人工智能、社會權力與隱形就業

黃澤清　陳享光

基金項目：中國博士后科學基金資助項目《金融化對我國勞動力再生產的影響研究》（2021M703562）;中國人民大學馬克思主義學院2021年度博士后科研基金項目。

作者簡介：黃澤清（1992—），男，江蘇徐州人，博士，中國人民大學馬克思主義學院講師、博士后，主要研究方向為馬克思主義基本原理、政治經濟學;陳享光（1957—），男，江蘇徐州人，博士，中國人民大學經濟學院教授、博士生導師，全國中國特色社會主義政治經濟學研究中心研究員，主要研究方向為理論經濟學和宏觀貨幣金融理論。DOI：? 10.13253/j.cnki.ddjjgl.2022.03.001人工智能、社會權力與隱形就業黃澤清，陳享光（中國人民大學，北京100872）

[摘要] 就業與人工智能的關系需要在人工智能的社會化發展中進行解讀。文章梳理了自動化和人工智能的發展過程，探究了人工智能對社會權力特別是資本權力的物化，分析了資本驅動下人工智能的就業替代過程及其產生的隱形就業效應。研究發現，通用自動化裝置的“反饋循環”使得機器體系逐漸發展成為人工智能，推動這一過程的是掌控社會權力的政府和大企業。他們借助于社會權力推動了人工智能化發展，同時使得社會權力得以擴展和強化。在資本的推動下，人工智能為了替代更多的勞動力而不斷更新，結果卻在全球范圍內吸收了新的廉價勞動力。現階段的人工智能存在算法更新、數據篩查以及非程序化工作分解等隱蔽環節，它們需要勞動者參與，從而產生隱形就業效應。資本驅動下的人工智能及其社會權力的擴展造成勞資替代的矛盾運動。鑒于此，我國在發展人工智能時應對資本權力有所節制，促使人工智能沿著人機協作的方向發展。

[關鍵詞]人工智能;社會權力;資本權力;隱形就業

[中圖分類號]? F061.3;F249.2;F49[文獻標識碼] A[文章編號]? 1673-0461（2022）03-0001-07

一、引言

近年來，人工智能技術發展迅猛，據普華永道預測，2020年全球人工智能的市場規模接近2萬億美元，并將在2030年達到15.7萬億美元，年復合增長率高達23%①。針對人工智能的快速發展，學界從經濟增長、勞動者就業、收入分配、產業組織等多個角度分析了其對經濟社會產生的沖擊和影響。然而，與其它角度相對確定性的沖擊相比，人工智能對于勞動者就業的影響極具爭議性。一方面，多數學者對人工智能等自動化技術的就業替代效應表示擔憂，認為人工智能會以極大的速度和規模替代人類工作。事實上，美國學者AUTOR等（2003）[1]早在21世紀初就通過構建經典的ALM模型探討了自動化技術對于就業的影響，認為自動化技術會替代程序化的低端勞動。FREY、OSBORNE（2013）[2]改進了上述模型，發現自動化技術對于中高端勞動也存在部分替代作用，美國現有工種的67%都屬于中高風險的工作，它們很可能會在未來20年內被人工智能替代。利用上述方法，有學者發現我國就業崗位被人工智能替代的概率已經超過了76%，男性和女性勞動者被替代的概率分別為75.67%和78.8%[3]。就制造業而言，每增加1%的工業機器人，就業崗位減少4.6%[4]。另一方面，部分學者對于人工智能的就業替代效應則較為樂觀。ARNTZ等（2016）[5]發現，人工智能技術只會替代工作的部分環節而非整個工作，通過對經典模型的改造，他們測算出美國勞動者的就業替代率僅有9%。ACEMOGLU、RESTREPO（2018）[6]進一步指出了抑制人工智能就業替代效應的四種力量，認為人工智能將會同歷次技術革新一樣，創造出足夠多的勞動密集型工作，從而抵消就業替代效應。就當前的人工智能技術而言，其對于就業的沖擊只是結構性的、短期的，不具備長期的總量替代效應[7]。

可見，現有的研究表明：一方面，人工智能對于程序化工作的替代效應十分明顯，對于非程序化工作的替代效應卻不確定;另一方面，人工智能會在長期中創造出更多的勞動密集型工作，但短期內的就業創造效應并不確定。其中，前者涉及了就業結構的空間性問題，后者則涉及了就業周期的時間性問題。事實上，就業與人工智能的關系需要在其與生產條件變革、與資本權力轉移的聯系中尋求答案，前者涉及智能技術自身發展過程生產條件的變革，后者則是擁有社會權力的部門把智能技術同社會權力結合從而賦予人工智能技術新的社會屬性的過程。人工智能正是通過這兩個過程作用于社會經濟并對就業產生影響。因此，本文首先探究自動化技術和人工智能及所引發的生產條件變革發展過程，然后在此基礎上考察擁有社會權力的部門把人工智能技術同社會權力結合進而賦予人工智能技術新的社會屬性的問題，最后分析隱含資本權力的人工智能在應用于社會時對就業產生的影響。

二、人工智能的發展和生產條件的變革

作為自動化技術發展的最高階段，人工智能技術具有雙重性：一方面，它是自動化技術的進一步延伸，是信息通信技術（ICT）在智能層面的深化[8]，從而是自動化技術的量變過程;另一方面，作為最前沿的技術，完整形態的人工智能技術能夠成為與蒸汽技術、電氣技術相并列的新型通用目的技術（GPTs）[9]，從而是自動化技術的質變過程。這種雙重性使得人工智能技術難以脫離自動化技術而獨立發展，因此，需要聯系自動化技術來梳理人工智能的發展過程。

盡管“自動化”一詞最早是福特汽車公司的工程師在1946年描述其流水線機器時提出的，但人類對于自動化機器的追求自工業革命之初就開始了：提花織布機能夠通過打孔卡控制不同顏色的線軸運動，使其“自動”織出圖案;蒸汽輪船的轉向裝置能夠通過齒輪控制的反饋系統“自動”調節船舵角度，使其保持在既定航線上[10]。事實上，這些所謂的自動化裝置只能作用于特定機器，還不是適用于絕大多數機器的通用自動化裝置，從而不能稱之為通用自動化技術，真正的通用自動化技術是在社會整體需求中產生的。眾所周知，現代自動化技術是在第二次世界大戰期間逐漸成型的。當時，如何讓地面的高射炮自動、準確的擊落飛機以應對敵軍轟炸是同盟國亟待解決的問題，而這僅靠炮兵自身的素質是無法實現的。在這一社會需求的作用下，科學家們綜合了當時興起的兩大技術元素——電子學和計算機，創造性地發明了電子自動跟蹤系統，并將其運用到了高射炮的發射裝置中。這一自動化裝置由三個部分組成：首先，需要一個計算并預測飛機飛行軌跡的模擬機器，即計算機;其次，需要一個搜集并傳輸數據的電子傳感裝置，即雷達和通信系統;最后，需要一個移動和發射高射炮的控制器，即操作平臺。二戰結束后，諾伯特·維納等控制論科學家將上述三個部分進一步理論化，形成了可以被廣泛運用的自動化技術原理，通用自動化技術的時代隨之到來。

上述自動化裝置所蘊含的技術之所以是通用的，主要是因為其在很大程度上實現了自動化對機器三個組成部分的覆蓋。根據馬克思的分析，“所有發達的機器都是由三個本質上不同的部分組成：發動機，傳動機構，工具機或工作機”[11]。其中，工具機能夠接收前兩者的作用力并將其運用到勞動對象上，從而成為“18世紀工業革命的起點”。工業革命正是在工具機不斷脫離動力機構并迫使其進行革命的過程中產生的。在這一過程中，一方面，脫離動力機構的工具機開始擴大自身的規模，而這又要求有一個強大的動力機構來保證其正常作業，因此這種動力機構不是用于特殊目的，而是“大工業普遍應用的發動機”[11]。另一方面，勞動對象被作用于一系列工作機上，雖然這些工作機各不相同，但它們互相補充并組成了“同一個發動機構的同樣的器官”，從而成為了“真正的機器體系”[11]。可見，機器體系是由大型動力機構驅動，通過傳動機構作用于一系列各不相同又互相補充的工作機來實現的。二戰中出現的自行高射炮等自動化裝置顯然是一個龐大的機器體系，它由計算機、雷達通信系統以及操作平臺等不同性質的工作機組成，其中，計算機和通信系統不僅扮演著工作機的角色，還在一定程度上承擔著動力機和傳動機的功能。在計算機的驅動下，這一自動化裝置不需要人的幫助就能自動瞄準空中的飛機并將其擊落，炮兵的作用僅是“從旁照料”，從而是“自動的機器體系”。實際上，通用自動化裝置與以往機器體系的關鍵性區別在于工作機是由一個特殊的中央動力機構——計算機來控制的。作為自動的中央動力機，計算機能夠測量周圍環境變化并經由通信系統等傳動機而讓其他工作機做出相應行動，同時對結果進行調整，從而形成“反饋循環”。正是這種“反饋循環”使得機器體系發生了根本性的變化，因為它似乎篡奪了過去工業技術中一直屬于人類的能力，如適應能力、感覺能力以及原始學習能力等等。正如馬克思認為的那樣，“通過傳動機由一個中央自動機推動的工作機的有組織的體系，是機器生產的最發達的形態”[11]。雖然這種自動化裝置的“反饋循環”還需要人類的輔助，如炮兵的操作，但它已經向機器最發達的形態邁出了關鍵性的一步。當前的人工智能正是自動化“反饋循環”的最新階段，是一種弱人工智能（weak AI），因為其只能夠部分地執行人類預設的任務，而當自動化技術能夠讓智能機器完全達到甚至超越人類思維時，強人工智能（strong AI）便出現了。屆時，技術奇點隨之到來，一切原有的社會模式都將過時，強人工智能時代的新規則將會主宰世界。可見，人工智能的發展使得社會生產條件開始發生革命性變革。

三、人工智能與社會權力

盡管強人工智能離人類還非常遙遠，但弱人工智能卻已經近在眼前。推動機器朝向其最發達形態或者人工智能方向演進的動力源自社會本身，特別是擁有社會權力的國家和社會化大企業。前者通過制度安排賦予部分壟斷企業生產經營的特許權和排他權[12]，后者則通過支配勞動者來擴大自己的力量，提升其社會權力[13]。

實際上，從歷史演進過程來看，作為人工智能的基礎，自動化裝置每一部分的發展過程都與社會權力綁定在一起。一方面，計算機是在政府支持武器研發的過程中產生的。起源于20世紀30年代的現代計算機完全是戰爭和國家權力的產物，因為其主要用途是軍事上的彈道計算和電路分析。起初，這種機器僅能用于計算微分方程而被稱為微分分析器。之后，在軍方和IBM公司的協助下，第一部自動化通用數字計算機在1937年被建造了出來，與微分分析器一樣，它也被用于彈道計算。盡管其驅動裝置已經實現了電氣化，但傳動機構仍然是機械傳動，使得通訊系統采用十進制而非二進制。進入20世紀40年代，電子管、晶體管以及集成電路等通訊設備也在政府的支持下發展了起來，在計算設備和電子通信設備的共同作用下，真正的二進制電子數字計算機誕生了。可見，現代計算機產生于政府支持和授意下的武器研制過程，甚至直到戰后的20世紀50年代，計算機的主要用戶仍然是政府機構[14]。另一方面，通信設備和電子元件的發展也離不開政府和軍方的權力背書。正如上文分析的那樣，計算機的進一步發展受到了通信系統的制約，為了讓電子元件更加穩定且低廉，政府部門，特別是軍方再次提供了巨額的資助。在政府的支持下，貝爾實驗室發明了晶體管并將其運用到了計算機上，這使得計算機的數據處理能力得以提升，政府通過這些設備提升了武器控制和軍事防務的效率。因此，自動化裝置是在政府和軍方推動下產生的，為的是應對戰爭威脅或戰爭需要。事實上，軍事和其它很多領域的自動化技術是在國家和政府部門權力驅動下取得的。不難理解，國家和政府部門需要研制先進的技術設備以作為其實現社會目標、體現和落實社會權力的工具或手段。在非智能化時代，這種社會權力不會擴展到技術設備本身。隨著智能化的發展，人的有意識活動開始部分地能夠通過自動化技術設備來進行，這種情況下，人們力求把現實扮演的社會角色、執行機制、甚至行為模式復制或移植到智能化技術設備中，進而使其在具體的社會經濟活動中作為其影子或人格物化自動主體發揮作用。

自動化技術所蘊含的社會權力不僅包括來自于政府部門，還有來自于經濟部門特別是社會化大企業決策層的私人壟斷資本。二戰后，自動化技術的商業發展不僅繼續積累著政府部門的權力，還將大企業決策層的權力吸收了進來，到20世紀50年代末，以數控機床為代表的自動化設備成為了名副其實的社會權力載體。實際上，數控機床的發展方向并非單一的“數值控制”技術，還包括“記錄-回放”技術。其中，后者強調復制熟練機械工的動作和技藝并將其重現、放大以實現對機器的控制，而前者則強調用計算機對機床的運動過程進行數值編碼，并將其轉化為內插值數據以實現管理者對機器的直接控制。實踐表明，數控機床不斷朝向“數值控制”技術的方向發展，逐漸拋棄了“記錄-回放”技術，這并非經濟成本的原因，也不是技術難易程度造成的，而是政府和大企業社會權力驅動的結果。與“數值控制”相比，“記錄-回放”技術不用過度依賴計算機、程序員以及精密的零部件，只要依靠熟練機械工與模具設備就可以實現傳統設備的自動化，從而具有高度靈活性。這種靈活性對于生產規模不大的中小企業而言極具吸引力，因為它們不用花費過高的成本就可以實現機床設備的自動化。但是，在大企業的管理層看來，“記錄-回放”技術需要在車間對機械工的動作進行編程，這使得控制這項技術和生產過程的是工人而不是自己，而將生產控制權交由工人是資本主義生產過程最不能容忍的做法，因為資本家們認為提升企業生產效率和利潤的方式是要加強對工人的監督、控制，而不是反過來。所以，為了掌控生產，大企業的管理層就會捍衛自身對技術、工人控制的權力，從而驅使自動化技術朝“數值控制”的方向演進。與之類似，政府部門也希望對自動化裝置進行直接控制，因為以國家安全為由的直接軍事控制以及高度精確的自動化國防系統要遠比自動化技術成本重要的多，“記錄-回放”技術雖然存在成本低廉、技術靈活的優勢，但其經由他人控制的中間過程不僅會弱化政府的權力還會加大軍事系統的不確定性，從而也被政府部門所拋棄。因此，在政府和大企業決策層的資本權力作用下，自動化技術只能是“數值控制”，其他任何技術都有可能威脅到資本權力的執行而得不到支持。對控制、確定性以及可預測性的迷戀，對消除不確定性和工人力量的欲望使得自動化技術越來越表現為對計算機編程、遠程控制以及各種無人操作機器的崇拜，最終形成了關于自動化技術的拜物教。它使得資本權力所有者認為自動化設備能夠擺脫勞動者的力量而獨立存在，形成不再依賴他人的智能化機器，即人工智能，在此之后，人工智能便成為了政府和社會化大企業行使社會權力的最新載體。

隨著政府和社會化大企業掌控的社會權力向人工智能轉移，人工智能技術也就被賦予了新的社會屬性。關于技術的社會性問題，學者們提出了很多有價值的思考，認為任何技術都是社會現狀的部分反映，它既要在以往技術積累的前提下實現，又要滿足當前研發資金支持者、技術使用者以及社會統治階級的利益，從而具有強烈的路徑依賴性和技術慣性[10]。然而，盡管西方學者提出的“技術的社會形成”理論（SST）確認了技術的社會性和歷史性，但只是將其歸結為社會需求、社會選擇以及社會評價等一系列社會權力的共同體中，并沒有總結出技術社會性的一般規律[15]。之所以出現這種情況，是因為其忽視了最為本質的一點，即資本主義社會權力的根本來源——資本的權力。根據馬克思的分析，人類在運用勞動工具改變自然時也會改變自身利用勞動工具或勞動對象的方式，因此，“勞動資料不僅是人類勞動力發展的測量器 ， 而且是勞動借以進行的社會關系的指示器”[11]。在這一過程中，任何新的技術、新的勞動工具以及新的生產力都不是憑空產生的，而是產生于“現有的生產發展內部和流傳下來的、傳統的所有制關系內部”[16]。可見，馬克思在分析技術發展的過程中更加強調社會階級和制度的作用，強調特定階級的社會化和制度化過程而不是具體個人的作用[17]。特別地，在資本主義制度下，科學技術、階級關系以及自然力都已經體現在了機器體系中，并同機器體系一道構成“主人”的權力[11]。所以，勞動資料或者機器體系能夠在很大程度上反映出社會統治者的權力。如果說根據早期遺留的工具品可以推斷出早期社會的本質，那么，根據當前自動化設備的呈現方式也一樣可以推斷出當代資本主義社會的本質，特別是人工智能所蘊含的社會權力的本質。實際上，在封建社會，社會權力本質上是通過地緣、血緣確立的貴族權力，而在資本主義社會，“新的封建貴族則是他們自己的時代的兒子，對這一時代說來，貨幣是一切權力的權力”[11]。由于貨幣在參與產業資本循環時獲得了資本的職能，“成為資本的表現形式”[18]，因此，在資本主義的條件下，貨幣權力本質上是資本權力，在很大程度上取決于資本循環過程中固定資本流通的作用[19]。按照大衛·哈維（2017）[20]的分析，從資本初級循環中游離出來的過剩貨幣資本會流向固定資本和消費基金的生產過程，從而構成資本的二級循環，而更多過剩的資本則會流向科學技術、社會福利以及意識形態等政府部門的社會生產過程，從而構成資本的三級循環。無論是包含機器生產的二級循環還是包含科技發展的三級循環，其歸根到底都來自于過剩的貨幣資本，是在資本權力驅動下進行的循環。因此，技術與機器體系的發展體現了社會權力，特別是資本權力的運作，它們是資本循環在不同階段的具體反映。

四、人工智能的就業替代過程及其產生的隱形就業效應

與其他自動化設備類似，資本將人工智能運用到社會的目的就是替代勞動力以減少工人在生產過程中的不確定性，從而擴大資本積累規模以獲取更多的剩余價值。在資本家看來，工人具有一系列“缺點”，包括生理疲勞、心理壓力以及情感脆弱等等，它們會弱化人類在工作時解決問題的能力，強化人類的反抗抵制情緒，從而為資本主義生產帶來很多不確定性。相反，機器不僅沒有上述“缺點”，新一代的人工智能機器還能發揮人類特有的優勢，即處理問題時的模式匹配能力[21]。因此，當機器替代勞動力執行任務時，生產效率將會提升，利潤也將增多。實際上，馬克思早已預測到機器對勞動力的替代過程，他認為“機器的生產率是由它代替人類勞動力的程度來衡量的”[11]。不僅如此，馬克思還指出了資本替代勞動的一般理論：技術進步所推動的勞動生產率的上升和資本積累的加快共同提高了資本有機構成，造成可變資本的降低和相對過剩人口。而技術進步帶來的固定資本更新速度的加快又會進一步降低可變資本的規模，因為“在這種形式下，用較少量的勞動就足以推動較多量的機器和原料。由此必然引起對勞動需求的絕對減少”，而且，固定資本的積聚規模越是擴大，其“對勞動需求的絕對減少也就越厲害”[11]。特別地，自動化和人工智能的出現使得資本不僅能夠擺脫人類生理器官的限制，還能夠超越個人思維定式的束縛，從而進入以社會智慧替代個人大腦思維的時代[22]。然而，在步入這一時代的過程中，資本一方面竭盡全力地替代勞動力，另一方面在積累自身、發展人工智能的同時又出現了一系列的隱形就業，這種隱形就業打破了資本完全替代勞動的神話。

上文分析表明，資本家嘗試用機器替代勞動力，但是以往的機器只是延伸了人類的肌肉和骨骼，只能替代體力勞動，并不能替代腦力勞動，從而無法實現機器對勞動力的完全替代。而自動化技術的出現則給了資本家靈感，他們可以利用自動化技術或人工智能技術的“反饋循環”來替代腦力勞動。因為，這種技術不同于蒸汽機、內燃機等第一次機器革命的技術，它能夠延展人類的思維能力，從而實現第二次機器革命[23]。實際上，人工智能技術正是從模仿人腦開始的：參照人腦內部的神經網絡，科學家們在20世紀50年代開發了基于數學算法的初代人工神經網絡，即感知機[24]。然而，這種初代人工智能很快就宣告失敗，因為其連稍加復雜的概念都不能識別，更不用說去模仿人腦了。在這種情況下，人工智能的另一個發展方向出現了，即基于符號處理的人工智能方向，其原理在于用計算機處理數值符號的方式“還原”人類的智能。雖然這種符號處理的方式能夠規避神經網路等復雜問題，但只能適用于特定語言規則的領域，一旦涉及到人類更為復雜的表達方式就無法工作。至20世紀70年代，以美國國防高級研究計劃局為代表的政府部門認為這種人工智能作用有限，先后削減了大部分資金預算，使得人工智能進入了“寒冬”。與政府的態度不同，大型企業并沒有放棄研發，它們在20世紀80年代成功地將各界專家的知識進行符號處理并移植到了計算機程序中，從而創造了“專家系統”人工智能，例如將專業醫生的技能進行數據處理后移植到計算機讓其代替專家診斷。盡管“專家系統”使得符號處理方式的人工智能推進了一大步，但其對于資本所有者而言存在兩大缺陷。第一，“專家系統”需要人類對特定問題給出所有可能發生的情況，并針對每一種情況制定相應的規則。然而，這一過程一是會產生額外的編程和維護成本，二是需要熟悉生產環節的勞動者的參與，從而無法實現機器對勞動者的替代。第二，“專家系統”是一種基于固定規則的人工智能，缺乏靈活性。資本主義生產方式自20世紀70年代以來已經轉變為了基于需求多樣性的彈性生產方式，變化滯后的符號處理系統難以與這種靈活的生產方式相適應。基于以上兩點，企業研發進度十分緩慢，符號處理的人工智能在20世紀80年代末再次進入了“寒冬”。

當資本家們苦于無法用人工智能替代勞動力時，另一種有助于實現價值增殖的勞動替代方式出現了，即在世界各地尋求廉價勞動力以替代發達國家內部昂貴勞動力的方式。實際上，全球廉價勞動力的獲得也是和自動化技術三要素，即計算機、電子傳感器以及遠程操作機的發展密切相關的。在其基礎上形成的電信設施、模塊化接口、條形碼和射頻識別技術使得資本能夠順利接觸到全球的勞動力和資源，從而使得自動化控制論不僅沒有取代勞工，反而在全球范圍內擴展了它，雖然是通過野蠻的方式、以極低的成本實現的[25]。正如大衛·哈維分析的那樣，當前資本全球化的真正含義就是通過外包和進出口將全世界所有潛在形式的過剩人口都調動起來并盡可能壓縮其福利水平[26]。在這一過程中，自動化技術或許沒有直接實現用新的機器如人工智能設備等加速其他機器的生產，卻捕獲到了全球廉價的勞動力，這些廉價勞動力能夠抵消在投資人工智能設備等新型固定資本時消耗的大規模資金成本，從而有助于緩解利潤率的下行。這表明，資本在替代勞動時產生了“二律背反”：資本嘗試利用人工智能替代勞動力，但為了實現這一過程又需要吸收新的勞動力，從而形成了關于“勞資替代的矛盾運動”。隨著人工智能的不斷發展，這種矛盾運動被不斷擴大：人工智能潛在的勞動替代能力越大，其所吸納的勞動力就會越多。

具體而言，符號處理的人工智能在20世紀末進展緩慢的同時，基于概率論和統計學的神經網絡則再次引起了資本家和科學家的關注，因為一旦這種神經網絡被設計為3層甚至更多層結構時，其便可以理解更為復雜抽象的概念，從而更接近于人類的思維。這使得神經網絡逐漸成為了實現機器學習，從而實現人工智能的最主要的手段[24]。然而，隨著神經網絡結構層次的增多，數據也會以指數倍增加，對這些數據的處理就會消耗大量的時間與費用。直至進入21世紀后，高速處理器（GPU）的發明才使得多層神經網絡的運算速度得到提升，并聯在一起的GPU能夠以高效的速度運行多層神經網絡，此時的神經網絡技術便被稱為“深度神經網絡”或“深度學習”。在數據充足、運算高效的條件下，深度學習能夠獨立自主地發現解決問題的“特征值”，計算機開始自行發現學習規則，不再需要人類指定分析方案和思路，從而在很大程度上實現了人工智能對人類腦力勞動的替代。然而，人工智能不斷替代勞動力的同時，更多“隱形”的勞動則在不斷增加，因為在人工智能利用“深度學習”去解決“框架規則問題”的過程中，始終存在三大容易被忽視的節點，勞動者在隱蔽性節點上的工作就成為了“隱形工作”。首先，雖然深度學習能夠在“算法”的基礎上尋求解決問題的答案，但算法卻是一種不被注意的社會存在，它往往是在社會權力的推動下被隱秘地融入到政府和企業的組織、慣例以及決策之中[27]。然而，為了實現這一過程就需要高端技術人員不斷地去優化調整算法，一是提升數據處理的效率，二是使其服務于社會權力所有者或者資本所有者的利益。正如馬克思認為的那樣，“機器體系在細節方面還可以不斷地改進”，改進方式的不同有助于人們“研究以不同生產資料為基礎的不同生產方式之間的區別，以及社會生產關系同這些生產方式之間的聯系”[11]。因此，盡管算法是無需勞動力的程序化任務，但資本驅動下的算法更新和完善則是一項非程序化的工作，它必須交由高端技術人員去完成，而這會增加對相關勞動力的需求。其次，機器學習是以大數據作為支撐的，盡管物聯網技術已經為人工智能提供了大量用于“學習”的數據，但是這些數據并不能直接被人工智能使用。究其原因，一是數據中夾雜著大量重復甚至無用的信息，需要人類進行分類和篩選，從而形成可供人工智能學習的“訓練數據”，例如讓人工智能學會區分“凳子”和“椅子”等。二是數據中可能包含著不利于統治階級或資本所有者的元素，需要工人對數據進行凈化和審核，例如在美國大選期間審查是否有人惡意主導Twitter等社交軟件的輿論方向。因此，推動人工智能系統的不僅僅是智能化技術，還包括幕后的隱形工人，他們往往是基于移動網絡的廉價在線勞動力，資本以這種隱蔽的形式抽取了更多的剩余價值。最后，人工智能在替代非程序化領域的工作任務時會經常遇到難以預測和判斷的任務，這就需要分解工作任務并雇傭臨時勞工完成部分內容。隨著非程序化領域工作的不斷細化，部分工作內容能夠被人工智能替代，部分則交給了全球范圍內的臨時勞工，他們因工作任務、工作強度以及工資水平的彈性化而被稱為“不穩定無產者”（precariat）[28]。根據麥肯錫公司的分析，在當前非程序化工作任務中，僅有30%的構成部分會被自動化替代，但這并不會減少30%的就業，而是把另外70%的工作內容分配給剩下的員工，從而以增加臨時勞工的方式加大對勞動力的控制[29]。

綜上所述，資本在推動人工智能替代勞動的過程中因智能技術發展和資本成本控制的原因而吸收了大量勞動力，這些來自全球的廉價勞動力大都在人工智能運行的隱蔽環節上工作，從而是一種隱形勞動。在可以預見的未來，盡管社會無法完全被機器人接管，但需要思考會出現什么形式的隱形工作。因為隨著人工智能的發展，越來越多的勞動者將會轉向隱形工作，而這又會為進一步的自動化和智能化提出要求，從而產生了“自動化最后一公里”的悖論：自動化替代人類工作的愿望總是給人類帶來更多的新任務[30]。這些新任務既包括算法管理等高端勞動，也包括對數據的搜集、篩查、凈化以及其他非程序化臨時勞工的低端勞動。

五、結論與啟示

本文在梳理自動化和人工智能技術發展過程的基礎上探究了人工智能所蘊含的社會權力及賦予資本的社會權力，并據此分析了人工智能的就業替代過程及其產生的隱形就業效應，得出以下結論。

第一，自動化技術對機器三大組成部分的覆蓋產生了通用自動化裝置，其“反饋循環”系統使得機器體系不斷朝向最發達形態即人工智能方向演進。盡管自動化裝置早已有之，但以往的自動化只能作用于特定機器，還不是通用的自動化裝置，只有當自動化技術實現了對發動機、傳動機構以及工作機等機器三大組成部分的覆蓋時才產生了通用自動化裝置。二戰期間誕生的自行高射炮是最初的通用自動化裝置，它由計算機、雷達通信系統以及操作平臺組成，計算機能夠測量周圍環境變化并經由通信系統等傳動機而讓其他工作機做出相應行動，同時對結果進行調整形成“反饋循環”。這種“反饋循環”篡奪了過去工業技術中一直屬于人類的能力，使得機器體系不斷朝向“自動的機器體系”或者人工智能方向演進，這必然帶來生產條件的革命性變革。

第二，作為人工智能的基礎，自動化裝置各個部分的發展過程都與社會權力密切相關，政府部門和企業部門利用其社會權力推動人工智能技術發展，同時把社會權力同人工智能技術緊密結合在一起。一方面，在戰爭期間，計算機、通信設備以及電子元件等自動化組成元素是在政府和軍方的推動下發展的，在政府權力的推動下，科學家被要求研制出自動化武器裝置以應對戰爭需要;另一方面，在戰后大企業決策層和政府部門的權力推動下，數控機床等自動化設備逐漸拋棄了“記錄-回放”技術，采用了“數值控制”技術。其中，前者具有成本低廉、技術靈活的特點但需要熟練工人參與編程，而后者盡管成本較高但卻能夠實現管理者對機器的直接控制。在資本主義制度下，權力的根源是資本權力，無論是包含機器生產的資本二級循環還是包含科技發展的資本三級循環，歸根到底都來自于過剩的貨幣資本，是在資本權力驅動下進行的循環。

第三，在資本的推動下，人工智能經歷了由初級神經網絡到符號處理再回歸到深層神經網絡的多種形態，盡管人工智能形態更新的目的是盡可能地替代勞動力，但其發展過程卻在不斷吸納新的勞動力。人工智能使得資本不僅能夠擺脫人類生理器官的限制還能夠超越個人思維定式的束縛，從而有望實現資本對勞動力的完全替代。模仿人腦的初級神經網絡雖然符合上述認知，但卻連復雜的概念都難以區分，使得人工智能轉向了符號處理的模式。然而，以“專家系統”為代表的符號處理式人工智能存在大量額外成本和缺乏靈活性的問題，最終導致人工智能走向了基于概率論和統計學的深層神經網絡即深度學習的形式。在這一形式變更的過程中，人工智能不僅沒有完全替代勞工，反而通過野蠻的方式在全球范圍內吸收了新的廉價勞動力，從而形成了關于勞資替代的矛盾運動：人工智能潛在的勞動替代能力越大，其所吸納的勞動力就會越多。

第四，當前深度學習形式的人工智能在解決具體問題時存在三個容易被忽視的節點，包括算法更新和完善、數據搜集和篩查以及非程序化領域的工作分解等，這些隱蔽的節點需要勞動者參與進來，從而形成了隱形就業。首先，資本驅動下的算法更新和完善是一項非程序化工作，需要交由高端技術人員去完成，而這會增加對相關勞動力的需求;其次，原始數據中夾雜著大量重復信息和不利于資本所有者的信息，需要勞動者對數據進行篩查和凈化，形成可供機器學習的“訓練數據”;最后，人工智能在替代非程序化領域的工作時會遇到難以判斷的任務，需要把工作任務分解并雇傭臨時勞工完成部分內容。因此，隨著人工智能的發展，隱形工作在同步增加，從而產生了“自動化最后一公里”的悖論：自動化替代人類工作的愿望總是給人類帶來更多的新任務。

人工智能自身的發展及其對就業的影響并不是線性的，西方資本主義國家之所以強調人工智帶來了技術性失業是因為其在發展人工智能時，一方面利用資本弱化勞工力量，另一方面又利用資本掩蓋隱形工作的存在，最終使得社會出現了大規模技術性失業的假象。對我國人工智能的發展而言，一是要注意到人工智能的不同發展方式，對人工智能發展中資本權力有所節制;二是要充分認識人工智能造成的隱形就業，對從事隱形工作的勞工提供一定的政府補貼;三是要培養人類的天然優勢，如多維模式識別和高度復雜的人際溝通等，將人類優勢與智能機器相結合，使人工智能沿著人機協作的方向發展。

[注釋]① https：//www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf。

[參考文獻][1]AUTOR D H，LEVY F， MURNANE R J. The skill content of recent technological change： an empirical exploration[J]. The quarterly journal of economics， 2003， 118（4）：1279-1333.

[2]FREY C B， OSBORNE M A. The future of employment： how susceptible are jobs to computerization[J]. Technological forecasting and social change， 2013， 114：254-280.

[3]陳永偉，許多. 人工智能的就業影響[J]. 比較，2018 （2）： 135-160.

[4]閆雪凌，朱博楷，馬超. 工業機器人使用與制造業就業：來自中國的證據[J]. 統計研究，2020， 37（1）：74-87.

[5]ARNTZ M， GREGORY T， ZIERAHN U. The risk of automation for jobs in OECD countries： a comparative analysis[R]. OECD Social，Employment and Migration Working Papers， 2016.

[6]ACEMOGLU D， RESTREPO P. Artificial intelligence， automation and work[R]. NBER Working Paper，No.24196， 2018.

[7]楊虎濤. 人工智能、奇點時代與中國機遇[J]. 財經問題研究，2018（12）：12-20.

[8]楊虎濤. 人工智能如何為高質量發展“賦能”——ICT 時代的啟示與 AI 時代的應對之道[J]. 人文雜志， 2020（5）：31-42.

[9]UN DEPARTMENT of ECONOMIC & SOCIAL AFFAIRS（DESA）. Frontier issues： the impact of the technological revolution on labour markets and income distribution[R/OL]. https：//www.un.org/development/desa/dpad/wp-content/uploads/sites/45/publication/2017_Aug_Frontier-Issues-1.pdf.

[10]尼古拉斯·卡爾. 玻璃籠子：自動化時代和我們的未來[M]. 楊柳，譯.北京：中信出版社，2015.

[11]馬克思. 資本論（第1卷）[M]. 北京：人民出版社，2004.

[12]黃澤清，陳享光. 國際資本流動與我國各收入群體收入份額的變動——基于帕爾瑪比值的分析[J]. 經濟學動態，2018（8）：80-89.

[13]董彪. 資本權力與身體規訓——以《資本論》為中心[J]. 學習與探索， 2021（8）：36-42.

[14]雷·庫茲韋爾. 奇點臨近[M]. 李慶誠，等譯.北京：機械工業出版社，2011.

[15]肖峰. 論技術的社會形成[J]. 中國社會科學，2002（6）： 68-77.

[16]馬克思，恩格斯. 馬克思恩格斯全集（第46卷上冊）[M]. 北京：人民出版社，2003：235.

[17]那坦·羅森伯格，等. 作為技術研究者的馬克思[J].教學與研究，2009（12）：10-18.

[18]馬克思. 資本論（第2卷）[M]. 北京：人民出版社，2004：36.

[19]黃澤清，陳享光. 國際貨幣權力的實現基礎與擴張機制——基于能源視角的理論分析[J].經濟理論與經濟管理，2021， 41（3）：58-67.

[20]大衛·哈維. 資本的限度[M]. 張寅，譯.北京：中信出版社，2017.

[21]詹姆斯·亨得勒，愛麗絲·M.穆維西爾. 社會機器：即將到來的人工智能、社會網絡與人類的碰撞[M]. 王曉，等譯.北京：機械工業出版社，2018.

[22]賈根良. 第三次工業革命與工業智能化[J]. 中國社會科學，2016（6）：87-106.

[23]埃里克·布萊恩約弗森，安德魯·麥卡菲. 第二次機器革命：數字化技術將如何改變我們的經濟與社會[M]. 蔣永軍，譯.北京：中信出版社，2014.

[24]小林雅一. 人工智能的沖擊：失去工作還是不用工作？[M]. 支鵬浩，譯.北京：人民郵電出版社，2018.

[25]尼克·迪爾-維斯福特. 賽博無產階級：數字旋風中的全球勞動[M]. 燕連福，等譯.南京：江蘇人民出版社，2020.

[26]大衛·哈維. 跟大衛·哈維讀資本論（第一卷）[M]. 劉英，譯.上海：上海譯文出版社，2013.

[27]BEER D. The social power of algorithms[J]. Information， communication & society， 2017， 20（1）：1-13.

[28]STANDING G. The precariat：the new dangerous class[M]. New York：Bloomsbury，? 2011.

[29]卡魯姆·蔡斯. 經濟奇點：人工智能時代，我們將如何謀生？[M]. 任小紅，譯.北京：機械工業出版社，2017.

[30]瑪麗·L. 格雷，西達爾特·蘇里. 銷聲匿跡：數字化工作的真正未來[M]. 左安浦，譯.上海：上海人民出版社，2020.Artificial Intelligence， Social Power and Invisible Employment

Huang Zeqing，Chen Xiangguang

（Renmin University of China，Beijing 100872， China）

Abstract：? It is still inconclusive that how artificial intelligence will affect the employment. We hold that this social issue could be better probed in the process of the socialization of artificial intelligence. By looking closer at the evolution of automation and artificial intelligence， this study explores the capital power materialization by artificial intelligence， which displays its functions of employment substitution and invisible employment generation. The current study has found that the “feedback loop” of automation devices has facilitated the gradual evolution of machine system into artificial intelligence. It is the capital power of the government and large enterprises that promotes this process. Driven by capital， artificial intelligence is constantly being updated in order to replace more labor， but as a result， it absorbs cheap labor in a new way on a global scale. Currently， artificial intelligence in the form of deep learning has some hidden processes such as algorithm update， data screening， and unprogrammed work decomposition. Those processes require the participation of human labor， which leads to invisible employment. In view of this， authors of this paper suggest that we should not be capital-driven when developing artificial intelligence in China， but focus more on the interests of the people， so that artificial intelligence could proceed in the direction of human-machine collaboration.

Key words：artificial intelligence; automation; capital power; invisible employment

（責任編輯：張積慧）