人工智能、社会权力与隐形就业

黄泽清　陈享光

基金项目：中国博士后科学基金资助项目《金融化对我国劳动力再生产的影响研究》（2021M703562）;中国人民大学马克思主义学院2021年度博士后科研基金项目。

作者简介：黄泽清（1992—），男，江苏徐州人，博士，中国人民大学马克思主义学院讲师、博士后，主要研究方向为马克思主义基本原理、政治经济学;陈享光（1957—），男，江苏徐州人，博士，中国人民大学经济学院教授、博士生导师，全国中国特色社会主义政治经济学研究中心研究员，主要研究方向为理论经济学和宏观货币金融理论。DOI：  10.13253/j.cnki.ddjjgl.2022.03.001人工智能、社会权力与隐形就业黄泽清，陈享光（中国人民大学，北京100872）

[摘要] 就业与人工智能的关系需要在人工智能的社会化发展中进行解读。文章梳理了自动化和人工智能的发展过程，探究了人工智能对社会权力特别是资本权力的物化，分析了资本驱动下人工智能的就业替代过程及其产生的隐形就业效应。研究发现，通用自动化装置的“反馈循环”使得机器体系逐渐发展成为人工智能，推动这一过程的是掌控社会权力的政府和大企业。他们借助于社会权力推动了人工智能化发展，同时使得社会权力得以扩展和强化。在资本的推动下，人工智能为了替代更多的劳动力而不断更新，结果却在全球范围内吸收了新的廉价劳动力。现阶段的人工智能存在算法更新、数据筛查以及非程序化工作分解等隐蔽环节，它们需要劳动者参与，从而产生隐形就业效应。资本驱动下的人工智能及其社会权力的扩展造成劳资替代的矛盾运动。鉴于此，我国在发展人工智能时应对资本权力有所节制，促使人工智能沿着人机协作的方向发展。

[关键词]人工智能;社会权力;资本权力;隐形就业

[中图分类号]  F061.3;F249.2;F49[文献标识码] A[文章编号]  1673-0461（2022）03-0001-07

一、引言

近年来，人工智能技术发展迅猛，据普华永道预测，2020年全球人工智能的市场规模接近2万亿美元，并将在2030年达到15.7万亿美元，年复合增长率高达23%①。针对人工智能的快速发展，学界从经济增长、劳动者就业、收入分配、产业组织等多个角度分析了其对经济社会产生的冲击和影响。然而，与其它角度相对确定性的冲击相比，人工智能对于劳动者就业的影响极具争议性。一方面，多数学者对人工智能等自动化技术的就业替代效应表示担忧，认为人工智能会以极大的速度和规模替代人类工作。事实上，美国学者AUTOR等（2003）[1]早在21世纪初就通过构建经典的ALM模型探讨了自动化技术对于就业的影响，认为自动化技术会替代程序化的低端劳动。FREY、OSBORNE（2013）[2]改进了上述模型，发现自动化技术对于中高端劳动也存在部分替代作用，美国现有工种的67%都属于中高风险的工作，它们很可能会在未来20年内被人工智能替代。利用上述方法，有学者发现我国就业岗位被人工智能替代的概率已经超过了76%，男性和女性劳动者被替代的概率分别为75.67%和78.8%[3]。就制造业而言，每增加1%的工业机器人，就业岗位减少4.6%[4]。另一方面，部分学者对于人工智能的就业替代效应则较为乐观。ARNTZ等（2016）[5]发现，人工智能技术只会替代工作的部分环节而非整个工作，通过对经典模型的改造，他们测算出美国劳动者的就业替代率仅有9%。ACEMOGLU、RESTREPO（2018）[6]进一步指出了抑制人工智能就业替代效应的四种力量，认为人工智能将会同历次技术革新一样，创造出足够多的劳动密集型工作，从而抵消就业替代效应。就当前的人工智能技术而言，其对于就业的冲击只是结构性的、短期的，不具备长期的总量替代效应[7]。

可见，现有的研究表明：一方面，人工智能对于程序化工作的替代效应十分明显，对于非程序化工作的替代效应却不确定;另一方面，人工智能会在长期中创造出更多的劳动密集型工作，但短期内的就业创造效应并不确定。其中，前者涉及了就业结构的空间性问题，后者则涉及了就业周期的时间性问题。事实上，就业与人工智能的关系需要在其与生产条件变革、与资本权力转移的联系中寻求答案，前者涉及智能技术自身发展过程生产条件的变革，后者则是拥有社会权力的部门把智能技术同社会权力结合从而赋予人工智能技术新的社会属性的过程。人工智能正是通过这两个过程作用于社会经济并对就业产生影响。因此，本文首先探究自动化技术和人工智能及所引发的生产条件变革发展过程，然后在此基础上考察拥有社会权力的部门把人工智能技术同社会权力结合进而赋予人工智能技术新的社会属性的问题，最后分析隐含资本权力的人工智能在应用于社会时对就业产生的影响。

二、人工智能的发展和生产条件的变革

作为自动化技术发展的最高阶段，人工智能技术具有双重性：一方面，它是自动化技术的进一步延伸，是信息通信技术（ICT）在智能层面的深化[8]，从而是自动化技术的量变过程;另一方面，作为最前沿的技术，完整形态的人工智能技术能够成为与蒸汽技术、电气技术相并列的新型通用目的技术（GPTs）[9]，从而是自动化技术的质变过程。这种双重性使得人工智能技术难以脱离自动化技术而独立发展，因此，需要联系自动化技术来梳理人工智能的发展过程。

尽管“自动化”一词最早是福特汽车公司的工程师在1946年描述其流水线机器时提出的，但人类对于自动化机器的追求自工业革命之初就开始了：提花织布机能够通过打孔卡控制不同颜色的线轴运动，使其“自动”织出图案;蒸汽轮船的转向装置能够通过齿轮控制的反馈系统“自动”调节船舵角度，使其保持在既定航线上[10]。事实上，这些所谓的自动化装置只能作用于特定机器，还不是适用于绝大多数机器的通用自动化装置，从而不能称之为通用自动化技术，真正的通用自动化技术是在社会整体需求中产生的。众所周知，现代自动化技术是在第二次世界大战期间逐渐成型的。当时，如何让地面的高射炮自动、准确的击落飞机以应对敌军轰炸是同盟国亟待解决的问题，而这仅靠炮兵自身的素质是无法实现的。在这一社会需求的作用下，科学家们综合了当时兴起的两大技术元素——电子学和计算机，创造性地发明了电子自动跟踪系统，并将其运用到了高射炮的发射装置中。这一自动化装置由三个部分组成：首先，需要一个计算并预测飞机飞行轨迹的模拟机器，即计算机;其次，需要一个搜集并传输数据的电子传感装置，即雷达和通信系统;最后，需要一个移动和发射高射炮的控制器，即操作平台。二战结束后，诺伯特·维纳等控制论科学家将上述三个部分进一步理论化，形成了可以被廣泛运用的自动化技术原理，通用自动化技术的时代随之到来。

上述自动化装置所蕴含的技术之所以是通用的，主要是因为其在很大程度上实现了自动化对机器三个组成部分的覆盖。根据马克思的分析，“所有发达的机器都是由三个本质上不同的部分组成：发动机，传动机构，工具机或工作机”[11]。其中，工具机能够接收前两者的作用力并将其运用到劳动对象上，从而成为“18世纪工业革命的起点”。工业革命正是在工具机不断脱离动力机构并迫使其进行革命的过程中产生的。在这一过程中，一方面，脱离动力机构的工具机开始扩大自身的规模，而这又要求有一个强大的动力机构来保证其正常作业，因此这种动力机构不是用于特殊目的，而是“大工业普遍应用的发动机”[11]。另一方面，劳动对象被作用于一系列工作机上，虽然这些工作机各不相同，但它们互相补充并组成了“同一个发动机构的同样的器官”，从而成为了“真正的机器体系”[11]。可见，机器体系是由大型动力机构驱动，通过传动机构作用于一系列各不相同又互相补充的工作机来实现的。二战中出现的自行高射炮等自动化装置显然是一个庞大的机器体系，它由计算机、雷达通信系统以及操作平台等不同性质的工作机组成，其中，计算机和通信系统不仅扮演着工作机的角色，还在一定程度上承担着动力机和传动机的功能。在计算机的驱动下，这一自动化装置不需要人的帮助就能自动瞄准空中的飞机并将其击落，炮兵的作用仅是“从旁照料”，从而是“自动的机器体系”。实际上，通用自动化装置与以往机器体系的关键性区别在于工作机是由一个特殊的中央动力机构——计算机来控制的。作为自动的中央动力机，计算机能够测量周围环境变化并经由通信系统等传动机而让其他工作机做出相应行动，同时对结果进行调整，从而形成“反馈循环”。正是这种“反馈循环”使得机器体系发生了根本性的变化，因为它似乎篡夺了过去工业技术中一直属于人类的能力，如适应能力、感觉能力以及原始学习能力等等。正如马克思认为的那样，“通过传动机由一个中央自动机推动的工作机的有组织的体系，是机器生产的最发达的形态”[11]。虽然这种自动化装置的“反馈循环”还需要人类的辅助，如炮兵的操作，但它已经向机器最发达的形态迈出了关键性的一步。当前的人工智能正是自动化“反馈循环”的最新阶段，是一种弱人工智能（weak AI），因为其只能够部分地执行人类预设的任务，而当自动化技术能够让智能机器完全达到甚至超越人类思维时，强人工智能（strong AI）便出现了。届时，技术奇点随之到来，一切原有的社会模式都将过时，强人工智能时代的新规则将会主宰世界。可见，人工智能的发展使得社会生产条件开始发生革命性变革。

三、人工智能与社会权力

尽管强人工智能离人类还非常遥远，但弱人工智能却已经近在眼前。推动机器朝向其最发达形态或者人工智能方向演进的动力源自社会本身，特别是拥有社会权力的国家和社会化大企业。前者通过制度安排赋予部分垄断企业生产经营的特许权和排他权[12]，后者则通过支配劳动者来扩大自己的力量，提升其社会权力[13]。

实际上，从历史演进过程来看，作为人工智能的基础，自动化装置每一部分的发展过程都与社会权力绑定在一起。一方面，计算机是在政府支持武器研发的过程中产生的。起源于20世纪30年代的现代计算机完全是战争和国家权力的产物，因为其主要用途是军事上的弹道计算和电路分析。起初，这种机器仅能用于计算微分方程而被称为微分分析器。之后，在军方和IBM公司的协助下，第一部自动化通用数字计算机在1937年被建造了出来，与微分分析器一样，它也被用于弹道计算。尽管其驱动装置已经实现了电气化，但传动机构仍然是机械传动，使得通讯系统采用十进制而非二进制。进入20世纪40年代，电子管、晶体管以及集成电路等通讯设备也在政府的支持下发展了起来，在计算设备和电子通信设备的共同作用下，真正的二进制电子数字计算机诞生了。可见，现代计算机产生于政府支持和授意下的武器研制过程，甚至直到战后的20世纪50年代，计算机的主要用户仍然是政府机构[14]。另一方面，通信设备和电子元件的发展也离不开政府和军方的权力背书。正如上文分析的那样，计算机的进一步发展受到了通信系统的制约，为了让电子元件更加稳定且低廉，政府部门，特别是军方再次提供了巨额的资助。在政府的支持下，贝尔实验室发明了晶体管并将其运用到了计算机上，这使得计算机的数据处理能力得以提升，政府通过这些设备提升了武器控制和军事防务的效率。因此，自动化装置是在政府和军方推动下产生的，为的是应对战争威胁或战争需要。事实上，军事和其它很多领域的自动化技术是在国家和政府部门权力驱动下取得的。不难理解，国家和政府部门需要研制先进的技术设备以作为其实现社会目标、体现和落实社会权力的工具或手段。在非智能化时代，这种社会权力不会扩展到技术设备本身。随着智能化的发展，人的有意识活动开始部分地能够通过自动化技术设备来进行，这种情况下，人们力求把现实扮演的社会角色、执行机制、甚至行为模式复制或移植到智能化技术设备中，进而使其在具体的社会经济活动中作为其影子或人格物化自动主体发挥作用。

自动化技术所蕴含的社会权力不仅包括来自于政府部门，还有来自于经济部门特别是社会化大企业决策层的私人垄断资本。二战后，自动化技术的商业发展不仅继续积累着政府部门的权力，还将大企业决策层的权力吸收了进来，到20世纪50年代末，以数控机床为代表的自动化设备成为了名副其实的社会权力载体。实际上，数控机床的发展方向并非单一的“数值控制”技术，还包括“记录-回放”技术。其中，后者强调复制熟练机械工的动作和技艺并将其重现、放大以实现对机器的控制，而前者则强调用计算机对机床的运动过程进行数值编码，并将其转化为内插值数据以实现管理者对机器的直接控制。实践表明，数控机床不断朝向“数值控制”技术的方向发展，逐渐抛弃了“记录-回放”技术，这并非经济成本的原因，也不是技术难易程度造成的，而是政府和大企业社会权力驱动的结果。与“数值控制”相比，“记录-回放”技术不用过度依赖计算机、程序员以及精密的零部件，只要依靠熟练机械工与模具设备就可以实现传统设备的自动化，从而具有高度灵活性。这种灵活性对于生产规模不大的中小企业而言极具吸引力，因为它们不用花费过高的成本就可以实现机床设备的自动化。但是，在大企业的管理层看来，“记录-回放”技术需要在车間对机械工的动作进行编程，这使得控制这项技术和生产过程的是工人而不是自己，而将生产控制权交由工人是资本主义生产过程最不能容忍的做法，因为资本家们认为提升企业生产效率和利润的方式是要加强对工人的监督、控制，而不是反过来。所以，为了掌控生产，大企业的管理层就会捍卫自身对技术、工人控制的权力，从而驱使自动化技术朝“数值控制”的方向演进。与之类似，政府部门也希望对自动化装置进行直接控制，因为以国家安全为由的直接军事控制以及高度精确的自动化国防系统要远比自动化技术成本重要的多，“记录-回放”技术虽然存在成本低廉、技术灵活的优势，但其经由他人控制的中间过程不仅会弱化政府的权力还会加大军事系统的不确定性，从而也被政府部门所抛弃。因此，在政府和大企业决策层的资本权力作用下，自动化技术只能是“数值控制”，其他任何技术都有可能威胁到资本权力的执行而得不到支持。对控制、确定性以及可预测性的迷恋，对消除不确定性和工人力量的欲望使得自动化技术越来越表现为对计算机编程、远程控制以及各种无人操作机器的崇拜，最终形成了关于自动化技术的拜物教。它使得资本权力所有者认为自动化设备能够摆脱劳动者的力量而独立存在，形成不再依赖他人的智能化机器，即人工智能，在此之后，人工智能便成为了政府和社会化大企业行使社会权力的最新载体。

随着政府和社会化大企业掌控的社会权力向人工智能转移，人工智能技术也就被赋予了新的社会属性。关于技术的社会性问题，学者们提出了很多有价值的思考，认为任何技术都是社会现状的部分反映，它既要在以往技术积累的前提下实现，又要满足当前研发资金支持者、技术使用者以及社会统治阶级的利益，从而具有强烈的路径依赖性和技术惯性[10]。然而，尽管西方学者提出的“技术的社会形成”理论（SST）确认了技术的社会性和历史性，但只是将其归结为社会需求、社会选择以及社会评价等一系列社会权力的共同体中，并没有总结出技术社会性的一般规律[15]。之所以出现这种情况，是因为其忽视了最为本质的一点，即资本主义社会权力的根本来源——资本的权力。根据马克思的分析，人类在运用劳动工具改变自然时也会改变自身利用劳动工具或劳动对象的方式，因此，“劳动资料不仅是人类劳动力发展的测量器 ， 而且是劳动借以进行的社会关系的指示器”[11]。在这一过程中，任何新的技术、新的劳动工具以及新的生产力都不是凭空产生的，而是产生于“现有的生产发展内部和流传下来的、传统的所有制关系内部”[16]。可见，马克思在分析技术发展的过程中更加强调社会阶级和制度的作用，強调特定阶级的社会化和制度化过程而不是具体个人的作用[17]。特别地，在资本主义制度下，科学技术、阶级关系以及自然力都已经体现在了机器体系中，并同机器体系一道构成“主人”的权力[11]。所以，劳动资料或者机器体系能够在很大程度上反映出社会统治者的权力。如果说根据早期遗留的工具品可以推断出早期社会的本质，那么，根据当前自动化设备的呈现方式也一样可以推断出当代资本主义社会的本质，特别是人工智能所蕴含的社会权力的本质。实际上，在封建社会，社会权力本质上是通过地缘、血缘确立的贵族权力，而在资本主义社会，“新的封建贵族则是他们自己的时代的儿子，对这一时代说来，货币是一切权力的权力”[11]。由于货币在参与产业资本循环时获得了资本的职能，“成为资本的表现形式”[18]，因此，在资本主义的条件下，货币权力本质上是资本权力，在很大程度上取决于资本循环过程中固定资本流通的作用[19]。按照大卫·哈维（2017）[20]的分析，从资本初级循环中游离出来的过剩货币资本会流向固定资本和消费基金的生产过程，从而构成资本的二级循环，而更多过剩的资本则会流向科学技术、社会福利以及意识形态等政府部门的社会生产过程，从而构成资本的三级循环。无论是包含机器生产的二级循环还是包含科技发展的三级循环，其归根到底都来自于过剩的货币资本，是在资本权力驱动下进行的循环。因此，技术与机器体系的发展体现了社会权力，特别是资本权力的运作，它们是资本循环在不同阶段的具体反映。

四、人工智能的就业替代过程及其产生的隐形就业效应

与其他自动化设备类似，资本将人工智能运用到社会的目的就是替代劳动力以减少工人在生产过程中的不确定性，从而扩大资本积累规模以获取更多的剩余价值。在资本家看来，工人具有一系列“缺点”，包括生理疲劳、心理压力以及情感脆弱等等，它们会弱化人类在工作时解决问题的能力，强化人类的反抗抵制情绪，从而为资本主义生产带来很多不确定性。相反，机器不仅没有上述“缺点”，新一代的人工智能机器还能发挥人类特有的优势，即处理问题时的模式匹配能力[21]。因此，当机器替代劳动力执行任务时，生产效率将会提升，利润也将增多。实际上，马克思早已预测到机器对劳动力的替代过程，他认为“机器的生产率是由它代替人类劳动力的程度来衡量的”[11]。不仅如此，马克思还指出了资本替代劳动的一般理论：技术进步所推动的劳动生产率的上升和资本积累的加快共同提高了资本有机构成，造成可变资本的降低和相对过剩人口。而技术进步带来的固定资本更新速度的加快又会进一步降低可变资本的规模，因为“在这种形式下，用较少量的劳动就足以推动较多量的机器和原料。由此必然引起对劳动需求的绝对减少”，而且，固定资本的积聚规模越是扩大，其“对劳动需求的绝对减少也就越厉害”[11]。特别地，自动化和人工智能的出现使得资本不仅能够摆脱人类生理器官的限制，还能够超越个人思维定式的束缚，从而进入以社会智慧替代个人大脑思维的时代[22]。然而，在步入这一时代的过程中，资本一方面竭尽全力地替代劳动力，另一方面在积累自身、发展人工智能的同时又出现了一系列的隐形就业，这种隐形就业打破了资本完全替代劳动的神话。

上文分析表明，资本家尝试用机器替代劳动力，但是以往的机器只是延伸了人类的肌肉和骨骼，只能替代体力劳动，并不能替代脑力劳动，从而无法实现机器对劳动力的完全替代。而自动化技术的出现则给了资本家灵感，他们可以利用自动化技术或人工智能技术的“反馈循环”来替代脑力劳动。因为，这种技术不同于蒸汽机、内燃机等第一次机器革命的技术，它能够延展人类的思维能力，从而实现第二次机器革命[23]。实际上，人工智能技术正是从模仿人脑开始的：参照人脑内部的神经网络，科学家们在20世纪50年代开发了基于数学算法的初代人工神经网络，即感知机[24]。然而，这种初代人工智能很快就宣告失败，因为其连稍加复杂的概念都不能识别，更不用说去模仿人脑了。在这种情况下，人工智能的另一个发展方向出现了，即基于符号处理的人工智能方向，其原理在于用计算机处理数值符号的方式“还原”人类的智能。虽然这种符号处理的方式能够规避神经网路等复杂问题，但只能适用于特定语言规则的领域，一旦涉及到人类更为复杂的表达方式就无法工作。至20世纪70年代，以美国国防高级研究计划局为代表的政府部门认为这种人工智能作用有限，先后削减了大部分资金预算，使得人工智能进入了“寒冬”。与政府的态度不同，大型企业并没有放弃研发，它们在20世纪80年代成功地将各界专家的知识进行符号处理并移植到了计算机程序中，从而创造了“专家系统”人工智能，例如将专业医生的技能进行数据处理后移植到计算机让其代替专家诊断。尽管“专家系统”使得符号处理方式的人工智能推进了一大步，但其对于资本所有者而言存在两大缺陷。第一，“专家系统”需要人类对特定问题给出所有可能发生的情况，并针对每一种情况制定相应的规则。然而，这一过程一是会产生额外的编程和维护成本，二是需要熟悉生产环节的劳动者的参与，从而无法实现机器对劳动者的替代。第二，“专家系统”是一种基于固定规则的人工智能，缺乏灵活性。资本主义生产方式自20世纪70年代以来已经转变为了基于需求多样性的弹性生产方式，变化滞后的符号处理系统难以与这种灵活的生产方式相适应。基于以上两点，企业研发进度十分缓慢，符号处理的人工智能在20世纪80年代末再次进入了“寒冬”。

当资本家们苦于无法用人工智能替代劳动力时，另一种有助于实现价值增殖的劳动替代方式出现了，即在世界各地寻求廉價劳动力以替代发达国家内部昂贵劳动力的方式。实际上，全球廉价劳动力的获得也是和自动化技术三要素，即计算机、电子传感器以及远程操作机的发展密切相关的。在其基础上形成的电信设施、模块化接口、条形码和射频识别技术使得资本能够顺利接触到全球的劳动力和资源，从而使得自动化控制论不仅没有取代劳工，反而在全球范围内扩展了它，虽然是通过野蛮的方式、以极低的成本实现的[25]。正如大卫·哈维分析的那样，当前资本全球化的真正含义就是通过外包和进出口将全世界所有潜在形式的过剩人口都调动起来并尽可能压缩其福利水平[26]。在这一过程中，自动化技术或许没有直接实现用新的机器如人工智能设备等加速其他机器的生产，却捕获到了全球廉价的劳动力，这些廉价劳动力能够抵消在投资人工智能设备等新型固定资本时消耗的大规模资金成本，从而有助于缓解利润率的下行。这表明，资本在替代劳动时产生了“二律背反”：资本尝试利用人工智能替代劳动力，但为了实现这一过程又需要吸收新的劳动力，从而形成了关于“劳资替代的矛盾运动”。随着人工智能的不断发展，这种矛盾运动被不断扩大：人工智能潜在的劳动替代能力越大，其所吸纳的劳动力就会越多。

具体而言，符号处理的人工智能在20世纪末进展缓慢的同时，基于概率论和统计学的神经网络则再次引起了资本家和科学家的关注，因为一旦这种神经网络被设计为3层甚至更多层结构时，其便可以理解更为复杂抽象的概念，从而更接近于人类的思维。这使得神经网络逐渐成为了实现机器学习，从而实现人工智能的最主要的手段[24]。然而，随着神经网络结构层次的增多，数据也会以指数倍增加，对这些数据的处理就会消耗大量的时间与费用。直至进入21世纪后，高速处理器（GPU）的发明才使得多层神经网络的运算速度得到提升，并联在一起的GPU能够以高效的速度运行多层神经网络，此时的神经网络技术便被称为“深度神经网络”或“深度学习”。在数据充足、运算高效的条件下，深度学习能够独立自主地发现解决问题的“特征值”，计算机开始自行发现学习规则，不再需要人类指定分析方案和思路，从而在很大程度上实现了人工智能对人类脑力劳动的替代。然而，人工智能不断替代劳动力的同时，更多“隐形”的劳动则在不断增加，因为在人工智能利用“深度学习”去解决“框架规则问题”的过程中，始终存在三大容易被忽视的节点，劳动者在隐蔽性节点上的工作就成为了“隐形工作”。首先，虽然深度学习能够在“算法”的基础上寻求解决问题的答案，但算法却是一种不被注意的社会存在，它往往是在社会权力的推动下被隐秘地融入到政府和企业的组织、惯例以及决策之中[27]。然而，为了实现这一过程就需要高端技术人员不断地去优化调整算法，一是提升数据处理的效率，二是使其服务于社会权力所有者或者资本所有者的利益。正如马克思认为的那样，“机器体系在细节方面还可以不断地改进”，改进方式的不同有助于人们“研究以不同生产资料为基础的不同生产方式之间的区别，以及社会生产关系同这些生产方式之间的联系”[11]。因此，尽管算法是无需劳动力的程序化任务，但资本驱动下的算法更新和完善则是一项非程序化的工作，它必须交由高端技术人员去完成，而这会增加对相关劳动力的需求。其次，机器学习是以大数据作为支撑的，尽管物联网技术已经为人工智能提供了大量用于“学习”的数据，但是这些数据并不能直接被人工智能使用。究其原因，一是数据中夹杂着大量重复甚至无用的信息，需要人类进行分类和筛选，从而形成可供人工智能学习的“训练数据”，例如让人工智能学会区分“凳子”和“椅子”等。二是数据中可能包含着不利于统治阶级或资本所有者的元素，需要工人对数据进行净化和审核，例如在美国大选期间审查是否有人恶意主导Twitter等社交软件的舆论方向。因此，推动人工智能系统的不仅仅是智能化技术，还包括幕后的隐形工人，他们往往是基于移动网络的廉价在线劳动力，资本以这种隐蔽的形式抽取了更多的剩余价值。最后，人工智能在替代非程序化领域的工作任务时会经常遇到难以预测和判断的任务，这就需要分解工作任务并雇佣临时劳工完成部分内容。随着非程序化领域工作的不断细化，部分工作内容能够被人工智能替代，部分则交给了全球范围内的临时劳工，他们因工作任务、工作强度以及工资水平的弹性化而被称为“不稳定无产者”（precariat）[28]。根据麦肯锡公司的分析，在当前非程序化工作任务中，仅有30%的构成部分会被自动化替代，但这并不会减少30%的就业，而是把另外70%的工作内容分配给剩下的员工，从而以增加临时劳工的方式加大对劳动力的控制[29]。

综上所述，资本在推动人工智能替代劳动的过程中因智能技术发展和资本成本控制的原因而吸收了大量劳动力，这些来自全球的廉价劳动力大都在人工智能运行的隐蔽环节上工作，从而是一种隐形劳动。在可以预见的未来，尽管社会无法完全被机器人接管，但需要思考会出现什么形式的隐形工作。因为随着人工智能的发展，越来越多的劳动者将会转向隐形工作，而这又会为进一步的自动化和智能化提出要求，从而产生了“自动化最后一公里”的悖论：自动化替代人类工作的愿望总是给人类带来更多的新任务[30]。这些新任务既包括算法管理等高端劳动，也包括对数据的搜集、筛查、净化以及其他非程序化临时劳工的低端劳动。

五、结论与启示

本文在梳理自动化和人工智能技术发展过程的基础上探究了人工智能所蕴含的社会权力及赋予资本的社会权力，并据此分析了人工智能的就业替代过程及其产生的隐形就业效应，得出以下结论。

第一，自动化技术对机器三大组成部分的覆盖产生了通用自动化装置，其“反馈循环”系统使得机器体系不断朝向最发达形态即人工智能方向演进。尽管自动化装置早已有之，但以往的自动化只能作用于特定机器，还不是通用的自动化装置，只有当自动化技术实现了对发动机、传动机构以及工作机等机器三大组成部分的覆盖时才产生了通用自动化装置。二战期间诞生的自行高射炮是最初的通用自动化装置，它由计算机、雷达通信系统以及操作平台组成，计算机能够测量周围环境变化并经由通信系统等传动机而让其他工作机做出相应行动，同时对结果进行调整形成“反馈循环”。这种“反馈循环”篡夺了过去工业技术中一直属于人类的能力，使得机器体系不断朝向“自动的机器体系”或者人工智能方向演进，这必然带来生产条件的革命性变革。

第二，作为人工智能的基础，自动化装置各个部分的发展过程都与社会权力密切相关，政府部门和企业部门利用其社會权力推动人工智能技术发展，同时把社会权力同人工智能技术紧密结合在一起。一方面，在战争期间，计算机、通信设备以及电子元件等自动化组成元素是在政府和军方的推动下发展的，在政府权力的推动下，科学家被要求研制出自动化武器装置以应对战争需要;另一方面，在战后大企业决策层和政府部门的权力推动下，数控机床等自动化设备逐渐抛弃了“记录-回放”技术，采用了“数值控制”技术。其中，前者具有成本低廉、技术灵活的特点但需要熟练工人参与编程，而后者尽管成本较高但却能够实现管理者对机器的直接控制。在资本主义制度下，权力的根源是资本权力，无论是包含机器生产的资本二级循环还是包含科技发展的资本三级循环，归根到底都来自于过剩的货币资本，是在资本权力驱动下进行的循环。

第三，在资本的推动下，人工智能经历了由初级神经网络到符号处理再回归到深层神经网络的多种形态，尽管人工智能形态更新的目的是尽可能地替代劳动力，但其发展过程却在不断吸纳新的劳动力。人工智能使得资本不仅能够摆脱人类生理器官的限制还能够超越个人思维定式的束缚，从而有望实现资本对劳动力的完全替代。模仿人脑的初级神经网络虽然符合上述认知，但却连复杂的概念都难以区分，使得人工智能转向了符号处理的模式。然而，以“专家系统”为代表的符号处理式人工智能存在大量额外成本和缺乏灵活性的问题，最终导致人工智能走向了基于概率论和统计学的深层神经网络即深度学习的形式。在这一形式变更的过程中，人工智能不仅没有完全替代劳工，反而通过野蛮的方式在全球范围内吸收了新的廉价劳动力，从而形成了关于劳资替代的矛盾运动：人工智能潜在的劳动替代能力越大，其所吸纳的劳动力就会越多。

第四，当前深度学习形式的人工智能在解决具体问题时存在三个容易被忽视的节点，包括算法更新和完善、数据搜集和筛查以及非程序化领域的工作分解等，这些隐蔽的节点需要劳动者参与进来，从而形成了隐形就业。首先，资本驱动下的算法更新和完善是一项非程序化工作，需要交由高端技术人员去完成，而这会增加对相关劳动力的需求;其次，原始数据中夹杂着大量重复信息和不利于资本所有者的信息，需要劳动者对数据进行筛查和净化，形成可供机器学习的“训练数据”;最后，人工智能在替代非程序化领域的工作时会遇到难以判断的任务，需要把工作任务分解并雇佣临时劳工完成部分内容。因此，随着人工智能的发展，隐形工作在同步增加，从而产生了“自动化最后一公里”的悖论：自动化替代人类工作的愿望总是给人类带来更多的新任务。

人工智能自身的发展及其对就业的影响并不是线性的，西方资本主义国家之所以强调人工智带来了技术性失业是因为其在发展人工智能时，一方面利用资本弱化劳工力量，另一方面又利用资本掩盖隐形工作的存在，最终使得社会出现了大规模技术性失业的假象。对我国人工智能的发展而言，一是要注意到人工智能的不同发展方式，对人工智能发展中资本权力有所节制;二是要充分认识人工智能造成的隐形就业，对从事隐形工作的劳工提供一定的政府补贴;三是要培养人类的天然优势，如多维模式识别和高度复杂的人际沟通等，将人类优势与智能机器相结合，使人工智能沿着人机协作的方向发展。

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

[参考文献][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]陈永伟，许多. 人工智能的就业影响[J]. 比较，2018 （2）： 135-160.

[4]闫雪凌，朱博楷，马超. 工业机器人使用与制造业就业：来自中国的证据[J]. 统计研究，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]杨虎涛. 人工智能、奇点时代与中国机遇[J]. 财经问题研究，2018（12）：12-20.

[8]杨虎涛. 人工智能如何为高质量发展“赋能”——ICT 时代的启示与 AI 时代的应对之道[J]. 人文杂志， 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·卡尔. 玻璃笼子：自动化时代和我们的未来[M]. 杨柳，译.北京：中信出版社，2015.

[11]马克思. 资本论（第1卷）[M]. 北京：人民出版社，2004.

[12]黄泽清，陈享光. 国际资本流动与我国各收入群体收入份额的变动——基于帕尔玛比值的分析[J]. 经济学动态，2018（8）：80-89.

[13]董彪. 资本权力与身体规训——以《资本论》为中心[J]. 学习与探索， 2021（8）：36-42.

[14]雷·库兹韦尔. 奇点临近[M]. 李庆诚，等译.北京：机械工业出版社，2011.

[15]肖峰. 论技术的社会形成[J]. 中国社会科学，2002（6）： 68-77.

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

[17]那坦·罗森伯格，等. 作为技术研究者的马克思[J].教学与研究，2009（12）：10-18.

[18]马克思. 资本论（第2卷）[M]. 北京：人民出版社，2004：36.

[19]黄泽清，陈享光. 国际货币权力的实现基础与扩张机制——基于能源视角的理论分析[J].经济理论与经济管理，2021， 41（3）：58-67.

[20]大卫·哈维. 资本的限度[M]. 张寅，译.北京：中信出版社，2017.

[21]詹姆斯·亨得勒，爱丽丝·M.穆维西尔. 社会机器：即将到来的人工智能、社会网络与人类的碰撞[M]. 王晓，等译.北京：机械工业出版社，2018.

[22]贾根良. 第三次工业革命与工业智能化[J]. 中国社会科学，2016（6）：87-106.

[23]埃里克·布莱恩约弗森，安德鲁·麦卡菲. 第二次机器革命：数字化技术将如何改变我们的经济与社会[M]. 蒋永军，译.北京：中信出版社，2014.

[24]小林雅一. 人工智能的冲击：失去工作还是不用工作？[M]. 支鹏浩，译.北京：人民邮电出版社，2018.

[25]尼克·迪尔-维斯福特. 赛博无产阶级：数字旋风中的全球劳动[M]. 燕连福，等译.南京：江苏人民出版社，2020.

[26]大卫·哈维. 跟大卫·哈维读资本论（第一卷）[M]. 刘英，译.上海：上海译文出版社，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. 经济奇点：人工智能时代，我们将如何谋生？[M]. 任小红，译.北京：机械工业出版社，2017.

[30]玛丽·L. 格雷，西达尔特·苏里. 销声匿迹：数字化工作的真正未来[M]. 左安浦，译.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

（责任编辑：张积慧）