賈文娟

上海大學(xué)社會(huì)學(xué)院，上海200444

在人工智能(artificial intelligence，AI)時(shí)代，人類(lèi)社會(huì)出現(xiàn)了哪些新的勞動(dòng)方式？這些新勞動(dòng)方式又對(duì)勞動(dòng)者的工作生活狀況產(chǎn)生了怎樣的影響？這是近年來(lái)社會(huì)科學(xué)研究者極為關(guān)注的問(wèn)題。圍繞上述問(wèn)題，國(guó)內(nèi)外學(xué)者進(jìn)行了諸多極其深入的研究，并提出了很多具有洞察力的觀點(diǎn)，極大地推動(dòng)了社會(huì)科學(xué)知識(shí)的增長(zhǎng)。綜合觀之，這些研究主要圍繞以下三條路徑展開(kāi)：

第一，勞動(dòng)社會(huì)學(xué)視角下的“機(jī)器換人”研究。許怡等[1]指出，包括機(jī)器人、AI、賽博格在內(nèi)的非人主體正在將人類(lèi)從大量傳統(tǒng)產(chǎn)業(yè)中推擠出去，中國(guó)產(chǎn)業(yè)升級(jí)中的制造業(yè)正在經(jīng)歷以“智能化”為目標(biāo)與以“省人化”為目標(biāo)的“機(jī)器換人”，并將帶來(lái)勞動(dòng)力結(jié)構(gòu)的兩極分化。王瀟[2]研究發(fā)現(xiàn)，AI算法在制造業(yè)中的使用方式是將核心科學(xué)原理、科學(xué)思維從知識(shí)生產(chǎn)的基本技能中抽離，使工程師等知識(shí)性員工陷入了“技術(shù)空心化”的境地。不少學(xué)者的研究都顯示出AI技術(shù)的應(yīng)用將會(huì)進(jìn)一步降低傳統(tǒng)產(chǎn)業(yè)工人在生產(chǎn)中的自主性，甚至將中低技術(shù)工人拋離出制造業(yè)。

第二，傳播政治經(jīng)濟(jì)學(xué)視野下的數(shù)字勞動(dòng)研究。數(shù)字勞動(dòng)研究延續(xù)了經(jīng)典媒介理論對(duì)受眾行為、受眾參與狀況的關(guān)注，并在政治經(jīng)濟(jì)學(xué)批判的路徑上，分析數(shù)量龐大的互聯(lián)網(wǎng)使用者是如何在“媒介的勞動(dòng)化”與“勞動(dòng)的媒介化”[3]邏輯下，成為被各種門(mén)戶網(wǎng)站、數(shù)字媒介企業(yè)剝削的對(duì)象，并通過(guò)無(wú)酬勞動(dòng)參與到數(shù)字資本主義剩余價(jià)值的積累之中的[4]。如Kucklich[5]用“玩工”概念闡釋了游戲玩家是如何在興趣和休閑娛樂(lè)中被整合進(jìn)游戲公司的生產(chǎn)體系之中的；Jarett[6]則認(rèn)為媒體受眾就像家庭主婦那樣自愿承擔(dān)著龐大的社會(huì)再生產(chǎn)任務(wù)，降低了平臺(tái)企業(yè)的生產(chǎn)成本；Qiu[7]則認(rèn)為，智能手機(jī)使用者與富士康工人類(lèi)似，他們通過(guò)受眾勞動(dòng)，無(wú)償為資本生產(chǎn)出了更多的內(nèi)容，成為被支配的“i奴”。國(guó)內(nèi)學(xué)者則將數(shù)字勞動(dòng)的研究擴(kuò)展到對(duì)字幕組等興趣小組[8]、網(wǎng)紅主播[9]、粉絲群體[10-11]、網(wǎng)絡(luò)寫(xiě)手[12]等新勞動(dòng)群體的分析中，討論了不同類(lèi)型數(shù)字勞動(dòng)者是如何被整合到數(shù)字經(jīng)濟(jì)中去的。

第三，監(jiān)控資本主義視角下的平臺(tái)勞動(dòng)研究。圍繞“平臺(tái)勞動(dòng)”的研究延續(xù)了勞動(dòng)社會(huì)學(xué)對(duì)技術(shù)控制、科層控制、意識(shí)形態(tài)支配等議題的關(guān)注，注重討論平臺(tái)企業(yè)是如何通過(guò)對(duì)基于數(shù)據(jù)科學(xué)的AI算法的使用，使諸如騎手、網(wǎng)約車(chē)司機(jī)、Airbnb房東、卡車(chē)司機(jī)等零工勞動(dòng)者甘愿服從于平臺(tái)的勞動(dòng)控制。如圍繞外賣(mài)騎手的研究指出，外賣(mài)送餐平臺(tái)通過(guò)重塑勞動(dòng)過(guò)程的時(shí)空屬性[13]、占有和壟斷數(shù)據(jù)信息[14]、再分配管理控制權(quán)[15]、宣揚(yáng)自由意識(shí)形態(tài)等實(shí)踐策略[16]，對(duì)勞動(dòng)者行動(dòng)方式與思想感受進(jìn)行引導(dǎo)、評(píng)估和規(guī)訓(xùn)；圍繞網(wǎng)約車(chē)司機(jī)的研究發(fā)現(xiàn)，看似扁平化的平臺(tái)實(shí)則是依托企業(yè)規(guī)則、數(shù)字技術(shù)和第三方機(jī)構(gòu)進(jìn)行管理的科層組織[17]。鄭廣懷[18]從支配理論角度指出，通過(guò)對(duì)用戶行動(dòng)進(jìn)行預(yù)測(cè)并誘使其做出特定勞動(dòng)與消費(fèi)行為，勞動(dòng)支配邏輯從利用勞動(dòng)者主體性的“確立規(guī)范”走向了使勞動(dòng)者成為載體的“常態(tài)規(guī)范”。

這些研究為進(jìn)一步分析AI時(shí)代的勞動(dòng)方式變遷問(wèn)題奠定了堅(jiān)實(shí)的基礎(chǔ)。但是，現(xiàn)有文獻(xiàn)的研究對(duì)象主要是AI技術(shù)的使用者，其關(guān)注的問(wèn)題主要是AI算法對(duì)既有勞動(dòng)方式、勞動(dòng)控制的重塑，而沒(méi)有分析用以生產(chǎn)AI技術(shù)產(chǎn)品的勞動(dòng)方式是怎樣的。顯然，AI時(shí)代的新勞動(dòng)方式不僅包括“AI技術(shù)使用者”的勞動(dòng)方式，而且包括“AI技術(shù)生產(chǎn)者”的勞動(dòng)方式。據(jù)此，本文試圖從勞動(dòng)形態(tài)、勞動(dòng)分工等“元概念”入手，在對(duì)“勞動(dòng)”、體力勞動(dòng)、情感勞動(dòng)、“概念與執(zhí)行分離”等經(jīng)典概念進(jìn)行回顧的基礎(chǔ)上，構(gòu)建起分析不同產(chǎn)業(yè)勞動(dòng)方式的邏輯路徑，并在計(jì)算機(jī)科學(xué)、認(rèn)知心理學(xué)對(duì)“人機(jī)交互”分析的輔助下，嘗試探討用以生產(chǎn)AI技術(shù)產(chǎn)品的新勞動(dòng)形態(tài)——“認(rèn)知?jiǎng)趧?dòng)”是怎樣進(jìn)行的，以及它對(duì)勞動(dòng)者工作生活產(chǎn)生了怎樣的影響。

一、勞動(dòng)形態(tài)與勞動(dòng)分工：勞動(dòng)方式研究的起點(diǎn)

勞動(dòng)是“人以自身的活動(dòng)來(lái)中介、調(diào)整和控制人和自然之間的物質(zhì)變換的過(guò)程”[19]207，同時(shí)，這種活動(dòng)還是“一切歷史的一種基本條件”[20]21。人類(lèi)勞動(dòng)區(qū)別于其他動(dòng)物勞動(dòng)的獨(dú)特性并非阿倫特所述的生命有機(jī)體創(chuàng)造剩余的“增殖”能力[21]，而是它的自覺(jué)性、自有性和社會(huì)性。第一，勞動(dòng)是人類(lèi)自覺(jué)的生命活動(dòng)，人們以此發(fā)揮著各類(lèi)天賦與潛能。人類(lèi)勞動(dòng)具有“有理智和有目的的性質(zhì)”，它需要“心靈”與身體進(jìn)行結(jié)合[22]。第二，勞動(dòng)是屬于勞動(dòng)者自有的生命行為，人們要求對(duì)勞動(dòng)的控制權(quán)。人類(lèi)勞動(dòng)是一種不可讓渡的生命行為，“無(wú)論代價(jià)如何，人不能把自己的工作能力讓與他人，正如一個(gè)人不能替另一個(gè)人吃飯、睡覺(jué)一樣”[22]50。第三，從社會(huì)性上看，勞動(dòng)是一種人類(lèi)獨(dú)有的社會(huì)性活動(dòng)，而勞動(dòng)分工的發(fā)展則使人們的總體性勞動(dòng)遠(yuǎn)超個(gè)體勞動(dòng)的總和。正是因?yàn)槿祟?lèi)勞動(dòng)的自覺(jué)性、自有性和社會(huì)性，它成為構(gòu)筑人類(lèi)文明的實(shí)踐方案。同時(shí)，因?yàn)槿祟?lèi)身體所具有的能力在類(lèi)型、表現(xiàn)方式等方面都是多種多樣、變化無(wú)窮的，人類(lèi)勞動(dòng)的無(wú)限適應(yīng)性便構(gòu)成了社會(huì)財(cái)富得以持續(xù)積累的基本來(lái)源。

勞動(dòng)形態(tài)是對(duì)人們用以生產(chǎn)特定對(duì)象物所調(diào)用的“具體”勞動(dòng)的概括，一般是由勞動(dòng)的最后結(jié)果確定的[22]。人們?cè)诓煌瑫r(shí)代發(fā)展出了不同的勞動(dòng)形態(tài)，而具體的勞動(dòng)形態(tài)則由管理方從勞動(dòng)者身上獲得的核心潛力以及產(chǎn)品形態(tài)所定義。在工業(yè)制造業(yè)中，體力勞動(dòng)是主導(dǎo)性的勞動(dòng)形態(tài)，管理方試圖從勞動(dòng)者身上抽取“體力”，以生產(chǎn)物質(zhì)產(chǎn)品。但不同勞動(dòng)群體身上的“體力”被抽取的方式與邏輯并不相同，這又對(duì)社會(huì)生活造成了重要的影響。我們可以從勞動(dòng)分工變遷，即生產(chǎn)組織方式與生產(chǎn)技術(shù)變遷這兩個(gè)角度來(lái)理解這個(gè)問(wèn)題。從生產(chǎn)組織方式上看，機(jī)器大工業(yè)在泰勒制、福特制的推動(dòng)下，勞動(dòng)組織分工趨于細(xì)化，“概念與執(zhí)行分離”成為人們組織生產(chǎn)的基本邏輯，“去技術(shù)化”成為生產(chǎn)的基本原則[22]。從生產(chǎn)技術(shù)變遷上看，數(shù)字控制的機(jī)器替代了人手控制的機(jī)器，各項(xiàng)操作趨于簡(jiǎn)單，工人需要的僅是按照機(jī)械設(shè)定運(yùn)用人的基本“官能”。在這種情況下，勞動(dòng)者不再是從事復(fù)雜勞動(dòng)的總體工人，而是進(jìn)行簡(jiǎn)單勞動(dòng)的局部工人。與此同時(shí)，人機(jī)關(guān)系也發(fā)生了重要變化：勞動(dòng)者不再是生產(chǎn)資料的運(yùn)用者和操控者，而成為機(jī)器生產(chǎn)的協(xié)助者，其從勞動(dòng)過(guò)程的主觀因素降級(jí)為勞動(dòng)過(guò)程的客觀因素；工具不再是人類(lèi)器官的延伸，而成為管理方用以操控勞動(dòng)過(guò)程的中介。

在服務(wù)業(yè)中，情感勞動(dòng)是主導(dǎo)性的勞動(dòng)形態(tài)。勞動(dòng)者被資本抽取并用于產(chǎn)品生產(chǎn)、資本積累的人類(lèi)核心能力不再是體力，而是情感。隨之相伴的，情感勞動(dòng)成為該行業(yè)的核心勞動(dòng)方式——這種勞動(dòng)要求一個(gè)人為了保持恰當(dāng)?shù)谋砬槎ぐl(fā)或抑制自己的感受，以使他人產(chǎn)生適宜的心理狀態(tài)[23]。雖然情感勞動(dòng)的勞動(dòng)形態(tài)與體力勞動(dòng)差異極大，但其勞動(dòng)分工邏輯卻是相似的。從勞動(dòng)方式上看，在情感勞動(dòng)中，激發(fā)并抽取勞動(dòng)者的特定情緒依賴于推動(dòng)其情感系統(tǒng)的轉(zhuǎn)化，這意味著勞動(dòng)者可能通過(guò)想象、共情、移情、關(guān)系營(yíng)造等方式使其在私人生活中存在的各種情緒和感受為工作所用，也可能為了工作需要而抑制其真實(shí)情緒?？傊?，情感勞動(dòng)者努力地將用于私人生活的感受移植到工作上去，以達(dá)到工作的要求。

雖然從勞動(dòng)形態(tài)上看，情感勞動(dòng)與體力勞動(dòng)大相徑庭，但從勞動(dòng)分工上看，其同樣是程序化、標(biāo)準(zhǔn)化的，并遵從了“概念與執(zhí)行分離”的邏輯與“去技術(shù)化”的原則。首先，負(fù)責(zé)制定情感規(guī)則的是管理方，他們先是對(duì)涉及被服務(wù)者的工作流程進(jìn)行規(guī)范化改造，再通過(guò)培訓(xùn)向勞動(dòng)者告知標(biāo)準(zhǔn)化的情感規(guī)則，工作者只需執(zhí)行即可；其次，管理方通過(guò)程式化的操作方案對(duì)不同勞動(dòng)者的責(zé)權(quán)進(jìn)行了劃分，處理復(fù)雜事態(tài)的腦力工作被上移；最后，管理方還需要通過(guò)督導(dǎo)抽查、消費(fèi)者評(píng)價(jià)對(duì)情感勞動(dòng)者進(jìn)行監(jiān)督和控制，甚至通過(guò)組織文化或職業(yè)文化的塑造以確保勞動(dòng)者能自覺(jué)主動(dòng)地展現(xiàn)特定情緒?？梢?jiàn)，從勞動(dòng)形態(tài)上看，情感勞動(dòng)與體力勞動(dòng)差異極大，但從勞動(dòng)分工上看，兩者卻存在相似之處。

綜上可見(jiàn)，勞動(dòng)方式包含了勞動(dòng)形態(tài)、勞動(dòng)分工兩個(gè)因素。首先，產(chǎn)品屬性與生產(chǎn)該產(chǎn)品所需的人類(lèi)潛能促使新勞動(dòng)形態(tài)產(chǎn)生。其次，現(xiàn)代社會(huì)的生產(chǎn)理性化特征與產(chǎn)業(yè)發(fā)展?fàn)顩r共同影響特定產(chǎn)業(yè)的勞動(dòng)方式。產(chǎn)業(yè)發(fā)展早期的勞動(dòng)分工方式與成熟期往往并不相同，而在生產(chǎn)理性化的影響下，其勞動(dòng)分工邏輯則趨向于與既存產(chǎn)業(yè)呈現(xiàn)出一定相似性，比如，體力勞動(dòng)與情感勞動(dòng)都遵從“概念與執(zhí)行分離”的邏輯與“去技術(shù)化”的原則。下文將依托這些概念分析AI產(chǎn)業(yè)中的認(rèn)知?jiǎng)趧?dòng)，以期理解AI產(chǎn)品是如何被生產(chǎn)出來(lái)的。

二、認(rèn)知?jiǎng)趧?dòng)的勞動(dòng)形態(tài)與AI產(chǎn)品的生產(chǎn)要求

AI產(chǎn)業(yè)包括使用AI算法進(jìn)行機(jī)器人、無(wú)人駕駛汽車(chē)等智能產(chǎn)品生產(chǎn)的應(yīng)用層企業(yè)，提供圖像識(shí)別、語(yǔ)音識(shí)別、文本識(shí)別支持方案的技術(shù)層企業(yè)，以及提供人工智能算法、數(shù)據(jù)中臺(tái)支持、智能芯片、智能傳感器等基礎(chǔ)支持的企業(yè)。上述AI產(chǎn)品生產(chǎn)所需要提取的核心人類(lèi)潛能不再是體力和情感，而成為認(rèn)知。在以“人機(jī)交互”為核心訴求的生產(chǎn)中，主導(dǎo)性的勞動(dòng)形態(tài)不再是體力勞動(dòng)、情感勞動(dòng)，而是認(rèn)知?jiǎng)趧?dòng)。基于此，本文將從勞動(dòng)形態(tài)入手探討認(rèn)知?jiǎng)趧?dòng)是如何進(jìn)行的。

(一)認(rèn)知：用以生產(chǎn)AI產(chǎn)品的人類(lèi)新潛能

在不同的產(chǎn)業(yè)生產(chǎn)中，總有一種基礎(chǔ)性的人類(lèi)潛能從大量勞動(dòng)群體身上被提取出來(lái)，繼而與生產(chǎn)資料結(jié)合在一起，構(gòu)成該產(chǎn)業(yè)主導(dǎo)性的勞動(dòng)形態(tài)，并創(chuàng)造出了大量財(cái)富。在工業(yè)制造業(yè)中，這種潛能是“體力”，在服務(wù)業(yè)中，是“情感”，而在AI產(chǎn)業(yè)中，則是“認(rèn)知”。當(dāng)然，這在很大程度上得益于計(jì)算機(jī)科學(xué)與認(rèn)知心理學(xué)的發(fā)展。

眾所周知，人們對(duì)計(jì)算機(jī)的最初設(shè)想，就是創(chuàng)造出能夠進(jìn)行模擬人類(lèi)智力活動(dòng)的機(jī)器——這顯然是工業(yè)時(shí)代機(jī)器作用的延伸。該設(shè)想在實(shí)現(xiàn)中存在困難，即從硬件來(lái)看，計(jì)算機(jī)僅是一個(gè)由存儲(chǔ)部件、執(zhí)行單元、控制部件所構(gòu)成的、依托代碼進(jìn)行的信息輸入與輸出系統(tǒng)，這種機(jī)器本身并不能像人那樣進(jìn)行自主思考。然而，計(jì)算機(jī)科學(xué)與認(rèn)知心理學(xué)的發(fā)展，“使機(jī)器獲得人類(lèi)所具有的認(rèn)知能力”逐漸在技術(shù)上成為可能：一方面，諾伊曼[24]13指出，人腦也是一種計(jì)算機(jī)，人腦的神經(jīng)元發(fā)出的是可以沿著神經(jīng)軸突傳導(dǎo)的神經(jīng)脈沖；另一方面，西蒙[25]則認(rèn)為，計(jì)算機(jī)的運(yùn)算過(guò)程與人腦的認(rèn)知過(guò)程非常相似，人類(lèi)通過(guò)調(diào)用和加工大腦中的短時(shí)記憶和長(zhǎng)時(shí)記憶來(lái)進(jìn)行思考，計(jì)算機(jī)則通過(guò)調(diào)用內(nèi)存和外存來(lái)進(jìn)行運(yùn)算求解?？梢?jiàn)，從理論上看，人的認(rèn)知和機(jī)器的認(rèn)知是能夠耦合交互的。換句話說(shuō)，人們是可以將其認(rèn)知賦予機(jī)器，使后者獲得與人類(lèi)相似的認(rèn)知能力——這也構(gòu)成了后續(xù)計(jì)算機(jī)科學(xué)的發(fā)展目標(biāo)。

從心理學(xué)的角度看，任何動(dòng)物都是具有認(rèn)知的，但人類(lèi)認(rèn)知的不同之處在于其不僅僅是一種生物性的“刺激—反應(yīng)”，而且具有處理復(fù)雜信息的能力。人類(lèi)的中樞神經(jīng)系統(tǒng)、神經(jīng)元和大腦活動(dòng)使其不僅能夠通過(guò)“產(chǎn)生式”的邏輯策略推進(jìn)思考，而且能夠通過(guò)靈活調(diào)用“短時(shí)記憶”和“長(zhǎng)時(shí)記憶”的方法來(lái)解決問(wèn)題[25]。在這個(gè)過(guò)程中，人類(lèi)策略性地運(yùn)用了三種認(rèn)知能力：一是高級(jí)認(rèn)知能力，即解決復(fù)雜邏輯問(wèn)題的策略性思維，包括決策、策略、計(jì)劃等；二是中級(jí)認(rèn)知能力，即用以動(dòng)員“短時(shí)記憶”相關(guān)的初級(jí)信息加工，包括觀念、概念、理解等；三是與“刺激—反應(yīng)”等生理過(guò)程直接相連并用以進(jìn)行“簡(jiǎn)單信息加工”的低級(jí)認(rèn)知能力，包括知覺(jué)、表象、記憶等[25]。需要注意的是，以上所述的人類(lèi)大腦認(rèn)知邏輯與計(jì)算機(jī)信息處理邏輯非常相似。與此相應(yīng)，在AI技術(shù)開(kāi)發(fā)和產(chǎn)品生產(chǎn)中，勞動(dòng)者所發(fā)揮、運(yùn)用的正是上述認(rèn)知能力。也正因此，人類(lèi)“認(rèn)知”成為一種用以推進(jìn)相關(guān)產(chǎn)業(yè)發(fā)展和資本積累的人類(lèi)新潛能。

在數(shù)據(jù)信息極大豐富、算法模型推陳出新的今天，“認(rèn)知”能力不再像過(guò)去那樣與腦力勞動(dòng)混淆在一起，僅是貴族和精英的特權(quán)，并與體力勞動(dòng)相對(duì)立。隨著AI產(chǎn)品生產(chǎn)的產(chǎn)業(yè)化趨向，人類(lèi)的“認(rèn)知”能力正在被大規(guī)模地開(kāi)發(fā)、提取與調(diào)用，一種新的勞動(dòng)形態(tài)——認(rèn)知?jiǎng)趧?dòng)，登上了歷史的舞臺(tái)。

(二)認(rèn)知?jiǎng)趧?dòng)的核心要求：認(rèn)知系統(tǒng)的轉(zhuǎn)換

量子計(jì)算、元宇宙等AI概念往往晦澀難懂。但實(shí)際上，計(jì)算機(jī)科學(xué)發(fā)展自始至終的追求都是使機(jī)器獲得人類(lèi)的智能，即一種能夠通過(guò)自覺(jué)與不自覺(jué)的學(xué)習(xí)，掌握所有默會(huì)知識(shí)、學(xué)會(huì)認(rèn)知同類(lèi)符號(hào)、區(qū)分不同類(lèi)符號(hào)并做出相應(yīng)反應(yīng)的能力[25]。在這種情況下，AI并不復(fù)雜，而僅意味著“可以去編寫(xiě)計(jì)算機(jī)程序模擬人類(lèi)的心理活動(dòng)”，或者說(shuō)“編寫(xiě)程序來(lái)模擬人類(lèi)的智能”[25]。以此觀之，AI產(chǎn)業(yè)的核心訴求便是依托硬件與軟件構(gòu)造實(shí)現(xiàn)順暢的“人機(jī)交互”。

在技術(shù)哲學(xué)看來(lái)，“人機(jī)交互”意味著機(jī)器裝置的“主體化”以及勞動(dòng)者與其生產(chǎn)工具交互過(guò)程中的“賽博格”化[26-27]。但從技術(shù)實(shí)踐的角度看，“人機(jī)交互”不僅意味著人類(lèi)認(rèn)知與計(jì)算機(jī)認(rèn)知可以相互模仿、不斷趨近、彼此耦合，而且意味著人類(lèi)需要將其認(rèn)知賦予機(jī)器。其技術(shù)內(nèi)核包括：一方面，使計(jì)算機(jī)程序的運(yùn)行方式不斷接近人類(lèi)的認(rèn)知與需求；另一方面，使勞動(dòng)者以計(jì)算機(jī)程序?yàn)橐罁?jù)進(jìn)行認(rèn)知。然而，“人機(jī)交互”的實(shí)現(xiàn)非常困難，這是因?yàn)槿四X與電腦的認(rèn)知方式雖從抽象邏輯上看是相似的，但在具體運(yùn)作上存在兩方面的差異。其一，人腦與電腦對(duì)信息加以處理的邏輯是不同的。人腦主要以并行方式處理信息，而電腦則以串行方式處理信息。換言之，由計(jì)算機(jī)進(jìn)行的信息加工是系列的過(guò)程，即必須一個(gè)一個(gè)地進(jìn)行。兩者如何匹配相當(dāng)困難[25]。其二，人腦與電腦對(duì)問(wèn)題進(jìn)行求解所使用的具體路徑也是不同的。計(jì)算機(jī)求解往往依賴數(shù)學(xué)運(yùn)算邏輯，其邏輯深度要比人腦大得多。在這種情況下，一條簡(jiǎn)單的求解需要拆解成諸多基本步驟，而每個(gè)基本步驟在運(yùn)算上又具有很長(zhǎng)的邏輯鏈條，計(jì)算中的誤差還會(huì)影響運(yùn)算求解的準(zhǔn)確度。正因?yàn)槿四X與電腦在認(rèn)知上存在上述差異，“人機(jī)交互”的過(guò)程便成了需要人們付諸大量“勞動(dòng)”才能實(shí)現(xiàn)的過(guò)程。當(dāng)然，用以促進(jìn)“人機(jī)交互”、訓(xùn)練AI的勞動(dòng)并不是傳統(tǒng)的體力勞動(dòng)或情感勞動(dòng)，也不能簡(jiǎn)單地為“腦力勞動(dòng)”所概括，這種勞動(dòng)形態(tài)是隨著新技術(shù)革命而出現(xiàn)的“認(rèn)知?jiǎng)趧?dòng)”。

實(shí)際上，在第四次技術(shù)革命后，社會(huì)科學(xué)領(lǐng)域便出現(xiàn)了“認(rèn)知?jiǎng)趧?dòng)”的概念。Boutang[28]將認(rèn)知?jiǎng)趧?dòng)看作用以生產(chǎn)信息、數(shù)據(jù)、創(chuàng)意等非物質(zhì)產(chǎn)品的勞動(dòng)；Daminger[29]通過(guò)對(duì)家務(wù)勞動(dòng)的研究，將認(rèn)知?jiǎng)趧?dòng)看作與預(yù)期、識(shí)別、決策和監(jiān)控相關(guān)的一系列活動(dòng)。以上學(xué)者都將人類(lèi)的預(yù)期、識(shí)別、判斷、創(chuàng)新等能力作為認(rèn)知?jiǎng)趧?dòng)所需要的核心能力。在此基礎(chǔ)上，從勞動(dòng)形態(tài)上看，AI產(chǎn)業(yè)中的認(rèn)知?jiǎng)趧?dòng)便是人們策略性地施展、調(diào)用或抽取各種認(rèn)知能力，在“人機(jī)交互”過(guò)程中生產(chǎn)AI程序的勞動(dòng)。

當(dāng)然，認(rèn)知?jiǎng)趧?dòng)并不是一個(gè)模糊的稱謂，其勞動(dòng)內(nèi)容紛繁復(fù)雜，核心是使勞動(dòng)者進(jìn)行“認(rèn)知系統(tǒng)的轉(zhuǎn)換”。這種“轉(zhuǎn)換”通常包含三個(gè)方面。一是思維模式的轉(zhuǎn)變。為了適應(yīng)計(jì)算機(jī)的信息加工系統(tǒng)，勞動(dòng)者需要將其以經(jīng)驗(yàn)直覺(jué)為認(rèn)知基準(zhǔn)的人類(lèi)思維模式轉(zhuǎn)換為與電腦硬件系統(tǒng)相匹配的“產(chǎn)生式思維”模式——即“每當(dāng)某個(gè)條件出現(xiàn)時(shí)就產(chǎn)生某個(gè)活動(dòng)”的“條件—行動(dòng)”式思維模式[25]。二是思考邏輯的轉(zhuǎn)變。為了適應(yīng)計(jì)算機(jī)的數(shù)學(xué)運(yùn)算策略，勞動(dòng)者需要將自動(dòng)化乃至無(wú)意識(shí)的思考轉(zhuǎn)化為數(shù)學(xué)式、程序性、步步銜接的思考方式。三是語(yǔ)言語(yǔ)法的轉(zhuǎn)變。為了與計(jì)算機(jī)符號(hào)識(shí)別模式相適應(yīng)，勞動(dòng)者需要將人類(lèi)的自然語(yǔ)言轉(zhuǎn)化為計(jì)算機(jī)的代碼語(yǔ)言。雖然AI產(chǎn)業(yè)中的認(rèn)知?jiǎng)趧?dòng)者有很多，不僅包括計(jì)算機(jī)科學(xué)研究者、機(jī)器語(yǔ)言開(kāi)發(fā)者、大公司的首席軟件工程架構(gòu)師、算法工程師、算法程序員，還包括算法測(cè)試員乃至數(shù)據(jù)標(biāo)注員等，但其認(rèn)知系統(tǒng)都需要根據(jù)上述邏輯進(jìn)行轉(zhuǎn)換。

可見(jiàn)，無(wú)論AI的發(fā)展如何復(fù)雜，其核心目標(biāo)總是通過(guò)“人機(jī)交互”的方式使計(jì)算機(jī)獲得人類(lèi)智能。因?yàn)槿四X認(rèn)知與電腦認(rèn)知雖在邏輯上相似，但在實(shí)際運(yùn)行上相距甚遠(yuǎn)，所以“人機(jī)交互”的實(shí)現(xiàn)需要?jiǎng)趧?dòng)者開(kāi)發(fā)、動(dòng)員、調(diào)用自身的各類(lèi)認(rèn)知能力，并進(jìn)行以“認(rèn)知系統(tǒng)轉(zhuǎn)換”為核心內(nèi)容的認(rèn)知?jiǎng)趧?dòng)。在這種情況下，勞動(dòng)者需要站在計(jì)算機(jī)的角度進(jìn)行思考，想象計(jì)算機(jī)如何理解、處理和應(yīng)對(duì)自己所面對(duì)的問(wèn)題。

(三)認(rèn)知?jiǎng)趧?dòng)中的勞動(dòng)者與勞動(dòng)內(nèi)容

雖然從計(jì)算機(jī)科學(xué)研究者、AI技術(shù)開(kāi)發(fā)者到算法測(cè)試員、數(shù)據(jù)標(biāo)注員等勞動(dòng)者都在前述“認(rèn)知系統(tǒng)進(jìn)行三重轉(zhuǎn)變”的基礎(chǔ)上從事著認(rèn)知?jiǎng)趧?dòng)，但其具體工作任務(wù)和勞動(dòng)內(nèi)容卻完全不同。認(rèn)知?jiǎng)趧?dòng)的實(shí)踐方式與其產(chǎn)品生產(chǎn)的“技術(shù)路線”——以“產(chǎn)生式”求解方式來(lái)表達(dá)人類(lèi)認(rèn)知的EPAM程序緊密相關(guān)(1)EPAM程序的全稱是 elmentary perceiving and memory program，即“初級(jí)知覺(jué)和記憶程序”。該概念源自費(fèi)根鮑姆的博士論文，并成為西蒙討論人類(lèi)認(rèn)知系統(tǒng)的基礎(chǔ)。。其勞動(dòng)分工的依據(jù)則是EPAM程序本身的運(yùn)行邏輯。要使計(jì)算機(jī)模擬一個(gè)簡(jiǎn)單的人類(lèi)認(rèn)知行為，需要極為復(fù)雜的求解過(guò)程和邏輯運(yùn)算體系，包括產(chǎn)生式結(jié)構(gòu)設(shè)計(jì)、初級(jí)信息處理和基本數(shù)據(jù)識(shí)別三個(gè)步驟，并對(duì)應(yīng)三種認(rèn)知?jiǎng)趧?dòng)內(nèi)容和三類(lèi)勞動(dòng)者群體：架構(gòu)師、算法工程師和數(shù)據(jù)處理人員。

首先，架構(gòu)師處于AI技術(shù)體系的底層、生產(chǎn)體系的管理層，是負(fù)責(zé)AI整體設(shè)計(jì)的知識(shí)專家。從勞動(dòng)內(nèi)容上看，他們通過(guò)設(shè)計(jì)“產(chǎn)生式結(jié)構(gòu)”框架，為特定問(wèn)題求解，以提供整體性方案與框架性思維。比如，一個(gè)用以進(jìn)行圖像識(shí)別的算法包括許多組塊，架構(gòu)師不僅需要通過(guò)建立多個(gè)算法模塊來(lái)辨別各種類(lèi)型的復(fù)雜刺激，而且需要設(shè)定與這些組塊間邏輯關(guān)系相關(guān)的整體框架，并攻破模塊銜接處的技術(shù)難題、化解系統(tǒng)運(yùn)作時(shí)出現(xiàn)的故障。為了進(jìn)行這項(xiàng)工作，架構(gòu)師不僅需要充分發(fā)揮決策、策略、計(jì)劃等最高水平的認(rèn)知能力，而且需要同時(shí)動(dòng)員自身的“短時(shí)記憶”與專業(yè)性的“長(zhǎng)時(shí)記憶”，為總體問(wèn)題解決設(shè)定基本框架與步驟。架構(gòu)師與計(jì)算機(jī)的交互邏輯是：在計(jì)算機(jī)硬件裝置與基本程序的設(shè)定下，向計(jì)算機(jī)提供人腦進(jìn)行問(wèn)題求解的基本思路。他們是AI系統(tǒng)的開(kāi)發(fā)者和創(chuàng)新者，是計(jì)算機(jī)當(dāng)之無(wú)愧的“老師”，其在人機(jī)交互過(guò)程中擁有較大的自主性。

其次，算法工程師處于AI技術(shù)體系的中間層，是負(fù)責(zé)運(yùn)行不同代碼模塊、提升其運(yùn)行效果的技術(shù)人員。從勞動(dòng)內(nèi)容上看，他們將通過(guò)初級(jí)信息加工的方式，完成各個(gè)算法模塊的設(shè)計(jì)建構(gòu)、訓(xùn)練優(yōu)化等。在模塊設(shè)計(jì)和建構(gòu)過(guò)程中，他們會(huì)從Github等開(kāi)源社區(qū)下載需要的素材并對(duì)其進(jìn)行改造，使其符合自身需要；在模型訓(xùn)練優(yōu)化過(guò)程中，他們則需要進(jìn)行數(shù)據(jù)整理、路徑選擇、特征提取、參數(shù)調(diào)整等工作。當(dāng)然，上述工作在不同級(jí)別的算法工程師身上還將繼續(xù)細(xì)化。在這個(gè)過(guò)程中，算法工程師需要進(jìn)行一系列的語(yǔ)法翻譯工作，將人類(lèi)的語(yǔ)言轉(zhuǎn)化成為計(jì)算機(jī)代碼(2)計(jì)算機(jī)對(duì)信息的處理方式受到其硬件系統(tǒng)的影響。在這種情況下，計(jì)算機(jī)程序的寫(xiě)法必須以代碼的方式進(jìn)行。即便代碼模塊之間的關(guān)系是以人的認(rèn)知方式為依據(jù)，并且是對(duì)人認(rèn)知方式的模仿，但是計(jì)算機(jī)的語(yǔ)言與人類(lèi)語(yǔ)言并不相同。在這個(gè)過(guò)程中，算法程序員需要進(jìn)行一系列的語(yǔ)法翻譯工作，將人類(lèi)的語(yǔ)言轉(zhuǎn)化為計(jì)算機(jī)代碼。比如，當(dāng)一條代碼執(zhí)行命令結(jié)束之時(shí)，必須敲上“end”——而人在結(jié)束某行動(dòng)之時(shí)，不一定會(huì)有任何表示；代碼中的標(biāo)點(diǎn)必須是英文的；算法對(duì)數(shù)據(jù)的要求與人們?cè)谌粘Ｉ钪械呐袛嗖⒉灰恢?；等等。。與架構(gòu)師不同，算法工程師運(yùn)用的主要是觀念、理解等中級(jí)水平的認(rèn)知能力，主要?jiǎng)訂T自身的“短時(shí)記憶”來(lái)解決某個(gè)特定問(wèn)題。算法工程師與計(jì)算機(jī)的交互邏輯是：按照計(jì)算機(jī)語(yǔ)言的要求，把人類(lèi)自然化的認(rèn)知、推理邏輯翻譯為數(shù)學(xué)化的計(jì)算機(jī)代碼邏輯，以實(shí)現(xiàn)包括識(shí)別、推薦、自動(dòng)翻譯等在內(nèi)的功能。算法工程師通過(guò)計(jì)算機(jī)語(yǔ)言書(shū)寫(xiě)和轉(zhuǎn)譯人類(lèi)認(rèn)知，成為計(jì)算機(jī)的“翻譯”，并在人機(jī)交互中擁有有限的自主性。

最后，數(shù)據(jù)處理人員處于AI技術(shù)體系的最底層，是為AI算法模型提供數(shù)據(jù)支持的勞動(dòng)者。從勞動(dòng)內(nèi)容上看，他們通過(guò)數(shù)據(jù)收集、數(shù)據(jù)清理、數(shù)據(jù)標(biāo)注等方式，將目標(biāo)物體的具體概念轉(zhuǎn)化為能夠?yàn)橛?jì)算機(jī)讀取的標(biāo)準(zhǔn)化數(shù)據(jù)，使AI算法模型的高效運(yùn)作成為可能。很多與識(shí)別行為有關(guān)的AI算法都需要大量數(shù)據(jù)作為輔助和支持，自動(dòng)駕駛汽車(chē)的視覺(jué)識(shí)別與感知系統(tǒng)的順利運(yùn)行，便需要數(shù)據(jù)標(biāo)注員手動(dòng)對(duì)道路照片上出現(xiàn)的“行人”“紅燈”“停車(chē)場(chǎng)”等進(jìn)行點(diǎn)擊拉框。從認(rèn)知使用上看，數(shù)據(jù)處理者使用的主要是感覺(jué)、知覺(jué)、判斷等低級(jí)認(rèn)知能力，他們主要通過(guò)動(dòng)員自身的“長(zhǎng)時(shí)記憶”來(lái)對(duì)符號(hào)對(duì)象進(jìn)行判斷與辨認(rèn)。數(shù)據(jù)處理者與計(jì)算機(jī)的交互邏輯是，完全以計(jì)算機(jī)算法模型要求的標(biāo)準(zhǔn)進(jìn)行重復(fù)性的數(shù)據(jù)處理。在這個(gè)過(guò)程中，數(shù)據(jù)標(biāo)注員自身認(rèn)知方式被嚴(yán)格控制，其主體性被完全抹殺了。

綜上所述，人類(lèi)不同時(shí)代、特定產(chǎn)業(yè)中的主導(dǎo)勞動(dòng)形態(tài)是由產(chǎn)品屬性與生產(chǎn)該產(chǎn)品所需的人類(lèi)潛能所共同定義的。工業(yè)產(chǎn)品形態(tài)縱然千變?nèi)f化，但其總歸是物質(zhì)性的；服務(wù)業(yè)產(chǎn)品雖然五花八門(mén)，但其總與體驗(yàn)相關(guān)。與此不同，AI產(chǎn)品往往以程序、軟件的形態(tài)表現(xiàn)出來(lái)，其本質(zhì)目的是使機(jī)器獲得人類(lèi)的認(rèn)知能力、模仿人類(lèi)的認(rèn)知行為，該生產(chǎn)的核心取向是人機(jī)交互，即根據(jù)“人的認(rèn)知心理過(guò)程”來(lái)設(shè)計(jì)計(jì)算機(jī)程序。為了達(dá)到上述要求，勞動(dòng)者必須轉(zhuǎn)變自身的思維模式、思考邏輯和語(yǔ)言語(yǔ)法，并根據(jù)計(jì)算機(jī)的數(shù)字信息處理方式與邏輯來(lái)進(jìn)行“認(rèn)知?jiǎng)趧?dòng)”。結(jié)果是，不同層級(jí)勞動(dòng)者具體而微、復(fù)雜奇妙的認(rèn)知能力與算法模型建構(gòu)的不同步驟一一對(duì)應(yīng)起來(lái)，在生產(chǎn)的不同階段或者被發(fā)揮、被調(diào)用或被抽取，最終構(gòu)成了認(rèn)知?jiǎng)趧?dòng)的整體實(shí)踐圖譜。認(rèn)知?jiǎng)趧?dòng)的勞動(dòng)形態(tài)與以往時(shí)代的體力勞動(dòng)、情感勞動(dòng)存在較大差異，但這種勞動(dòng)方式與以往時(shí)代完全不同嗎？下文將從勞動(dòng)分工的角度對(duì)該問(wèn)題進(jìn)行闡述。

三、認(rèn)知?jiǎng)趧?dòng)的分工邏輯及其對(duì)勞動(dòng)者的影響

勞動(dòng)分工是人們組織生產(chǎn)的重要方法。具體而言，勞動(dòng)分工是指把特定生產(chǎn)勞動(dòng)劃分為不同組織部分，并使不同勞動(dòng)者專門(mén)從事某一部分的生產(chǎn)。在以利潤(rùn)為導(dǎo)向的現(xiàn)代生產(chǎn)中，勞動(dòng)分工往往遵循著“概念與執(zhí)行分離”的邏輯和“去技術(shù)化”的原則，勞動(dòng)者也從總攬全局的總體工人降級(jí)成為僅負(fù)責(zé)特定環(huán)節(jié)的局部工人。這種情況曾經(jīng)出現(xiàn)在體力勞動(dòng)與情感勞動(dòng)中，今天則出現(xiàn)在了認(rèn)知?jiǎng)趧?dòng)中。認(rèn)知?jiǎng)趧?dòng)的勞動(dòng)形態(tài)雖然有其獨(dú)特之處，但其勞動(dòng)分工邏輯卻與以往時(shí)代極為相似。

(一)“概念與執(zhí)行分離”在AI生產(chǎn)中的延續(xù)

在新自由主義全球化影響下，西方AI生產(chǎn)企業(yè)的勞動(dòng)組織模式是以眾包為主的。具體而言，谷歌、蘋(píng)果等位于硅谷的科技企業(yè)通過(guò)“離岸外包”和“眾包”方式[30]，將不同類(lèi)型的軟件開(kāi)發(fā)工作交給位于澳大利亞、荷蘭、瑞典等地的小公司[31]。中國(guó)AI生產(chǎn)企業(yè)則在產(chǎn)業(yè)政策的加持與金融資本的推動(dòng)下，采取了垂直一體化、勞動(dòng)密集型的AI產(chǎn)品生產(chǎn)模式。截至2020年6月底，中國(guó)AI核心產(chǎn)業(yè)規(guī)模達(dá)到770億元，AI企業(yè)超過(guò)了2 600家[32]18,軟件行業(yè)從業(yè)者人數(shù)也達(dá)到487.1萬(wàn)人(3)數(shù)據(jù)來(lái)源于《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒2021》。。在西方AI軟件生產(chǎn)的“眾包”模式下，不同層次的認(rèn)知?jiǎng)趧?dòng)者分散在全球各地；而在中國(guó)AI軟件生產(chǎn)的垂直一體化模式下，不同層次的認(rèn)知?jiǎng)趧?dòng)者往往集中在同一家公司。從這個(gè)意義上看，中國(guó)AI企業(yè)的勞動(dòng)實(shí)踐更清晰地體現(xiàn)出認(rèn)知?jiǎng)趧?dòng)分工的基本特征。

布雷弗曼認(rèn)為，在追求擴(kuò)大剩余價(jià)值的生產(chǎn)中，管理方推進(jìn)勞動(dòng)分工的原則是“打破勞動(dòng)過(guò)程的統(tǒng)一”，使概念與執(zhí)行相分離，將與生產(chǎn)相關(guān)的知識(shí)全部集中于管理部門(mén)，進(jìn)而最大程度降低勞動(dòng)者個(gè)人主觀因素對(duì)生產(chǎn)效率所造成的干擾[22]。上述勞動(dòng)分工邏輯不僅存在于制造業(yè)，而且可以運(yùn)用在數(shù)學(xué)研究中。巴貝奇早在18世紀(jì)就設(shè)想通過(guò)勞動(dòng)分工實(shí)現(xiàn)“像制造大頭針那樣制造對(duì)數(shù)函數(shù)和三角函數(shù)”。為此，只需要把這項(xiàng)工作分配給三個(gè)小組：第一小組由少量數(shù)學(xué)家組成，負(fù)責(zé)設(shè)計(jì)數(shù)學(xué)公式，以供其他兩個(gè)小組使用；第二小組由七八名數(shù)學(xué)能手組成，他們把這些公式變成數(shù)值并設(shè)計(jì)出檢驗(yàn)運(yùn)算結(jié)果的方法；第三小組由幾十人組成，他們只需要進(jìn)行簡(jiǎn)單的加減運(yùn)算[22]。AI產(chǎn)業(yè)中的復(fù)雜勞動(dòng)同樣被拆解成數(shù)種簡(jiǎn)單勞動(dòng)的疊加，那些在工業(yè)生產(chǎn)領(lǐng)域中盛行的勞動(dòng)分工邏輯同樣影響了AI領(lǐng)域。與巴貝奇的勞動(dòng)分工方案相似，認(rèn)知?jiǎng)趧?dòng)者也包括三類(lèi)群體：使用計(jì)算機(jī)語(yǔ)言為問(wèn)題解決搭建框架、尋找提升算法效能方法的計(jì)算機(jī)專家、使用計(jì)算機(jī)語(yǔ)言和代碼來(lái)推進(jìn)特定模塊功能實(shí)現(xiàn)的算法工程師以及僅需簡(jiǎn)單操作的測(cè)試與數(shù)據(jù)處理人員。進(jìn)一步而言，大多程序員并不親自構(gòu)造算法，而是從Github等開(kāi)源社區(qū)中下載合適的算法模塊，對(duì)其中的參數(shù)進(jìn)行調(diào)整，再為當(dāng)下工作所用；又如，數(shù)據(jù)標(biāo)注是一種只需培訓(xùn)數(shù)小時(shí)就可以進(jìn)行的簡(jiǎn)單勞動(dòng)，數(shù)據(jù)標(biāo)注員除了了解標(biāo)注規(guī)則以外，不需要掌握任何技術(shù)知識(shí)，他們與制造業(yè)中的流水線工人、窗口服務(wù)業(yè)中的服務(wù)員的勞動(dòng)性質(zhì)是相似的。總之，AI生產(chǎn)步入產(chǎn)業(yè)化發(fā)展階段后，其勞動(dòng)分工邏輯也走向了概念與執(zhí)行相分離，其勞動(dòng)分工原則同樣是“去技術(shù)化”——這與傳統(tǒng)制造業(yè)、服務(wù)業(yè)在本質(zhì)上實(shí)無(wú)差異。

然而，因?yàn)閯趧?dòng)形態(tài)上的差異性，認(rèn)知?jiǎng)趧?dòng)分工的具體實(shí)踐與傳統(tǒng)勞動(dòng)相比仍存在以下兩方面不同。其一，從分工策略上看，認(rèn)知?jiǎng)趧?dòng)的勞動(dòng)分工依據(jù)不僅是AI生產(chǎn)的技術(shù)路徑，而且是人類(lèi)認(rèn)知能力的差異。為了提升勞動(dòng)生產(chǎn)率，管理方希望大多數(shù)勞動(dòng)者僅僅調(diào)用其基本認(rèn)知能力即可。比如，數(shù)據(jù)標(biāo)注員在拉框標(biāo)注過(guò)程中只需要發(fā)揮一些7歲兒童就具有的“刺激—反應(yīng)”機(jī)能，而不少程序員在重復(fù)性的代碼書(shū)寫(xiě)中也僅需要調(diào)用較為簡(jiǎn)單的邏輯思維能力。但是，負(fù)責(zé)統(tǒng)籌規(guī)劃工作的技術(shù)專家需要?jiǎng)?chuàng)造性地發(fā)揮出人類(lèi)最高層次的認(rèn)知能力。這使得認(rèn)知?jiǎng)趧?dòng)內(nèi)部出現(xiàn)了兩極分化的問(wèn)題，一部分人的認(rèn)知極其寶貴，另一部分人的認(rèn)知卻微不足道。其二，從人機(jī)關(guān)系上看，很多認(rèn)知?jiǎng)趧?dòng)者雖然正從勞動(dòng)過(guò)程的主觀因素降級(jí)為客觀因素，但其并不像體力勞動(dòng)者那樣是機(jī)器肢體的延伸，也不像情感勞動(dòng)者那樣如同機(jī)器的面孔，而成為幫助機(jī)器接受信息的感覺(jué)器官。比如，數(shù)據(jù)標(biāo)注員如同計(jì)算機(jī)的眼睛和耳朵，幫助后者去看、去聽(tīng)、去判斷、去辨識(shí)，再將認(rèn)知結(jié)果輸入計(jì)算機(jī)。雖然無(wú)論AI產(chǎn)品的整體技術(shù)取向還是其產(chǎn)品訴求都是“人機(jī)交互”，但其實(shí)現(xiàn)卻需要大量勞動(dòng)者降級(jí)成為機(jī)器的輔助?？梢?jiàn)，認(rèn)知?jiǎng)趧?dòng)同樣依循“概念與執(zhí)行分離”的邏輯，其分工策略和人機(jī)關(guān)系卻呈現(xiàn)出與傳統(tǒng)勞動(dòng)方式的差異，表現(xiàn)出圍繞“認(rèn)知”的分化特征。

正如胡斯所言，布雷弗曼的論述依然適用于數(shù)字時(shí)代的工作[33]。在AI產(chǎn)業(yè)，處于頂端的是產(chǎn)生和創(chuàng)造想法、方案、程序的人，而大量底層勞動(dòng)者仍然作為機(jī)器的輔助，從事著簡(jiǎn)單重復(fù)的勞動(dòng)，“死勞動(dòng)”支配“活勞動(dòng)”的劇目再次粉墨登場(chǎng)了。但需要注意的是，AI產(chǎn)業(yè)中的勞動(dòng)分工是根據(jù)勞動(dòng)過(guò)程不同階段所需的“認(rèn)知能力”而展開(kāi)的，雖然大量勞動(dòng)者也淪為機(jī)器的輔助，但他們不再是機(jī)器肢體的延伸，而成為機(jī)器的感覺(jué)器官。

(二)“去技術(shù)化”對(duì)認(rèn)知?jiǎng)趧?dòng)者工作生活的影響

無(wú)論是在工業(yè)時(shí)代、服務(wù)業(yè)時(shí)代還是AI時(shí)代，以“概念與執(zhí)行分離”為邏輯、以“去技術(shù)化”為特征的勞動(dòng)分工狀況都會(huì)深刻地影響勞動(dòng)力市場(chǎng)形態(tài)、組織形態(tài)與勞動(dòng)者的工作生活。今天，認(rèn)知?jiǎng)趧?dòng)者的實(shí)際處境表現(xiàn)在以下三個(gè)方面：

第一，“去技術(shù)化”改變了勞動(dòng)力的整體構(gòu)成，認(rèn)知?jiǎng)趧?dòng)者難以獲得合適的工作?！叭ゼ夹g(shù)化”意味著AI企業(yè)試圖使“分散的、按習(xí)慣進(jìn)行的生產(chǎn)過(guò)程不斷地變成社會(huì)結(jié)合的、用科學(xué)處理的生產(chǎn)過(guò)程”[19]688，而這降低了認(rèn)知?jiǎng)趧?dòng)者所需的技術(shù)水平，令其面臨“面試造飛機(jī)，工作擰螺絲”的窘境。盡管有研究指出，以大數(shù)據(jù)、AI、云計(jì)算為代表的新一代信息技術(shù)產(chǎn)業(yè)的勞動(dòng)力缺口極大(4)比如，華為技術(shù)有限公司編制的《2018中國(guó)ICT人才生態(tài)白皮書(shū)》認(rèn)為2017年中國(guó)ICT人才需求缺口高達(dá)765萬(wàn)人。，但在“去技術(shù)化”浪潮下，能夠從事認(rèn)知?jiǎng)趧?dòng)的人也增多了。如今，AI產(chǎn)業(yè)的“勞動(dòng)力蓄水池”不僅包括金融化沖擊下因高科技公司頻繁兼并重組而析出的過(guò)剩勞動(dòng)力，而且包括目前仍在高校就讀的各類(lèi)理工科大學(xué)生，甚至傳統(tǒng)產(chǎn)業(yè)中的職業(yè)經(jīng)理人、公司職員等都進(jìn)入了AI產(chǎn)業(yè)的勞動(dòng)力市場(chǎng)。在勞動(dòng)力蓄水池的增速實(shí)際高于勞動(dòng)力缺口增速的情況下，追加的勞動(dòng)者不可能被該產(chǎn)業(yè)完全吸收。實(shí)際情況是，AI企業(yè)往往按照資本市場(chǎng)走向同時(shí)追加新勞動(dòng)力和削減過(guò)剩勞動(dòng)力。結(jié)果，其一邊聲稱勞動(dòng)力缺口很大，另一邊卻在裁員。在資本對(duì)認(rèn)知?jiǎng)趧?dòng)者的高需求與高排斥同在的情況下，后者的處境并未更加樂(lè)觀，他們反而更難獲得合適的工作了。

第二，“去技術(shù)化”帶來(lái)了勞動(dòng)者群體的相互排擠，個(gè)體勞動(dòng)者的“逐底競(jìng)爭(zhēng)”明顯增加。一般而言，“去技術(shù)化”趨勢(shì)使得雇主可以從一個(gè)不斷擴(kuò)大的勞動(dòng)力蓄水池吸取人手，用未成熟的勞動(dòng)力排擠成熟的勞動(dòng)力，用年輕勞動(dòng)力排擠年長(zhǎng)勞動(dòng)力，最終用更少的資金獲得更多的勞動(dòng)[20]。該規(guī)律在AI產(chǎn)業(yè)中的體現(xiàn)為：算法工程師“被畢業(yè)生倒掛”的現(xiàn)象普遍存在，工作多年老員工的工資收入可能還不如新入職的畢業(yè)生；企業(yè)內(nèi)部出現(xiàn)被稱為“內(nèi)卷”的逐底競(jìng)爭(zhēng)狀況，所謂“996”和“大小周”僅是問(wèn)題的表象，以更短時(shí)間完成更多的工作、無(wú)條件的義務(wù)加班、隨時(shí)待命處理問(wèn)題等是認(rèn)知?jiǎng)趧?dòng)者的工作常態(tài)；認(rèn)知?jiǎng)趧?dòng)者的工資水平也在持續(xù)下降，AI企業(yè)使用大量實(shí)習(xí)生補(bǔ)充底層工人的缺口。比如，上海AI頭部企業(yè)中的數(shù)據(jù)標(biāo)注員大多是來(lái)自附近高校的實(shí)習(xí)生，而貴州惠水白鳥(niǎo)河小鎮(zhèn)中的數(shù)據(jù)標(biāo)注員則直接在當(dāng)?shù)芈殬I(yè)技術(shù)學(xué)校老師的組織下工作。在上述情況下，雖然認(rèn)知?jiǎng)趧?dòng)要求團(tuán)隊(duì)合作、緊密討論，但勞動(dòng)者卻愈加地個(gè)體化；雖然認(rèn)知?jiǎng)趧?dòng)者工作極為努力，但其獲得有尊嚴(yán)的生活卻更困難了；雖然身處光鮮亮麗的新產(chǎn)業(yè)，但馬克思所述“工人到了中年通常就已經(jīng)多少衰老了”[19]704就像在描述他們。

第三，“去技術(shù)化”改變了AI企業(yè)的管理策略，認(rèn)知?jiǎng)趧?dòng)者在組織內(nèi)部獲得晉升的難度越來(lái)越大。20世紀(jì)80年代，美國(guó)的高科技公司一度通過(guò)建立長(zhǎng)期穩(wěn)定的雇傭關(guān)系、暢通的晉升渠道來(lái)激發(fā)核心員工的忠誠(chéng)、熱情和投入，并建構(gòu)起了享譽(yù)全球的“工程師文化”[20]。但今天，認(rèn)知?jiǎng)趧?dòng)者在組織內(nèi)部向上流動(dòng)的空間很小。雖然各大企業(yè)的員工等級(jí)都在十檔以上，但大多數(shù)員工都會(huì)遭遇晉升天花板。比如，美國(guó)亞馬遜公司的算法工程師很難突破P6，百度的算法工程師難以突破T6，而蔚來(lái)汽車(chē)中的P5就是一道難關(guān)了。如果說(shuō)從普通員工晉升到小組長(zhǎng)還能夠通過(guò)努力實(shí)現(xiàn)，那么從小組長(zhǎng)晉升到架構(gòu)師等中層管理者，便是絕大多數(shù)勞動(dòng)者無(wú)法逾越的鴻溝。與此同時(shí)，經(jīng)濟(jì)金融化趨勢(shì)更加大了認(rèn)知?jiǎng)趧?dòng)者的工作危機(jī)，華爾街的一點(diǎn)風(fēng)吹草動(dòng)都可能導(dǎo)致算法工程師下個(gè)月無(wú)法住在公司附近的公寓。在這種情況下，認(rèn)知?jiǎng)趧?dòng)者都知道，如何把自身包裝成符合市場(chǎng)需求的勞動(dòng)力比努力提升自己的知識(shí)技能更加重要，頻繁跳槽比在一家公司持續(xù)發(fā)展更為明智。

與工業(yè)時(shí)代相比，當(dāng)今的科學(xué)技術(shù)已經(jīng)取得了突飛猛進(jìn)的發(fā)展，但在“概念與執(zhí)行分離”的邏輯和“去技術(shù)化”的趨勢(shì)下，大多數(shù)認(rèn)知?jiǎng)趧?dòng)者與曾經(jīng)的體力勞動(dòng)者、情感勞動(dòng)者的境遇相似。隨著復(fù)雜的“人機(jī)交互”成為多種簡(jiǎn)單勞動(dòng)的疊加，認(rèn)知?jiǎng)趧?dòng)者正在從知識(shí)全面的總體工人降級(jí)為僅負(fù)責(zé)執(zhí)行特定任務(wù)的局部工人，從機(jī)器的主人降級(jí)為機(jī)器的輔助，從生產(chǎn)的主觀因素降級(jí)為生產(chǎn)的客觀因素。當(dāng)然，與工業(yè)時(shí)代的體力勞動(dòng)、服務(wù)業(yè)時(shí)代的情感勞動(dòng)不同，認(rèn)知?jiǎng)趧?dòng)者并不是機(jī)器肢體的延伸，也不是機(jī)器的面孔，而是幫助機(jī)器接收信息的感覺(jué)器官。與以往時(shí)代相似，“去技術(shù)化”趨勢(shì)同樣對(duì)認(rèn)知?jiǎng)趧?dòng)者的工作生活造成了負(fù)面影響。今天，“工程師文化”已經(jīng)成為少數(shù)技術(shù)精英的特權(quán)，更多認(rèn)知?jiǎng)趧?dòng)者的實(shí)際處境是其勞動(dòng)的可替代性增加了、內(nèi)部競(jìng)爭(zhēng)越來(lái)越激烈了、工作壓力也在持續(xù)增加。其勞動(dòng)境況與曾經(jīng)的體力勞動(dòng)者、情感勞動(dòng)者呈現(xiàn)出了相似的趨向。

四、總結(jié)與討論

托夫勒曾預(yù)測(cè)，當(dāng)代經(jīng)濟(jì)方面最重要的事情是一種創(chuàng)造財(cái)富的新體系的崛起，這種體系不再是以肌肉為基礎(chǔ)，而是以大腦為基礎(chǔ)[34]。在AI產(chǎn)業(yè)，生產(chǎn)對(duì)象從自然物質(zhì)轉(zhuǎn)變?yōu)楹Ａ康臄?shù)據(jù)，生產(chǎn)資料不再是流水線上的大型機(jī)器，而是計(jì)算機(jī)、代碼與算法，其基礎(chǔ)設(shè)施也從公路、鐵路、機(jī)場(chǎng)與電廠變成了互聯(lián)網(wǎng)基站、超算中心等。使這一切運(yùn)轉(zhuǎn)起來(lái)的主導(dǎo)勞動(dòng)方式不再是體力勞動(dòng)、情感勞動(dòng)，而是認(rèn)知?jiǎng)趧?dòng)。AI產(chǎn)業(yè)的迅猛發(fā)展當(dāng)然可以歸結(jié)為自20世紀(jì)50年代以來(lái)的計(jì)算機(jī)技術(shù)累積，也可以歸結(jié)為產(chǎn)消合一者貢獻(xiàn)出的海量數(shù)據(jù)，甚至可以歸結(jié)為產(chǎn)業(yè)政策的有力推動(dòng)，但這些“條件”只有通過(guò)人們的勞動(dòng)才能組合在一起，成為持續(xù)增加的利潤(rùn)、不斷飆升的股價(jià)與肉眼可見(jiàn)的繁榮?！皠趧?dòng)”——男人和女人運(yùn)用他們的四肢、動(dòng)用他們的頭腦將自然物轉(zhuǎn)變?yōu)閷?duì)其生活有用物的社會(huì)活動(dòng)，再一次成為我們認(rèn)識(shí)特定時(shí)代特征的出發(fā)點(diǎn)。

從勞動(dòng)形態(tài)上看，認(rèn)知?jiǎng)趧?dòng)不同于體力勞動(dòng)和情感勞動(dòng)，其所動(dòng)用的人類(lèi)核心潛能不再是肢體的力量和情緒的表達(dá)，而是大腦的認(rèn)知。在用以推進(jìn)人機(jī)交互的認(rèn)知?jiǎng)趧?dòng)過(guò)程中，勞動(dòng)者需要策略性地進(jìn)行自身認(rèn)知系統(tǒng)的轉(zhuǎn)變。在具體過(guò)程中，架構(gòu)師以“產(chǎn)生式思維”模式替代經(jīng)驗(yàn)直覺(jué)性思維；算法工程師則將以數(shù)學(xué)式、程序性的思考方式替代無(wú)意識(shí)思考；數(shù)據(jù)整理員則將自然符號(hào)轉(zhuǎn)變?yōu)橛?jì)算機(jī)能夠識(shí)別的數(shù)字符號(hào)。當(dāng)然，為了使認(rèn)知?jiǎng)趧?dòng)者更好地發(fā)揮出其潛能，管理方設(shè)計(jì)出了更加開(kāi)放、自由、有趣，甚至令人興奮的工作環(huán)境。不少AI大廠都有開(kāi)放式辦公空間、充滿綠植的休息場(chǎng)所、舒適的吧臺(tái)、24小時(shí)開(kāi)放的健身房和瑜伽區(qū)等。而中央空調(diào)、溫暖明亮的燈光、舒適的座椅等更是AI企業(yè)的標(biāo)配。可以說(shuō)，認(rèn)知?jiǎng)趧?dòng)者的工作環(huán)境比工業(yè)制造業(yè)中的體力勞動(dòng)者要優(yōu)越很多，體現(xiàn)出了人工智能時(shí)代的進(jìn)步性。

但是，從勞動(dòng)分工上看，認(rèn)知?jiǎng)趧?dòng)同樣遵循著“概念與執(zhí)行分離”的邏輯與“去技術(shù)化”的原則。復(fù)雜的工作任務(wù)被拆解成不同簡(jiǎn)單勞動(dòng)的疊加，不少認(rèn)知?jiǎng)趧?dòng)者同樣面臨從機(jī)器主人降級(jí)為機(jī)器輔助的窘境。為了擺脫這種窘境，避免被鎖定在低水平的重復(fù)勞動(dòng)中，也為了推動(dòng)自身技術(shù)水平的提升，認(rèn)知?jiǎng)趧?dòng)者往往投入到持續(xù)性的知識(shí)學(xué)習(xí)中，并通過(guò)頻繁的工作流動(dòng)謀求職業(yè)發(fā)展。他們將自己看作對(duì)企業(yè)極其重要的“知識(shí)資本”，不斷“跳槽”進(jìn)入不同的平臺(tái)，獲得不同的知識(shí)與技能。然而，這種頻繁流動(dòng)的“不穩(wěn)定”處境不僅增大了認(rèn)知?jiǎng)趧?dòng)者的市場(chǎng)競(jìng)爭(zhēng)壓力，而且會(huì)在國(guó)內(nèi)經(jīng)濟(jì)發(fā)展放緩之時(shí)使其遭遇更大的失業(yè)風(fēng)險(xiǎn)。曾經(jīng)出現(xiàn)在工業(yè)制造業(yè)、服務(wù)產(chǎn)業(yè)中的勞資矛盾、技術(shù)積累和創(chuàng)新難題以及產(chǎn)業(yè)可持續(xù)發(fā)展問(wèn)題，很有可能也會(huì)出現(xiàn)在AI產(chǎn)業(yè)。

基于此，亟需從以下幾方面思考如何更好地賦予勞動(dòng)者生產(chǎn)主體性、推進(jìn)勞動(dòng)者職業(yè)發(fā)展和提升勞動(dòng)者權(quán)益保護(hù)。第一，工會(huì)應(yīng)當(dāng)根據(jù)認(rèn)知?jiǎng)趧?dòng)的特征革新自身的工作方式，積極地對(duì)認(rèn)知?jiǎng)趧?dòng)者進(jìn)行組織，繼而深入了解和充分保障認(rèn)知?jiǎng)趧?dòng)者的權(quán)益訴求，以建設(shè)一支高水平的認(rèn)知?jiǎng)趧?dòng)者隊(duì)伍。目前，從事AI產(chǎn)品生產(chǎn)的認(rèn)知?jiǎng)趧?dòng)者對(duì)中國(guó)工會(huì)工作的了解度和認(rèn)可度都非常低；與此同時(shí)，工會(huì)干部對(duì)AI技術(shù)和計(jì)算機(jī)科學(xué)知識(shí)也不甚了解，雙方存在較深的理解鴻溝。據(jù)此，中國(guó)工會(huì)工作者應(yīng)與時(shí)俱進(jìn)地組織工作：一方面，提升自己的知識(shí)水平與組織能力，深入了解認(rèn)知?jiǎng)趧?dòng)者的勞動(dòng)特征、工作內(nèi)容與利益訴求，使自身得到認(rèn)知?jiǎng)趧?dòng)者的接納和信任；另一方面，創(chuàng)新自身工作方式，自下而上地吸收高水平認(rèn)知?jiǎng)趧?dòng)者加入企業(yè)工會(huì)，使其積極參與到與自身利益相關(guān)的工時(shí)、工資、福利等制度的修訂中去。第二，各地政府應(yīng)當(dāng)考慮更進(jìn)一步地豐富和拓寬認(rèn)知?jiǎng)趧?dòng)者的職業(yè)發(fā)展渠道，不僅以稅收減免、發(fā)展“孵化器”等方式為認(rèn)知?jiǎng)趧?dòng)者創(chuàng)新創(chuàng)業(yè)提供政策支持和策略指導(dǎo)，而且應(yīng)營(yíng)造出更加多元、寬容、平和、友好的社會(huì)氛圍，使創(chuàng)業(yè)失敗者免于恐懼和擔(dān)憂、使底層認(rèn)知?jiǎng)趧?dòng)者能夠獲得有尊嚴(yán)的生活。第三，企業(yè)應(yīng)深化與基層工會(huì)的合作：一方面，積極拓寬組織內(nèi)部晉升渠道，為認(rèn)知?jiǎng)趧?dòng)者的職業(yè)發(fā)展與成長(zhǎng)提供支持與幫助；另一方面，建立勞資之間的可信承諾，減少過(guò)于頻繁的功利性跳槽行為。第四，如何使中國(guó)AI產(chǎn)業(yè)發(fā)展獲得穩(wěn)固根基，使認(rèn)知?jiǎng)趧?dòng)者走出“內(nèi)卷”處境，成為一支團(tuán)結(jié)進(jìn)步的勞動(dòng)者“隊(duì)伍”，仍然需要政策制定者、業(yè)界人士和研究者的共同努力。