孙一洲︱从人力智能到人造智能：人工智能的劳动史

作为职业的计算

1791年，法国革命政府推行十进制度量衡，角度也要改用十进制，直角从九十度改为一百度。原有的对数表因此不再适用，必须按新的角度重新计算。这类表格是天文、航海和工程测量的日常工具，一处誊写或计算错误就可能沿着整张表传下去。主持工程的法国数学家加斯帕尔·德·普罗尼（Gaspard de Prony）要算出约二十万个对数，单靠少数专家伏案苦算，无论如何也算不完。他在亚当·斯密的《国富论》里读到制针工场的分工，决定“像制造别针那样制造我的对数”。一张表从此不再由一个人从头算到尾，计算被拆成一道道工序，分给不同的人去做，每道工序的结果都可以核对。

德·普罗尼把这些工序排成一座三层金字塔，最上层几位知名数学家选定计算对数的公式；中间七八位“代数学家”把公式化成一步步照做的数值运算；最下层七八十名计算员只需懂得初等算术，整天做加减法，把结果填进印好的表格，再交回上一层。复杂运算由少数人预先拆好，再分散到许多人手里。为了查出错误，底层的每一笔加减都要做两遍。坐在底层的有学生，其中常有女性，有时还有大批失业的理发师。德·普罗尼发现，错误最少的表格往往出自最不懂数学的人，在他看来，这些人过的几乎是一种“自动的生活”。今天用来指称机器的“计算机”，当时指的正是做这份工作的人。

法国数学家加斯帕尔·德·普罗尼

德·普罗尼开工前二十多年，英国皇家天文学家已经在主持编算供海军导航的《航海天文历》，同样雇用人力计算员。天文台自己人手不够，内维尔·马斯基林（Nevil Maskelyne）便在英国各地找人计算。计算员大多在家里按件计酬，照着规定的步骤把数字填进印好的表格，算完寄回格林尼治天文台；每个月的数据由两人分别计算，再交第三人比对，找出彼此不符的地方。计算在成为机器功能以前，已经是一种可以远程分派、逐级检查的文书劳动；计算网络最初连接的，是在家书写数字的人。

和《航海天文历》一样，对数表也是航海用的表格，远洋船只靠它推算经度，表里的人为错误曾让船只失事，给商人造成大笔损失。英国数学家兼发明家查尔斯·巴贝奇（Charles Babbage）打算用机器计算对数，出售没有错误的表格。他回头去看德·普罗尼的工程：金字塔底层只做规定好的加减法，既然每一步都已预先写定，这一层计算员就可以换成机器。1822年，他向天文学会报告了一台已经做成的小型差分机。差分机用黄铜齿轮和转筒执行德·普罗尼采用的差分法，人力工场里的分工第一次有了机械形态。不过，它离今天的通用计算机还很远：机器的结构本身就是算法，指令和数据没有分开，整台装置只能沿着固定的步骤一路算下去，没法像巴贝奇后来设想的那样用穿孔卡片输入不同指令。

英国数学家兼发明家查尔斯·巴贝奇

1832年，巴贝奇在《论机器与制造业的经济》里写道，工场主把工作分成需要不同技能和力气的工序，就能为每道工序恰好买到所需的那一份；要是让一个工人包办全部工作，这个人就得有本事做最难的活，也得有力气干最累的活。按工序付钱，工资只需购买“刚好够用”的熟练程度；脑力劳动也一样，用不着花钱请数学家去做最低级的算术。机器图纸与成本表出自同一种分析，技术设计从一开始便与劳动管理纠缠在一起。差分机始终没有完工，巴贝奇和手下的工匠冲突不断。利用穿孔卡片安排动作的提花织机却造了数千台，直接进入了现成的纺织生产。提花织机和差分机一成一败，说明社会分工可以为机械化提供图式，却没法保证任何方案必然实现。

织机和其他机器进入工场以后，英国人争论的不只是失业和工资，还有发明究竟来自何处、机器应当归谁所有。同时代的工人并不是反对一切技术，只是质疑机器被仓促、毫无规划地投入生产，眼前的结果就是一批人失业，增产的收益也只落进少数所有者手里。他们要求让机器减轻多数人的劳动，也帮女性摆脱繁重的体力活和家务。所谓“机器问题”，同时涉及失业、所有权和知识的分配。工人和工业家一样，都要求更多关于机器的知识，进而推动了机械工人学院和夜校的兴起。1823年，伦敦机械工人学院成立，学员下工以后去上夜课，学习机械原理和应用技术，希望弄懂正在改变自己生活的装置，不再被隔绝在机器的运作之外。工业家则用同样的夜校训练守纪律的熟练劳动力，围绕机器展开的斗争由此从工厂延伸到课堂。

这些劳动力进了工厂，站在哪道工序上、怎样干活，都在工厂主人的监督之下。意大利学者马泰奥·帕斯奎内利（Matteo Pasquinelli）的著作《主人之眼》的书名，说的就是主人的这双眼睛：在工业时代，它规训工人，也为流水线绘制图纸。小作坊里，监督还可以依靠主人的目光和经验；工厂扩张以后，任何个人都看不到整个流程，规章、报表和岗位层级便接过了这双眼睛的工作，谁负责设计、谁负责操作、谁只需接受指令，都由它们规定下来。主人的眼睛没有消失，而是分散到管理装置之中。

指导劳动的知识，在十九世纪初的爱尔兰政治经济学家与合作社会主义者威廉·汤普森（William Thompson）看来，本来就算在劳动里面。他在1824年出版的《财富分配原理研究》中说，没有这些知识，劳动不过是一股漫无目的的蛮力。他批评工厂把工人训练成自动机，让他们对调节机器的“秘密弹簧”一无所知，再用上百种办法拿走他们自己的劳动果实。在他笔下，有知识的人和从事生产的劳动者“彼此远远分开”，知识没有留在劳动者手里帮他们提高生产力，反而“几乎处处站到了劳动的对立面”。这并不是说遭受机器支配的工人恰好就是机器的制造者。手艺人、操作工、工程师、管理者和所有者处在不同位置，但机器所吸收的动作模式、试错经验和协作办法，来自一个远比个人发明家更广阔的生产过程。这些知识经过选择和重组进入装置以后，机器及其凝结的知识却可能归不曾生产它们的人所有。

当判断成为反馈

卡尔·马克思在汤普森的书里读到过一个论断：知识一旦被机器夺走，就会转过来与工人为敌。他也从巴贝奇那里吸收了关于分工和机器的分析。在1857至1858年冬天写成的《政治经济学批判大纲》（下称《大纲》）里，马克思用“一般智力”描述科学和社会知识成为直接生产力的趋势；帕斯奎内利发现，这个说法也能追溯到汤普森。这些笔记原本写给自己看，生前没有发表，进入马克思主义的讨论时，离《资本论》问世已近一个世纪。“机器片段”这个篇名，是1964年意大利工人主义刊物发表其中两册笔记的译文时加上的。此后，人们借它解释自动化、知识经济和互联网泡沫，近年又把它当作人工智能的预言。

在《大纲》里，知识一面以机器、科学和基础设施的形式沉积下来，成为不再属于个别工人的固定资本，一面又离不开活的社会实践，因为机器仍须依靠人的活动和协作才能运转、修正和改进。马克思当时并未充分解决这个矛盾。到了《资本论》，他不再使用“一般智力”，改用“总体工人”指称由许多劳动者、分工和机器共同构成的生产主体：前者容易让人盯住机器内部积存的知识，后者则把视线带回生产过程，以及知识在其中形成的方式。

按《资本论》的描述，许多人分散的动作、判断和协调在工场里汇合，形成一种任何单个劳动者都不具备的生产能力，组织这份能力的却是资本。不同劳动者分别贡献力量、技巧和注意力，个人被固定在其中一项局部职能上，集体协作的成果最后以机器和管理制度的面目反过来支配个人。帕斯奎内利把这层关系概括为：“机器智能映照、体现并放大了集体劳动的分析智能。”

这句话里的“集体劳动”，针对的是当时资产阶级眼中理所当然的图景：工业舞台中央站着一位带着蒸汽机的工程师，机器仿佛从发明家的头脑里诞生，生产现场只等着应用。马克思把总体工人放到舞台中央，视为技术在政治意义上的发明者，但这并不能抹去工程师和管理者所作的技术选择。在长期分工中积累起来的动作模式、工具知识和微小判断，为机器设计提供了可分析的材料；工程师把这些材料重新组合，资本则决定机器如何进入生产。协作中形成的知识由此被抽取和集中，随后脱离知识生产者的控制。

一个世纪后，意大利工人主义研究者罗马诺·阿尔夸蒂（Romano Alquati）走进位于伊夫雷亚的奥利维蒂计算机工厂，发现机器投入运行以后，知识的抽取并没有结束。他采用工人调查的办法，靠个别访谈和小组访谈同工人一起分析生产过程。工厂的控制论装置首先是科层制的延伸，管理部门借它盯住流水线上的工人；可工人站在机器和流水线前，还得不断测量，做出一个又一个小决定，产品的形状和机器本身的运转都要靠这些决定来调节。

阿尔夸蒂把管理部门借控制论线路监视工人所用的信息叫作“控制信息”；工人在测量和决定中产生、逆流而上送回工厂线路的信息，他称为“增值信息”。前一种让工人服从计划，后一种才使计划真正运转起来。机器不只封存过去的劳动知识，还在持续吸收正在发生的判断。控制论把这种往返抽象成一条机器原理，称为反馈：系统根据输出与目标之间的偏差，改变下一步行为。

早在阿尔夸蒂进厂调研之前二十年，美国神经生理学家沃伦·麦卡洛克（Warren McCulloch）与擅长数理逻辑的青年学者沃尔特·皮茨（Walter Pitts）就在1943年提出了人工神经网络模型：神经元按照逻辑规则连接，以真或假的形式计算命题，主要是一部演绎机器。1947年，两人转而讨论“听觉和视觉形式的知觉”，同一套网络开始被设想为从不同输入中辨认共同模式的装置。

麦卡洛克和皮茨这样转向，是在回应流亡美国的格式塔心理学家提出的难题：人先看到整体再看到部分，知觉不能由局部神经元活动的简单组合来解释，机器也模仿不了人心的这种综合能力。约翰·冯·诺依曼（John von Neumann）试着在两边之间找出路：他承认，大小不一、边线弯曲的三角形都能被认作三角形，这件事很难用逻辑命题写尽；针对麦卡洛克和皮茨，他又提出大脑靠的是概率逻辑，记忆也是分布式的。双方没有分出胜负，争论之后，军事报告和学术论文里的“模式识别”取代了“格式塔知觉”。关于心灵如何看见整体的争论，逐渐变成机器如何完成分类的研究任务。

美国心理学家弗兰克·罗森布拉特和他的感知机

美国心理学家弗兰克·罗森布拉特（Frank Rosenblatt）1957年在康奈尔航空实验室研制的感知机，要把这项分类任务交给机器来做。项目的主要出资方美国海军，关心的是自动完成目标分类，比如从雷达、声呐或照片中辨认敌方舰船。罗森布拉特要解决的问题相当具体：同一个形状的位置、角度和大小改变以后，机器能否仍把它认作同一类。机器的“学习”由此被限定为一项可以检验的任务。

第一代Mark I感知机前端由二十乘二十个光电管组成“视网膜”，接收字母和三角形一类的简单图形。电信号沿着导线传入关联单元，再由输出端一盏灯泡的亮灭给出分类结果。识别出错以后，机器经过纠错训练，调整关联单元通往输出端的连接强度，下一次重新判断。它只能分辨视野左右两侧的黑色方块，或者对准视野中央的简单字母，但“根据经验调整”第一次在一套可以运转的人工神经网络中实现了。

弗里德里希·奥古斯特·冯·哈耶克著《感觉的秩序：探寻理论心理学的基础》

罗森布拉特在1958年的论文里交代过这种调整的来源：对他启发最大的是加拿大心理学家唐纳德·赫布（Donald Hebb）和经济学家弗里德里希·奥古斯特·冯·哈耶克。赫布用神经元之间随经验加强的连接解释学习，而哈耶克研究心灵的自组织，是为了论证市场的自发秩序：在后者的设想中，价格出自分散在许多人身上的知识，大脑和市场一样，都不依靠掌握全局的中心，而由局部关系形成暂时的秩序。这个类比相当鲜明，但我们不能据此把大脑和市场视为同一种机制。帕斯奎内利指出，这种分散而不自觉的理性也存在于工场的分工协作中，马克思早已看到，它可以被工厂制度和技术革新据为己有。哈耶克1952年出版的《感觉的秩序》才与感知机直接相关，书中把神经系统看作“分类的工具”，大脑则是一张不断改组的分类网络。感觉并不是外界事物自带的标签：一次刺激在连接体系中处于什么位置、会引发怎样的反应，决定了它被归入哪一类；不同对象即使外形并不相同，只要持续产生相近效果，也可能取得“实际等价”。

 自动化的自动化

要把这种分类观变成机械操作，罗森布拉特早年接受的心理测量学训练提供了更直接的工具。1953年，他在博士研究中让两百名康奈尔大学学生用数字量表回答有关童年经历的问卷，再用因子分析寻找答案之间的聚类。心理测量学假定性格和能力可以客观分类，于是把一个人的经历拆成许多变量，在多维空间中计算哪些人彼此接近。几年后，罗森布拉特面对图像时沿用了相近的问题形式：问卷里的人是一组数值，图像的每个像素也可以当作多维空间里的一个坐标。

感知机由此把图像转换为数值，再把新对象放到分类边界的这一侧或那一侧，它能学会怎样移动这条边界，却不知道边界为什么存在。罗森布拉特在说明Mark I感知机时写道，在众多可能的分类依据中，如果想要其中某一种，一般可以通过强制学习或纠错训练把它转给机器。选哪一种依据，哪些差异值得记录，训练样本怎样标注，都由机器外部的人和制度决定。

罗森布拉特借来的这套多维统计方法，出自十九世纪末的心理测量学和优生学，进入感知机以前，量的是人的“智力”。1919年，美国心理学家刘易斯·特曼（Lewis Terman）写道，智商七十五分以下通常属于“非熟练”劳动阶层，七十五到八十五分主要对应“半熟练”劳动，八十或八十五分已足以胜任某些“熟练”劳动。巴贝奇按工序计算每项工作需要多少技能，心理测量则试图直接测量一个人拥有多少能力。帕斯奎内利把心理测量看作主人之眼的延伸：工业资本主义的监督扩展到整个社会，借助对“智力”的统计测量，把工人分进不同的技能等级。感知机并不是一台劳动力分级机器，但使它学会辨认图像的方法，早已被用于划分和管理不同等级的劳动者。

美国心理学家刘易斯·特曼

由这套方法发展而来的机器学习，被帕斯奎内利称为“自动化的自动化”：工业机器通常把一种已经分析清楚的操作固定在装置里，机器学习则连设计机器、建立模型这一步也交给训练过程。从感知机到今天的基础模型，神经网络的结构、训练方法和规模已经发生巨大变化，但它们仍通过样本调整参数，从数据中形成可用于分类或生成的统计关系。写作、翻译和图像说明原本分属不同岗位，在基础模型统一的数据格式和优化目标下，这些岗位的界线被重新划定。这套技术并没有自行决定什么工作值得自动化，系统目标、训练资料、评价尺度和最终用途，依然由具体组织确定；人们写作、交流和使用平台时，也在持续产生可供训练的资料。

支撑这些系统的劳动并不只发生在模型训练阶段：司机、骑手、内容审核员和数据标注者依照界面分配的任务行动，不断处理异常、修正流程并提供反馈。派单、计价、绩效评估和惩罚可以由软件执行，平台管理者因而不必出现在劳动现场；算法隐藏了管理者，却没有取消管理和人的判断。帕斯奎内利说，二十世纪末以来，劳动管理越来越多地以零工平台和算法软件的形式进行；被自动化的并不总是劳动岗位本身，也可能是调度和监督劳动的管理职能。

平台背后还有更难被看见的劳动，帕斯奎内利借用“幽灵工作”这个说法来称呼它：数据生产、内容过滤、安全检查、结果评价和系统优化都由人完成，却很少出现在产品的公开叙述中。许多任务被拆成极小的单元，外包给分散在各国、尤其是全球南方的承包者；劳动者只看到眼前的页面，无从知道自己的判断会被整套系统怎样利用。自动化在替代部分岗位的同时，也让不稳定的低薪岗位转移和增多。阿尔夸蒂在工厂里发现的“增值信息”并未消失，只是越过厂墙，进入平台界面和模型训练的流水线。

模型里的性别、种族和阶层偏见，在帕斯奎内利看来不能只按输出错误处理，因为训练资料和评价尺度本身已经包含社会区分，偏见还会加深就业市场上熟练与非熟练劳动者的分化。心理测量曾把人放入能力等级，今天的模型同样要借助分类、排序和概率作出判断。两者当然不是同一种技术，历史条件也相去甚远；连续之处在于，测量工具一旦进入管理，就会同时规定什么值得被看见。修补输出固然必要，却没有回答谁提供数据、谁制定尺度，又是谁承担自动化的成本。

马泰奥·帕斯奎内利著《主人之眼：人工智能的社会史》

《主人之眼》把德·普罗尼的人力计算工场和今天的神经网络放进同一部劳动史，这条主线最有说服力，各处的证据却并不同样有力。巴贝奇明确借鉴德·普罗尼，罗森布拉特也明确引用赫布和哈耶克，还在博士研究里用过心理测量的因子分析，这几处都有可以核对的文本。至于工场分工是否普遍促成机器设计、统计分类又怎样持续塑造今天的机器学习，仅凭结构相似还不能确立历史影响，仍须追查设计者具体接触、选择和改写了什么。

书中关于格式塔争论的一处概括也嫌仓促：沃尔夫冈·科勒（Wolfgang Köhler）是1948年希克森研讨会上唯一的格式塔学派代表，帕斯奎内利凭他提交的一份视知觉实验中的头部电流记录，就断定格式塔理论家遵循的是传统的科学检验方法。到了哈耶克一章，数据中心追踪社会行为的能力又被表述为对“集体理性”的实时计算。可市场协调并不只依靠价格，还依靠产权、契约、行政、竞争结构和强制关系；人工智能组织知识，也依赖数据采集、分类规则、人工标注、评价劳动和平台管理，科技公司借助这些条件选择、压缩并汇编部分知识。人工智能模型可以作出有力的预测，却不等于拥有衡量整个社会的统一尺度。

1947年，英国数学家艾伦·图灵在介绍自动计算机ACE的讲演中，把和这台机器打交道的人分成主人和仆人：主人为它设计指令表，琢磨越来越深入的用法；仆人在它需要时喂进卡片，修理出故障的部件，替它备齐数据。图灵预言，随着时间推移，计算机会把主人和仆人的活都接过去。帕斯奎内利指出，事情的走向与图灵的预言并不相同：人工智能后来替换的主要是主人，也就是管理者；工人则始终被需要，他们生产数据，也维护这台巨型机器的日常运转。派单、计价和考核的软件接过了主人的工作，仆人反而越来越多，只是被安排在更难看见的地方。机器展现出的“智能”，始终包含这些人的劳动、判断和校准。e