人工智能、社會(huì)權(quán)力與隱形就業(yè)

黃澤清　陳享光

基金項(xiàng)目：中國博士后科學(xué)基金資助項(xiàng)目《金融化對(duì)我國勞動(dòng)力再生產(chǎn)的影響研究》（2021M703562）;中國人民大學(xué)馬克思主義學(xué)院2021年度博士后科研基金項(xiàng)目。

作者簡(jiǎn)介：黃澤清（1992—），男，江蘇徐州人，博士，中國人民大學(xué)馬克思主義學(xué)院講師、博士后，主要研究方向?yàn)轳R克思主義基本原理、政治經(jīng)濟(jì)學(xué);陳享光（1957—），男，江蘇徐州人，博士，中國人民大學(xué)經(jīng)濟(jì)學(xué)院教授、博士生導(dǎo)師，全國中國特色社會(huì)主義政治經(jīng)濟(jì)學(xué)研究中心研究員，主要研究方向?yàn)槔碚摻?jīng)濟(jì)學(xué)和宏觀貨幣金融理論。DOI：? 10.13253/j.cnki.ddjjgl.2022.03.001人工智能、社會(huì)權(quán)力與隱形就業(yè)黃澤清，陳享光（中國人民大學(xué)，北京100872）

[摘要] 就業(yè)與人工智能的關(guān)系需要在人工智能的社會(huì)化發(fā)展中進(jìn)行解讀。文章梳理了自動(dòng)化和人工智能的發(fā)展過程，探究了人工智能對(duì)社會(huì)權(quán)力特別是資本權(quán)力的物化，分析了資本驅(qū)動(dòng)下人工智能的就業(yè)替代過程及其產(chǎn)生的隱形就業(yè)效應(yīng)。研究發(fā)現(xiàn)，通用自動(dòng)化裝置的“反饋循環(huán)”使得機(jī)器體系逐漸發(fā)展成為人工智能，推動(dòng)這一過程的是掌控社會(huì)權(quán)力的政府和大企業(yè)。他們借助于社會(huì)權(quán)力推動(dòng)了人工智能化發(fā)展，同時(shí)使得社會(huì)權(quán)力得以擴(kuò)展和強(qiáng)化。在資本的推動(dòng)下，人工智能為了替代更多的勞動(dòng)力而不斷更新，結(jié)果卻在全球范圍內(nèi)吸收了新的廉價(jià)勞動(dòng)力?，F(xiàn)階段的人工智能存在算法更新、數(shù)據(jù)篩查以及非程序化工作分解等隱蔽環(huán)節(jié)，它們需要?jiǎng)趧?dòng)者參與，從而產(chǎn)生隱形就業(yè)效應(yīng)。資本驅(qū)動(dòng)下的人工智能及其社會(huì)權(quán)力的擴(kuò)展造成勞資替代的矛盾運(yùn)動(dòng)。鑒于此，我國在發(fā)展人工智能時(shí)應(yīng)對(duì)資本權(quán)力有所節(jié)制，促使人工智能沿著人機(jī)協(xié)作的方向發(fā)展。

[關(guān)鍵詞]人工智能;社會(huì)權(quán)力;資本權(quán)力;隱形就業(yè)

[中圖分類號(hào)]? F061.3;F249.2;F49[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號(hào)]? 1673-0461（2022）03-0001-07

一、引言

近年來，人工智能技術(shù)發(fā)展迅猛，據(jù)普華永道預(yù)測(cè)，2020年全球人工智能的市場(chǎng)規(guī)模接近2萬億美元，并將在2030年達(dá)到15.7萬億美元，年復(fù)合增長率高達(dá)23%①。針對(duì)人工智能的快速發(fā)展，學(xué)界從經(jīng)濟(jì)增長、勞動(dòng)者就業(yè)、收入分配、產(chǎn)業(yè)組織等多個(gè)角度分析了其對(duì)經(jīng)濟(jì)社會(huì)產(chǎn)生的沖擊和影響。然而，與其它角度相對(duì)確定性的沖擊相比，人工智能對(duì)于勞動(dòng)者就業(yè)的影響極具爭(zhēng)議性。一方面，多數(shù)學(xué)者對(duì)人工智能等自動(dòng)化技術(shù)的就業(yè)替代效應(yīng)表示擔(dān)憂，認(rèn)為人工智能會(huì)以極大的速度和規(guī)模替代人類工作。事實(shí)上，美國學(xué)者AUTOR等（2003）[1]早在21世紀(jì)初就通過構(gòu)建經(jīng)典的ALM模型探討了自動(dòng)化技術(shù)對(duì)于就業(yè)的影響，認(rèn)為自動(dòng)化技術(shù)會(huì)替代程序化的低端勞動(dòng)。FREY、OSBORNE（2013）[2]改進(jìn)了上述模型，發(fā)現(xiàn)自動(dòng)化技術(shù)對(duì)于中高端勞動(dòng)也存在部分替代作用，美國現(xiàn)有工種的67%都屬于中高風(fēng)險(xiǎn)的工作，它們很可能會(huì)在未來20年內(nèi)被人工智能替代。利用上述方法，有學(xué)者發(fā)現(xiàn)我國就業(yè)崗位被人工智能替代的概率已經(jīng)超過了76%，男性和女性勞動(dòng)者被替代的概率分別為75.67%和78.8%[3]。就制造業(yè)而言，每增加1%的工業(yè)機(jī)器人，就業(yè)崗位減少4.6%[4]。另一方面，部分學(xué)者對(duì)于人工智能的就業(yè)替代效應(yīng)則較為樂觀。ARNTZ等（2016）[5]發(fā)現(xiàn)，人工智能技術(shù)只會(huì)替代工作的部分環(huán)節(jié)而非整個(gè)工作，通過對(duì)經(jīng)典模型的改造，他們測(cè)算出美國勞動(dòng)者的就業(yè)替代率僅有9%。ACEMOGLU、RESTREPO（2018）[6]進(jìn)一步指出了抑制人工智能就業(yè)替代效應(yīng)的四種力量，認(rèn)為人工智能將會(huì)同歷次技術(shù)革新一樣，創(chuàng)造出足夠多的勞動(dòng)密集型工作，從而抵消就業(yè)替代效應(yīng)。就當(dāng)前的人工智能技術(shù)而言，其對(duì)于就業(yè)的沖擊只是結(jié)構(gòu)性的、短期的，不具備長期的總量替代效應(yīng)[7]。

可見，現(xiàn)有的研究表明：一方面，人工智能對(duì)于程序化工作的替代效應(yīng)十分明顯，對(duì)于非程序化工作的替代效應(yīng)卻不確定;另一方面，人工智能會(huì)在長期中創(chuàng)造出更多的勞動(dòng)密集型工作，但短期內(nèi)的就業(yè)創(chuàng)造效應(yīng)并不確定。其中，前者涉及了就業(yè)結(jié)構(gòu)的空間性問題，后者則涉及了就業(yè)周期的時(shí)間性問題。事實(shí)上，就業(yè)與人工智能的關(guān)系需要在其與生產(chǎn)條件變革、與資本權(quán)力轉(zhuǎn)移的聯(lián)系中尋求答案，前者涉及智能技術(shù)自身發(fā)展過程生產(chǎn)條件的變革，后者則是擁有社會(huì)權(quán)力的部門把智能技術(shù)同社會(huì)權(quán)力結(jié)合從而賦予人工智能技術(shù)新的社會(huì)屬性的過程。人工智能正是通過這兩個(gè)過程作用于社會(huì)經(jīng)濟(jì)并對(duì)就業(yè)產(chǎn)生影響。因此，本文首先探究自動(dòng)化技術(shù)和人工智能及所引發(fā)的生產(chǎn)條件變革發(fā)展過程，然后在此基礎(chǔ)上考察擁有社會(huì)權(quán)力的部門把人工智能技術(shù)同社會(huì)權(quán)力結(jié)合進(jìn)而賦予人工智能技術(shù)新的社會(huì)屬性的問題，最后分析隱含資本權(quán)力的人工智能在應(yīng)用于社會(huì)時(shí)對(duì)就業(yè)產(chǎn)生的影響。

二、人工智能的發(fā)展和生產(chǎn)條件的變革

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

盡管“自動(dòng)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(jī)器時(shí)提出的，但人類對(duì)于自動(dòng)化機(jī)器的追求自工業(yè)革命之初就開始了：提花織布機(jī)能夠通過打孔卡控制不同顏色的線軸運(yùn)動(dòng)，使其“自動(dòng)”織出圖案;蒸汽輪船的轉(zhuǎn)向裝置能夠通過齒輪控制的反饋系統(tǒng)“自動(dòng)”調(diào)節(jié)船舵角度，使其保持在既定航線上[10]。事實(shí)上，這些所謂的自動(dòng)化裝置只能作用于特定機(jī)器，還不是適用于絕大多數(shù)機(jī)器的通用自動(dòng)化裝置，從而不能稱之為通用自動(dòng)化技術(shù)，真正的通用自動(dòng)化技術(shù)是在社會(huì)整體需求中產(chǎn)生的。眾所周知，現(xiàn)代自動(dòng)化技術(shù)是在第二次世界大戰(zhàn)期間逐漸成型的。當(dāng)時(shí)，如何讓地面的高射炮自動(dòng)、準(zhǔn)確的擊落飛機(jī)以應(yīng)對(duì)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(zhì)是無法實(shí)現(xiàn)的。在這一社會(huì)需求的作用下，科學(xué)家們綜合了當(dāng)時(shí)興起的兩大技術(shù)元素——電子學(xué)和計(jì)算機(jī)，創(chuàng)造性地發(fā)明了電子自動(dòng)跟蹤系統(tǒng)，并將其運(yùn)用到了高射炮的發(fā)射裝置中。這一自動(dòng)化裝置由三個(gè)部分組成：首先，需要一個(gè)計(jì)算并預(yù)測(cè)飛機(jī)飛行軌跡的模擬機(jī)器，即計(jì)算機(jī);其次，需要一個(gè)搜集并傳輸數(shù)據(jù)的電子傳感裝置，即雷達(dá)和通信系統(tǒng);最后，需要一個(gè)移動(dòng)和發(fā)射高射炮的控制器，即操作平臺(tái)。二戰(zhàn)結(jié)束后，諾伯特·維納等控制論科學(xué)家將上述三個(gè)部分進(jìn)一步理論化，形成了可以被廣泛運(yùn)用的自動(dòng)化技術(shù)原理，通用自動(dòng)化技術(shù)的時(shí)代隨之到來。

上述自動(dòng)化裝置所蘊(yùn)含的技術(shù)之所以是通用的，主要是因?yàn)槠湓诤艽蟪潭壬蠈?shí)現(xiàn)了自動(dòng)化對(duì)機(jī)器三個(gè)組成部分的覆蓋。根據(jù)馬克思的分析，“所有發(fā)達(dá)的機(jī)器都是由三個(gè)本質(zhì)上不同的部分組成：發(fā)動(dòng)機(jī)，傳動(dòng)機(jī)構(gòu)，工具機(jī)或工作機(jī)”[11]。其中，工具機(jī)能夠接收前兩者的作用力并將其運(yùn)用到勞動(dòng)對(duì)象上，從而成為“18世紀(jì)工業(yè)革命的起點(diǎn)”。工業(yè)革命正是在工具機(jī)不斷脫離動(dòng)力機(jī)構(gòu)并迫使其進(jìn)行革命的過程中產(chǎn)生的。在這一過程中，一方面，脫離動(dòng)力機(jī)構(gòu)的工具機(jī)開始擴(kuò)大自身的規(guī)模，而這又要求有一個(gè)強(qiáng)大的動(dòng)力機(jī)構(gòu)來保證其正常作業(yè)，因此這種動(dòng)力機(jī)構(gòu)不是用于特殊目的，而是“大工業(yè)普遍應(yīng)用的發(fā)動(dòng)機(jī)”[11]。另一方面，勞動(dòng)對(duì)象被作用于一系列工作機(jī)上，雖然這些工作機(jī)各不相同，但它們互相補(bǔ)充并組成了“同一個(gè)發(fā)動(dòng)機(jī)構(gòu)的同樣的器官”，從而成為了“真正的機(jī)器體系”[11]?？梢?，機(jī)器體系是由大型動(dòng)力機(jī)構(gòu)驅(qū)動(dòng)，通過傳動(dòng)機(jī)構(gòu)作用于一系列各不相同又互相補(bǔ)充的工作機(jī)來實(shí)現(xiàn)的。二戰(zhàn)中出現(xiàn)的自行高射炮等自動(dòng)化裝置顯然是一個(gè)龐大的機(jī)器體系，它由計(jì)算機(jī)、雷達(dá)通信系統(tǒng)以及操作平臺(tái)等不同性質(zhì)的工作機(jī)組成，其中，計(jì)算機(jī)和通信系統(tǒng)不僅扮演著工作機(jī)的角色，還在一定程度上承擔(dān)著動(dòng)力機(jī)和傳動(dòng)機(jī)的功能。在計(jì)算機(jī)的驅(qū)動(dòng)下，這一自動(dòng)化裝置不需要人的幫助就能自動(dòng)瞄準(zhǔn)空中的飛機(jī)并將其擊落，炮兵的作用僅是“從旁照料”，從而是“自動(dòng)的機(jī)器體系”。實(shí)際上，通用自動(dòng)化裝置與以往機(jī)器體系的關(guān)鍵性區(qū)別在于工作機(jī)是由一個(gè)特殊的中央動(dòng)力機(jī)構(gòu)——計(jì)算機(jī)來控制的。作為自動(dòng)的中央動(dòng)力機(jī)，計(jì)算機(jī)能夠測(cè)量周圍環(huán)境變化并經(jīng)由通信系統(tǒng)等傳動(dòng)機(jī)而讓其他工作機(jī)做出相應(yīng)行動(dòng)，同時(shí)對(duì)結(jié)果進(jìn)行調(diào)整，從而形成“反饋循環(huán)”。正是這種“反饋循環(huán)”使得機(jī)器體系發(fā)生了根本性的變化，因?yàn)樗坪醮蹔Z了過去工業(yè)技術(shù)中一直屬于人類的能力，如適應(yīng)能力、感覺能力以及原始學(xué)習(xí)能力等等。正如馬克思認(rèn)為的那樣，“通過傳動(dòng)機(jī)由一個(gè)中央自動(dòng)機(jī)推動(dòng)的工作機(jī)的有組織的體系，是機(jī)器生產(chǎn)的最發(fā)達(dá)的形態(tài)”[11]。雖然這種自動(dòng)化裝置的“反饋循環(huán)”還需要人類的輔助，如炮兵的操作，但它已經(jīng)向機(jī)器最發(fā)達(dá)的形態(tài)邁出了關(guān)鍵性的一步。當(dāng)前的人工智能正是自動(dòng)化“反饋循環(huán)”的最新階段，是一種弱人工智能（weak AI），因?yàn)槠渲荒軌虿糠值貓?zhí)行人類預(yù)設(shè)的任務(wù)，而當(dāng)自動(dòng)化技術(shù)能夠讓智能機(jī)器完全達(dá)到甚至超越人類思維時(shí)，強(qiáng)人工智能（strong AI）便出現(xiàn)了。屆時(shí)，技術(shù)奇點(diǎn)隨之到來，一切原有的社會(huì)模式都將過時(shí)，強(qiáng)人工智能時(shí)代的新規(guī)則將會(huì)主宰世界?？梢?，人工智能的發(fā)展使得社會(huì)生產(chǎn)條件開始發(fā)生革命性變革。

三、人工智能與社會(huì)權(quán)力

盡管強(qiáng)人工智能離人類還非常遙遠(yuǎn)，但弱人工智能卻已經(jīng)近在眼前。推動(dòng)機(jī)器朝向其最發(fā)達(dá)形態(tài)或者人工智能方向演進(jìn)的動(dòng)力源自社會(huì)本身，特別是擁有社會(huì)權(quán)力的國家和社會(huì)化大企業(yè)。前者通過制度安排賦予部分壟斷企業(yè)生產(chǎn)經(jīng)營的特許權(quán)和排他權(quán)[12]，后者則通過支配勞動(dòng)者來擴(kuò)大自己的力量，提升其社會(huì)權(quán)力[13]。

實(shí)際上，從歷史演進(jìn)過程來看，作為人工智能的基礎(chǔ)，自動(dòng)化裝置每一部分的發(fā)展過程都與社會(huì)權(quán)力綁定在一起。一方面，計(jì)算機(jī)是在政府支持武器研發(fā)的過程中產(chǎn)生的。起源于20世紀(jì)30年代的現(xiàn)代計(jì)算機(jī)完全是戰(zhàn)爭(zhēng)和國家權(quán)力的產(chǎn)物，因?yàn)槠渲饕猛臼擒娛律系膹椀烙?jì)算和電路分析。起初，這種機(jī)器僅能用于計(jì)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(xié)助下，第一部自動(dòng)化通用數(shù)字計(jì)算機(jī)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(jì)算。盡管其驅(qū)動(dòng)裝置已經(jīng)實(shí)現(xiàn)了電氣化，但傳動(dòng)機(jī)構(gòu)仍然是機(jī)械傳動(dòng)，使得通訊系統(tǒng)采用十進(jìn)制而非二進(jìn)制。進(jìn)入20世紀(jì)40年代，電子管、晶體管以及集成電路等通訊設(shè)備也在政府的支持下發(fā)展了起來，在計(jì)算設(shè)備和電子通信設(shè)備的共同作用下，真正的二進(jìn)制電子數(shù)字計(jì)算機(jī)誕生了?？梢?，現(xiàn)代計(jì)算機(jī)產(chǎn)生于政府支持和授意下的武器研制過程，甚至直到戰(zhàn)后的20世紀(jì)50年代，計(jì)算機(jī)的主要用戶仍然是政府機(jī)構(gòu)[14]。另一方面，通信設(shè)備和電子元件的發(fā)展也離不開政府和軍方的權(quán)力背書。正如上文分析的那樣，計(jì)算機(jī)的進(jìn)一步發(fā)展受到了通信系統(tǒng)的制約，為了讓電子元件更加穩(wěn)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(shí)驗(yàn)室發(fā)明了晶體管并將其運(yùn)用到了計(jì)算機(jī)上，這使得計(jì)算機(jī)的數(shù)據(jù)處理能力得以提升，政府通過這些設(shè)備提升了武器控制和軍事防務(wù)的效率。因此，自動(dòng)化裝置是在政府和軍方推動(dòng)下產(chǎn)生的，為的是應(yīng)對(duì)戰(zhàn)爭(zhēng)威脅或戰(zhàn)爭(zhēng)需要。事實(shí)上，軍事和其它很多領(lǐng)域的自動(dòng)化技術(shù)是在國家和政府部門權(quán)力驅(qū)動(dòng)下取得的。不難理解，國家和政府部門需要研制先進(jìn)的技術(shù)設(shè)備以作為其實(shí)現(xiàn)社會(huì)目標(biāo)、體現(xiàn)和落實(shí)社會(huì)權(quán)力的工具或手段。在非智能化時(shí)代，這種社會(huì)權(quán)力不會(huì)擴(kuò)展到技術(shù)設(shè)備本身。隨著智能化的發(fā)展，人的有意識(shí)活動(dòng)開始部分地能夠通過自動(dòng)化技術(shù)設(shè)備來進(jìn)行，這種情況下，人們力求把現(xiàn)實(shí)扮演的社會(huì)角色、執(zhí)行機(jī)制、甚至行為模式復(fù)制或移植到智能化技術(shù)設(shè)備中，進(jìn)而使其在具體的社會(huì)經(jīng)濟(jì)活動(dòng)中作為其影子或人格物化自動(dòng)主體發(fā)揮作用。

自動(dòng)化技術(shù)所蘊(yùn)含的社會(huì)權(quán)力不僅包括來自于政府部門，還有來自于經(jīng)濟(jì)部門特別是社會(huì)化大企業(yè)決策層的私人壟斷資本。二戰(zhàn)后，自動(dòng)化技術(shù)的商業(yè)發(fā)展不僅繼續(xù)積累著政府部門的權(quán)力，還將大企業(yè)決策層的權(quán)力吸收了進(jìn)來，到20世紀(jì)50年代末，以數(shù)控機(jī)床為代表的自動(dòng)化設(shè)備成為了名副其實(shí)的社會(huì)權(quán)力載體。實(shí)際上，數(shù)控機(jī)床的發(fā)展方向并非單一的“數(shù)值控制”技術(shù)，還包括“記錄-回放”技術(shù)。其中，后者強(qiáng)調(diào)復(fù)制熟練機(jī)械工的動(dòng)作和技藝并將其重現(xiàn)、放大以實(shí)現(xiàn)對(duì)機(jī)器的控制，而前者則強(qiáng)調(diào)用計(jì)算機(jī)對(duì)機(jī)床的運(yùn)動(dòng)過程進(jìn)行數(shù)值編碼，并將其轉(zhuǎn)化為內(nèi)插值數(shù)據(jù)以實(shí)現(xiàn)管理者對(duì)機(jī)器的直接控制。實(shí)踐表明，數(shù)控機(jī)床不斷朝向“數(shù)值控制”技術(shù)的方向發(fā)展，逐漸拋棄了“記錄-回放”技術(shù)，這并非經(jīng)濟(jì)成本的原因，也不是技術(shù)難易程度造成的，而是政府和大企業(yè)社會(huì)權(quán)力驅(qū)動(dòng)的結(jié)果。與“數(shù)值控制”相比，“記錄-回放”技術(shù)不用過度依賴計(jì)算機(jī)、程序員以及精密的零部件，只要依靠熟練機(jī)械工與模具設(shè)備就可以實(shí)現(xiàn)傳統(tǒng)設(shè)備的自動(dòng)化，從而具有高度靈活性。這種靈活性對(duì)于生產(chǎn)規(guī)模不大的中小企業(yè)而言極具吸引力，因?yàn)樗鼈儾挥没ㄙM(fèi)過高的成本就可以實(shí)現(xiàn)機(jī)床設(shè)備的自動(dòng)化。但是，在大企業(yè)的管理層看來，“記錄-回放”技術(shù)需要在車間對(duì)機(jī)械工的動(dòng)作進(jìn)行編程，這使得控制這項(xiàng)技術(shù)和生產(chǎn)過程的是工人而不是自己，而將生產(chǎn)控制權(quán)交由工人是資本主義生產(chǎn)過程最不能容忍的做法，因?yàn)橘Y本家們認(rèn)為提升企業(yè)生產(chǎn)效率和利潤的方式是要加強(qiáng)對(duì)工人的監(jiān)督、控制，而不是反過來。所以，為了掌控生產(chǎn)，大企業(yè)的管理層就會(huì)捍衛(wèi)自身對(duì)技術(shù)、工人控制的權(quán)力，從而驅(qū)使自動(dòng)化技術(shù)朝“數(shù)值控制”的方向演進(jìn)。與之類似，政府部門也希望對(duì)自動(dòng)化裝置進(jìn)行直接控制，因?yàn)橐試野踩珵橛傻闹苯榆娛驴刂埔约案叨染_的自動(dòng)化國防系統(tǒng)要遠(yuǎn)比自動(dòng)化技術(shù)成本重要的多，“記錄-回放”技術(shù)雖然存在成本低廉、技術(shù)靈活的優(yōu)勢(shì)，但其經(jīng)由他人控制的中間過程不僅會(huì)弱化政府的權(quán)力還會(huì)加大軍事系統(tǒng)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(yè)決策層的資本權(quán)力作用下，自動(dòng)化技術(shù)只能是“數(shù)值控制”，其他任何技術(shù)都有可能威脅到資本權(quán)力的執(zhí)行而得不到支持。對(duì)控制、確定性以及可預(yù)測(cè)性的迷戀，對(duì)消除不確定性和工人力量的欲望使得自動(dòng)化技術(shù)越來越表現(xiàn)為對(duì)計(jì)算機(jī)編程、遠(yuǎn)程控制以及各種無人操作機(jī)器的崇拜，最終形成了關(guān)于自動(dòng)化技術(shù)的拜物教。它使得資本權(quán)力所有者認(rèn)為自動(dòng)化設(shè)備能夠擺脫勞動(dòng)者的力量而獨(dú)立存在，形成不再依賴他人的智能化機(jī)器，即人工智能，在此之后，人工智能便成為了政府和社會(huì)化大企業(yè)行使社會(huì)權(quán)力的最新載體。

隨著政府和社會(huì)化大企業(yè)掌控的社會(huì)權(quán)力向人工智能轉(zhuǎn)移，人工智能技術(shù)也就被賦予了新的社會(huì)屬性。關(guān)于技術(shù)的社會(huì)性問題，學(xué)者們提出了很多有價(jià)值的思考，認(rèn)為任何技術(shù)都是社會(huì)現(xiàn)狀的部分反映，它既要在以往技術(shù)積累的前提下實(shí)現(xiàn)，又要滿足當(dāng)前研發(fā)資金支持者、技術(shù)使用者以及社會(huì)統(tǒng)治階級(jí)的利益，從而具有強(qiáng)烈的路徑依賴性和技術(shù)慣性[10]。然而，盡管西方學(xué)者提出的“技術(shù)的社會(huì)形成”理論（SST）確認(rèn)了技術(shù)的社會(huì)性和歷史性，但只是將其歸結(jié)為社會(huì)需求、社會(huì)選擇以及社會(huì)評(píng)價(jià)等一系列社會(huì)權(quán)力的共同體中，并沒有總結(jié)出技術(shù)社會(huì)性的一般規(guī)律[15]。之所以出現(xiàn)這種情況，是因?yàn)槠浜鲆暳俗顬楸举|(zhì)的一點(diǎn)，即資本主義社會(huì)權(quán)力的根本來源——資本的權(quán)力。根據(jù)馬克思的分析，人類在運(yùn)用勞動(dòng)工具改變自然時(shí)也會(huì)改變自身利用勞動(dòng)工具或勞動(dòng)對(duì)象的方式，因此，“勞動(dòng)資料不僅是人類勞動(dòng)力發(fā)展的測(cè)量器 ， 而且是勞動(dòng)借以進(jìn)行的社會(huì)關(guān)系的指示器”[11]。在這一過程中，任何新的技術(shù)、新的勞動(dòng)工具以及新的生產(chǎn)力都不是憑空產(chǎn)生的，而是產(chǎn)生于“現(xiàn)有的生產(chǎn)發(fā)展內(nèi)部和流傳下來的、傳統(tǒng)的所有制關(guān)系內(nèi)部”[16]?？梢?，馬克思在分析技術(shù)發(fā)展的過程中更加強(qiáng)調(diào)社會(huì)階級(jí)和制度的作用，強(qiáng)調(diào)特定階級(jí)的社會(huì)化和制度化過程而不是具體個(gè)人的作用[17]。特別地，在資本主義制度下，科學(xué)技術(shù)、階級(jí)關(guān)系以及自然力都已經(jīng)體現(xiàn)在了機(jī)器體系中，并同機(jī)器體系一道構(gòu)成“主人”的權(quán)力[11]。所以，勞動(dòng)資料或者機(jī)器體系能夠在很大程度上反映出社會(huì)統(tǒng)治者的權(quán)力。如果說根據(jù)早期遺留的工具品可以推斷出早期社會(huì)的本質(zhì)，那么，根據(jù)當(dāng)前自動(dòng)化設(shè)備的呈現(xiàn)方式也一樣可以推斷出當(dāng)代資本主義社會(huì)的本質(zhì)，特別是人工智能所蘊(yùn)含的社會(huì)權(quán)力的本質(zhì)。實(shí)際上，在封建社會(huì)，社會(huì)權(quán)力本質(zhì)上是通過地緣、血緣確立的貴族權(quán)力，而在資本主義社會(huì)，“新的封建貴族則是他們自己的時(shí)代的兒子，對(duì)這一時(shí)代說來，貨幣是一切權(quán)力的權(quán)力”[11]。由于貨幣在參與產(chǎn)業(yè)資本循環(huán)時(shí)獲得了資本的職能，“成為資本的表現(xiàn)形式”[18]，因此，在資本主義的條件下，貨幣權(quán)力本質(zhì)上是資本權(quán)力，在很大程度上取決于資本循環(huán)過程中固定資本流通的作用[19]。按照大衛(wèi)·哈維（2017）[20]的分析，從資本初級(jí)循環(huán)中游離出來的過剩貨幣資本會(huì)流向固定資本和消費(fèi)基金的生產(chǎn)過程，從而構(gòu)成資本的二級(jí)循環(huán)，而更多過剩的資本則會(huì)流向科學(xué)技術(shù)、社會(huì)福利以及意識(shí)形態(tài)等政府部門的社會(huì)生產(chǎn)過程，從而構(gòu)成資本的三級(jí)循環(huán)。無論是包含機(jī)器生產(chǎn)的二級(jí)循環(huán)還是包含科技發(fā)展的三級(jí)循環(huán)，其歸根到底都來自于過剩的貨幣資本，是在資本權(quán)力驅(qū)動(dòng)下進(jìn)行的循環(huán)。因此，技術(shù)與機(jī)器體系的發(fā)展體現(xiàn)了社會(huì)權(quán)力，特別是資本權(quán)力的運(yùn)作，它們是資本循環(huán)在不同階段的具體反映。

四、人工智能的就業(yè)替代過程及其產(chǎn)生的隱形就業(yè)效應(yīng)

與其他自動(dòng)化設(shè)備類似，資本將人工智能運(yùn)用到社會(huì)的目的就是替代勞動(dòng)力以減少工人在生產(chǎn)過程中的不確定性，從而擴(kuò)大資本積累規(guī)模以獲取更多的剩余價(jià)值。在資本家看來，工人具有一系列“缺點(diǎn)”，包括生理疲勞、心理壓力以及情感脆弱等等，它們會(huì)弱化人類在工作時(shí)解決問題的能力，強(qiáng)化人類的反抗抵制情緒，從而為資本主義生產(chǎn)帶來很多不確定性。相反，機(jī)器不僅沒有上述“缺點(diǎn)”，新一代的人工智能機(jī)器還能發(fā)揮人類特有的優(yōu)勢(shì)，即處理問題時(shí)的模式匹配能力[21]。因此，當(dāng)機(jī)器替代勞動(dòng)力執(zhí)行任務(wù)時(shí)，生產(chǎn)效率將會(huì)提升，利潤也將增多。實(shí)際上，馬克思早已預(yù)測(cè)到機(jī)器對(duì)勞動(dòng)力的替代過程，他認(rèn)為“機(jī)器的生產(chǎn)率是由它代替人類勞動(dòng)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(dòng)的一般理論：技術(shù)進(jìn)步所推動(dòng)的勞動(dòng)生產(chǎn)率的上升和資本積累的加快共同提高了資本有機(jī)構(gòu)成，造成可變資本的降低和相對(duì)過剩人口。而技術(shù)進(jìn)步帶來的固定資本更新速度的加快又會(huì)進(jìn)一步降低可變資本的規(guī)模，因?yàn)椤霸谶@種形式下，用較少量的勞動(dòng)就足以推動(dòng)較多量的機(jī)器和原料。由此必然引起對(duì)勞動(dòng)需求的絕對(duì)減少”，而且，固定資本的積聚規(guī)模越是擴(kuò)大，其“對(duì)勞動(dòng)需求的絕對(duì)減少也就越厲害”[11]。特別地，自動(dòng)化和人工智能的出現(xiàn)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(gè)人思維定式的束縛，從而進(jìn)入以社會(huì)智慧替代個(gè)人大腦思維的時(shí)代[22]。然而，在步入這一時(shí)代的過程中，資本一方面竭盡全力地替代勞動(dòng)力，另一方面在積累自身、發(fā)展人工智能的同時(shí)又出現(xiàn)了一系列的隱形就業(yè)，這種隱形就業(yè)打破了資本完全替代勞動(dòng)的神話。

上文分析表明，資本家嘗試用機(jī)器替代勞動(dòng)力，但是以往的機(jī)器只是延伸了人類的肌肉和骨骼，只能替代體力勞動(dòng)，并不能替代腦力勞動(dòng)，從而無法實(shí)現(xiàn)機(jī)器對(duì)勞動(dòng)力的完全替代。而自動(dòng)化技術(shù)的出現(xiàn)則給了資本家靈感，他們可以利用自動(dòng)化技術(shù)或人工智能技術(shù)的“反饋循環(huán)”來替代腦力勞動(dòng)。因?yàn)?，這種技術(shù)不同于蒸汽機(jī)、內(nèi)燃機(jī)等第一次機(jī)器革命的技術(shù)，它能夠延展人類的思維能力，從而實(shí)現(xiàn)第二次機(jī)器革命[23]。實(shí)際上，人工智能技術(shù)正是從模仿人腦開始的：參照人腦內(nèi)部的神經(jīng)網(wǎng)絡(luò)，科學(xué)家們?cè)?0世紀(jì)50年代開發(fā)了基于數(shù)學(xué)算法的初代人工神經(jīng)網(wǎng)絡(luò)，即感知機(jī)[24]。然而，這種初代人工智能很快就宣告失敗，因?yàn)槠溥B稍加復(fù)雜的概念都不能識(shí)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(gè)發(fā)展方向出現(xiàn)了，即基于符號(hào)處理的人工智能方向，其原理在于用計(jì)算機(jī)處理數(shù)值符號(hào)的方式“還原”人類的智能。雖然這種符號(hào)處理的方式能夠規(guī)避神經(jīng)網(wǎng)路等復(fù)雜問題，但只能適用于特定語言規(guī)則的領(lǐng)域，一旦涉及到人類更為復(fù)雜的表達(dá)方式就無法工作。至20世紀(jì)70年代，以美國國防高級(jí)研究計(jì)劃局為代表的政府部門認(rèn)為這種人工智能作用有限，先后削減了大部分資金預(yù)算，使得人工智能進(jìn)入了“寒冬”。與政府的態(tài)度不同，大型企業(yè)并沒有放棄研發(fā)，它們?cè)?0世紀(jì)80年代成功地將各界專家的知識(shí)進(jìn)行符號(hào)處理并移植到了計(jì)算機(jī)程序中，從而創(chuàng)造了“專家系統(tǒng)”人工智能，例如將專業(yè)醫(yī)生的技能進(jìn)行數(shù)據(jù)處理后移植到計(jì)算機(jī)讓其代替專家診斷。盡管“專家系統(tǒng)”使得符號(hào)處理方式的人工智能推進(jìn)了一大步，但其對(duì)于資本所有者而言存在兩大缺陷。第一，“專家系統(tǒng)”需要人類對(duì)特定問題給出所有可能發(fā)生的情況，并針對(duì)每一種情況制定相應(yīng)的規(guī)則。然而，這一過程一是會(huì)產(chǎn)生額外的編程和維護(hù)成本，二是需要熟悉生產(chǎn)環(huán)節(jié)的勞動(dòng)者的參與，從而無法實(shí)現(xiàn)機(jī)器對(duì)勞動(dòng)者的替代。第二，“專家系統(tǒng)”是一種基于固定規(guī)則的人工智能，缺乏靈活性。資本主義生產(chǎn)方式自20世紀(jì)70年代以來已經(jīng)轉(zhuǎn)變?yōu)榱嘶谛枨蠖鄻有缘膹椥陨a(chǎn)方式，變化滯后的符號(hào)處理系統(tǒng)難以與這種靈活的生產(chǎn)方式相適應(yīng)。基于以上兩點(diǎn)，企業(yè)研發(fā)進(jìn)度十分緩慢，符號(hào)處理的人工智能在20世紀(jì)80年代末再次進(jìn)入了“寒冬”。

當(dāng)資本家們苦于無法用人工智能替代勞動(dòng)力時(shí)，另一種有助于實(shí)現(xiàn)價(jià)值增殖的勞動(dòng)替代方式出現(xiàn)了，即在世界各地尋求廉價(jià)勞動(dòng)力以替代發(fā)達(dá)國家內(nèi)部昂貴勞動(dòng)力的方式。實(shí)際上，全球廉價(jià)勞動(dòng)力的獲得也是和自動(dòng)化技術(shù)三要素，即計(jì)算機(jī)、電子傳感器以及遠(yuǎn)程操作機(jī)的發(fā)展密切相關(guān)的。在其基礎(chǔ)上形成的電信設(shè)施、模塊化接口、條形碼和射頻識(shí)別技術(shù)使得資本能夠順利接觸到全球的勞動(dòng)力和資源，從而使得自動(dòng)化控制論不僅沒有取代勞工，反而在全球范圍內(nèi)擴(kuò)展了它，雖然是通過野蠻的方式、以極低的成本實(shí)現(xiàn)的[25]。正如大衛(wèi)·哈維分析的那樣，當(dāng)前資本全球化的真正含義就是通過外包和進(jìn)出口將全世界所有潛在形式的過剩人口都調(diào)動(dòng)起來并盡可能壓縮其福利水平[26]。在這一過程中，自動(dòng)化技術(shù)或許沒有直接實(shí)現(xiàn)用新的機(jī)器如人工智能設(shè)備等加速其他機(jī)器的生產(chǎn)，卻捕獲到了全球廉價(jià)的勞動(dòng)力，這些廉價(jià)勞動(dòng)力能夠抵消在投資人工智能設(shè)備等新型固定資本時(shí)消耗的大規(guī)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(dòng)時(shí)產(chǎn)生了“二律背反”：資本嘗試?yán)萌斯ぶ悄芴娲鷦趧?dòng)力，但為了實(shí)現(xiàn)這一過程又需要吸收新的勞動(dòng)力，從而形成了關(guān)于“勞資替代的矛盾運(yùn)動(dòng)”。隨著人工智能的不斷發(fā)展，這種矛盾運(yùn)動(dòng)被不斷擴(kuò)大：人工智能潛在的勞動(dòng)替代能力越大，其所吸納的勞動(dòng)力就會(huì)越多。

具體而言，符號(hào)處理的人工智能在20世紀(jì)末進(jìn)展緩慢的同時(shí)，基于概率論和統(tǒng)計(jì)學(xué)的神經(jīng)網(wǎng)絡(luò)則再次引起了資本家和科學(xué)家的關(guān)注，因?yàn)橐坏┻@種神經(jīng)網(wǎng)絡(luò)被設(shè)計(jì)為3層甚至更多層結(jié)構(gòu)時(shí)，其便可以理解更為復(fù)雜抽象的概念，從而更接近于人類的思維。這使得神經(jīng)網(wǎng)絡(luò)逐漸成為了實(shí)現(xiàn)機(jī)器學(xué)習(xí)，從而實(shí)現(xiàn)人工智能的最主要的手段[24]。然而，隨著神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)層次的增多，數(shù)據(jù)也會(huì)以指數(shù)倍增加，對(duì)這些數(shù)據(jù)的處理就會(huì)消耗大量的時(shí)間與費(fèi)用。直至進(jìn)入21世紀(jì)后，高速處理器（GPU）的發(fā)明才使得多層神經(jīng)網(wǎng)絡(luò)的運(yùn)算速度得到提升，并聯(lián)在一起的GPU能夠以高效的速度運(yùn)行多層神經(jīng)網(wǎng)絡(luò)，此時(shí)的神經(jīng)網(wǎng)絡(luò)技術(shù)便被稱為“深度神經(jīng)網(wǎng)絡(luò)”或“深度學(xué)習(xí)”。在數(shù)據(jù)充足、運(yùn)算高效的條件下，深度學(xué)習(xí)能夠獨(dú)立自主地發(fā)現(xiàn)解決問題的“特征值”，計(jì)算機(jī)開始自行發(fā)現(xiàn)學(xué)習(xí)規(guī)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(shí)現(xiàn)了人工智能對(duì)人類腦力勞動(dòng)的替代。然而，人工智能不斷替代勞動(dòng)力的同時(shí)，更多“隱形”的勞動(dòng)則在不斷增加，因?yàn)樵谌斯ぶ悄芾谩吧疃葘W(xué)習(xí)”去解決“框架規(guī)則問題”的過程中，始終存在三大容易被忽視的節(jié)點(diǎn)，勞動(dòng)者在隱蔽性節(jié)點(diǎn)上的工作就成為了“隱形工作”。首先，雖然深度學(xué)習(xí)能夠在“算法”的基礎(chǔ)上尋求解決問題的答案，但算法卻是一種不被注意的社會(huì)存在，它往往是在社會(huì)權(quán)力的推動(dòng)下被隱秘地融入到政府和企業(yè)的組織、慣例以及決策之中[27]。然而，為了實(shí)現(xiàn)這一過程就需要高端技術(shù)人員不斷地去優(yōu)化調(diào)整算法，一是提升數(shù)據(jù)處理的效率，二是使其服務(wù)于社會(huì)權(quán)力所有者或者資本所有者的利益。正如馬克思認(rèn)為的那樣，“機(jī)器體系在細(xì)節(jié)方面還可以不斷地改進(jìn)”，改進(jìn)方式的不同有助于人們“研究以不同生產(chǎn)資料為基礎(chǔ)的不同生產(chǎn)方式之間的區(qū)別，以及社會(huì)生產(chǎn)關(guān)系同這些生產(chǎn)方式之間的聯(lián)系”[11]。因此，盡管算法是無需勞動(dòng)力的程序化任務(wù)，但資本驅(qū)動(dòng)下的算法更新和完善則是一項(xiàng)非程序化的工作，它必須交由高端技術(shù)人員去完成，而這會(huì)增加對(duì)相關(guān)勞動(dòng)力的需求。其次，機(jī)器學(xué)習(xí)是以大數(shù)據(jù)作為支撐的，盡管物聯(lián)網(wǎng)技術(shù)已經(jīng)為人工智能提供了大量用于“學(xué)習(xí)”的數(shù)據(jù)，但是這些數(shù)據(jù)并不能直接被人工智能使用。究其原因，一是數(shù)據(jù)中夾雜著大量重復(fù)甚至無用的信息，需要人類進(jìn)行分類和篩選，從而形成可供人工智能學(xué)習(xí)的“訓(xùn)練數(shù)據(jù)”，例如讓人工智能學(xué)會(huì)區(qū)分“凳子”和“椅子”等。二是數(shù)據(jù)中可能包含著不利于統(tǒng)治階級(jí)或資本所有者的元素，需要工人對(duì)數(shù)據(jù)進(jìn)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(dǎo)Twitter等社交軟件的輿論方向。因此，推動(dòng)人工智能系統(tǒng)的不僅僅是智能化技術(shù)，還包括幕后的隱形工人，他們往往是基于移動(dòng)網(wǎng)絡(luò)的廉價(jià)在線勞動(dòng)力，資本以這種隱蔽的形式抽取了更多的剩余價(jià)值。最后，人工智能在替代非程序化領(lǐng)域的工作任務(wù)時(shí)會(huì)經(jīng)常遇到難以預(yù)測(cè)和判斷的任務(wù)，這就需要分解工作任務(wù)并雇傭臨時(shí)勞工完成部分內(nèi)容。隨著非程序化領(lǐng)域工作的不斷細(xì)化，部分工作內(nèi)容能夠被人工智能替代，部分則交給了全球范圍內(nèi)的臨時(shí)勞工，他們因工作任務(wù)、工作強(qiáng)度以及工資水平的彈性化而被稱為“不穩(wěn)定無產(chǎn)者”（precariat）[28]。根據(jù)麥肯錫公司的分析，在當(dāng)前非程序化工作任務(wù)中，僅有30%的構(gòu)成部分會(huì)被自動(dòng)化替代，但這并不會(huì)減少30%的就業(yè)，而是把另外70%的工作內(nèi)容分配給剩下的員工，從而以增加臨時(shí)勞工的方式加大對(duì)勞動(dòng)力的控制[29]。

綜上所述，資本在推動(dòng)人工智能替代勞動(dòng)的過程中因智能技術(shù)發(fā)展和資本成本控制的原因而吸收了大量勞動(dòng)力，這些來自全球的廉價(jià)勞動(dòng)力大都在人工智能運(yùn)行的隱蔽環(huán)節(jié)上工作，從而是一種隱形勞動(dòng)。在可以預(yù)見的未來，盡管社會(huì)無法完全被機(jī)器人接管，但需要思考會(huì)出現(xiàn)什么形式的隱形工作。因?yàn)殡S著人工智能的發(fā)展，越來越多的勞動(dòng)者將會(huì)轉(zhuǎn)向隱形工作，而這又會(huì)為進(jìn)一步的自動(dòng)化和智能化提出要求，從而產(chǎn)生了“自動(dòng)化最后一公里”的悖論：自動(dòng)化替代人類工作的愿望總是給人類帶來更多的新任務(wù)[30]。這些新任務(wù)既包括算法管理等高端勞動(dòng)，也包括對(duì)數(shù)據(jù)的搜集、篩查、凈化以及其他非程序化臨時(shí)勞工的低端勞動(dòng)。

五、結(jié)論與啟示

本文在梳理自動(dòng)化和人工智能技術(shù)發(fā)展過程的基礎(chǔ)上探究了人工智能所蘊(yùn)含的社會(huì)權(quán)力及賦予資本的社會(huì)權(quán)力，并據(jù)此分析了人工智能的就業(yè)替代過程及其產(chǎn)生的隱形就業(yè)效應(yīng)，得出以下結(jié)論。

第一，自動(dòng)化技術(shù)對(duì)機(jī)器三大組成部分的覆蓋產(chǎn)生了通用自動(dòng)化裝置，其“反饋循環(huán)”系統(tǒng)使得機(jī)器體系不斷朝向最發(fā)達(dá)形態(tài)即人工智能方向演進(jìn)。盡管自動(dòng)化裝置早已有之，但以往的自動(dòng)化只能作用于特定機(jī)器，還不是通用的自動(dòng)化裝置，只有當(dāng)自動(dòng)化技術(shù)實(shí)現(xiàn)了對(duì)發(fā)動(dòng)機(jī)、傳動(dòng)機(jī)構(gòu)以及工作機(jī)等機(jī)器三大組成部分的覆蓋時(shí)才產(chǎn)生了通用自動(dòng)化裝置。二戰(zhàn)期間誕生的自行高射炮是最初的通用自動(dòng)化裝置，它由計(jì)算機(jī)、雷達(dá)通信系統(tǒng)以及操作平臺(tái)組成，計(jì)算機(jī)能夠測(cè)量周圍環(huán)境變化并經(jīng)由通信系統(tǒng)等傳動(dòng)機(jī)而讓其他工作機(jī)做出相應(yīng)行動(dòng)，同時(shí)對(duì)結(jié)果進(jìn)行調(diào)整形成“反饋循環(huán)”。這種“反饋循環(huán)”篡奪了過去工業(yè)技術(shù)中一直屬于人類的能力，使得機(jī)器體系不斷朝向“自動(dòng)的機(jī)器體系”或者人工智能方向演進(jìn)，這必然帶來生產(chǎn)條件的革命性變革。

第二，作為人工智能的基礎(chǔ)，自動(dòng)化裝置各個(gè)部分的發(fā)展過程都與社會(huì)權(quán)力密切相關(guān)，政府部門和企業(yè)部門利用其社會(huì)權(quán)力推動(dòng)人工智能技術(shù)發(fā)展，同時(shí)把社會(huì)權(quán)力同人工智能技術(shù)緊密結(jié)合在一起。一方面，在戰(zhàn)爭(zhēng)期間，計(jì)算機(jī)、通信設(shè)備以及電子元件等自動(dòng)化組成元素是在政府和軍方的推動(dòng)下發(fā)展的，在政府權(quán)力的推動(dòng)下，科學(xué)家被要求研制出自動(dòng)化武器裝置以應(yīng)對(duì)戰(zhàn)爭(zhēng)需要;另一方面，在戰(zhàn)后大企業(yè)決策層和政府部門的權(quán)力推動(dòng)下，數(shù)控機(jī)床等自動(dòng)化設(shè)備逐漸拋棄了“記錄-回放”技術(shù)，采用了“數(shù)值控制”技術(shù)。其中，前者具有成本低廉、技術(shù)靈活的特點(diǎn)但需要熟練工人參與編程，而后者盡管成本較高但卻能夠?qū)崿F(xiàn)管理者對(duì)機(jī)器的直接控制。在資本主義制度下，權(quán)力的根源是資本權(quán)力，無論是包含機(jī)器生產(chǎn)的資本二級(jí)循環(huán)還是包含科技發(fā)展的資本三級(jí)循環(huán)，歸根到底都來自于過剩的貨幣資本，是在資本權(quán)力驅(qū)動(dòng)下進(jìn)行的循環(huán)。

第三，在資本的推動(dòng)下，人工智能經(jīng)歷了由初級(jí)神經(jīng)網(wǎng)絡(luò)到符號(hào)處理再回歸到深層神經(jīng)網(wǎng)絡(luò)的多種形態(tài)，盡管人工智能形態(tài)更新的目的是盡可能地替代勞動(dòng)力，但其發(fā)展過程卻在不斷吸納新的勞動(dòng)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(gè)人思維定式的束縛，從而有望實(shí)現(xiàn)資本對(duì)勞動(dòng)力的完全替代。模仿人腦的初級(jí)神經(jīng)網(wǎng)絡(luò)雖然符合上述認(rèn)知，但卻連復(fù)雜的概念都難以區(qū)分，使得人工智能轉(zhuǎn)向了符號(hào)處理的模式。然而，以“專家系統(tǒng)”為代表的符號(hào)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(dǎo)致人工智能走向了基于概率論和統(tǒng)計(jì)學(xué)的深層神經(jīng)網(wǎng)絡(luò)即深度學(xué)習(xí)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(nèi)吸收了新的廉價(jià)勞動(dòng)力，從而形成了關(guān)于勞資替代的矛盾運(yùn)動(dòng)：人工智能潛在的勞動(dòng)替代能力越大，其所吸納的勞動(dòng)力就會(huì)越多。

第四，當(dāng)前深度學(xué)習(xí)形式的人工智能在解決具體問題時(shí)存在三個(gè)容易被忽視的節(jié)點(diǎn)，包括算法更新和完善、數(shù)據(jù)搜集和篩查以及非程序化領(lǐng)域的工作分解等，這些隱蔽的節(jié)點(diǎn)需要?jiǎng)趧?dòng)者參與進(jìn)來，從而形成了隱形就業(yè)。首先，資本驅(qū)動(dòng)下的算法更新和完善是一項(xiàng)非程序化工作，需要交由高端技術(shù)人員去完成，而這會(huì)增加對(duì)相關(guān)勞動(dòng)力的需求;其次，原始數(shù)據(jù)中夾雜著大量重復(fù)信息和不利于資本所有者的信息，需要?jiǎng)趧?dòng)者對(duì)數(shù)據(jù)進(jìn)行篩查和凈化，形成可供機(jī)器學(xué)習(xí)的“訓(xùn)練數(shù)據(jù)”;最后，人工智能在替代非程序化領(lǐng)域的工作時(shí)會(huì)遇到難以判斷的任務(wù)，需要把工作任務(wù)分解并雇傭臨時(shí)勞工完成部分內(nèi)容。因此，隨著人工智能的發(fā)展，隱形工作在同步增加，從而產(chǎn)生了“自動(dòng)化最后一公里”的悖論：自動(dòng)化替代人類工作的愿望總是給人類帶來更多的新任務(wù)。

人工智能自身的發(fā)展及其對(duì)就業(yè)的影響并不是線性的，西方資本主義國家之所以強(qiáng)調(diào)人工智帶來了技術(shù)性失業(yè)是因?yàn)槠湓诎l(fā)展人工智能時(shí)，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(huì)出現(xiàn)了大規(guī)模技術(shù)性失業(yè)的假象。對(duì)我國人工智能的發(fā)展而言，一是要注意到人工智能的不同發(fā)展方式，對(duì)人工智能發(fā)展中資本權(quán)力有所節(jié)制;二是要充分認(rèn)識(shí)人工智能造成的隱形就業(yè)，對(duì)從事隱形工作的勞工提供一定的政府補(bǔ)貼;三是要培養(yǎng)人類的天然優(yōu)勢(shì)，如多維模式識(shí)別和高度復(fù)雜的人際溝通等，將人類優(yōu)勢(shì)與智能機(jī)器相結(jié)合，使人工智能沿著人機(jī)協(xié)作的方向發(fā)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(xiàn)][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(yè)影響[J]. 比較，2018 （2）： 135-160.

[4]閆雪凌，朱博楷，馬超. 工業(yè)機(jī)器人使用與制造業(yè)就業(yè)：來自中國的證據(jù)[J]. 統(tǒng)計(jì)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(diǎn)時(shí)代與中國機(jī)遇[J]. 財(cái)經(jīng)問題研究，2018（12）：12-20.

[8]楊虎濤. 人工智能如何為高質(zhì)量發(fā)展“賦能”——ICT 時(shí)代的啟示與 AI 時(shí)代的應(yīng)對(duì)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(dòng)化時(shí)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(dòng)與我國各收入群體收入份額的變動(dòng)——基于帕爾瑪比值的分析[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2018（8）：80-89.

[13]董彪. 資本權(quán)力與身體規(guī)訓(xùn)——以《資本論》為中心[J]. 學(xué)習(xí)與探索， 2021（8）：36-42.

[14]雷·庫茲韋爾. 奇點(diǎn)臨近[M]. 李慶誠，等譯.北京：機(jī)械工業(yè)出版社，2011.

[15]肖峰. 論技術(shù)的社會(huì)形成[J]. 中國社會(huì)科學(xué)，2002（6）： 68-77.

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

[17]那坦·羅森伯格，等. 作為技術(shù)研究者的馬克思[J].教學(xué)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(quán)力的實(shí)現(xiàn)基礎(chǔ)與擴(kuò)張機(jī)制——基于能源視角的理論分析[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2021， 41（3）：58-67.

[20]大衛(wèi)·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(huì)機(jī)器：即將到來的人工智能、社會(huì)網(wǎng)絡(luò)與人類的碰撞[M]. 王曉，等譯.北京：機(jī)械工業(yè)出版社，2018.

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

[23]埃里克·布萊恩約弗森，安德魯·麥卡菲. 第二次機(jī)器革命：數(shù)字化技術(shù)將如何改變我們的經(jīng)濟(jì)與社會(huì)[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(chǎn)階級(jí)：數(shù)字旋風(fēng)中的全球勞動(dòng)[M]. 燕連福，等譯.南京：江蘇人民出版社，2020.

[26]大衛(wèi)·哈維. 跟大衛(wèi)·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(jīng)濟(jì)奇點(diǎn)：人工智能時(shí)代，我們將如何謀生？[M]. 任小紅，譯.北京：機(jī)械工業(yè)出版社，2017.

[30]瑪麗·L. 格雷，西達(dá)爾特·蘇里. 銷聲匿跡：數(shù)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(zé)任編輯：張積慧）