以此来完成对它的“训练”。在现实生活中，软件还将遭逢“训练”过程中不曾出现的情况，但这些情况也具有起码的相似性，足以令软件做出合乎情理——且安全的——决定。

你还需要“训练”系统的诸多组成部分。如果不加“训练”，软件是不知道小轿车、自行车、行人或者大卡车分别长什么样子的（譬如，特斯拉汽车首次闹出人命，据称就是因为其自动导航系统“错误地”把一辆白色大卡车识别成了天空）。这需要海量图像的支持——以照片或视频形式来记录街景——且还要加以“分类”或“标注”。这就是说，图像中有小汽车出现的部分需要被标注为“小轿车”，有大卡车的部分需要被标注为“大卡车”，有自行车的部分需要被标注为“自行车”，而有行人的部分则需要被标注为“行人”等等之类。在自动驾驶汽车以及更一般的“机器学习”等行当里，这就叫做“训练数据”（training data）。

为确保自动驾驶汽车的安全，这些标签必须尽可能精准——出了错就意味着死亡。在大部分情况下，这种精准度尚无法以自动化的手段来取得。为弥补这一鸿沟，自动驾驶汽车的制造商们找到了具有专业资质的供应商——如总部位于西雅图的Mighty AI公司——来为其原始数据做标注，并将其转化为可使用的训练数据。然而，Mighty AI完成此任务的手段，并不是找来一大帮人挤在宽敞的办公室里忙活。与此类似，许多公司几乎没有花费多少周折，就转向了全球范围内的“大群”（crowd）自由职业者，其中许多人在家工作。

就追求这种“人力支持的”（human powered）服务开发路径，亦即通常所谓“人工智能”而言，自动驾驶汽车产业并不是唯一一家。消费者服务系统中的语音识别算法、“自动化”交易系统以及翻译服务等也都可算在里面。在上述所有情形中，人类工人都是透过某个“平台”来加以管理的。

起用由软件管理的、自我雇佣（self-employed）的人类劳动力，以填补某些人工智能暂且无法在其中取得期望结果的领域，乃是亚马逊最先提出的想法，该公司2005年上马的“土耳其机器人”（Mechanical Turk）便是一个处理各种信息的“平台”。开发“土耳其机器人”平台的工程师们十分清楚自家作品的性质，该系统最初的口号是：“人工的人工智能（artificial artificial intelligence）。”

“人工的人工智能”和“真实的”——也就是人类智能之间究竟有什么区别？不妨这么讲，“人工的人工智能”的消费者不被看作雇主或经理。他们的身份是透过某家网站取得某项服务的用户——看上去很像一套纯粹计算性的系统，而非与千千万万的人类工人相接触的交互界面。不存在传统意义上的雇佣或管理。到头来，至关重要的是，透过数位化平台雇佣的工人，其权利便仅限于平台本身的用户协议所规定的范围——其内容由运营该平台的公司自行决定。

CrowdFlower（现已改名为Figure Eight）的创始人卢卡斯·比沃尔德（Lukas Biewald）对此有一个颇为简洁的概括：“在互联网问世前，要找到一个愿意坐下来为你工作10分钟，且干完之后就跟你两不相欠的人，是万分困难的。但随着技术的进步，你真的能找到这样的人了，给他们一点点钱就行，不需要的话也能立马开掉他们。”你雇佣的是人类工人，但给予他们的待遇却跟一台电脑无异。看起来，硅谷最终为亨利·福特（Henry Ford，知名企业家，福特汽车创始人——译注）当年的抱怨给出了答案：“为什么每次我只需要一双手的时候，它们却总要多带一个脑袋过来？”

为机器学习——或者用一个新近比较流行的说法，“人工智能”——生产“训练数据”的过程，或许是一种透过平台来利用（utilising）大批工人的最前沿、也是最具技术含量的形式，但这并非它的惟一运用方式。事实上，任何一项可由电子化渠道来分发其产品或服务、或者可以远程操作的工作，都可以透过平台将之外包出去。谷歌及其它一些搜索引擎就借助于平台，将搜索结果的过滤外包给了人类工人——有时是一些没有任何雇佣合同、权利或好处的自由职业者。某些社交媒体平台也不时将相当一部分的内容审查工作——亦即检查用户上传的素材是否涉及色情、暴力及其它违反服务条款的内容——透过平台予以外包。无论是私人客户还是规模庞大的组织，都会通过Upwork或Freelancer.com等平台雇佣自由职业者来做一些诸如数据录入——仅有少量美元时薪的琐碎工作——或会计、法务以及项目管理之类的工作——它们的时薪则超过100美元。

对那些传统意义上的高薪工作来说，客户现在可以转向诸如99designs（平面设计类）、TopCoder（编程类）、Local Motors（工程设计类）及InnoCentive（科研类）等“基于竞争的”（contest-based）平台，贴出项目简介，并吸引数百名工人来提交作品——但却只向自己心仪的某一件或某些作品付酬。社会科学家和心理学家也日益倾向于招募这类平台工人来担当被试者（human subject）。

我们应如何面对这一变革中的劳动关系图景？批判平台用户及运营有剥削性，是再简单不过的——批评它受益于先前的、现存的且不正义的不平等，也不会好到哪里去。在某些情形下，富国客户付给富国工人的薪酬比全国的最低工资还要低。在另一些情况下，富国客户付给穷国工人的薪酬额度乃是其本国（指富国）工人几乎不可能接受的，但穷国工人——或本国正处于经济危机中的工人——则对此感到满意，甚至会觉得待遇已经很优厚了。这些客户和平台受益于富国与穷国之间的人力成本差异——这种差异部分源自于多个世纪的殖民主义及其它类型的残酷且具有剥削性的历史。某些线上平台相当有效地打开了全球劳动力市场，将客户——有时也许在不经意间——置于这样的境况下：在全球性的“竞次比赛”（race to the bottom）之下，工人们比拼的是谁的出价更低，而客户则从中受益。

不过，纵然线上平台工人们的处境颇为不公，也还存在着经济学家琼·罗宾森（Joan Robinson）所说的现实的另一面，“被资本家剥削的苦痛根本无法与毫无任何剥削的苦痛相提并论。”如果所有的劳工平台明天就关门倒闭的话，工人们承受的负面影响至少是不亚于客户的。

这倒不是要为单方面的法律条款、难以维持生计的工资水平、任意拖欠薪酬以及“账号反激活”（account deactivation）——平台用来表达炒鱿鱼的黑话——等线上劳工平台屡见不鲜的现象开脱。关键在于，如果你的薪水没有体现出应有价值的话，一般来讲，应该做的乃是要求提高工作待遇、改善工作环境，而不是铲平你的工作单位。而劳工平台显然就是这样的单位。对劳工平台提出一些大而化之的批评是无济于事的。相反，我们需要深入了解特定领域、法域（jurisdiction）及平台下的具体工作环境，制定相应的策略来处理实质性的问题及特定群体和工人所面临的风险。说到底，我们需要以集体协议来确立工人的权利，并在必要的情况下诉诸全国性或国际性的政策。

过去十年来，在各个层面上已涌现出一些致力于提升平台工人物质条件及构建集体权力的策略和构想，但总体上看都比较零碎和粗糙。线上平台工人的工作条件和权利还远远没有达到传统意义上的“雇员”所享有的那种水准，就此而言目前还很难说有什么决定性的胜利。但这些努力之于今后的胜利或许仍有某种奠基性的意义。

（翻译：林达）

……………………

| ᐕ)⁾⁾ 更多精彩内容与互动分享，请关注微信公众号“界面文化”（ID：BooksAndFun）和界面文化新浪微博。