查看“销声匿迹 : 数字化工作的真正未来”的源代码

{{4}}'''《销声匿迹》'''<br>
——数字化工作的真正未来

（美）玛丽•L. 格雷（美）西达尔特苏里 著/左安浦 译

[[文件:销声匿迹-数字化工作的真正未来.jpg|400px]]

 好消息！人工智能无法取代人类，自动化永远存在最后一英里悖论。
 坏消息！所有人都将被隐藏起来，成为信息机器上默默运转的齿轮。
 
 高度警觉视为“灵活”，孤立无援称为“自主”，克扣工资只是“技术错误”……
 朝九晚五的全职就业逐步瓦解，在线工作得到的却不是自由。
 
 5年跨界研究，200余次实地访谈，10000余份问卷调查，
 揭开即将波及全球数亿人，却鲜少见诸报端的新世界。
 获《金融时报》2019年评论家精选最佳图书奖
 福特汉姆大学麦格农中心图书奖

'''机器里的幽灵'''

真正驱动许多手机应用程序、网站和人工智能（AI）系统运行的竟是人类的劳动力，但我们很难发现—事实上，这些劳动力往往是被故意隐藏起来的。这是个不透明的雇佣世界，我们称之为“幽灵工作”（ghost work）。想想你最近一次在网上搜索。也许是一则热门新闻话题、最喜爱球队的最新消息，或是新鲜出炉的名人八卦。你有没有想过，为什么搜索引擎返回的图片和链接既不包含少儿不宜的成人内容，也不是完全随机的结果？毕竟，所有的生意，无论是不是合法，做在线广告时都希望自己的网站在搜索中排名靠前。或者想想你最近一次浏览[[Facebook]]、[[Instagram]]或[[Twitter]]。这些网站都有“无暴力图片”和“无仇恨言论”政策，这些政策是如何执行的？在互联网上，所有人都畅所欲言，只要有机会，人们就会说出各种各样的话。那为什么我们看到的内容是净化过的呢？答案是，人类和软件的协同工作为你和我这样的用户提供着看似自动化的服务。

除了一些基本的决策，今天的人工智能必须依赖人类的参与才能运行。无论是发送相关的新闻提要，还是执行复杂的短信比萨订单，当人工智能出错或无法完成任务时，数以千计的企业会悄悄找人力完成这些项目。这条新的数字流水线把分散在各处的工人汇集起来，形成集体劳动力，而流水线上运转着的不是产品零件，而是一个个项目。这条流水线不分昼夜地运行，横跨多个经济部门。事实上，就业本身正在发生更大规模也更深刻的重组，影子劳动力的崛起只不过反映了这一趋势。这种按需型的就业还有待分类，本质上我们不能断定它是好是坏。但是，如果没有明确的定义，也不让从中受益的消费者知道他们的存在，那么这些工作就很容易沦为幽灵工作。

企业可以把项目交给数以千计的工人完成，并按任务付费。现在，网络连接、云计算、复杂的数据库，以及人类计算（human computation）这样的工程技术，可以把人类联结起来，完成单靠软件本身无法完成的项目。所谓“人类计算”，就是人类与人工智能协同工作。这是代码与人类智慧的融合，它正在迅速发展。根据美国皮尤研究中心（Pew Research Center）（Gig Work, Online Selling and Home Sharing）2016年的报告《零工、在线销售和家庭共享》，2015年美国大约有2000万成年人通过完成按需分配的任务来挣钱。到2025年，按需工作平台提供的职业白领信息服务预计增加2.7亿美元，约占全球GDP的2%。经济学家估计，如果保持目前的增长趋势，到21世纪30年代初，仅美国就有38%的职业会随着科技创新而消失，或者半自动化。如果任其发展，幽灵工作不透明的雇佣行为和人工智能无所不能的陈旧观点结合起来，可能会使数亿人的劳动被隐于无形。

'''谁在做这样的工作？琼和卡拉。'''

琼在家工作，和81岁的母亲住在休斯敦的一幢房子里。2012年，母亲因膝盖手术变得虚弱，无法独自生活，所以琼搬过来照顾她。一年后，琼开始通过[[MTurk]]在线领取工作。[[MTurk]]是“亚马逊土耳其机器人”（Amazon Mechanical Turk）的缩写，是由科技巨头亚马逊公司拥有并运营的庞大市场。琼最赚钱的工作是“审查猥亵图片”。在[[Twitter]]和[[Match.com]]等社交媒体上，用户会标记出“令人反感的”图片，琼会再为这些图片贴上标签。企业不能自动处理用户标记的每一段内容，所以会把一些更难评估的材料发送给琼这样的工人。表面上，她的任务很简单：点击图片，然后评估图片内容。这是一张应该删除的X级的阴茎自拍，还是一些无害的G级的身体部位？完成每个任务她都可以得到报酬，并且完成后才能离开电脑。琼已经有好几年经验，现在她平均每天可以挤出10个小时的工作时间，完成任务后能得到大约40美元的收入。

在几千英里之外的印度班加罗尔，卡拉躲在卧室的角落里工作，这是她的临时家庭办公室。琼和卡拉做着相同的工作，为互联网公司做单词和图片的分类和标记。不同的是，卡拉从一家外包公司手中接活，这家公司为通用人类关联系统（[[UHRS]]）提供人力。[[UHRS]]是微软公司自建的供内部使用的平台，跟[[MTurk]]很像。卡拉43岁，拥有电气工程学士学位，她是家庭主妇，也是两个十几岁孩子的母亲。卡拉把两个孩子叫进房间，指着LED显示屏上一大段话中的一个单词问他们：“这个词是什么意思？是你们不该说的东西吗？”卡拉大声朗读这段话，两个孩子咯咯地笑了起来。他们在取笑卡拉读“小妞电影”（Chick flick）时的发音。两个孩子一致决定，不，这句话不包含成人内容。卡拉在屏幕上点击“否”，窗口就会刷新，出现一个新的短语让孩子们理解。“他们比我更有资格鉴别这些词，”卡拉笑着说，“他们帮助我为其他家庭维持干净和安全的互联网。”卡拉经常找不到足够多的任务，每周的工作时间不到15个小时，但她几乎每天都会登入[[UHRS]]，看看是否有新的任务是她有资格做的。卡拉的坚持和运气已经得到了回报。由于她已经学会如何快速浏览和申领任务，所以可以利用做饭和检查孩子作业之间的空闲时间，用卡拉的话来说，她感觉这些时间“富有成效”，因为她通过网络搜寻她关心的额外收入。

有很多新工作依赖于琼和卡拉这样的人，内容审核—从筛查新闻提要和搜索结果，到评判相应内容的争议，从而帮助科技和传媒公司判断哪些内容可以保留，哪些内容需要删除—只是其中一个例子。社交媒体公司试图确保数十亿网站用户每天得到家庭友好型的信息，因此内容审查是普遍存在的，通常也是时效性很强的任务。像琼和卡拉这样的人，有太多网页、照片以及各种语言的推文需要评估。

[[谷歌]]、微软、[[Facebook]]和[[Twitter]]等公司使用软件自动删除尽可能多的“不适合在工作场合出现的内容”。但这些由机器学习和人工智能驱动的软件过滤系统并不完美。它们不能百分百地区别拇指和阴茎，更别提仇恨言论和讽刺了。还记得2012年美国总统大选的经典时刻吗？当时共和党总统候选人米特·罗姆尼（Mitt Romney）说了句“满载女性的活页夹！”，惹恼网民。[[Twitter]]需要工人做琼那样的工作，从而及时判断为什么包含在话题标签中的让人摸不着头脑的一句话会飙升到热门话题的最前列。是黑客干的吗？是出故障了吗？真的有人在疯狂地刷[[Twitter]]吗？目前的人工智能系统还无法可靠地辨别上述问题。而按需工作指明了一种方向，可以把计算能力与人类的创造力和活力结合起来。

琼、卡拉以及数百万和她们一样的工人在人工智能失灵时介入，本书讲述的就是他们的故事。我们想当然地以为系统是自动的，但他们才是在幕后推动系统的人类。现代的人工智能系统不仅需要人类回答不熟悉的或有难度的问题，最开始还需要人类帮助它们学习如何回答问题。例如，搜索“驼背沙发”的图片，你会得到一大堆靠背呈曲线的沙发。必应、[[谷歌]]这样的搜索引擎并不能和我们人类一样看到或理解图像。家具爱好者不到一秒钟就能找出一件漂亮的带曲线靠背的沙发，这种沙发像驼背沙发一样可以让很多人坐在上面。搜索引擎背后的人工智能系统最开始必须输入至少几百张曲线靠背沙发的图片，每张图片都标记为“驼背沙发”。然后，当搜索引擎遇到一张新的沙发图片时，它会运行一种所谓的“分类算法”，这种算法本质上就是在检查，相比于没有被标记为“驼背”的沙发，这张新图片是否更适合被标记为“驼背”沙发。那么，最初的一系列带有标签的图片，也就是所谓的训练数据，是从哪里来的呢？来自贾斯汀。引导大家接单的任务描述不会超过两句话，贾斯汀这样的工人必须在几秒钟内申请工作，否则就会被其他愿意接手的人捷足先登。贾斯汀是个全职爸爸，带着两个年幼的儿子，孩子上学前和午睡时是他工作的时间。他大方地承认，一开始并不知道驼背沙发是什么。“在回答这些问题之前，我必须在[[谷歌]]上花很多时间，弄清楚这些术语的含义。”

许多企业提供这样的付费项目，其中猫途鹰（[[TripAdvisor]]）、[[Match.com]]、[[谷歌]]、[[Twitter]]、[[Facebook]]和微软知名度较高。像贾斯汀这样的人按任务获得报酬，一天24小时，每周7天。每天都有新的企业出现，他们的商业模式依赖于世界各地的工人，这些工人通过软件响应公开选拔，在幕后完成这些工作。这些企业把日常活动外包给独立工人，而不是交给正式雇员。他们利用幽灵工作回答客户的在线咨询，编辑产品评论，或者完成几乎不需要雇员全职参与的工作。

'''幽灵工作如何运行？'''

计算机程序不过是一串指令，告诉计算机应该做什么。两个软件程序（或一个软件加一个硬件）必须建立一种通用语言才能沟通。这可以通过应用程序接口（[[API]]）实现。通过定义程序将会接受的指令以及执行每条指令的效果，[[API]]可以确定通用语言。可以说，[[API]]规定了计算机程序的“交战规则”。例如，现在市场上有成百上千种计算机，为每种类型编写定制版的软件系统是极其复杂的。但是，如果所有（或至少大部分）可用的计算机都使用相同的[[API]]，那么程序员就可以一次性为所有计算机编写代码，因为[[API]]确保所有机器都能理解相同的语言。这种[[API]]只有计算机能使用，但[[MTurk]]的[[API]]却可以给人使用：软件工程师可以编写程序，只要稍微修改指令，就可以自动付费让人类完成任务。

通常，如果要计算一些东西，程序员可以通过[[API]]接入中央处理器（[[CPU]]），其中[[API]]由操作系统定义。但是，如果利用幽灵工作完成任务，程序员就会通过按需劳工平台的[[API]]与工人交互。人类具有创新能力，可以应答呼叫，所以程序员会把任务分配给人类。不同于[[API]]，人类具有能动性，会自己做决定。无论给出什么指令，[[CPU]]都会执行；但人类会自发地做出创造性的决策，并加入自己的理解。接入[[API]]以后，人类还有需求、动机和偏见。输入相同的内容，[[CPU]]总是输出相同的结果。然而，如果带一个饥饿的人走进杂货铺，他（或她）出来的时候会带着一大包食品，与不饿的时候截然不同。人类冲动，喜欢自作主张，但作为补偿，人类也带来了[[CPU]]所缺乏的东西—创造力和创新。琼、卡拉和贾斯汀都属于一个不断增长的经济体制，他们被[[API]]隐藏起来，被幽灵工作所推动。

不到20年前，软件工程师只能编写供计算机执行的代码。[[MTurk]]以及随后的[[API]]出现以后，程序员便可以利用人类完成计算机不能完成的任务，比如快速准确地做出判断，就像卡拉和琼判定内容是否少儿不宜那样。事实上，现在任何坐在网页浏览器前的人都可以回应类似的自动请求。这是[[API]]、机械计算和人类独创性的混合，企业称之为“众包”“微工作”或“众工作”。计算机科学家称之为“人类计算”。任何项目只要可以分解成一系列分立的任务，就可以用人类计算来解决。软件可以使用这些[[API]]管理工作流程，处理计算机和个人的输出，甚至在人们完成任务后根据贡献多少给他们支付报酬。这些人驱动了现代的人工智能系统、网站和应用程序，我们所有人都是受益者，并且认为一切理所当然。

想象一个二十出头的女人，站在芝加哥的路边—我们姑且叫她埃米莉。埃米莉在智能手机上打开[[优步]]（[[Uber]]）应用程序，一位[[优步]]司机接了单。埃米莉和司机都不知道，他们的相遇依赖于两个大洋之外的另一个女人，也许她叫艾莎。

埃米莉和司机都不知道，刚刚[[优步]]软件标记了司机的账户。假设司机的名字是山姆，他昨天晚上为给女朋友过生日刮掉了胡子。现在，他早晨上车时登记的这张自拍与他登记的身份证照片不符—这是2016年[[优步]]推出的“实时ID检查”（Real-TimeID Check）的一部分，用来验证司机的身份。两张照片存在差异，一张有胡子，另一张没有—山姆没料到，这会导致他的账户被冻结。突然之间，在他本人不知道的情况下，这单生意可能要黄了。

与此同时，在海外被誉为“印度硅谷”的海得拉巴，艾莎坐在餐桌旁，眯着眼睛盯着笔记本电脑。她刚刚接受了一份工作，从[[优步]]转到了[[CrowdFlower]]，在埃米莉的这趟旅程中，艾莎扮演了无形但不可或缺的角色。[[CloudFactory]]、[[Playment]]、[[Clickworker]]是[[CrowdFlower]]的竞争对手，它们都有时髦的技术名称。这些平台把软件作为一种服务，提供给任何想要快速获得工人的雇主。每天都有成千上万像艾莎一样的工人登入[[CrowdFlower]]这样的众包平台，寻找任务型工作。现在，艾莎或者任何恰好响应[[CrowdFlower]]请求的隐形工人，将决定山姆能否去接埃米莉。

[[优步]]和[[CrowdFlower]]是不断成长的服务供应链中的两个环节，这些服务利用[[API]]和人类计算把人们投入工作。[[优步]]通过[[CrowdFlower]]的[[API]]付费给某个人，让其查看艾莎的工作结果。如果通过审核，系统将在几分钟内处理[[优步]]的付费请求。如果没有达到预先设定的标准，艾莎就得不到任何报酬，也没有机会投诉。这种[[API]]在设计之初就不想倾听艾莎的想法。

艾莎把司机的两张照片并排放在一起比较。[[CrowdFlower]]网页右上角的一个计时器开始倒计时，提醒她加快速度。如果计时结束前她没有提交判定结果，[[CrowdFlower]]就不会处理[[优步]]的付费。艾莎眨眨眼，看了看计时器，又眯起眼睛看了看只有拇指指甲大小的照片：是的，眼睛都是棕色的。酒窝是一样的。她点击“同意”。

山姆把车停在路边时，他的账户得到授权，可以去接埃米莉了。埃米莉一直在拥挤的芝加哥街头张望，直到山姆停下车，她钻进车里。车门关上的时候，艾莎已经进入下一个任务。她希望在下班前多挣几个卢比。

[[优步]]的乘客和司机都没有注意到，有人在实时审查他们的交易，这个人可能远在天边，也可能就在路的尽头。在美国，每100个[[优步]]订单中就有一个这样无法察觉的交流，这意味着每天要发生大约1.3万次。我们永远看不见艾莎为[[CrowdFlower]]做的幽灵工作，但花时间研究她和像她那样的工人之后，我们可以想象，埃米莉这样的用户和山姆这样的司机永远不会看到这种短暂的市场交流。艾莎是幽灵工作存在的唯一证据，因此，当埃米莉和山姆远去之后，她是唯一能帮助我们还原幽灵工作体验的人。

数十亿人每天都在查看网站内容，使用搜索引擎，发布推文和帖子，享受移动应用程序的服务。他们认为自己获得的服务仅仅是依靠技术的魔力。但实际上，有一名国际工人在背后默默劳动，他们主要是自由职业者和临时工，而不是全职的或按小时计酬的工人，其法律地位不被认可。有时，这些工作被拔高成“第二次机器时代”或“第四次工业革命”的先驱，或者被认为是更庞大的数字经济或平台经济的一部分。而其他时候，我们不假思索地称之为“零工”（gigs）。

没有一部劳工法可以完全适用于按需零工经济，它是一种奇特的组合，独立于任何一位雇主，却又依赖在线平台。按需平台是零工经济的监工，它的盈利模式是，在线上把购买人力和提供人力的双方匹配起来，形成一个由大量企业和匿名工人构成的双边市场。重要的是，正如传媒学者、社会学家塔尔顿·吉莱斯皮（Tarleton Gillespie）指出，平台本身可能不生产内容，“但它对内容做出的筛选至关重要”。按需工作平台很容易成为隐名合伙人，它更可能向付费的一方倾斜，而不是找工作的人。

从头部公司到最小的创业公司，每一个企业都依赖这个由按需平台累积起来的共享按需工人库。他们利用这些工人满足消费者的需求，消费者的期许越来越高，都希望在几秒钟内得到答复。企业不再寻找传统的临时工中介，而是求助于这样的工人库来紧急填补团队的缺口。企业还从中开发新的项目，从测试新软件的隐私设置，到检查意大利面的口味描述是否容易理解，不一而足。这些新的风险投资项目要么过于投机，要么缺乏深思熟虑，以至于企业不敢轻易雇用全职雇员，也不好确认招聘的成本，哪怕找临时工也有风险。如果没有衡量消费者的反应，企业便不想贸然推出新服务或新产品。顾客的口味越来越刁钻，期望值越来越高，在这种情况下，服务业可以先尝试由幽灵工作提出的创意，并反复让其他工人评价，从而代替普通消费者模拟市场反应。

'''远未成熟的人工智能'''

每周，宣告工作终结的耸人听闻的标题都会接连不断地出现。很快就有人警告我们，机器人将奋起反抗。人们普遍认为，自动化及其助手人工智能，将淘汰人类的工作。工厂里的机械臂可以移动车间的金属板材。软件机器人可以接收短信比萨订单。无人机可以送货上门。现在，这些智能系统与许多传统的求职网站相连，有人认为这预示着人类将很快在工作场所消失。据说，人工智能将不可避免地取得胜利，所有人都会被解雇，只留下最不可替代的工人。我们都需要提高技能。立刻！马上！

在这场大合唱中，[[特斯拉]]和[[SpaceX]]的创始人[[马斯克|埃隆·马斯克（Elon Musk）]]、著名物理学家史蒂芬·霍金（Stephen Hawking）以及[[谷歌]]的联合创始人[[佩奇|拉里·佩奇（Larry Page）]]只是几个代表性的声音。他们要么对人工智能“召唤恶魔”表示恐慌，要么怀念没有人工智能的时代，当时人们自认为能主宰自己的命运。但吸引眼球的标题掩盖了更加混乱的现实。不可否认，机器人是在崛起，但大多数自动化工作仍然需要人类昼夜不歇，其中许多人是兼职或合同工。但就像人类一样，机器也经常会有卡住或出现故障的时候，此时人类便可对自动化过程做出微调和维护。

我们也必须承认，在实现自动化的漫长征途中，人们创造了新的需求，也培养了各式的人类劳动力来满足这些需求。从这一点来说，新的、软件管理的工作世界与在流水线上组装汽车的工厂工作有着相似的特征，工厂工作是在最需要工人的时间把工人安置在最需要他们的地方。这也类似于19世纪妇女和儿童在农场里做的所谓“计件工作”，每组装一个火柴盒可以挣几便士。这也很像把医疗文书转录和客服呼叫中心的工作外包给“全球南方”的情形。20世纪90年代末，随着互联网的扩张，这种现象十分普遍。

工厂工作、计件工作和外包都是在线分配任务的前身，因为它们涉及的都是琐碎而重复的工作，无关宏旨。这些工作收入微薄、朝不保夕，大多数情况下，都是由经济学家认为的可有可无或“低技能”的人完成。市场亲切地把这些人叫作“人力资本”。点击“狗”或“猫”给图片贴上标签，使它最终能被苹果手机识别为家庭宠物，与拧紧一颗螺丝钉，最终制造一辆福特卡车没有什么不同。但从这里开始工作相似性就终结了。

蓝领制造业一直是人工智能发展最直接针对的目标。2016年，生产苹果手机的富士康工厂据称用机器人取代了6万名工人。根据报道，同一年，亚马逊在20个物流中心部署了4.5万台机器人，与23万名工人一起工作。然而，这些数字没有说清自动化催生了多少工作岗位。人工智能会对全职蓝领工作产生影响的媒体相关报道可能会分散我们的注意力，使我们忽视了一种正在快速增长的新工人。当人工智能触及自身天花板时，这类新兴的工人将完善或倾向于使制造系统完成自动化。

过去20年里，最挣钱的企业已经从大规模生产家具、服装等耐用品，慢慢转型为提供医疗保健、消费者分析和零售等服务。把一种体验卖给消费者，比如喝一杯拿铁或浏览娱乐资讯，比制造一台电视赚的钱更多。所有企业都在接入临时工人共享库，通过使用临时工来控制成本。在需要的时候获得想要的人，这种策略已经有半个世纪的历史，企业不再需要与全职雇员谈判，也不受制于保护全职雇员的职业分类和劳动法。

这种人类与人工智能的混合，可谓制造业、零售业、市场销售和客户服务的一次重新洗牌，已经超越了我们熟悉的就业类别。传统的制造业由全职工人轮班工作，他们每周工作40个小时，干的活重复而连续；现在的任务型工作完全不同，比如修正客户的纳税申报表，或者实时翻译视频并添加字幕，这些都需要人类不断贡献智慧和判断力。这些任务是动态的，而不是机械的，所以很难把人类排除在外。

人工智能并不像大多数人希望的或害怕的那样聪明。以驱动[[AlphaGo]]的人工智能为例，最近技术专家斯科特·哈特利（Scott Hartley）在《模糊性与技术专家》（The Fuzzy and the Techie）一书中记录了它取得的斐然成就。围棋是中国古代的棋盘游戏，2017年5月，[[AlphaGo]]成为第一个击败中国围棋世界冠军柯洁的电脑程序。5个月后，[[AlphaGo]]迭代出[[AlphaGoZero]]。但我们不必太震惊，因为有一点非常重要，即围棋的规则是死的，有固定的形式，在封闭的环境中进行，结果完全取决于两个玩家。在[[谷歌]]旗下的公司[[DeepMind]]，[[AlphaGo]]和[[AlphaGoZero]]的人类程序员给出了输赢的明确定义。围棋的制胜之道是在对弈过程中预测落子的远期影响。因此，通过人类围棋大师对弈的庞大数据库以及与自己对弈，[[AlphaGo]]接受了几十亿个棋局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。之后[[AlphaGoZero]]与它的镜像[[AlphaGo]]对弈，把之前的经验又复习了一遍。但是正如人工智能研究领域的著名专家汤姆·迪克里奇（Tom Dietterich）所说，“人工智能对世界的渊博知识必须依靠人类补充”，如此才能完成大多数日常任务。现实生活可比围棋复杂得多。

新的线上工作平台把工作机会介绍给琼、卡拉、贾斯汀和艾莎，这颠覆了媒体经常报道的人工智能拥有无限智慧、机器人势不可挡之类的传奇故事。现实世界的任务，从识别仇恨言论、把出租屋归类为春季婚礼的绝佳场地，到修正纳税申报表，都需要人类的见解和判断。生活不像围棋，不存在单一形式和最优解。例如，你很难列举“最好的”婚礼场地具备哪些特质。即使能列出来，也不会使人信服，因为人们对这些特质存在不同的偏好。

此外，也不存在那种用来教会人工智能识别“最优解”的训练数据。而且，从方言俚语、气候变化引起的飓风，到随意的税法改革，一系列无穷无尽的外部因素会掺杂进来，影响结果。在许多情况下，未知因素太多了，以至于无法训练当前的人工智能，使它具备足够的意识或者获得足够的经验，也无法对所有意外情况做出明智的反应。这就是为什么人工智能还必须得指望人类，利用人类对世界的渊博知识来弥补决策的盲区。

任何人只要像我们一样仔细地观察，走到人工智能的背后，就会发现一个新的工作世界，在这个世界里，软件管理着人类，而人类则在完成计算机做不到的工作。这个世界的系统把任务从人转移到机器，他们通过自动化来解决新的问题。例如，网络成为主流之后，[[Facebook]]、[[Twitter]]和[[Instagram]]等公司需要在线审核的内容越来越多，仅仅靠自动化工具无法实现。与此同时，新系统上线时，通常会面临突发问题，无法达到预期效果，因此需要卡拉和琼的工作。多亏了这样的工人，自动化审核软件变得越来越好，但还远远不够完美。在达到完美的过程中，自动化不可避免地会出现小故障，这就需要临时工来解决。一旦工人成功地训练了人工智能，使它像人类一样工作，他们就会转向工程师指派的下一个任务，这些任务将不断推进自动化的边界。人们畅想人工智能的新应用，自动化的终点线也在改变，所以我们无法确定通往完全自动化的“最后一英里”是否会走完。我们称之为“自动化的最后一英里悖论”。随着人工智能的发展，那些无法预见和无法预测的任务也创造了临时劳工市场。自动化的最大悖论在于，使人类免于劳动的愿望总是给人类带来新的任务。我们所说的“最后一英里”是计算机和人力之间的差距。毫无疑问，软件工程师将利用幽灵工作执行手中的任务，并把人工智能推向极限。而且很有可能，随着越来越多的企业设法为我们提供支持人工智能的“智能”数字助理，从而帮助我们管理行程和预定航班，那么当人工智能无法满足我们日益苛刻且不断增长的需求时，会需要越来越多的人力参与进来。事实上，在技术走向自动化的漫长历史中，很关键的一点是对临时劳动力的依赖。今天致力于通过算法和人工智能解决问题的工程师，是自动化最后一英里悖论的最新迭代。在这一前沿，临时工的高峰和低谷不断转换，这重新定义了人类和机器的关系。

按需劳动平台的兴起表明，使用[[API]]来组织、指派和计划工作具有吸引力。正如本书中的例子所示，利用临时劳动力开发新技术的这种重新定位，推动了新近所谓的“人工智能革命”。当驱动手机应用程序或在线服务的人工智能不知道下一步该为客户做什么时，它需要人的帮助，而且越快越好。终端用户希望运行搜索引擎和社交媒体的软件能在几毫秒内作出响应。传统的雇佣方法在这里行不通。因此，人工智能的决策闭环中需要人的加入，这样才能理解，比如说，为什么与一场突发自然灾害相关的搜索词会暴增，此时，它需要立即获得人工的信息输入。这场灾害将成为历史，但从瞬间的大量人工输入中，软件将会掌握它需要的东西。正是嵌入[[API]]中随时待命的共享劳动力库提供了这些人工输入。软件工程师可以编写代码来自动雇人以解决眼前的问题，自动检查他们的工作，并支付报酬。与此类似，使用现代机器学习系统的科学家和研究员同样依赖清晰无误的训练数据。他们需要一种自动化的方法来帮助生成和清理这些数据，而且需要大量来自世界各地的人来完成这件事。按需劳动平台为当今的线上企业提供了此种人类劳动和人工智能的结合，创造了一个庞大且隐于无形的人力资源库来从事幽灵工作。按需提供服务和工作可能是未来工作趋势的一部分。如果在设计和管理过程中没有注意到它如何重构人们日常工作的体验和意义，那可能就会产生意想不到的、潜在的灾难性后果。
 
'''就业真正的未来'''

雇佣工作的逐步分解可能是工作性质的一种深刻而根本的转变。在美国，传统的全职工作已经不再普遍。过去，员工可能几十年日复一日地待在同一间办公室里，成就一番事业，并期望得到稳定的薪酬、健康护理、病假和退休福利。现在，从童工保护法到工作场所安全指南，全球几个世纪以来的改革成就正在瓦解。事实上，根据美国劳工统计局（Bureau of Labor Statistics）的数据，目前只有52%的雇主提供工作场所福利。大萧条之后，美国人开始意识到，除了提供食品、保健或在实体店销售商品，最好的选择是在按需零工经济中找工作，这样的机会越来越多。由于劳动法中没有任何职业分类保护这种工作，而[[MTurk]]和[[CrowdFlower]]等平台的服务条款几乎与我们在更新软件时都会点击的对话框没有什么不同，这就相当于抹去了传统员工享受的保护。

虽然皮尤研究中心的最乐观估计是，目前从事幽灵工作的人数约为2000万，但没有确切的统计数字表明，有多少人像琼、卡拉、贾斯汀和艾莎那样，为了生计草率地做了一些基于合同的幽灵工作。美国劳工统计局增加了一项补充调查，内容是“临时就业与替代就业安排”，从美国人口普查局（Census Bureau）2017年5月的当前人口调查（CPS）中选择了6万个符合条件的家庭，这样的月度调查使劳工统计局了解了这个国家的就业和失业数据。十多年以来，这是第一次试图估计临时工作的增长。据劳工统计局估计，10.1%的美国工人没有长期雇佣合同，无论是正式的还是非正式的。但这项调查只统计了那些把替代就业作为主业或独立工作的人。所以，如果一个人一边做着幽灵工作，一边朝九晚五接受另一位雇主的固定工资或时薪，那就很难被统计到。而在我们遇到的最活跃的工人中，这是一种非常普遍的趋势。作为对当前人口调查的补充，美国劳工统计局发布的《2017年临时就业与替代就业安排》为衡量幽灵工作的兴起设置了两个障碍。在一个多项选择调查里，对工人而言，很难真正理解“长期就业”是指什么。而且，有许多人都同时打多份工来支付房租，想知道什么是“主业”可能同样困难。美国政府责任署（Government Accountability Office）的人口调查与劳工统计局的数据存在分歧，这也可以反映人们对“长期”或“主业”等旧工作分类的困惑。就在两年前，美国政府责任署的报告称，至少有31%的美国职工表示，他们从事某种形式的替代工作，包括自由职业或独立的雇佣合同。劳动经济学家劳伦斯·卡茨（Lawrence Katz）和艾伦·克鲁格（Alan Krueger）估计，通过个体经营者或那些由劳务中介派遣的临时工—所谓的劳动力转向雇佣临时工制—完成的替代合同工作从10%上升到16%，相当于美国经济过去十年的净就业增长。关于幽灵工作的规模和增长的最准确理解可能来自独立智库，而不是政府数据。

对按需零工市场最保守的估计来自经济政策研究所（Economic Policy Institute）。经济学家劳伦斯·米歇尔（Lawrence Mishel）和他的研究团队估计，在美国有工作的成年人里，参与按需零工经济的比例为0.5%至1%，或者125万至250万人。但他们之所以得出这样的数字，是通过一项针对[[优步]]司机的非常具体的研究，他们假设大部分零工工作都来自[[优步]]和其他在线约车应用。摩根大通研究所（JPMorgan Chase Institute）的一项研究发现，2015年至2016年间，美国成年人中，至少参与过一次线上平台经济工作的比例为4.3%，也就是1073万人。这一就业市场的特点就是临时工作人员频繁更替。没有被认可的专业头衔。没有晋升的阶梯。没有奖金。没有保障。任务都有一定的时限，一旦公司达成了特定目标，被雇用的工人就会转移到其他项目上。

从软件工程、法律服务到商业媒体、保健，现在很多企业都转向按需劳动平台，他们把白领工作转变为承包项目。这种全数字化的信息服务和知识工作，把需要思考和处理数据的创造性专业知识，转化为由科技、法律、金融和娱乐等行业在线提供的消费性服务。由于这种突然而巨大的变化，大型企业里有全职雇员现场工作的日子将屈指可数。许多公司争相销售把计算机、智能设备与人工智能结合起来的信息服务。按需型知识工作是一种更庞大的“宏任务”（macro-tasks），Catalant（Hourly Nerd的前身）、Popexpert和Upwork等公司利用[[API]]把这种工作交付给其他企业或个人。与传统朝九晚五的工作相比，自动化创造的就业前景无疑会更加支离破碎。一些劳动经济学家认为，“职场裂隙”的新现实，是20世纪八九十年代以来将长期就业转变为一系列短期合同的最终结果。然而，这种新的、出乎意料的现实并没有阻止世界各地数以百万计的数字工人，他们夜以继日地坐在键盘前面，完成不计其数的幕后任务，这些幕后任务使应用程序看起来比实际更加智能。这意味着商业和就业的未来更有可能类似于今天的按需经济，而不是一部人类消失、机器人统治世界的反乌托邦电影。它将要求人类浏览软件界面的菜单，并学会在人工智能笼罩的阴影下工作。它将包含一个生态系统，由琼这样的独立承包人构成，他们会在印度农村、田纳西州诺克斯维尔和俄勒冈州波特兰的闲置卧室、咖啡馆和煤渣住宅中敲打着键盘—或者任何一个只要有网络连接、有电脑、有雄心壮志或经济需要的人在任何地方能上网就可以。如果很少有人关注这些幕后工人，那么他们很快就会变得日益疏远、地位低下、不稳定和孤立。

我们采访到的所有工人都有一个意想不到的共同点：希望。他们希望利用按需工作来掌控自己的工作时间、工作伙伴以及承担的任务。他们希望和家人待在一起。他们希望避免长途通勤和恶劣的工作环境。他们希望能获得经验从而刷新自己的简历，或者为新的可能性打开一扇门。同样真实的是，许多人认为自己和家人没有其他选择。在他们的城镇里，全职就业通常意味着在大卖场里拿时薪，有固定的轮班，适应随时变化的工作日程表，不存在有意义的晋升机会。按需工作给了他们实际经验，包括安排会议、测试和调试网站、开发计算机知识技能、寻找销售线索以及管理全职雇员的人力资源档案。有哪个工人不希望有一天能完全掌控自己的工作日程和工作目的呢？

《销声匿迹》基于一项为期五年的研究，我们俩—一位是人类学家，另一位是计算机科学家—招募了一个研究团队，调查这个蓬勃发展但基本上不为人所知的经济领域。我们对来自美国和印度的工人做了200多次采访，并收集了成千上万份调查问卷；我们对按需工作平台做了几十个行为实验和社交网络分析，也对按需劳工市场的其他关键参与者进行了独特的研究，这些参与者包括把平台转变为生意的人以及在平台上雇用工人的人。本书就是这些研究的成果。《销声匿迹》揭示了这样一个世界：'''稳定的工作和薪水正在被一系列混乱的小项目和小额支付取代，而人类老板也正在被自动化流程取代'''。'''这些自动化流程的目的，就是监督分布广泛的由匿名独立合同工组成的劳工群体'''。《销声匿迹》讲述了一个日益兴起的更加复杂的未来，与人人熟知的机器人崛起的故事截然不同。这本书展示了幽灵工作平台如何培养我们对于技术奇妙前景的信念。

作为一名人类学家，玛丽的兴趣是被一种恐怖的情景所激发的：在一个原子化的世界里，工人通过分类和注释几千张尖耳狗、无毛猫以及“阴茎图片”赚钱。玛丽问那些被雇用的工人，他们对接收工作的人有什么了解，工人的回答不是“我不知道”就是“我为什么要知道？！”。作为一名计算机科学家，西达尔特多年来一直在使用按需平台进行线上实验，但他对这些工人知之甚少，因为[[API]]将这些工人隐藏了起来。那些主动把自己挂到平台上等待被雇用的人是谁？是什么驱使他们做许多人认为“单调乏味的工作”？他们如何从这种规则不清晰的就业形式中取得报酬？这种工作对他们而言意味着什么？有多少任务在按需平台上进行？产生任务型工作需求的商业模式是怎样的？这种以任务为基础的经济是如何运作的？

2013年，当我们的研究团队开始提出这些问题时，参与到对话中来的只有经济学家、计算机科学家和商人。这三类人都对按需劳工市场进行了评估，指标是提高效率的能力以及使企业盈亏底线最大化的能力。而当我们谈到“人”的时候，仅仅指的是消费者。消费者的体验如何？工程师和计算机科学家为企业或为他们自己的实验构建[[API]]来推进人工智能，他们想要设计若干系统，这些系统能够消除他们认为会惹恼终端用户的昂贵和多余的操作。他们致力于构建更智能、更快捷的软件，能够自动把人与服务匹配起来，无论是乘车、用餐还是税务咨询，最终目标是使用每次迭代的数据来训练未来的软件，使其更加自动化。很少有人关注，对于那些争相从事任务型工作的人来说，这种提高生产力的方法意味着什么。他们的假设是，一旦人工智能做对了，就不需要那些生成训练数据和改进软件的工人。毕竟，企业开发的是软件，而不是临时工作。

在接下来的五年里，我们做了一些在各自的研究领域没有做过的事情：了解幽灵工作的范围和按需工人的生活。我们的研究是同行里最全面的一个。《销声匿迹》是第一本阐明幽灵工作如何构建人工智能的书，也是第一本讲述从事幽灵工作工人生活的书，我们虽然看不见这些工人，但他们是互联网运行与自动化未来的核心。关于工人在这个新经济中的经历，本书提供了密切而细致的视角。我们关注的是生活在印度和美国的工人，这两个国家有最大的按需工人共享库，而且它们都与技术进步的漫长历史密不可分。我们的团队采访和观察了数百人，在他们的家里或其他临时工作场所观察他们所做的一切，从标记推文到转录医生的咨询意见，不一而足。我们调查了数千人，这帮助我们建立了一个基准，从而判断哪些做法是普遍的，哪些做法是特殊的。之后，我们进行了几十个行为实验并采用了“大数据”式的分析，两种分析方式各自都有几千名参与者，进而从采访数据中获得了更多的结果。在《销声匿迹》一书中，读者将看到我们在这两种分析方式之间切换，结合它们各自的优势，使我们更了解在按需经济中工作的这些人。

我们研究了四种不同类型的幽灵工作平台：亚马逊的土耳其机器人（[[MTurk]]）；微软内部的通用人类关联系统（[[UHRS]]）；具有社会意识的初创企业LeadGenius；以及Amara.org，一个致力于为跨国受众和听力障碍者翻译并添加字幕的非营利网站。这四个平台提供了不同的产品和商业模式。把它们放在一起调查可以表明，我们的观察和结论在按需经济中普遍适用，而不是只针对某一类幽灵工作。[[MTurk]]是最早具有商业价值的幽灵工作平台之一，提供了如何将人类计算应用于商业解决方案的范例。[[UHRS]]代表每个大型技术公司维护的内部平台，以满足自身对幽灵工作的需求。LeadGenius和Amara说明了幽灵工作可以多么复杂和精致，以及在为幽灵工作创造更好的环境方面，企业可以发挥多大的作用。

此外还有工人。在这些平台上工作的人，有些会把按需项目串联在一起，重新创建与全职就业相关的工作时间、工资标准和职业发展。我们见到一些受过大学教育的全职父母，他们为了不无聊而参与这些工作；我们也见到了出生在美国的大学生，他们为了攒钱办婚礼或支持弟弟妹妹的学位而每周工作50个小时。还有残疾人和退休职员，他们都在寻找其他就业途径或赚取额外收入来填补他们的社保支票。我们还见到一些工程师和企业家，他们创办、设计和搭建了幽灵工作平台。

起初，我们想知道：这些人是谁？他们的工作与传统朝九晚五的工作有什么区别？在许多按需劳动平台上，像西达尔特这样的请求者看不到工人的个人信息—性别、位置、年龄和以前的工作经验都是未知的。而除了任务描述之外，工人也看不到请求者的信息。任务的范围可以非常广，并且每天都在变化。[[API]]可以用来让人给猫的照片添加标签，也可以进行研究实验，其他类似的[[API]]还可用来雇人送餐、派车、设计网站。在消费者和请求者看来，调用[[API]]和生成工作都是自动化的。但谁能从这种自动化的表象中受益呢？谁可能会受到伤害呢？

研究结束的时候，我们明白了从事幽灵工作的人与我们的朋友、家人通过自由写作、研究、开发软件或兼职教学谋生没什么区别。但他们的工作往往是脆弱且没有安全感的。然而，按需平台的匿名性和远程访问特性也使那些在正式工作中被边缘化的人更容易获得收入。这些人之所以被边缘化，是因为他们住的地方更偏远，他们被视为残疾，或者他们属于被污名化的少数群体。

我们越是密切关注按需工作的新生边界，就越会看到人们使用熟悉的策略来维持生计，并为自己和同伴创造有意义的就业机会。有时这些工人通过相互协作取得成功。他们分享能使任务变得更容易的策略，交换新任务上线的情报，在等待新任务的时候帮助彼此保持清醒。我们遇到了一些工人，他们在尝试失败后学会了前进。他们学会了抵制剥削性的商业模式、劳动法和漠视他们利益的[[API]]。我们注意到，企业不知道他们从工人网络中获得了多少利润。本书将[[API]]对人类工作草率的处理称为算法的残酷（algorithmic cruelty）—这样说毫不夸张，算法不能思考，更别提有共情能力了。按需工人比任何工程师、科技公司CEO、政策制定者或劳工维权人士都更了解按需工作的风险和潜力。他们每天都这样生活。而且，他们尽最大的努力改善现状，无论是经济上还是心理上。

正如我们需要企业对生产食品、服装和电脑的劳工负责，数字内容的生产者也应该对消费者和工人负责。无论是编策新闻，还是处理那些喷子在我们最喜欢的社交媒体上刚刚发布的帖子，这背后都有人类的参与并使我们所有人获益，我们应当要求在宣传这些产品和服务时有更全面的真实性。

除了呼吁提高透明度，《销声匿迹》还为希望拥有高效劳动力的科技企业家、正在建设未来劳工平台的工程师以及负责塑造这一新商业格局的政策制定者提供了经验教训。我们手机上的应用程序、我们浏览的网站，都由那些隐形的工人驱动，关于他们那些未曾讲述的故事，很多读者应该会感兴趣。这些读者看过一些关于“零工”或“[[MTurk]]工作”的报道，也很清楚“众包”和“微工作”，他们听说过很多关于机器人崛起的故事，现在想要深入了解的是，人工智能如何塑造工作世界，以及在它阴影之下的人们做着怎样的工作。我们提供了一个有层次的、细致入微的、最终充满希望的叙述。除此之外，我们还展示了单靠跨越全职自由职业者的鸿沟，就能大大地鼓励我们与那些肩负着解决“自动化的最后一英里悖论”的人分享互联网创造的财富。我们在美国和印度采访了许多工人，希望从他们身上学到的经验教训，将帮助数百万已经或即将从事这项工作的人。最重要的是，任何正在工作并且想知道未来前途的人，都应该读《销声匿迹》这本书。


'''内容简介：'''

系统出现的一个小故障导致琼的[[MTurk]]账户突然被冻结——这是按需工人最可怕的噩梦。“没有一封电子邮件通知我软件出了问题；我只知道自己不能再登陆了，”她说，“我给客服打电话，他们告诉我必须等网站修复这个问题。账户冻结让我损失了近200美元。我失去了高薪工作，原因是平台自己出了问题，而不是我的工作质量有问题。”当事情出错的时候，琼这样的幽灵劳工根本不知道发生了什么，更别提追索补偿了。“我等了40个小时，不知道自己还能不能继续工作，能不能维持收入，也完全不知道原因。”
 
人类学家玛丽和计算机科学家西达尔特联手，揭露了人工智能和数字经济背后隐藏的人类劳动力。这支看不见的线上就业大军正不断扩张，它既不存在于现有的法律中，也未得到固有文化的承认，而算法无意识的残酷又带来了诸多未知。

'''作者简介'''：

玛丽•L. 格雷（Mary L. Gray），人类学家、微软研究院新英格兰实验室高级研究员、哈佛大学伯克曼•克莱因互联网与社会中心研究员。2020年度麦克阿瑟奖获得者。现于美国印第安纳大学信息、计算与工程学院任教，并从属于传媒学院、人类学系和性别研究系。玛丽的研究着眼于技术获取、物质条件和技术的日常使用如何改变人们的生活。
 
西达尔特•苏里（Siddharth Suri），计算机科学家、美国宾夕法尼亚大学计算机与信息科学博士、微软人工智能研究中心高级研究员、微软纽约研究中心创始成员。苏里的兴趣主要为计算机科学、行为经济学和众包经济的跨学科研究。
 
'''专业评论：'''

《黑客帝国》搞错了。人类不是电池，而是芯片。幽灵劳工对人工智能的发展和所有伟大的互联网服务的无缝运行不可或缺。任何人若想了解技术的未来，这本书都是必读的。
——蒂姆·奥莱利（“硅谷先知”、奥莱利 CEO）
 
每一位仰赖在线、按需劳工的公司的CEO，每一名关注人工智能对于工作本质之影响的公民，都应该阅读《销声匿迹》这本书。
——芭芭拉 J. 格罗兹（哈佛大学工程与应用科学学院自然科学教授）
 
《销声匿迹》可谓振聋发聩，为我们敲响了警钟，告诫我们人工智能并没有抢走我们的工作，而是将其隐藏起来。本书立刻让我们清醒地意识到，如果放任算法的残酷和对工人的剥削，未来将岌岌可危。
——弗吉尼亚·尤班克斯（《自动化的不平等》作者）
 
《销声匿迹》不仅针对当下的情势给出了细致入微的诊断，而且指明了面向一个更好的未来前行的路径。
——保罗·杜里什（加利福尼亚大学尔湾分校信息与计算机科学学院教授）
 
在《销声匿迹》描述的世界中，看不见的线上工人大军由机器招聘、管理、付酬，甚至解雇，仿佛是一部扣人心弦的反乌托邦科幻。
——戴维·奥图尔（MIT 福特经济学教授）
 
一部即时的经典之作。……通过强调人工智能如何依赖于人类劳动，以及提供对于这些劳动的生命的丰富描述，作者们提出一个有着牢靠基础的面向改善和行动的策略工具包，从而为我们带来了希望。
——玛格丽特·莱维（斯坦福大学政治学教授）
 
'''目录：'''

引言 机器里的幽灵<br>
幽灵工作如何运行？<br>
远未成熟的人工智能<br>
就业真正的未来 <br>
 
PART 1 自动化的最后一英里悖论<br>
第一章 环路中的人类<br>
幽灵工作的序曲<br>
解构雇主的[[API]]<br>
机器智能的崛起<br>
从微任务到宏任务<br>
去人性化的工作<br>
 
第二章 自动化的最后一英里悖论简史<br>
早期的消耗性劳动力<br>
流水线和计件工作<br>
发明周末<br>
把我们送上月球的临时计算员<br>
外包和长期临时工<br>
长期临时工的兴起<br>
含糊不清的就业分类<br>
 
PART 2 有挑战性的工作<br>
第三章 算法的残酷与幽灵工作的隐藏成本<br>
冷漠的设计与意外后果<br>
企业的经营成本<br>
隐藏的疼痛量表<br>
没有完美的老板，代码也一样<br>
 
第四章 努力工作（不只）为钱<br>
选择或别无选择<br>
职业晋升前景模糊<br>
工作将更像读书俱乐部<br>
把工作融入而非塞进生活<br>
并非只有阳光和玫瑰<br>
 
PART 3 对抗机器人<br>
第五章 陌生人的善意与协作的力量<br>
仍然存在的社交需求<br>
协作减少交易成本<br>
协作完成工作<br>
重建工作中的社交<br>
协作的成效<br>
茶水间2.0<br>
 
第六章 双重底线<br>
软件，为您效劳！<br>
经过设计的双重底线<br>
运营双重底线的案例<br>
良好意图和向善设计还不够<br>
公地悲剧<br>
 
结论 接下来的任务<br>
建设中的幽灵工作<br>
幽灵工作的历史教训<br>
未来我们可以做什么<br>
社会变革的技术解决方案<br>
需要专业技术的社会解决方案<br>
 
致谢<br>
参考文献<br>
方法附录<br>
注释<br>