# 序言（Preface） > 攫住一具身体，将其生产力掏空 > 渗透一个空间，将其盈利性耗竭 当今资本的目标，读起来就像一份降神会（seance）的操作指南。主体与空间都充盈着生产的可能性。然而在过去，直接介入往往意味着把不想要的东西一并接收过来：财务负债、环境外部性、劳动责任。因此，目标是距离而非亲密，是抽象而非具体，是耗竭而非使用。这里的耗竭（exhaustion）并非指疲惫，而是包含一种双重操作：一方面是力求认知与把握的穷尽式浸透（exhaustive saturation），另一方面是抽走一部分生产性之物的耗竭。 为了变成这个戏法，资本求助于算法性（the algorithmic）。算法性已无处不在，弥散于形形色色的产品、服务与行业之中。算法性也已在相当程度上勾勒着我们的日常：指引手势，唤起行为，建构实践。 资本流经算法性，这一新的组合拥有权力。事实上，它的力量作用于劳动的条件、当代主体性的构成，以及空间与城市的建构。换言之，资本对算法性的塑造，反过来又塑造着我们和我们的世界。 然而，这种耗竭的权力并无保证。物质充满争执，行动者（actors）各有盘算。要成为一种有效程序（effective procedure），就需要不停歇的协商。而且在背景之中，偶然性（contingency）始终威胁着要压倒效能。不可耗竭之物（the inexhaustible）与无作之物（the inoperative）常常浮现，为介入、思辨与游戏留出了余地。 因此，本书透过算法性这面棱镜，分析这种权力如何成形——耗竭如何变得可操作？ # [ 0 ] 拆解算法性（Unraveling the Algorithmic） 1936 年 9 月，也就是艾伦·图灵（Alan Turing）那篇开创性的计算论文发表前四个月，当时相对默默无闻的数学家埃米尔·波斯特（Emil Post）发表了他自己版本的、用以解决问题的通用算法（103–105）。这台鲜为人知的“波斯特机”（Post machine）与远为著名的图灵机（Turing machine）非常相似。两者都是假想的机器，把问题化约为输入与程序。两者都把这些输入表示为一个无限的符号序列。两者也都通过一组精简的逻辑操作来处理这一序列：移动、读取、写入。 但一个小小的细节把这两个概念区分开来。图灵的表述是机械论的：一条无限长的纸带左右移动，送至读写头下，经由自动的移动被写入或擦除。而波斯特的概念则把这一情形想象为一名人类工人在处理一连串无穷无尽的格子或房间。这名工人的能动性受到高度限制。他或她只能执行以下“原始动作”： 1. 在他所在的格子里做标记（假定该格为空）， 2. 擦去他所在格子里的标记（假定该格已有标记）， 3. 移到他右边的格子， 4. 移到他左边的格子， 5. 判定他所在的格子是否有标记。（103） 工人从某一点出发，然后向左或向右移动，进入每一个格子，读取、标记或擦除。每个格子都是密闭的，与外部世界隔绝。“除工人在场之外，一个格子只容许两种可能的状态，即为空或无标记，以及其中有一个标记”（103）。不存在因容许其他符号进入而造成污染的可能，也不存在因多名工人相互覆写彼此的工作而导致混乱的可能。 标记本身以及要解决的具体问题都无关紧要。波斯特断言：“事实上，上述设定假定具体问题是由某个外部行动者以符号化的形式给出的”（104）。与之相对，工人则在这一逻辑空间的内部运作。人只应专注于手头的任务，不知疲倦地移动、读取和写入。工人要么执行一个操作然后继续，要么执行一个操作，并且——视结果为真或为假——朝相反方向移动。最终允许有一个单独的停机操作，但符号逻辑始终更关心的是确立一个无限期执行下去的一般程序。正如波斯特所解释的（104），“将建立一个永无止境的确定性过程。” 这里浮现出的图景，尽管经过了符号逻辑语言的净化，却令人不安、挥之不去。一具身体被算法性（the algorithmic）所附体，被局限于寥寥几项卑微的任务，被判处一种无限的劳动：必须进入空荡荡的房间，在其中书写，再把所写读回——却没有任何显而易见的理由。 这一萦绕不去的隐喻虽然带有几分诗意，却似乎很适合用来描述算法性及其权力。算法性是一种在很大程度上不可见、未被解释的现象，却施加着相当可观的力量：投注于主体、驱动行为、使运动模式化、引导姿态。事实上，在过去几十年里，波斯特那名被算法诅咒的工人日益渗入劳动的身体、家庭内部空间以及城市肌理之中。对于 Uber 这样的平台而言，这意味着新形式的算法治理：它在一天中的特定时间把司机引向城市中的特定地点，并引出一种被理解为“最佳实践”的特定展演（performance）。对于“始终在聆听”的数字助理——亚马逊（Amazon）的 Alexa——而言，这意味着在厨房或客厅这一传统上私密的领域中填入一个不可见的新捕获区域。而在 Airbnb 这样的系统中，对房源的算法索引对空间施加着看不见的压力——重新布置公寓，把住宅变成旅馆，并微妙地重构城市本身更广阔的地理。 与这些广为人知的算法体制并存的，还有许多其他主流服务，它们在各自领域重新塑造着生活的进行方式：LinkedIn 之于职业，Deliveroo 之于物流，亚马逊之于商业，Google 搜索之于知识，Tinder 之于约会，诸如此类。除了这些面向消费者的例子，在企业或政府层面还有一些不那么显眼、却同样重大的侵入。它们没有经过焦点小组测试的产品名称，却决定着教师排名、信用评分、贷款审批、假释判决以及禁飞名单。算法性越来越多地渗透进我们周围的过程与人群之中，以极为重大的方式影响着社会与文化。的确，算法性扩散到一整片形式、空间与产业的星丛之中——以及它随之而来的、主动塑造日益广泛的日常实践的能力——其程度再怎么强调也不为过。 但这一点我们早已知晓。不那么清楚的是，这种塑造是如何完成的。算法性如何投注于身体、征召主体、移动物质并协调关系？简言之，一个算法程序如何获得并施加权力？ 自波斯特以来的 80 年间，算法性的领域已迅速扩展到计算机科学与符号逻辑之外——它已经走下白板，进入世界。世界是一个充满希望的地方，但也是一个危机四伏的地方。在这里，整洁的代码被杂乱的现实所取代；抽象的整数被充满争议的主体所取代；理想的情境被参差不齐的展演性（performativity）所取代。目标不能被预设，而必须去争取，必须不停地去执行。新的角色得以开放，但它们伴随着新的期待。算法性从未像今天这样被寄予如此之多的要求。在其中实施的低层操作——分配数据、移动物质、形成连接——必须累积为成功的元操作（meta-operations）：生产主体性、引导经验、塑造关系。通过记录所发生的操作，隐含在其形成过程中的政治也被推到前台——这是一组权力关系，它们积极支持特定的实践与特定的生活形式，同时压制或抑制其他实践与生活形式。这些操作是什么？它们是如何实现的？它们实施了何种形式的权力？这些就是本书的核心问题。 这些问题无疑颇具挑战性，但另一种选择是让它们悬而不答。那样一来，我们就把算法性留作一种程序性的吵闹鬼（poltergeist）——一种强大却模糊的力量，无法被考察，更遑论介入其中。这恰恰就是常与算法联系在一起的黑箱（black box）观念——一个拒绝任何考察企图的不透明对象。 把算法框定为专有代码，便使这一黑箱得以延续。按照这种观点，算法由软件指令构成，是一种特殊形式的书写。历史学家伦·舒斯泰克（Len Shustek）坚持认为，“软件是一种文学形式，由人书写，供人以及机器阅读”（2006, 110）。对 N. 凯瑟琳·海尔斯（N. Katherine Hayles）而言，软件本质上同样是文本，是一种文学媒介。在其 2008 年出版的《电子文学》（Electronic Literature）一书中，海尔斯写道：“因此，数字艺术与数字文学的批评者和研究者理应把源代码视为作品的一部分；有些作者把对理解作品至关重要的信息或阐释性注释嵌入代码之中，这更凸显了这一立场”（35）。尽管海尔斯承认围绕这种新的文本形式的社会与文化力量，她最终仍然给予文学研究所珍视的作者与读者角色以优先地位。 按照这种观点，代码是原文本（ur-text），是起源性的文献。这种论证认为，只要能够考察这种书写，人就能够把软件理解为一种文化与文学对象，就像阅读柏拉图或潘恩那样。事实上，这正是批判代码研究（critical code studies）的根本假设。马克·马里诺（Mark Marino）把这一学科定义为“运用批判理论来探究计算机代码在功能之外的意义，不仅探究代码做了什么，而且探究它意味着什么”的学科（2009）。在另一篇文本中，马里诺指出，“我们可以像阐释一部文学作品那样阅读和阐释代码”（2006）。对亚历山大·加洛韦（Alexander Galloway）而言，代码也是文本，尽管是一种会做它所说之事的特殊书写。他宣称：“代码是唯一可执行的语言”（2004, 165）。他正确地强调了软件独特的展演性质，但在根本上仍将其视为一份文本文献。因此，他试图“像阅读任何文本那样，去阅读永无止境的计算机代码之流”（2004, 20）。 当算法与软件被混为一谈，它就成了一份由程序员书写、再由研究者读回的文本。然而这份文本通常是一件专有的知识产权。因此，它被挡在公众审视之外，只对雇员和经过挑选的利益相关者开放。通往源代码这一神圣文本的途径从未开放。启蒙的时刻根本不会到来。 由黑箱的不透明性所导致的宿命论有着重大的后果。如果算法是专有代码，被锁在公司防火墙之后，那么（除非有泄露或黑客入侵）它确实是无法穿透的。这些算法体制所执行的操作变得不可测度。而这之所以重要，是因为算法操作从来不只是“纯粹”技术性的，而且也是政治性的，因为它们决定着日常权力的轮廓。 权力被注入低层操作之中。正如米歇尔·福柯（Michel Foucault）清楚地表明的那样，权力并不只是从高处发出的言说，也不是作为某种外部实体被挥舞的东西。相反，他坚持认为，权力关系始终“内在于”其他关系之中：经济的、物质的、技术的，等等（1978, 94）。换言之，权力不是外部的覆盖层，而是浸透于事物之间的关系里。各种力量推拉，摩擦随之出现——往往是在微观层面上。权力从这种相互作用中浮现，由一系列看似无足轻重的操作累积而成，这些操作执行着一种不断被协商的展演。这就是为什么福柯要强调嵌入在时间表之类看似简单的机制中的权力的“微观物理学”（micro-physics）——这些机制却规定着行为、塑造着活动（2012, 16）。在《协议》（Protocol）一书中，加洛韦认为，这些机制如今在本质上主要是技术性的，支撑着关键的通信技术。例如，在互联网这样的系统中，这些低层规则规定了地址的层级、服务器之间的通信以及信息的分配。决策被操作化，把系统所支持的角色与关系同被排除在外的角色与关系区分开来。 与此同时，这些操作是政治性的。这里的政治无关政客与政党。我们或许可以简单地说：政治为可能之物设定条件。算法操作远非仅仅是功能性的，其中嵌入了种种假设：哪些行为被允许，哪些用户被承认，哪些社群得到支持，哪些形式的资本得到便利。正如温迪·全（Wendy Chun）所强调的，这些假设随着时间推移持续施加力量，并由此“奠定并培养使用的习惯”（2017, x）。这些操作深深嵌合于这些系统之中，其延伸范围与平台或服务的范围一样广，并被不知疲倦地执行。换言之，它们既无处不在，又永不停歇。在内德·罗西特（Ned Rossiter）和利亚姆·马吉（Liam Magee）看来，这就是参数政治（politics of parameters），一种“因其无所不在而在很大程度上保持隐含的政治”（2015, 76）。算法决策偏袒特定的种族、阶级与性别，同时使其他种族、阶级与性别处于不利地位。它们使特定的行为模式常规化，同时使其他实践失效。它们还常常强化资本流向集中节点的趋势。日益决定我们日常生活之政治的，并非来自高处的裁决，而正是这些作为协议而由算法实施的决策——它们为能够被思考、被言说、被付诸行动的事物赋予结构。 但如果算法体制仍然不可测度、无从问责，我们在这种参数政治中的能动性就会大大削弱。如同波斯特的算法工人，我们在这些空间中的活动以及我们对它们的理解都受到严重限制。而这种被动性只会加剧日益刻画着我们与技术之关系的权力不对称。 在个人层面，这可能导致在隐私与监控、数字劳动以及数字公民身份等问题上的某种矛盾心态或冷漠。个人数据太过轻易地被交出，个人空间被让渡，个人资本被抽走。战术上的劣势似乎压倒一切。在近期的一项皮尤（Pew）调查中，当被问及其私人信息未来的命运时，受访者用“无望”“认命”和“不可避免”之类的词语来回答，这是一个看似势不可挡的趋势的一部分（2016）。 在更广泛的社会层面，这种不对称的权力关系强化了少数科技巨头已经握有的掌控。一个社交网络如今成了许多人的主要新闻来源。一个搜索产品如今为我们提供世界的知识。组织与社群如今“致命地依赖”这些集中化的庞然大物（Davis, 2017）。内容必须为它们量身定制，资本必须经由它们输送。若不如此，就要冒着被逼入阴影的风险——被完全排除在社会、金融与文化资本的循环之外。 在这两种情况下，这种无力介入都被误认为接受。范式被常规化，意识形态作为基础设施被固化，而另类的愿景则越来越难以抵抗既定秩序的摩擦。如果算法性依然无定形、不可理解，那么这些体制所实施的决策——以及它们所展演的政治——就被完全交给了少数几家闭门运作的公司。它们的想象变得不可阻挡。 因此，算法研究需要一种超越源代码与软件的另类路径。这一论点是务实的，而非论战性的——与其说是反对其他学者常常十分出色的研究，不如说是主张一种具身的（embodied）、不拘于特定媒介的（media-agnostic）方法论，把算法研究的框架扩展到文本与技术之外。 事实上，这些体制的生产本来就已不再符合这种框架。首先，算法性关乎的不是书写，而是解决问题。例如，翻阅 Uber 工程博客（Uber Engineering）上的数百篇文章，你不会看到一篇列出代码的文章。这不仅是出于专有知识的缘故，更表明了一种更为根本的框架转变，这可由一组关键词得到印证。这些员工是“工程师”，而不是软件开发者。他们用高层次的语言谈论他们所采用的“解决方案”，而不是源代码。他们谈论其技术栈的“架构”，而不是条件代码循环的语法。他们描述的是在“基础设施”内部发生的“过程”，而不是实现细节。重要的是任何特定挑战的难度、应对它所用的方法，以及结果的效力。 其次，算法不再是分立的，而是分布式的。单体式应用的模式——其最清楚的例证是可下载的桌面可执行程序——已在很大程度上被抛弃。其中的复杂性实在太多：多个团队在同一个代码库上工作，相互竞争的功能需要整合，重叠的修改需要追踪。开发者有办法应对所有这些问题，但复杂性变成了脆弱性——导致错误、代码分叉以及回退到先前版本。取而代之的是，像 Airbnb 这样的当代算法平台如今由数以百计的微服务（microservices）构成——这些高度聚焦的服务架构组件只做一件事，并把它做好（Cebula, 2017）。一个微服务转换货币，另一个整理联系信息，第三个追踪广告。每个开发团队专注于单个微服务，这种分布式模型意味着更新及其引发的连锁效应被高度限定。对代码研究而言，这实际上意味着：不存在源代码。不存在一份可供考察的分立的文本文献，而只有一系列分散的服务，它们在一个共享环境中半独立地运行。 因此，将算法性理解为一种生态（ecology）会更富成效。首先，这突出了其分布式性质。过程并不是逐行地、按顺序地执行，而是弥散于该生态中由异质的行动者与能动者所构成的多样集合之中，并以异步方式执行。服务回应其他服务。任务被移交下去。数据流被摄入。资本流被重新循环。过程适应更广泛环境中的波动。正如埃里希·霍尔（Erich Hörl）所指出的（2014, 4），这是一种“彻底分布式且具分配性的控制文化，体现为计算机向环境迁移，体现在算法环境与感官环境之中”。算法生态是一个丰富的活动领域，在其中，不断被协商的过程从许多相互协作又相互对抗的元素之间丰富的相互作用中浮现出来。 生态的观念把算法性凸显为高度异质元素的集合。各种活动相互作用，既协作又冲突。人与物、对象与物质的集合被协调起来，朝向一个更广泛的目标，每一方都以特定的方式做出贡献。算法并不是边缘整齐的单体对象，也不能被干净利落地界定为纯粹技术性与文本性的东西。相反，我们必须与马修·富勒（Matthew Fuller）（2005, 2）一同追问：是什么构成了这些拥有“共享的节奏、代码、政治、能力、倾向与驱力”的生态，“又如何能说它们在混合、相互关联，并生产出模式、危险与潜能？”算法性把这些迥然不同的元素和分歧的目标黏合为一个有效程序（effective procedure），但它们潜在的差异依然存在。 最后，把算法性框定为生态，意味着它是多尺度的。费利克斯·瓜塔里（Félix Guattari）在《三种生态学》（The Three Ecologies）一书中预见到，环境危机将如何开始模糊各种边界。仅仅在“国家”层面上考虑影响，将不再有意义。气候变化既是宇宙性的，也是细胞性的。因此，对瓜塔里而言，以生态的方式思考意味着关注“大尺度上可见的力量关系，但也将顾及感受性、智力与欲望的分子领域”（2000, 28）。同样，算法生态充满了在许多不同尺度上发生的鲜活互动与关键操作。以用户用手机为自己定位这一日常行为为例。即便是这个看似简单的操作，也包含了手的一个姿势、一整套智能手机电路、一个数据中心网络、一段海底电缆、一系列地理空间卫星，等等。生态提供了一种方式，用以“理解媒介与政治、资本主义及自然相互接合所经由的各种尺度与层次，在其中，媒介与技术的过程无法与主体化相分离”（Parikka and Goddard, 2011, 1）。 这种生态可以如何被拆解？在先前把算法视为软件的框架中，最重要的是源代码。命令被毫无疑问、毫无摩擦地执行。指令毫不费力地转化为在世界中完成的工作。但正如温迪·全提醒我们的（2008, 304），执行并不只是一件“敷衍了事的事情”。全的这一洞见在程序员罗伯特·科瓦尔斯基（Robert Kowalski）1979 年一篇题为《算法 = 逻辑 + 控制》（Algorithm = Logic + Control）的论文中有所体现。对科瓦尔斯基而言，“逻辑”（logic）包括一个程序的目标——例如，找到一条路径；而“控制”（control）则由为实现这一目标所采用的过程构成——例如，某个特定的排序例程。尽管目标始终相同，某些过程显然比其他过程更有效率，更善于利用整数与内存、电路与芯片的特殊性。对科瓦尔斯基而言，这种干净利落的分离方法使程序员能够专注于优化——保留逻辑，同时提升控制程序的速度与精确度。 然而，尽管科瓦尔斯基的关注点是实用性的，这篇论文却提供了一个富有成效的理论框架——它暗示算法并不只是存在于真空中的理想化、抽象化的公式，而是一个社会技术的（sociotechnical）实体，必须征召物质行动者、做出妥协，并为自身的成功进行协商。把这一洞见与詹姆斯·贝尼格（James Beniger）的措辞（1986, 8）结合起来，算法性就由以下两者构成：作为“朝向预定目标的有目的影响”的控制，以及作为一种内部融贯的本体论的逻辑——它界定目标、属性与程序，规定着对控制的控制。人们提及算法时，焦点往往是逻辑。但第二个组成部分即控制则坚持：算法始终是一种在世界中实施的展演。算法不只是非物质的指令；相反，它们必须适应热与光的限制；它们必须通过强制或诱惑来获取劳动；它们必须被具身化于网络与数据的地理之中。这一框架离开了神秘地“控制金钱与信息”的秘密黑箱的不透明性（Pasquale, 2015），转向作为一种经由物质而接合的展演的算法性。软件的封闭代码被一组可以被观察、分析和批判的操作所取代。 为了探究今天的算法性，本书考察四个对象。据其网站所述，Airbnb 是一个“点对点的在线市场与民宿网络，使人们能够在住宅物业中列出或租用短期住宿，此类住宿的费用由物业所有者设定”。Uber 是一个在线平台，它把乘客与作为自由职业者、按需提供交通服务的“司机伙伴”（Driver-Partners）连接起来。Alexa 是亚马逊基于云端的数字助理，它聆听语音命令并作出语音回应——播放音乐、朗读新闻、订购产品，等等。Gotham 是由 Palantir 开发的一个软件平台，为客户提供存储、查询和可视化超大型数据集的能力，使分析人员能够发现模式与关系。这四者背后都有雄厚的财务资产，无论是以风险投资还是内部融资计划的形式。四者都拥有从数千到数百万不等的稳定用户群。四者也都在全球运营，覆盖多个国家的数百乃至数千个城市。因此，尽管这些体制在不同的领域运作——旅行、交通、智能家居与安全——但每一个都施加着重大的社会力量，积极塑造着许多人的日常实践。 这里的目标是考察是否存在富勒所说的（2005, 167）一种“操作的语法”（grammar of operations）——即算法性要作为一个整体上的有效程序而运作所必需的一组核心的展演性动作。这些操作不会仅仅发生在任何特定系统的最高层面，也不会一劳永逸地被实例化。相反，这些操作最有可能在任何一个特定算法体制中，于不同的时刻、在各种尺度上浮现。纵观不同领域中这一系列多样的算法系统，被操作的内容以及实施该操作所必需的元素无疑会有所不同。但这些表面的差异将由同一个根本意图或总体逻辑来协调。 当然，这样的探索绝非首次。过去几年里，一个新兴的算法研究领域已经出现，它建立在软件研究、代码研究以及科学技术研究等先前领域的基础之上。因此，无疑有大量博学而富有洞见的学术成果可资借鉴。但其中也存在一些问题。其一，其中一部分研究基于前文已讨论过的算法的文本模型，即把源代码视为由程序员书写、再由用户读回的原文本。另一个问题是，这些著作往往已经过时。例如，阿德里安·麦肯齐（Adrian Mackenzie）的《切割代码》（Cutting Code）如今已有十年之久，其关注的是以桌面为中心的计算模式：独立应用程序、内核与命令行。时代的久远意味着，以智能手机为代表的当代计算的移动性与普遍性未被纳入考量。同样，马修·富勒的《媒介生态》（Media Ecologies）虽然作为方法论特别具有启发性，却早在 2005 年就已出版。自其关于海盗电台与网页的案例研究写成以来，媒介景观已经发生了重大变化。第三个问题是技术的普遍化。例如，基钦（Kitchin）与道奇（Dodge）的《代码/空间》（Code/Space）把机场安检之类的系统作为理想化模型来探讨，未能充分顾及地方的特殊性及其参差不齐的展演性。与此相似，也有一些学术研究倾向于对“算法性”作泛化的理解。例如，路易丝·阿穆尔（Louise Amoore）关于算法体制在风险、安全与战争中所扮演角色的研究十分出色；同样，蒂齐亚娜·泰拉诺瓦（Tiziana Terranova）对算法资本主义的考察既敏锐又富有洞见。毫无疑问，他们那种构建关于权力、控制与金融的一般理论的更具归纳性的路径是必要的。但对具体算法实例的经验分析同样必不可少——尤其是因为它们能够戳破在这些领域中泛滥的某些总体化修辞。正如我们已经提出的，算法性是一种由异质能动性与相互冲突的逻辑所构成的生态，它们被维持在张力之中，并在时间中被展演。这些力量重大而重要，但“在地”的具体故事揭示出，它们也可能是短视的、会出错的。最后一个问题是，学术研究被局限于单篇期刊论文中单一对象的单一面向。例如，亚历克斯·罗森布拉特（Alex Rosenblat）出色的民族志研究，遗憾的是既局限于 Uber，又零散地分布在数十篇出版物之中。因此，与任何研究领域一样，算法研究中也存在缺口与疏漏。本书为弥补其中一些缺口提供一份微薄的贡献——这是一部单一的文本，运用一种更具展演性的方法论考察四个具体的当代算法体制，同时也寻求对它们之间共同的条件与操作的归纳性洞见。 如何观察这些对象中每一个内部的操作？一种由四种方法组成的跨学科组合拆解了正在运作的过程。档案分析收集过去三年中与每个对象相关的文章、博客帖子、新闻稿及其他文本。这为把单一对象拆解为所涉人员、所用技术、所利用的材料及其历史发展提供了一个富有成效的起点。设计分析收集视觉材料：截图、标志、营销材料、媒体资料包以及用户旅程。这些界面与图像铺陈出每个对象的愿景——主张、承诺、理想——但也揭示出支撑这种想象的某些操作。数据分析收集可获得的关于每个对象的补充数据：采用率、风险投资、数据中心位置以及公开的用户信息。这些非专有信息勾勒出每个算法生态的经济——从用户或对象的小尺度“货币”到引导它的更广泛的金融力量。田野工作是一组与每个对象相关的、有意为之的主观性小型活动——在乘车、入住民宅或与数字助理交谈时，记录所引发的体验性质。如果说在其他方法中研究者始终处于研究对象的“外部”，那么这一方法则旨在把研究者牢牢置于算法生态的内部，使之成为又一种具有特定能动性与能力的材料。这里的“田野”并不是任何特定的地理区域，而是探究云这一基础设施场域如何渗透进生活经验的现象学与社会场域。 这些方法开始拆解正在运作的操作，但它们立即遭遇了尺度问题。算法生态是高度复杂的系统，由架构与组织、劳动与物流构成，更不用说还有“硬件、数据、数据结构（诸如列表、数据库、内存等），以及身体的行为与动作”（Terranova, 2008, 384）。拆解整个系统要么令人望而生畏，结果是卷帙浩繁的无尽描述；要么流于表面，倾向于缺乏经验细节的宽泛概括。 现有的路径倾向于两个极端，而其问题尤其在于它们通常被视为理所当然。尺度过小，研究者便会像计算机科学家那样，聚焦于某个特定的技术程序——例如面部识别。这种过度聚焦使某个特定例程得以精细调校，通常把效率与精确度问题置于前台。但这种狭隘的路径也把算法性框定为抽象的、非政治的，与性别与文化、阶级与资本的杂乱现实相割裂。其结果过于干净——一个技术性的却非政治的细节。 但摆向另一端同样会遇到问题。尺度过大，研究者便会像社会科学家那样，面对一个错综复杂的单一整体。算法性被理解为某种无疑在塑造社会、勾勒政治能动性轮廓的东西。但或许是由于学科背景的缘故，研究者无法把这一生态分解为组成部分，也无法拆解其技术基础。其结果是，一股强大的社会力量似乎由一个令人困惑的系统神秘地或邪恶地施加出来。其结果过于庞杂难解——一个社会政治性的却非技术性的总体。 研究者如何以一种富有成效又切实可行的方式来划定研究的范围？正如阿德里安·拉乌德（Adrian Lahoud）清楚指出的（2014, 511），“尺度问题至关重要”——它既不能被过度决定，承载过多冗余信息，也不能决定不足、过于粗糙，而应被具体设定，以便“捕获所讨论问题的相关部分，就像一个必须经过校准的筛子”。所需要的是一个透镜或滤镜。这个透镜将把研究材料聚集在生态内部至关重要的操作节点周围，使低层的技术展演性能够与更高层的社会、政治与文化力量富有成效地交织在一起。 这里使用的透镜是机器（machine），由列维·布赖恩特（Levi Bryant）在其 2014 年的著作《本体制图学》（Onto-Cartography）中加以理论化。对布赖恩特而言，机器并不指通常意义上的金属机体与复杂电路，而是“一个操作系统，它对输入进行转化，从而产生输出”（38）。这一抽象的定义意味着，不是齿轮与计算机，而是一切形式的生命与非生命都可以被富有成效地理论化为不同类型的机器。正如布赖恩特所解释的，“一棵树并不比一架飞机更不是机器，一部宪法也并不比一台录像机更不是机器”（16）。机器可以是有形的或无形的，大多数机器则是两种类型的混合。这里的目的不是寻找某种永恒固定的本质，而是考察始终在变动的过程与例程。对布赖恩特而言，当“面对一台机器时，我们首先想到的与其说是它的属性或性质，不如说是它的操作”（38）。谈论机器，不过是把对象如何运作而非对象是什么置于前台。 当然，机器有其思想谱系，布赖恩特大量借鉴了德勒兹（Deleuze）与瓜塔里的欲望机器（desiring-machines）概念，在那里，机器性（the machinic）同样得到了显著扩展：“一切都是机器。天体机器，天空中的星辰或彩虹，高山机器”（1983, 2）。相互接合或连接的机器这一观念在这里也已出现。“乳房是生产乳汁的机器，而嘴是与之耦合的机器”（1983, 1）。这两位作者又反过来受惠于刘易斯·芒福德（Lewis Mumford）的巨机器（megamachine）概念，即古代社会中对劳动的动员。事实上，对芒福德而言，社会先于技术，“社会巨机器先于现代的‘非人’机器，因为机械行动者首先必须被‘社会化’，然后机器本身才能被完全机械化”（1967, 194）。任务的精简、时间的划分、工人的操作化——社会机器所需的这些准备性任务为其自动化的后继者铺平了道路。 机器可以与其他机器相连接，布赖恩特称这一过程为结构耦合（structural coupling）（24）。把机器耦合在一起，改变的不只是它们的外观，还有它们的能力——形成具有新能力的新事物。例如，布赖恩特解释道（2011），给马与骑手加上马镫，形成“马镫—马—骑手”机器，并不只是简单的叠加，而是从根本上改变了战争的形式：它提供了一个稳固的平台，骑手可以借此施力，从而大大增强了长矛背后的力量。 把这一哲学观念应用于技术对象，我们便得到物质总体中一些让人感到具有战略性与重要性的子选集——在这些交汇点上，软件与硬件、劳动与自然汇聚在一起，产生关键的算法操作。以将在第 3 章出现的“麦克风—Alexa—客厅”机器为例。它始于一个简单的前提——当一个麦克风被放置在家庭的中心并连接到云端时，会发生什么？那个空间以某种方式被改变了，与此同时，新的社会互动被捕获，新的主体被形成。例如，既然每一个字都在被聆听，行为或言语模式是否会发生变化？这些元素各自拥有特定的能力，而当它们耦合在一起时，便执行新的操作——这些操作是自主的，却也是整个生态不可或缺的组成部分。 布赖恩特的机器理论要复杂精细得多，还有其他概念与工具。但上文概述的基本概念，正是从这一更宏大的理论方案中提取出来并相当实用地加以应用的概念，即以下认识：1）对象可以被框定为进行操作的机器；2）这些机器可以以战略性的方式耦合在一起；3）这些耦合起来的机器具有新的能力，或许还有新的“目标”。机器式框定是“扁平化”的，使技术性的东西能够与那些被视为社会、政治或文化的元素富有成效地交汇。机器式耦合以缓解尺度过大或过小问题的方式把元素聚集起来，同时始终承认机器由其他机器构成。而机器的能力则表明，这些耦合起来的机器如今能够以不同的方式运作——事实上，它们之所以被组合在一起，或许恰恰是因为它们以不同的方式运作。 那么，作为收尾，这里作一个简短的总结，并概述接下来的内容。算法体制最好被理解为物质性的、高度相互关联的生态。这些生态依赖于在世界中执行的可观察操作的偶然展演性。这些操作压倒性的复杂性可以被富有成效地过滤，并聚集为社会技术能动性的战略性交汇点，即被视为机器。运用这一路径，接下来的四章将剖析四个算法生态内部的操作：Palantir Gotham、Uber、亚马逊 Alexa 与 Airbnb。这些经验分析分别表明，算法性如何包裹世界、征召所需的特定行动者、对用户施魅使之进入一种特定的主体性，以及对空间与城市施加力量。 这些操作承载着力量。它们积极塑造着我们的能动性与活动，并由此具有政治效力。如果这些操作确实共享一种总体逻辑，它或许可以用来支撑一个新的算法批判方案。然而，这些程序的顺畅效力永远无法得到保证，而是必须不断地被协商。通过发展一种操作的语法，我们不仅能看到事物如何运作，还能看到它们在何处开始崩解——把强度集中的节点与监管较为稀疏的区域区分开来，把无可逃避的控制时刻与意料之外的偶然性时刻区分开来。本书希望借此提出一种算法权力的模型，突出那些分析与介入可能最为有效的领域。 # [ 1 ] 包裹：Palantir 与算法生活（Envelop: Palantir and Algorithmic Life） 2016 年 1 月 30 日，四十岁的工会会费管理员阿瑟·乌雷切（Arthur Ureche）驾驶着他那辆白色雪佛兰紧凑型轿车穿过洛杉矶（Los Angeles）时，发现有四辆警车在跟踪他。乌雷切上一次交通违章还是在他十九岁的时候，原因是开得太慢。可当他靠边停车、打算让警车先过时，警车却在安全距离外停了下来，警察们下车，举枪对准了他。一名警官用扩音器厉声发出指令，命令乌雷切打开车门锁。门锁卡住了。乌雷切心中暗自惊慌，努力服从指令，同时避免做出任何突然的动作。一架直升机在头顶轰鸣。警察们在等待。乌雷切的车被识别为一名在加利福尼亚州遭通缉的毒品重罪犯所有。但这辆车挂的是科罗拉多州的车牌。一台自动车牌识别器错误地识别了这辆车。正如记者克里斯·弗朗切斯卡尼（Chris Francescani）后来所指出的（2014）：“号码相同；州不同。” 尽管这个故事或许颇具戏剧性，但本书最终关注的，是其中这个不那么惊人、却更为根本的细节——探究算法生态（algorithmic ecologies）的操作如何生产出新的理解，而这些理解又如何反过来在对普通人和日常惯例的治理中展开。生活是如何被算法性（the algorithmic）测绘、分析和调节的？这是一个极其复杂的问题，本章借由一个特定的生态来切入：由 Palantir 公司开发的平台 Gotham。测绘、模式化与调节这三种操作，将通过一系列三台“机器”来加以探讨，这些机器为本研究及其论断划定了边界。尽管这些机器处理的是车牌与洛杉矶这样的具体问题，它们也提示了更广泛的算法权力所共有的某些操作。 Gotham 是做什么的？从根本上说，它提供了存储、查询和可视化极其庞大的数据集的能力，使分析人员得以发现模式与关系。据 Palantir 官网介绍，这一构想源自创始人在其前公司 Paypal 所获得的一个洞见：在对抗金融诈骗者这种“适应性对手”时，人类与计算能动者协同工作，被证明比单靠硬编码的算法更为有效。Gotham 同时提供自动化操作和手动工具集：可以设置用来标记异常的过滤器，将实体之间关系可视化的图谱，以及对资源和能动者的地理空间测绘。这些计算工具协助人类分析人员在大数据噪声的汪洋中发现关键信号：无论是恐怖小组之间的一条联系、一名违规交易员的一笔交易，还是一辆被盗车辆的位置。 Gotham 最初是专门为满足政府机构的需求而开发的工具。它部分由中央情报局（CIA）的风险投资部门 In-Q-Tel 资助，最早的一批客户包括国防部、海军陆战队、国家安全局（NSA）等机构。但 Palantir 从来就不是华盛顿的圈内人——事实上，该公司甚至一度被迫起诉美国陆军，以求开放合同招标程序（Palantir Technologies Inc vs US 2016）。相反，这家初创公司是不折不扣的硅谷产物。公司文化是其中一个方面——开发团队由部分薪酬以公司股票支付的工程师组成，他们享有免费午餐及其他福利。地点则是另一个方面——该公司凭借长期租约，悄然吞下了帕洛阿尔托（Palo Alto）的大量商业空间（Kendall, 2016）。事实上，凭借 200 亿美元的估值，Palantir 是估值第四高的科技初创公司，与 Uber 和 Airbnb 这类更广为人知的公司比肩而立（Buhr, 2015）。因此，无论是作为公司的 Palantir，还是作为产品的 Gotham，都从未受制于单一的主权者。它们在大数据噪声中发现模式的承诺，同样吸引了其他坐拥海量信息孤岛的行动者，从而被数十家执法机构和大型企业所采用：BP、可口可乐、沃尔玛、瑞士信贷、纳斯达克、葛兰素史克和空中客车（Alden, 2016）。 由此，Gotham 延续了一条从政府（government）到治理术（governmentality）的轨迹。摆脱了主权者的枷锁之后，算法工具转而将治理作为一套自由漂浮的技术，提供给任何有能力支付高昂授权费用的机构。诚然，工具集各不相同——Gotham 的功能可供性受到其底层数据以及 Palantir 所谓的“前线部署工程师”（Forward Deployed Engineers）所做的定制化的影响。但在基本层面上，这个单一平台以及支撑它的一系列技术，把同样的功能提供给好时（Hershey's）和国土安全部，提供给德意志银行和司法部。主权即服务（Sovereignty-as-a-service）。[^f03-1] 各机构内部的解决方案往往是多年来东拼西凑而成、界面笨拙，通常会被 Gotham 一扫而空——这是一个由外来者开发的集成式基础设施。无论行业或产品为何，治理术都向所有人开放，成为一套技术，“对其居民以及每一个人和所有人的财富与行为，施行一种监视与控制，其细致程度犹如一家之主对其家庭和财产的照管”（Foucault 1991, 92）。简言之，它是统御一切的唯一平台。因此，尽管 Palantir 出身于政府，它却并不是一个关于幽暗阴谋和幕后交易的故事。这些操作并不局限于谍报或战场的领域，而是外溢为种种控制机制，侵入普通公民的实践和日常领域：健康与交通，食品与金融。 在这片大胆的新地带上，正当性并不是通过永久的特权或某一机构的特殊地位来获得的，而是通过工具自身将其操作合理化的能力来获得的。当一个工具能够展示出相应的能力时，它便是正当的：能够严格地勘察相关数据，能够限定范围以先发制人地回应批评（例如隐私方面的担忧），能够不偏不倚地评估一系列对象，等等。这并不是说法律被绕开了，而是说法律成为诸多策略中的一个子集，以特定方式被工具化。所实施的技术必须既有效又恰当。 下文所探讨的各台机器，在揭示各自独特问题的同时，也常常回到这一正当性概念。当然，这些算法展演（algorithmic performances）必须维持技术功能的一个关键阈值——能够快速处理数据，能够理解并连接多种形式的信息，能够向要求苛刻的客户交付切实的结果。但这些工具的授权费用动辄每年数百万美元，而 Palantir 的客户也有各自必须对之负责的法律、财务和公司治理结构。因此，鉴于部署这些工具所涉及的成本与利害，这些操作还必须有效地作为想象（imaginaries）发挥作用——就其自身捕获生活、揭示潜伏在生活之下的模式、并以有针对性且恰当的方式介入生活的能力，生产出可信的主张。 [^f03-1]: 事实上，作为一套提供给私人和公共客户的、自由漂浮的调节技术，Palantir 可以被置于一条更长的谱系之中，尤其与二战之前及期间 IBM 在德国的子公司德国霍勒里斯机器有限公司（Deutsche Hollerith-Maschinen GmbH，Dehomag）遥相呼应，我在其他著述中探讨了这一关联。 ## 测绘、模式化与调节生活（Mapping, Patterning and Regulating Life） ### 生活—动态本体机器（Life—DynamicOntology machine） 生活是如何被算法性测绘的？什么被知晓、被理解、被变得可用，反过来，什么又是未知的？信息本体论（information ontology）为探究这一问题提供了一个起点。在信息系统的语境中，本体（ontology）是“对一种共享概念化的形式化、显式的规定”（Studer et al. 1998, 184）。正如其名称所示，它界定了在代码世界中存在意味着什么，命名那些能够存在的实体，并规定它们的属性、关系与能力。为了让“外部”世界被理解，它必须被映射到一个内部模式（schema）之上。 我们将会看到，对信息系统而言，这种概念化既不只是抽象的计算机科学，也不是某种投射到软件上的高蹈哲学，而是直接塑造着算法系统理解日常并介入日常的能力。生活—动态本体机器把现实铸入预先定义的对象之中。这种边界分明的抽象带来了生产率的提升，使人类与机器的能动性得以发现关系、确立模式。然而与此同时，这一本体也在净化生活的凌乱，将生活无限复杂性中的一部分当作外在的、多余的东西抽象掉。 长期以来，信息系统一直不得不应对如何以最优方式抽象“真实世界”之属性的问题。计算机科学家陈品山（Peter Chen）1976 年的论文通常被视为以本体的形式将这一问题的解答形式化的奠基之作。陈在文中建立了他的实体—关系模型（Entity-Relationship model），该模型“采取了更为自然的观点，即真实世界由实体和关系构成”（9）。信息本体确立了一种对世界内容与结构的理解，一种字面意义上的世界观。“自然”一词表明，我们面对的是一种意识形态——一套关于世界如何被建构的信念，以及一套关于世界应当如何运作的理想。在第二页，陈的模型将“男性—人”（male-person）确立为“人”（Person）的一个子集；在第三页，他用“丈夫”和“妻子”来例示“角色”（Role）这一概念；在第四页，他把雇员的工作时间与一个项目实体（Entity）相关联，以便衡量生产率（10, 11, 12）。因此，这篇 40 年前的论文预示了信息系统的某些政治含义，这些系统致力于将性别、性和劳动规范编码化。 如今，传统的信息本体往往在两个低效的极端之间摇摆。Palantir 工程师阿舍·西嫩斯基（Asher Sinensky）在为该公司软件制作的一段宣传视频中解释了这种张力（2012）。一端是高度特定的本体，由非常具体的名称、关系与知识结构构成。这使它与理解这些术语的某一领域或某一公司紧密相连，却严重妨碍了任何更广泛的适用性。这种特定性还限制了整合具有不同本体结构的新数据源的能力。它甚至可能把以“正确”数据结构呈现的新信息也排除在外——即那些在系统开发时根本未曾预见到的实体或关系。由于被硬编码了一种僵化的世界观念，特定本体缺乏整合新的信息编排所需的灵活性与开放性。 另一端则是高度泛化的本体，由通用标识符和宽泛的连接构成。这种表面上普遍的世界理解只作粗线条的勾勒，常常掩盖了那些有助于发现洞见的文化、社会和地理特殊性。即便洞见被发现了，用如此含糊的措辞也很难将其传达给外部各方。当对象 A 与对象 B 因为对象 C 而建立起一条联系时，这意味着什么？这两个成问题的极端并不新鲜。尼古拉·瓜里诺（Nicola Guarino）关于信息本体的那篇被广泛引用的论文（1998, 87）将两种本体加以对照：一种是细粒度的本体，它“更接近于规定一套词汇的预期含义……但可能难以开发，也难以据以推理”；另一种是粗粒度的本体，即“以一种表达力最小的语言写成的一组最小公理……旨在让已经就底层概念化达成一致的用户之间共享”。 相比之下，Palantir Gotham 使用的是一种动态本体（dynamic ontology）。只有一个名义上的结构被硬编码：对象（Objects）、属性（Properties）和关系（Relationships）。对象又被进一步细分为文档（Documents）、实体（Entities）和事件（Events）。Gotham 从一开始就被设想为一个适用面广泛的平台。Palantir 官网的“解决方案”页面列出了一系列广泛的用例：网络安全、药物研发、国防、防灾备灾、医疗服务提供、疾病应对以及执法。因此，本体可以为每个客户量身定制，使他们能够在特定性与普遍性之间找到“最佳平衡点”（Palantir 2012）。本体标签可以针对特定用例进行定制。在 Gotham 中，通用的“人”可以被修改为士兵、医生或非政府组织工作者，而在实体之间传递的某一项目，则可以被分别表述为一通电话、一笔现金支付或一次感染。 同样，本体结构也可以量身调整。西嫩斯基解释说，比如“职业”（career），就可以被交替理解为对象、属性或关系（Palantir 2012）。医生可以是一个对象，与护士、急救员等其他对象并列。然而，这意味着一名医生不能身兼数职或拥有其他职业——她不能同时是两个对象。另一种做法是，医生可以被视为一个属性，即一个标记为“职业”（occupation）的特征的值，然后被附加到某个对象上。这使得职业可以有多个值：医生、教师、社会活动家。然而，这种结构意味着该对象不会自动继承“医生”的各项属性，从而可能限制洞见与模式发现。最后，正如西嫩斯基所指出的，医生也可以被视为一种关系。在这一情形中，任何治疗过某个“病人”对象的通用“人”对象，都可能被赋予医生的身份。这种本体基于行动而非标签，这种结构或许能提供一种更具开放性的职业概念，但也可能导致混乱与歧义。关于职业的这三种理解各有其优势与弱点，各带有一套特定的假设与疏漏。 由此可见，数据结构并不只是“塑造”（inform）我们对诸如职业之类事物的含义的理解，它们实实在在地将其编码化，在代码世界实例化的过程中对其加以规定、使之固定下来。Palantir 的主要目标之一是在对象之间建立关系——无论是客户之间的联系，还是犯罪集团之间的联系。另一项关键用途是通过模式匹配找出离群的属性——比如一笔欺诈性付款或一个未经授权的地址。因此，本体变得极其重要，“触及”平台的每一个方面：数据导入、搜索与发现、图谱交互、属性可视化、时间线以及直方图。正如西嫩斯基所强调的（2012），本体“极其深入地交织在用户所做的一切之中。本体渗透进 Palantir 工作空间的几乎每一项功能。” 因此，本体在关键意义上构成了功能的基础，既支撑着功能，也塑造着功能。作为算法性的逻辑组件，本体界定了代码世界，规定了能够存在的对象、事件与关系。在此过程中，必须做出一系列决定：一组特定的对象被承认，一组特定的属性被确立，一组特定的关系被测绘。这些参数被编码为默认的规范。但正如费尔南·布罗代尔（Fernand Braudel）提醒我们的（2012, 249），“一切结构都同时既是支柱又是障碍”，它们对能够被思考和付诸行动的东西施加限制。在界定这一规定的同时，一大批其他的属性与可能性也被排除在外，无法被登记，也无法被实现。因此，这一建构执行了一个双重动作，把内部的、被承认的东西与被外部化的、被忽视的东西划分开来。由此，建构在本质上就是约束。 在确定内部模式的过程中，本体施加着一种无声的力量。当对象纯属内部且抽象时，比如一个矩形（Rectangle），本体是相当无害的——一个由四条边规定的对象，具有高度和宽度的属性，并与线段等其他实体发生关系。但当算法性试图理解并抽象生活本身时，会发生什么？我们不妨想一想“社会活动家”或“恐怖分子”的本体实例化，这是一种在社会和政治上利害关系要大得多的转译。正如塞布·富兰克林（Seb Franklin）所强调的（2015, 47），“在计算主义的社会表征模式中，什么是中心的（因而被捕获和建模），什么是边缘的（因而被丢弃），这一问题具有独特的历史与政治意义。”被建构起来的信息本体确立了世界的边界——什么知识是有效的，什么行动是可能采取的，什么关系是可以建立的。本体以这种方式施加着一种在很大程度上不可察觉、却又无法逃脱的权力，一套无声的、被不断强化的规则，在整个代码世界中全局适用。一旦被实例化，这些“自然的”规则——借用陈的说法——便被嵌入、被根植，使人难以想象其他可能。 当算法性试图将外部物质世界映射到一个内部本体上时，会出现哪些滑移？铸入某一特定本体，既界定了什么在内，也界定了什么在外。这是一个划界的过程，它生产出一条边界。而在这一测绘过程中，总有某些东西剩余下来。其结果是一种过剩、一种溢出、一种余数。正如马修·富勒（Matthew Fuller）所证实的（2005, 83），“与其外部角力的系统”不可避免地会产生一种相似物，但也会产生一种“坍塌与溢漏”。本体始终是一种近似，一种抽象化的“在代码中存在”（being-in-code），永远无法把握“在世存在”（being-in-the-world）的多变性与总体性。这种滑移创造出可以被利用的阈限地带，而随着算法性试图理解新的主体与空间，这些缝隙也在扩大。 解决这种数据落差的一种尝试，是借助更多的数据。事实上，驱动越来越多的信息洪流被捕获、存储并整合进 Palantir 之类系统的主要动力之一，正是把外在之物框定为脆弱性。外在之物是那个缺失的变量，那个被忽略的因素，那条未被计入的信息。按照这种论证，只要我们能够合并数据库、成倍增加元数据、整合新形式的信息（情感的、文化的、社会的），就能获得一幅完整的图景。用理论家凯勒·伊斯特林（Keller Easterling）的话说（2005, 134），将不再有“落在各类标题之间、落在各种索引之间的要素”，不再有意外出现的“病态与怪异”。外在之物终将成为内在之物。但信息本体——即便是 Palantir 所使用的那种动态本体——表明，算法系统总是已经从一个经过有意过滤和框定的代码世界出发。这一决定涉及简化与化约、纳入与排除。正如尼古拉·瓜里诺所断言的（1998, 97），本体是一种承诺，一种约束着某个逻辑世界之预期模型的承诺。抽象，也总是意味着忽视。 ### 技术栈—工具—分析员机器（Stack—Tools—Analyst Machine） 生活的模式是如何被确立的？本节把技术栈—工具—分析员机器作为 Palantir Gotham 生态的一个子集来考察。从这一特定的要素交汇之中——它由所采用的后端技术“栈”（stack）、所提供的一套前端工具以及人类分析员构成——涌现出了哪些新的能力？对大数据进行的分析形成了一种特定的逻辑，它既确立规范，又析出离群者。Gotham 声称能够理解生活。为了做到这一点，它必须执行两种看似几乎相互矛盾的、方向相反的操作。 一方面，Gotham 必须拥有生活。换言之，平台内可用、可寻址的数据必须趋近于“外面”那个现实的丰富性、多样性与速度。为了这一目标，凌乱、含混以及压倒性数量的信息不仅被容忍，而且被当作真实性的标志而受到欢迎。为此，构成 Palantir“栈”的各层后端技术使捕获和存储能被高速查询的海量数据成为可能。这是一种高度技术性的展演——一场与可扩展性和服务器、节点和数据表、计算和延迟之间的协商。然而与此同时，它也是一种心理上的展演，支撑起说服用户或组织相信这些数据代表着现实所需的数据体量、种类与速度。要让这一愿景显得合理、可信，需要满足哪些要求？Gotham 的后端技术又是如何支撑这些要求的？ 首先，数据必须趋近 PB 级规模。在这样的量级上，大数据开始许诺一幅完整的图景，一套可以被不断解析、过滤、排序和检索的信息，以便找到下一个突破或预判潜在的风险。正如科学技术研究（STS）学者马克斯·利博伊龙（Max Liboiron）所指出的（2015, 150），“大数据的承诺正是以这种信念为前提的：借助关于平凡日常互动的、规模更大且愈加详尽的数据集，原本不可见的模式可以变得显而易见、可以预测。”这一承诺是渐近的——一项永不停歇的信息捕获计划，永远抵达不了总体性的地平线——但这丝毫无损于它的力量。数据是如何变大的？一种方式是整合更多的数据集。但彼此异质的数据库往往无法调和，它们基于多种标准、规范与格式。另一种方式是整合非常规数据。但这类信息可能不完整或结构不完善。作为 Gotham 后端“栈”的核心组件，Apache Cassandra 解决了其中一些问题。传统的关系型数据库模型由行和列构成，很像 Excel；而 Cassandra 是一种所谓的 NoSQL 方案，一种非关系型数据库，采用的是极简得多的键值模型（例如“职业：医生，年龄：35”）。它不要求在数据库之间将行和列完美匹配，这种名义上“无模式”（schema-less）的结构在合并数据集时提供了更大的灵活性。这种结构也有助于处理不完整的数据。NoSQL 模型意味着数据可以更凌乱，而不必耗费工时和存储空间去“清洗”数据（用零填充空单元格）。事实上，克劳迪娅·阿拉道（Claudia Aradau）在其关于数据的著述中指出，“大数据 = 凌乱数据”已成为某种新的座右铭，其特征被描述为“来自多个来源、格式异质的数据”（2015, 27）。 其次，数据必须趋近当下时刻。在 2013 年一场题为《将 Palantir Gotham 用作指挥与控制平台》（Leveraging Palantir Gotham as a Command and Control Platform）的精心演示中，一群 Palantir 工程师向政府机构的观众展示了“Railgun”的能力。他们解释说，Railgun 是构建在 Gotham 平台之上的一个层，它为平台提供了“现在时态”（2013a）。他们对一支海军陆战队分队所执行的一个（假想的）人道主义援助项目的后勤进行实时的可视化与管理。借助实时追踪数据，他们跟踪索马里海岸外海军部队的进展：卸下补给、转乘车辆、在一处洪水渡口受困，最终抵达一座红十字会营地。在这里，传统的信息刷新节奏被凸显出来。按季度、按周甚至按夜更新或“摄入”（ingested）的数据，对于协助这种即时决策而言都来得太迟了。工程师们推崇的不是稳定但无关的数据，而是“易变的、转瞬即逝的数据”（2013a）。重点在于尽可能贴近当前时刻的数据。因此，尽管长期记录可能有益，任何档案都将通过“设定一个滚动的时间地平线，超出这一地平线的数据即可被清除”（2013a）来填充。趋近“此刻”带来了一种动态性，而这种不断波动的数据引发了一种主观上的转变，使档案活了过来。分析员的体验从信息变为动画，从死的符号变为鲜活的化身。正是这种特质使 Palantir 工程师得以宣称，“我们越来越多地是在对现实进行采样”（2013a）。 第三，数据必须趋近实时响应。仅仅拥有能在当下被捕获、并能大规模存储的数据是不够的。数据必须让人感觉是有响应的，而要实现这一品质，就得确保即便在大型数据集上操作时，查询与响应之间的延迟也降至最低。Palantir 通过使用 Apache Hadoop 系统的核心组件 MapReduce 来解决这一问题。Hadoop 并不依赖单台强大的超级计算机，而是被明确设计为将处理任务分布到成百上千台消费级计算机上，即大批量的通用硬件。Hadoop 所确立的基本组群是集群（cluster），由若干关键节点界定。因此，MapReduce 承担着两项基本功能：“它将工作分派给集群内的各个节点，即映射（map）；并将每个节点的结果加以组织和归约，汇成对一次查询的连贯回答”（Bigelow and Chu-Carroll, 2017）。Map 方法使一项基本作业——比如统计一百万份文档的字数——得以被拆分为每批 100 份的批次，并“映射”到各个节点。这些批次被同时处理，充分利用并行计算所带来的效率。这些批处理作业得出的数字随后由 Reduce 方法加总，返回总字数（Apache, 2017）。尽管高度技术化且有些晦涩，但正是这种硬件与软件的底层架构，改变了与数据交互的体验。与在大型数据集上可能要运行数小时的“一锤定音式”SQL 查询不同，MapReduce 所提供的低延迟创造了一种更具对话性的体验，在其中，反馈、迭代与表述成为至关重要的活动，成为对数据的一种摸索。综合来看，这三项后端技术实现了一种主观上的转变：生活本身似乎可以被穷尽地捕获、被不断地审问。 因此，一方面，Gotham 必须扩张和囊括，以使其“对现实进行采样”的主张正当化。但另一方面，它又必须理解这一切。就其本身而言，这纯粹的数据洪流什么也没有告诉我们。信息必须被加工，要么通过内置于平台的自动化流程，要么通过人类分析员的手动操作：寻找线索、构建序列、匹配活动，从而让某种模式浮现出来。通过剔除无关的和多余的东西、分拣和筛选，用户希望在压倒性的噪声之中聚焦于那个微弱的信号。在这一操作中，同样会达到某种临界点，即种种细微指标的累积，缓慢地逼近一个结果。在这里，我们同样深入考察三种具体工具，看看它们如何将一个模式从凌乱数据的泥沼中提取出来。 第一种工具是“周边搜索”（Search Around），这是一项核心功能，该公司的在线演示中对它的大量使用即是明证。正如其名称所示，“周边搜索”可以在任何条目上运行，搜索与之共享联系的其他条目，并将它们可视化为以蛛网状方式相连的节点（2013b）。条目是如何作为相似者被联系在一起的？在 Palantir 使用假想数据进行的演示中，这种联系有多种形式：乘坐同一架飞机的航班、共同的旧居、打给同一第三方的电话、差异足够小的 IP 地址（2013c）。 关于这一逻辑，有两点值得简要一提。第一，算法上的邻近并不是地理上的邻近——相隔遥远的人常常被认定为有着紧密的联系。作为一种逻辑，在信息空间“周边”搜索，与在物理空间周边搜索的运作方式不同。正如克劳迪娅·阿拉道提醒我们的（2015, 24），数据的逻辑“甚至能把最遥远的事物拉到一起”。在这方面，可视化图示作为证据发挥作用的力量不应被忽视。界面瞬间就把数千公里压缩为隔开两个图标的寥寥几个像素。突然之间，身处两个不同国家的两个人在分析员的显示器上变得近在咫尺。他们原本迥然不同的生活世界如今并排而置。他们看似各自独立的网络被聚成一团。一条粗黑的线在屏幕上连接起他们的化身，展示着他们“显而易见”的关联。 第二，这些联系是转喻性的，而非分类学的——关联是通过把细小的信息片段从一个人连接到另一个人而逐步建立起来的，而不是通过任何一种显而易见的林奈式归类。毫无疑问，种族和宗教之类的传统分组仍然影响着分析，但它们已不再具有往日的效力。相反，正如阿拉道所指出的（2015, 23），大数据挖掘中的相似性主要基于“类比、对应与相像”。在这种想象中，动机是无关紧要的。推断出驱使某人追求特定目标或策略的某种内在意识形态，在分析中几乎无足轻重。相反，这一逻辑立足于经验性的活动，而非所宣称的原则——你做了什么，而不是你是谁或你相信什么。正如戈菲（Goffey）和富勒所论证的（2012, 145），在运用数据挖掘时，“这里的目的与其说是找出原因，不如说是建立相关性、统计上的对应。”这些联系是通过那些既有记录又可核实的细微活动的累积而逐渐形成的。数据不会说谎。 这种硬性的经验主义还起到了消解关于分析员公正性之质疑的作用——数据“仅仅”呈现你做了什么，而不是我认为你做了什么。经过多名分析员的追踪、打上时间戳、截屏存证，信息穿过重重层级，逐渐脱离了单个个人以及任何所谓的刻板印象。其结果是一套表面上毫无偏见、不含臆测与猜想的证据。正如国土安全部在其采用该工具的理由说明中所述（2016），Palantir“通过以常识性的方式呈现用户已经可以获得的信息，帮助减少人为错误和分析上的不确定性”。这种想象是关于客观模式的，而不是关于主观偏见的。 第二种工具是“流”（Flows），这是 Gotham 的一个插件，能够将物质流动可视化。电话、电子邮件、资金，或系统所能理解的任何其他物质流动，都被可视化为随时间从一个对象移动到另一个对象的亮点。这一工具产生了一系列效果，每一种都与它的形式属性紧密相连。“流”起到结晶作用，使实体之间的连接得以固化。尽管一条线已经表明了一种关联，但从一点移动到另一点的亮点“加粗”了这一联系，以视觉方式展示了一个人与另一个人之间的物质交换。“流”起到形式化作用，为往往极其复杂的对象网络提供一种高层次的理解。代表货币或通话的点常常从一个共同的“枢纽”发出，由各条“辐条”接收，或者在各个集群之间游走，然后跳到其他集群。因此，这种可视化在网络线条的混乱交织中提供了一种结构的印象——一种对行动者的排布、分组与层级的洞察。最后，“流”起到排定优先级的作用，为分析员呈现网络中最重要的能动者。通过按物质的量（通话次数、金额等）来缩放点的大小，重要的交易与互动在可视化中很容易凸显出来，并可被标记以供进一步调查。 第三种工具是“时间线”（Timeline），其形式是屏幕底部一个模块中的日期与时间指示器。“时间线”使分析员能够指定一个几秒、几小时或几天的“时间窗口”。这将行动隔离开来，只可视化在该时段内发生的事件或活动。这一窗口可以沿着“时间线”逐步拖动，为分析员提供事件展开过程的“逐一实况”。与其他工具一样，这里的关键意图在于揭示一种可辨识的模式，一种特定的活动特征。人类分析员替代了算法性，依照同样的类比、对应与相像的逻辑运作。各个事件是否看起来经过协调，大致在同一时间发生？是否存在某种不断重复的特定行为序列？一个网络中看似随机的活动，随着时间推移是否变得具有周期性或因果关联？反过来，这些习惯性惯例中是否出现了看起来意义重大的断裂或中断？为了回答这些问题，“时间线”常常与“流”结合使用，以揭示一种行动模式。在 Palantir 的一次假想演示中（2011），分析员“发现”三名行动人员先是接到电话，两天后便向某个特定账户转账，这一序列每周重复一次；一个月后，这些行动人员在同一天全都登上了飞往同一座城市芝加哥的航班。尽管在这些演示中被揭示出来的洞见本质上是经过编排的，但它们提供了一幅令人信服的愿景，而这幅愿景被一系列公共和私人行动者所接受。 因此，这种从混乱中收集秩序、从信息中获取洞见的愿景，由两种方向相反的操作构成。可用的信息，就像它最终所指涉的生活一样，必须是巨量的、最新的，而又能及时响应的。操作需要容许摄入那些非结构化的、动荡的、凌乱的——换言之，无模式的——数据。在这片艰难的地带上，分析员开始工作，煞费苦心地排列对象、连接活动。“现实”借助一套工具被仔细解剖，这些工具从这表面上的混乱之中撬出潜伏其下的周密计划。在这一强大的幻想中，一个清晰的模式从数据噪声的汪洋中浮现出来，这个模式揭示出迫在眉睫的金融风险、近在眼前的威胁，或者仅仅是下一个消费趋势。 ### 分析员—Thunderbird—洛杉矶机器（Analyst—Thunderbird—LosAngeles Machine） 生活是如何通过算法性而被调节的？如果说本体界定了算法性的逻辑，那么它的控制便施加于主体与空间之上，即施加于种种现场操作之上，本节通过分析员—Thunderbird—洛杉矶机器来考察这些操作。Thunderbird 不过是 Palantir 为集成在洛杉矶警察局（LAPD）所用 Gotham 版本中的自动车牌识别系统所起的名字。Thunderbird 可以被看作为这一特定客户提供特定功能的定制附加组件或插件。尽管分析员对车牌数据的使用为干预提供了推动力，但这种调节是由一个由人类与非人类要素构成的复杂的司法—政治网络来实施的：检查员与律师，传感器与调速器，车牌识别器与警察。 洛杉矶警察局是最早采用 Palantir 平台的执法机构之一。事实上，Palantir 于 2013 年制作的一段视频（2013d）将该机构作为范例性的案例研究，其中包括一系列证言，警察局长在证言中称赞该平台帮助他们“理解外面那所有的噪声”。2014 年，该局加码投入，又花费 290 万美元与 Palantir 签订合同，“为洛杉矶警察局现有平台提供、配置并安装一个新的升级模块，并纳入新数据”（Mayor's Office of Homeland Security, 2015）。合同详细列出了新增的数据模块，包括例行收集的车牌数据、来自当地县的犯罪嫌疑人档案照片，以及可从机动车管理局（Department of Motor Vehicles）获得的一系列信息：家庭住址、家庭电话号码、身体/精神状况信息、社会安全号码以及照片（DMV 2017）。 这种可获取数据的扩张及其向统一的 Palantir 平台的整合，旨在创造一个更为全面的信息环境。在这一意义上，Thunderbird 例示了上一节所勾勒的两种相反的操作——它贪婪地扩大数据捕获的范围，同时又提供向某个特定目标聚焦的工具与功能。正如人文地理学家伊恩·肖（Ian Shaw）所总结的（2016, 25），“整个‘正常’人口必须首先被编码和建模，才能对异常者进行地理定位。为了个体化，安全国家必须首先总体化，对生活世界实施一种密集的治安管控。因此，城市追捕的两种空间视角便是人口（扩张）与个人（收缩）。”这里的一个关键目标是“捕获一切”的需要，即追求信息的总体化，而这一追求在技术层面上由 Palantir 技术栈所支撑。为了能够定位任何个人，首先就必须知道每一个人，这就要求通过数据来表征一个庞大的人口。 这些信息如何影响对生活的调节？车牌数据由第三方制造的专用识别设备自动捕获，这家第三方最常见的是 Vigilant Technologies。固定式车牌识别器通常安装在灯杆上，捕获从其下方驶过的车辆的车牌，并将其直接传回执法总部。洛杉矶警察局大量使用的移动版本，则是安装在警车车顶的两台摄像头。移动识别器持续运行，从其视频画面中检测车牌图像，将其隔离出来并转换为一串字母数字字符，再将其添加到车内显示器上一个不断滚动的车牌数据列表中。这些车牌会与州和联邦数据库进行比对，以匹配特定的活动。例如，联邦调查局专门为车牌识别系统维护着一个机器可读文件，每天刷新两次。这辆车可能已被报失窃，可能登记在一名违反假释规定的性犯罪者名下，也可能属于一名经常无视停车罚单的所谓“藐视法规者”（scofflaw）。一旦被标记，相应的一系列操作便会在车主身上展开——逮捕、罚款、警告，等等。由此，每一块车牌都隐藏着一桩潜在的罪行。事实上，据半岛电视台（Al Jazeera）报道（2014），洛杉矶警察局已经以车牌数据属于调查性质为由，驳回了一项《信息自由法》（Freedom of Information Act）申请。换言之，洛杉矶的所有汽车都处于持续的调查之中。 技术与监控的批评者常常会描绘噩梦般的场景，以便为自己的立场争取公众支持：全局性的故障、失控的雇员、致命的错误。当然，这些意外情形确实可能发生，也确实重要。其后果往往最沉重地落在那些本已处于边缘或脆弱境地的群体身上。例如，非裔美国女性丹尼丝·格林（Denise Green）在 2009 年被拦停，原因是自动车牌识别技术将一个 3 误认成了 7，把她的车标记为失窃车辆（Winston 2014）。警察持枪命令她下车，强迫她跪下，并在搜查她的车时给她戴上了手铐。格林是一名 50 岁的公交车司机，她将这段经历形容为一场“噩梦”，不得不请了两周假接受心理咨询（Winston 2014）。 但这类案例是反常现象。尽管对个人而言是毁灭性的，但在权力冷酷的逻辑中，它们既过于局限，又过于惊人——一股施加在单个身体上的力量，会引起人们对可能滥用的关注。一种更为微妙、更具系统性的效应，发生在与该主体邻近的人身上，以及更广泛的整个人口之中。正如记者布伦丹·奥康纳（Brendan O'Connor）所论证的（2016），“一名特别执法办公室（Office of Special Enforcement）的检查员失控，利用 Palantir 的移动技术跟踪同事、债主或情人，这样的噩梦场景当然是可以想见的。但与 Palantir 的技术已经被使用的方式相比，那种赤裸裸的滥用的可能性倒没有那么令人不安。这座城市在执法之外对 Palantir 的拥抱，已悄然开启了一个民事监控的时代，这种监控无处不在，以至于变得不可见。”这一无声的体制作为一种低沉的嗡鸣在背景中运行，是一股潜流，影响着（更准确地说，是抑制着）一系列政治实践。 “寒蝉效应”（chilling effect）一词被用来描述这种微妙的抑制，这是一个潜意识的过程，主体在其中自我调节那些可能被视为具有政治性或争议性的活动。2009 年，警察局长协会（Association of Police Chiefs）委托撰写了一份报告，调查大规模自动捕获车牌数据可能带来的伦理影响。尽管该报告的总体展望不出所料地一片光明，但作者们确实就这种潜在的寒蝉效应向各机构发出了提醒（Nagel et al, 2009, 7），警告说暴露于该技术之下的人群可能会“在行使其受保护的表达、抗议、结社和政治参与权利时变得更加谨慎”。 但这种寒蝉效应仅仅是道听途说或凭空想象的吗？仅仅是那些关注监控与隐私的人想当然地假定的结果吗？2016 年，法律研究者乔恩·彭尼（Jon Penney）对这些效应进行了最早的实证研究之一。彭尼聚焦于 2013 年 6 月爱德华·斯诺登（Edward Snowden）对国家安全局“棱镜”（PRISM）计划的揭露，着眼于世人得知美国政府正在对其电话、网络搜索以及越来越多在线上进行的其他日常活动实施大规模监控的那一刻。当然，衡量监控效应的关键难题之一在于，主体通常根本意识不到监控正在发生。与此相反，斯诺登的揭露是一枚广受关注的重磅炸弹，它提醒广大公众：他们的活动正处于积极的监控之下。简言之，这些披露确立了一个清晰的前与后：斯诺登之前与斯诺登之后。 彭尼分析了 48 篇“具有争议性”的维基百科（Wikipedia）条目的访问流量——诸如“脏弹”和“自杀式袭击”这类与恐怖主义以及其他可能触发监控警报的主题相关的页面（2016, 140）。彭尼发现，在 2013 年 6 月的揭露之后，这些页面的访问者下降了 20%。更重要的是，这并不是一次暂时的下滑，而是一种更为持久的效应的一部分。例如，彭尼指出（2016, 151），维基条目“哈马斯”（Hamas）的浏览量此前呈上升趋势，每月增加 60,000 次浏览；然而在斯诺登之后，这一趋势发生了逆转，访问该页面的人数逐月减少 20,000 人。这项研究表明，与“没什么可隐瞒，就没什么可害怕”的口头禅相反，处于监控之下的主体确实会调节自己的行为，即便这是无意识地进行的。 当然，Palantir 不是国家安全局，Gotham 也不是“棱镜”计划。我们也必须小心，不要让这一对象承受过重的负担，把一整套压倒性的、模糊的效应都归于它的操作。事实上，Palantir 各项流程的关键体验特质之一，恰恰在于它们变得多么令人难以置信地平庸。关键功能只需一天的研习课程即可学会（Woodman 2016）。界面被设计得高度直观。点击。拖放。这里没有什么特别令人惊叹的东西，没有任何指向自身奇观的技术。相反，整个活动恰恰在它被视为寻常的、程序性的程度上被去政治化了。 与此同时，我们必须承认上一节所勾勒的、Gotham 所提供的那些能力：对非结构化数据的吸纳，对信息进行对话式的查询与检索，对属性的交叉比对，以及关联的渐进累积，最终形成一种表面上有机的模式。通过 Thunderbird 将车牌数据整合进这一平台，增添了新的能力：追踪行为随时间的变化，以及在空间中定位主体的能力。这是对监控能力的一次激进放大——使在大规模范围内锁定和审问主体变得便利。因此，Gotham 既显著扩展了数据分析的范围，同时又使其使用变得毫不费力——这是一种调节的经济化。 米歇尔·福柯（Michel Foucault）或许会说，如果权力想要什么的话，那就是更高的经济性。要想有效，权力就必须是灵活的而非僵化的，要适应新的条件与挑战。这种持续的重构并非随机进行，而是策略性地进行的。权力随着时间以某些方式演化，并趋向于一组特定的优先事项，杰弗里·尼利（Jeffrey Nealon）在福柯的著作中发现了这一强化（intensification）概念，并对其加以扩展（2008）。从昂贵走向经济的运动构成了一种指导性逻辑，它既构成了一个总体目标，也界定了实现这一目标所必需的转变。在尼利看来，这在历史上表现为一系列选择性的适应，表现为“权力强化的公式化运动：抽象化、轻量化、扩展、流动性以及效率的提高”（32）。当然，福柯的《规训与惩罚》（Discipline and Punish）突显了这一趋势中的一段，即从直接施加于身体的暴力惩罚、以砖石建筑对肉身的监禁，演化为一种轻得多、高效得多的体制，这种体制在当时体现为边沁（Bentham）的全景监狱设计。这条轨迹中的新体现，逐步走向一种更为有效的运行表现，这种表现能够在每一种意义上以更“经济”的方式获得：物质上、财务上、时间上，等等。 这里的关键逻辑之一，是从躯体性（the somatic）向系统性（the systemic）的转变。规训权力通常被理解为一种更为传统的控制形式，它通过监狱、兵营、医院等施加于身体之上。但全景监狱已经预示了——哪怕只是微弱地——权力脱离物理在场的轨迹。福柯坚持认为，“权力的原则与其说在于某个人，不如说在于身体、表面、光线、目光的某种协调一致的分布；在于这样一种安排，其内部机制生产出个人被卷入其中的那种关系”（2012, 255）。依赖身体干预的躯体性权力，维持起来既昂贵，又本质上受制于肉身——一个特定的身体，视线有限，注意力的持续时间有限，工作时数固定，等等。这就是为什么尼利认为（2008, 34），强化不断地追求一种更高效的“在广阔场域中对效果的涂抹或浸透”。身体的能力总是那样令人沮丧地单一、受限于所在位置，如今它们被吸纳并被拆解开来，扩散进一个更高效的控制环境之中。在边沁的全景敞视监狱中，牢房以特定角度排列、塔楼居于中心、窗户被遮挡，这些共同构成了一个系统，它放大了视觉的规训潜能，将其效果无处不在地分布于空间之中，并持续不断地分布于时间之中。对囚犯而言，目光与看守脱钩，被嵌入墙壁本身之中。 鉴于强化的轨迹，这种规训的目光或许可以被更新为一种算法的目光——一种并不直接作用于身体、而是作用于其数据阴影的目光——它索引着由主体产生、并与他或她相关联的信息旋涡：信用评分与犯罪记录、电话与聊天日志、Skype 通话与社交媒体。借此，信息技术维持着一个弥散的、在很大程度上不可察觉的场域——一种稳定的压力，迫使主体采取特定的自我调节实践。就 Gotham 而言，它既是这些系统的界面，又是它们的整合器——既是将彼此异质的数据黏合在一起的胶水，又是检视这些数据的图形界面。尽管在福柯的时代，物理可见性生产出自我治理之囚犯的能力或许被夸大了，但在算法可见性的强光之下，主体趋向自我治理的倾向似乎远没有被夸大。调节从外部强制转向内部顺从，成为一种既由自我发起、又由自我管理的持续展演。正如福柯提醒我们的（2012, 256），一旦这些力量在主体身上被实例化，“他就让它们自发地作用于他自身；他把这种权力关系铭刻在自己身上，在其中同时扮演两种角色；他成为自身臣服的本原。” 尽管有这些倾向，权力从来都不是总体化的。在算法性之中，控制可能让位于失控，确定性可能让位于偶然性。但这种权力的诸种模态表明，传统的框定与回应方式可能相对无效。以“抵抗”（resistance）这一概念为例。算法权力并不是一个施加压迫、因而可以被反抗的有形躯体。相反，正如一种福柯式的解读所表明的，这种权力弥散于无处不在的媒介之中，渗透进日常的机制之中。在这个意义上，Gotham 更类似于一个覆盖在主体地形之上的饱和场域。人类与技术在这个环境中亲密地纠缠在一起，相互依存、无法分割。事实上，Gotham 的一些核心数据库字段，同时也被视为公民身份与身份认同的核心要素：社会安全号码、银行账户、地址，等等。正如彼得-保罗·维贝克（Peter-Paul Verbeek）所断言的（2013, 77），“用斗争与压迫的方式来概念化这种关系，就好比寻求对抗重力或语言。”这并不是要陷入宿命论，而只是要承认，“压迫”与“抵抗”这套传统话语需要被更新，甚至被取代。 第二个可能需要更新的概念是“拒绝”（refusal），即有意识地退出特定的平台或信息系统。对于全球北方的人们而言，在很大程度上不联网的生活究竟是否可能，是有争议的，尽管某种局部的不参与确实是可以做到的。当然，拒绝本身往往只对那些已经拥有一定特权的人才可行：已经确立的声誉、线下的社会支持结构、稳定的职业，等等。这就引出了拒绝可能无效的核心原因之一——它似乎往往剥夺的多于赋予的，把主体排除在那些能提升生活质量的文化、社会和金融交换领域之外。用塞布·富兰克林的话说（2015, 136），“与交流渠道断开连接显得反常或病态，从而导致被逐出表征与纳入的回路。”主体被切断于至关重要的网络之外，这一举动让他们付出巨大代价，对系统却几乎毫无影响。 与抵抗或拒绝不同，分析员—Thunderbird—洛杉矶机器提示了一些另类的、深度内在的策略。吉尔拉克（Gierlack）等人 2014 年的一份兰德（Rand）报告提到了若干具体的例子。例如，报告指出，车牌识别摄像头被配置为在白天和夜间两种设置下运行，这就需要以高清方式同时捕获车牌的红外照片和可见光照片。这种“双倍”数据的体量往往完全出乎意料，迅速压垮了老化的数字存储系统。执法机构被迫删除旧数据，为新数据腾出空间。其结果是，“是这些限制，而不是隐私方面的担忧，最终缩短了他们的数据保留期限”（Gierlack et al, 2014, 68）。并不是来自外部的任何公开干预——例如政府监管或公民行动——而是系统内部的过程本身在削弱系统自身的效能。在另一个例子中，自然环境与建成环境的复杂性制造了意想不到的摩擦，而算法性试图将其消解。正如报告所详述的（80），“摄像头也可能把某些构筑物误读为车牌，一个部门就发现，其系统不断把一些住宅周围的铸铁栅栏看成‘111-1111’车牌。”外部世界的凌乱与代码世界的内部模式之间的落差，从该部门的角度看产生了一个“错误的”结果。在这些情形中，信息流仍在运行，但被偏转到了切线方向，产出被视为不连贯、不可用的输出。 把这两种不一致放在一起，我们便得到了最后一个例子。报告披露，“司机们用黑色电工胶带修改车牌，从而击败了该系统”（100）。自动车牌识别系统都包含着关于预期视觉模式的特定假设——位于车牌白色背景上的较暗像素，应当被解析为一串字母数字字符。通过向这一生态中注入意外的物质——粘在车牌字符之间的胶带——预期的算法流程仍在运行，却被转向或打断。由此产生的输出被机器视为有效，对人类却毫无用处。这种实践既不“抵抗”系统（关掉服务器？），也不“拒绝”系统（彻底不再开车？）。相反，这种实践是与系统协同而非与之对抗地运作，它理解正在运作的操作逻辑，与这些流程周旋，并让它们暴露于意外的输入之下。这让人感觉是一种更具策略性的实践——它既承认我们与技术系统纠缠得有多深，同时又将特定的操作工具化，以抗衡这些系统往往不对称的权力结构。[^f03-2] [^f03-2]: 这类个体干预有时会被认为与政府监管所施加的力量相比无足轻重而遭到轻视，但这种看法预设了国家既有意愿、又有足够的技术认知来充分约束企业权力。事实上，国家安全局/斯诺登事件的揭露表明，科技巨头所达成的对主体的深度把握，同样也是国家的一种幻想；而正如 Palantir 的客户名单所显示的，消费者捕获的要求与安全情报的要求之间几乎没有差别。更重要的是，国家监管通常是作为一个补丁来施加的，被硬编码在某个结构之上，以安抚公众。换言之，它让算法性更为根本的操作逻辑保持不变。话虽如此，在任何关于当代权力的讨论中，国家确实仍然具有相关性，而算法主权的问题是我在其他著述中探讨的内容。 ## 被穷尽地包裹（Exhaustively Enveloped） Palantir Gotham 为探究算法操作在今天以何种复杂方式构造主体性提供了一个切入点。算法并不只是毫不费力地执行其指令的代码，而是一个由传感器与软件、身体与官僚体制、硬件与矿物所构成的生态。把这些物质的交汇点聚合为一台台“机器”，使我们得以考察哪些操作是必需的，以及它们是如何被执行的。 我们从生活—动态本体机器开始。在走向世界的过程中，算法性也必须理解世界。这就需要构建某种内部图式，即一种信息本体。人、地点与事物被映射到这一图式之上，而这一图式之所以具有政治性，是因为它承认某些实践而忽视另一些实践。任何定义同时也是一种简化，它在复杂的外部与被编码的内部之间、在主体与其算法指涉物之间制造出落差。 工具—技术栈—分析员机器展示了算法性解析信息以确立生活模式的若干方法。一整套前端工具以后端的“技术栈”为支撑。这一技术栈的操作使海量的实时数据能够被即时响应地查询，这些操作汇聚在一起，使数据成为生活的类比物。 分析员—Thunderbird—洛杉矶机器借助一个特定的 Gotham 实例，勾勒出算法对生活的调节。Thunderbird 的自动车牌识别数据开启了一个信息场域，被用来建立关联、追踪活动，并在空间中定位主体。由此产生的调节往往表现为对生命力的调制，通过传票、驱逐、罚款等方式间接地抑制种种能力。这种权力是系统性的而非身体性的，是一套以轻盈而经济的方式发挥作用的内部机制的安排。这种调节反过来又施加一种趋向自我调节的压力，即一种不间断地展演的、由自我发起的治理方案。但算法性从来都不是总体化的，操作内部出现的种种滑脱，为在当代控制体制之内进行富有前景的干预指明了方向。 这些步骤所逐步构建的，是一种什么样的元操作？我们或许可以将其描述为穷尽性的——一种完全全面的操作，其中每一个要素都已被考虑，每一个角度都已被分析。穷尽性的分析已经彻底勘察了整个场域。每一种可能性，无论多么微小或看似多么无关紧要，都已被纳入考量。算法性天然擅长这种类型的操作：捕获由行动者与整数、实践与过程所构成的庞大场域，赋予它们特定的属性与数值，把它们索引为簇、群组与等级，并依据它们的生产率对其加以解析。正如路易丝·阿穆尔（Louise Amoore）所主张的（2013, 15），算法性提供了一种“使流动和循环的事物、人员、货币与对象变得可计算、可认知、并因而可治理的手段”。这种耗竭不可能是一次静态的实例化，而必须是一种不间断的操作：变量被更新，新的要素被添加，过时的假设与立场被抹除。总有更多的实体有待把握，总有新的配置有待考量——穷尽性永远无法停歇。 在这里，耗竭是一种力图完全浸透其目标的操作——填满裂隙，漫过边界，渗入缝隙。循着权力更广泛的演变轨迹，它从高成本走向经济，从身体性走向系统性。在此过程中，它变得更加轻盈，从而得以更彻底地弥散于“事件、行动、行为、意见的尘埃”之中（Foucault, 2012, 270）。更充分地涂抹于一个空间，更深入地注入一个主体——穷尽性所追求的，是一种既无处不在又细致入微的权力。用尼利的话说（2008, 34），其终局是一种“力求完备与穷尽的状态”。当然，这一过程是渐近的，不间断地攫取一个永远无法抵达的总体。但恰恰是理想与可实现之物之间的这一落差，提供了适应与演化的动力。 这正是 Palantir 的许诺——一个已经成功且全面地把现实圈围起来的算法体制的想象。它的逻辑既是扩张的，也是收缩的：一方面贪婪地吞噬更庞大、更凌乱的数据集，以覆盖每一个行动者和每一项活动；另一方面又以层层漏斗式收窄的工具审问这些信息，以揭示关键的关系、缺失的环节、隐藏的离群值。自动车牌识别操作把硬件摄像头、警员的巡逻活动、字母数字数据的检测，以及这些数据向 Palantir 管道的整合统统包裹进来。Palantir 能力的这种扩张，使其效应得以涂抹于洛杉矶的空间与公民之上，为警员提供了补充其关于任何嫌疑人及其车辆之信息的手段——追踪他们的行动，确立其模式，并在空间中定位他们。 在这里，算法性以重要的方式发挥作用，使这一操作得以维持。在总是必须以更少的时间、金钱与资源做更多事情的生产模式之中，这样的经济化至关重要。集成进 Palantir 的 Thunderbird 系统取代了手工抄录车牌的过程，带来了能量的剧烈放大——它以一个将信息的捕获、交叉比对、传输、存储与查询自动化的系统，增强了巡逻警车的日常巡逻。与增强相伴随的还有融合——Palantir 把所捕获的数据综合到一个中央设施之中。个别的、孤立的东西被黏合成一个统一的整体。对洛杉矶警察局而言，这意味着每位警员的贡献都汇入公共池；被捕获的各个辖区聚合成覆盖全城的区域；巡逻时一阵阵短暂的捕获汇合成一场全天候的操作。Palantir 所设想的是这样一种操作：一个特定的场域被穷尽地渗透——每一个要素都被索引，并被注入算法性所赋予的种种力量。 # [ 2 ] 征召：Uber 与劳动的流动性（Enlist: Uber and the Liquidity of Labor） ## 流动劳动（Liquid Labor） 作为一名“司机伙伴”（driver-partner），阿尔琼（Arjun）为自己工作。他想什么时候起床就什么时候起床，想什么时候工作就什么时候工作，想去哪里就去哪里。然而，他一天中的活动却以种种微妙的方式被塑造着：驱使他在一天中的特定时刻前往特定地点，催促他延长工作时间，促使他达到某种客户服务标准。通过大量的算法干预，Uber 生产出一种特定的主体性（subjectivity）；这种主体性必须不断被更新，却依然保有惊人的效力。之所以说惊人，是因为它几乎不带有传统管理的任何标志。阿尔琼没有经理、监工或调度员。他没有上过任何正式的培训课，也不必背诵什么厚厚的员工守则。事实上，这套调节装置看上去几乎空无一物：智能手机上呈现的一连串事件，便促发了一种仿佛从自我中有机生长出来的展演（performance）。这种主体性是如何产生的？诱导它需要哪些算法操作？ 对 Uber 而言，劳动必须变得具有流动性。当其管理层描述这个网约车平台时，他们谈论的不是汽车、路线和司机的具体情况，而是流动性。伦敦运营负责人克里斯托夫·拉米（Christophe Lamy）说，公司“为交通运输带来了一套流动的市场交易系统”（Knight 2016）。这种表述源自金融界并非巧合——Uber 的高层管理人员大多出身于此。这里的管理想象是：Uber 的体制已经如此浸透整座城市，以至于任何人都可以在任何时间、任何地点即时调用它。作为一种服务的交通，绝不应被锁定在单个身体和定点车辆这类缺乏流动性的资产之中。相反，算法性（the algorithmic）将劳动拆散，并围绕用户实时地、动态地将其重组，以形成一个连贯的产品——“轻点按钮，即刻乘车”（Tap a Button, Get a Ride）。移动被液化为一种遍布全城、随叫随到的操作。 因此，在某种意义上，劳动的特殊性被抹去了。来的是阿尔琼还是哈里（Harry）并不特别重要，车是普锐斯（Prius）还是卡罗拉（Corolla）也无关紧要。这些具体之处都是无关紧要的细节，消失在一片随取随用、整齐划一的劳动之海中。但这并不意味着工人被忽视了——远非如此。对这位司机伙伴所期望的操作始终保持不变。一种展演是必需的——它涵盖特定的车况、着装标准、举止方式以及执行上的胜任能力。换言之，“轻点按钮，即刻乘车”这一前提同时也是一项承诺。流动性不仅关乎灵活性，也关乎维持某种一致性的能力。为了确保这种展演，Uber 必须不停地施加力量——将一群分散的个体凝结起来，把他们粗糙的离群之处压平，汇成一股蜿蜒流畅的“最佳实践”行为之流，以提供一致的服务。 Uber 标榜自己是街头层面的新型软件，是一个积极塑造用户日常出行体验的工程系统。正如首席执行官特拉维斯·卡兰尼克（Travis Kalanick）所断言的，“Uber 的独特之处在于我们存在于物理世界之中”（2016）。当然，基特勒（Kittler）、帕里卡（Parikka）和基尔申鲍姆（Kirschenbaum）等学者早已证明了数字之物的物理性。但即便暂且不论数据中心、线缆和硬盘的物质性，Uber 在其运营核心也具有一种明显得多的物理性——用车辆在城市空间中运送食物或身体。再引卡兰尼克的话（2016）：“一辆车穿过城市，出现在你所在的地方。”在这种表述中，传统软件被贬为一种十足超脱尘世的事务，局限于桌面电脑，对抽象的数据集进行封闭的处理。与之相对，Uber 不仅强调其物理性，还强调其可及性——一种世界上任何人都能通过牛仔裤口袋里的智能手机获得的服务。这些特性合在一起——尽管显然是在漫画化以往软件的非物质性——构成了该公司自称为计算之物注入物理世界的一种新方式的依据。正如卡兰尼克总结的（2016）：“我们存在于比特与原子相汇之处。” 但“真实世界”是一个困难重重得多的空间。如果说算法性是逻辑与控制的结合，那么控制在这里便受到严峻考验。这些系统渗入日常生活，带来了利润丰厚的新可能性——Uber 和 Airbnb 这类“独角兽”的财务成功即为明证——但也带来了新的脆弱性。“比特与原子”的交汇极大地放大了任何软件都必须处理的与物质性的协商，使其他行动者的能动性凸显出来。像 Uber 这样的系统所面对的不再是像素这种高度顺从的媒介，而必须将摩擦大得多的要素——人及其多样的动机——征召进算法过程之中。一种新的依赖由此产生：对无法被严格强制的行动者的依赖。而且，这种依赖并非可以一劳永逸地得到保证的一次性交易。相反，它表现为每天发生数百万次的持续协商——每当一位乘客（Rider）叫车，Uber 都必须设法命令一位司机（Driver）到场。这一征召过程之所以复杂，还因为 Uber、Airbnb 以及其他由算法驱动的公司坚称其劳动力具有自雇身份。雇佣关系这一传统的监管围栏无法延伸到工人身上。这种支配劳动却无须为劳动承担全部财务、后勤或伦理责任的梦想，从资本的角度看是一幅极具诱惑力的图景。它把算法操作推向其极限（也许甚至超出极限）。但它同时也表明需要新的策略——如果算法系统要享受“真实世界”的利润，这些策略就必须真正起作用。 ## 伙伴—管理—消息机器（Partner-Management-Messaging Machine） 作为一家企业，Uber 为其工人设定了明确的管理目标——关于应当从事何种工作、初始成本投入、所需时间框架、所期望的技能、所涉及的报酬等等的一套特定观念。这套观念从严格的强制性要求（名义上的工人）一直延伸到指导方针、建议和最佳实践做法（理想的工人）。这些期望并不是通过传统的等级制、厚厚的手册、大量培训或实体监工来传达的。 相反，主要渠道之一是数据驱动的消息推送：它们由后端平台自动发送，并通过“伙伴”（Partner）应用出现在工人的手机上。这种即时反馈回路具有强大的行为效果，老司机们对此心知肚明，他们指出“应用提供的刺激是即时的”（Campbell 2016）。然而，正如我们将看到的，伙伴们对于自己想从事的工作有自己的设想，这些期望既向“管理层”（Management）的期望靠拢，又与之背离。他们试图通过一套位于劳动与物流交汇处的具体实践来实现这一设想。 消息以多种形式在伙伴应用中推送，每种形式都有其预期结果。“促销”（Promotions）出现在应用的主页“信息流”中，采取定向活动的形式，通常为在指定时间、指定地点驾驶提供更高的报酬。尽管这些活动符合经典的激励方案，但平台所实现的实时反馈却把它们转变为游戏化（gamification）。例如，“完成 18 趟行程，额外赚 60 美元”这一以文字写出的提议，看起来是纯粹的经济奖励——一种基于绩效的加薪。然而，这项活动被呈现为一项持续进行的挑战，由一根绿色进度条来标示，每成功送达一位乘客，进度条便立即前进一格。因此，响应式数据与实时消息的结合，把一项干巴巴的报价转变为一项游戏化的任务，利用的正是游戏业和博彩业所深谙的那种升级逻辑与微量多巴胺刺激。正如一位伦敦司机所解释的（Knight 2016）：“这就像待在投注站里。非常、非常容易上瘾。” 游戏化、激励与操纵紧密相连。而且，这些技术远非新鲜事物。正如康纳·莱恩汉（Conor Linehan）等人所断言的（2015, 82），“典型游戏设计元素（即积分、徽章、排行榜、时间限制、明确目标、挑战）的效果，可以通过行为心理学家数十年来所研究和理解的行为原理加以解释。”而行为心理学又在很大程度上建立在 B. F. 斯金纳（B.F. Skinner）所发展的概念之上；斯金纳在装有杠杆的箱子里对老鼠进行实验，根据它们的行为给予奖励或惩罚。在这一框架的幻想中，伙伴成了一种控制论系统，受到正强化或负强化的输入刺激，只是一遍遍地运行惩罚或回避程序。 “评分”（Ratings）是另一种消息形式。评分是相互的——每一趟行程结束后，司机和乘客都会以 1 到 5 颗星互相评分。然而，司机面临的利害关系要大得多：如果他的评分降得太低，他将被禁止使用平台。低于 4.8 分即被视为低于平均水平；低于 4.6 分，司机便面临被停用的风险。[^f04-3] 与促销一样，响应式后端数据与实时消息的结合为公司政策提供了关键支撑，同时具有若干重要优势。 [^f04-3]: 评分及其与停用之间的关系并非泾渭分明。这些数字针对的是 UberX，即“标准”的 Uber 网约车服务。UberSELECT 是更高端的版本，其司机必须维持 4.7 分的“终身平均评分”才能继续工作。尽管此处引用的是《商业内幕》（Business Insider）泄露的一份文件，但这些数字只不过是 Uber 在其网站上公布的一般指导方针的更精确、较少经过公关修饰的版本。换言之，评分及其衡量标准对司机来说是非常清楚的。James Cook, “Uber’s Internal Charts Show How Its Driver-Rating System Actually Works,” Business Insider Australia, February 12, 2015, https://www.businessinsider.com.au/leaked-charts-show-how-ubers-driver-rating-system-works-2015-2. 评分是应用中四个主要“标签页”（tabs）之一。作为一种用户界面元素，标签页本质上是一组视图，把互补的内容分组到面板中，这些面板要么处于活动状态（可见），要么处于非活动状态（隐藏）。在较早的“页面”范式中，只有点击链接、加载页面之后，进程才会启动。例如，一场考试及其计时器只有在学生从“首页”转到“考试”页面时才开始。相比之下，标签页中的所有内容和计算都已加载并在运行，只是隐藏在当前活动的标签页之后。于是，这里有一种暗示：对伙伴而言，点击一个标签页与其说是启动一个进程，不如说只是把一个早已在运行的进程调到前台。换言之，伙伴们“切换”到的是一种似乎始终在线、始终在计算的治理形式。 当然，在实践中，评分是在每趟行程之后给出一次。然而在心理上，不断被重新计算的评分却作为一种强有力的——即便是潜意识的——行为激励形式发挥作用。事实上，爱德华·陈（Edward Chen）法官在最近的一项裁决中（O’Connor vs Uber Technologies, 2015）专门评论了顾客评分，指出“这种程度的监控——司机在任何时候都可能处于被观察之中——可以说赋予了 Uber 对其司机表现的‘方式与手段’以极大的控制权。”令人紧张、手心冒汗的年度绩效考核，被一种在一天中以一系列微交互的形式不断进行的重新评估所取代。在应用“后台”运行的计算，在伙伴的认知后台中建立起一种相应的低度焦虑。正如一位司机所解释的（Knight, 2016）：“［星级评分］一直在你脑子里，它会突然击中你：我会被打低分吗？会有人投诉我吗？”评分执行公司政策的方式，比纸质合同或员工手册所能做到的要微妙、精巧得多。 因此，评分消息对司机进行一种微妙的推动，使其趋向一种特定的劳动实践——而这种展演反过来又引发乘客所期望的反应。这就是阿莉·霍克希尔德（Arlie Hochschild）在其关于空乘工作的开创性研究中所理论化的情感劳动（emotional labor）中的“微笑服务”——这种劳动要求“一个人诱发或压抑感受，以维持那种能在他人身上产生适当心境的外在神情”（2003, 7）。在这里，软件触及了它的极限。管理层所期望的司机展演性（performativities）显然无法因技术原因而被编码；Uber 无法编码快乐，也无法直接控制行为。但更重要的是，它们因情感原因而无法被编码。情动劳动（affective labor）必须始终显得是即兴的、不费力的——自发而真诚，仿佛自然地发自内心。用霍克希尔德的话说（2003, 8），“表现出享受需要费力，就是把工作做砸了。”与这种对积极情绪的诱发相伴而来的，是对消极情绪的压抑。疲惫和烦躁的迹象必须被克制，“否则劳动就会以一种不得体的方式显露出来，而产品——乘客的满意——就会受损”（Hochschild, 2003, 8）。简言之，情动必须显得真实，而非自动化。Uber 既不提供小费机制，也不为“小殷勤”编列预算。司机没有任何经济激励。但是，当评分令人不安地逼近 4.7 分大关、并从智能手机屏幕上盯着他时，司机可能会在自己身上诱发一种情感展演：为乘客开门、递上薄荷糖或瓶装水、愉快地闲聊，或者帮忙搬行李。与此同时，他可能会压抑醉酒乘客引起的沮丧、交通堵塞带来的压力，或长时间轮班造成的疲倦。评分为管理层履行了一项将情感劳动推至前台的功能，迫使伙伴们为了继续工作而管理自己的感受。 司机还会收到定期的“驾驶报告”（Driving Report）。这是一条自动生成的消息，它利用手机的加速度计和 GPS 传感器来检测一段时间内的速度和运动。手机通过 GPS 定位，至少需要使用 4 颗全球定位卫星（Weiss 2017）。就像汽车呼啸而过时的声学现象一样，当手机靠近或远离这些位置时，会产生一种远程信息层面的多普勒频移。正如 Uber 工程师安德鲁·拜因斯坦（Andrew Beinstein）所解释的（2016），任何手机（进而任何车辆）的速度都可以“从预期信号频率与实际信号频率之间的差值中准确推导出来。”一旦确定了车速，加速和制动便可被定义为这一速度随时间发生的突然变化。因此，对拜因斯坦来说，一个简单的公式便可以“通过计算导数来确定加速度的大小”（2016）。由此建立起界定粗暴操作的标准。Uber 工程部门采用前进保险公司（Progressive Insurance）设定的 3 米/秒² 标准，作为被视为不安全的“急刹车”事件的界限。如果这类违规被检测到的次数过多，驾驶报告便会自动发出警告消息。其中一条警告通知司机“检测到多次急加速”，违规日期以一种警示性的橙色字体写出。虽然细节是技术性的，但这里的关键在于，智能手机建立起了它自身的调节回路：收集数据；将其传送以供处理；并在反馈回路中呈现结果。其结果是持续施加一种压力，使人趋同于一种被定义为“安全驾驶”的行为规范。 然而，司机并不驯顺。他们的欲望有时与管理想象相吻合。但更多时候，他们会偏离开去，通过种种实践既适应算法管理的凝视、又对其加以遮掩规避——放大那些会被识别的正面标记，同时减少异常信息及其相关后果。例如，如果司机拒绝了一个“乘车请求”（Ride Request），他或她就会在伙伴应用的主屏幕上收到一条警告消息，标题醒目地写着“您的收入”（Your Earnings）。这些消息以橙色标示，并配有惯用的警示图标——三角形中央一个感叹号。正如司机哈里·坎贝尔（Harry Campbell）所解释的（2016），它们是警告，因为“如果你错过超过 2 个请求，Uber 实际上会让司机‘暂停’2 分钟。”然而，论坛上的一位老司机提供了一个绕过“错过派单”（即拒绝的行程）禁令的简便办法。正如坎贝尔所指出的（2016），解决办法“是放掉一个派单之后**立刻**下线，然后马上重新登录。这样就能在他们让你‘暂停’之前清除你错过的派单记录。” 正如亚历克斯·罗森布拉特（Alex Rosenblat）在她对 Uber 和 Lyft 所做的大量民族志研究中所指出的，司机们还以许多其他方式采取策略性行动来“钻系统的空子”。在峰时（surge）期间，许多司机会在乘客应用和伙伴应用之间不停切换，比较乘客数量（需求）与可用司机数量（供给），等到达到某个阈值再采取行动（2015）。另一些司机注意到，“如果司机蜂拥而至，峰时定价（surge pricing）就会消失，所以他们会考虑在峰时区域边缘之外等候，以帮助维持价格的上涨”（2015）。这一举动表明了一种劳动的延宕或保留：在某个区域的外围徘徊，直到达到最大的货币阈值。在另一项研究中（Min Kyung Lee et al, 2015, 5），研究者访谈了 21 名 Uber 和 Lyft 司机，令人惊讶地发现其中超过一半的人完全无视峰时定价信息，“因为供需控制算法未能照顾到他们的能力、情绪和动机。” 这最后一点似乎暗示了算法性之逻辑组成部分中的一个根本缺陷。如果行为心理学已被如此透彻地理解且具有普遍性，那么这些激励性的消息技术理应更加成功才对。一种解释是，Uber 的劳动力被当作铁板一块，而事实远非如此。正如罗森布拉特与黄（Hwang）所论证的（2016, 4），这种把劳动过度简化为一个“相对等同的整体”的做法，既出现在商业逻辑中，也出现在关于共享经济的学术分析中。单一的算法系统并不预设一个由相同动机、期望和理解所维系的同质劳动人口。换言之，统一的平台并不自动意味着统一的劳动力。在每座不同城市中开展工作所必需的技能、工时、工资和客户方面的差异，共同构成了一种深刻的质的区别，而不仅仅是量的区别。因此，正如罗森布拉特与黄所指出的（2016, 6），“在得克萨斯州奥斯汀为 Uber 开车，与在纽约市为 Uber 开车并不是同一份工作。” 另一种与此密切相关的解释是，平台把单个工人理解为普遍的。埃德·芬恩（Ed Finn）在分析联邦快递（Fedex）的路线算法时，将每个投递点称为“无特征的、可替换的点”，与每位人类司机的具体欲望和动机形成对照（2017, 50）。但在许多方面，Uber 的“司机伙伴”（Driver-Partner）同样是可替换的——一个相对通用的数据对象，可以与任何其他工人互换。换言之，这个“普通人”不仅仅是一种营销想象，而是在底层由数据本身建构出来的。事实上，Uber 信息本体论的特定性质意味着，这种被一般化、被抽象的工人是唯一能够被实例化、被理解的类型。从代码的角度看，一个“工人”是这样一个对象：在某个特定郊区工作，在某些特定时段驾驶，平均速度为 X，平均时薪为 Y。正如在关于 Palantir 的一章中所讨论的，这种理解是一种本体论决定，它界定了被允许存在的对象与属性，同时抹去了其他一切。在这里，核心的经济与管理关切是被理解的、内在的，而文化、宗教和社会特征及其可能对动机施加的力量则完全是外在的、未被计入的。内部因素本身也许能产生海量数据。但作为动机的范畴，它们是完全不充分的。在根本层面上，这一框架根本无法登记单亲母亲、压力重重的独居者、百无聊赖的退休者以及他们各种各样的异质动机。如果要“优化”消息推送，对这个算法主体的捕获（capture）与建构就必须变得更具侵入性，才能更加全面。对司机有限的逻辑理解，限制了所能施加的控制的强度。 伙伴—管理—消息机器是一台充满矛盾、遮掩与协商的机器。伙伴处于一团旋转不息的自动化消息的中心：推动其继续开得更久，警告其危险驾驶，诱使其驶入峰时区域，告诫其不要拒载潜在乘客。通过注册和上线，每位司机都为自己最终确定并触发了一系列消息。这种由斥责、引诱、哄劝和告诫构成的独特配置，试图把她以往的行为转变为理想的 Uber 工人的行为。 ## 溢出信息之物（Overflowing the Informatic） ### 暴力肉身—乘客机器（Violent Flesh-Passenger Machine） 2016 年 2 月 20 日，45 岁的杰森·多尔顿（Jason Dalton）——两个孩子的父亲、一名 Uber 司机——据称在其家乡密歇根州卡拉马祖（Kalamazoo）实施了一系列袭击，杀害六人，重伤二人。记者克里斯·希思（Chris Heath）（2016）在对此事展开深入调查之后，描述了他所还原的当晚事件经过：周六下午，多尔顿登录这一网约车平台，接了他的第一单。但在这趟例行行程中，他突然猛踩油门，连闯红灯，冲进相邻车道，剐蹭了另一辆车。他的乘客趴在车厢地板上躲藏，恳求他停下，最终趁多尔顿减速时逃离了汽车。多尔顿随即回到家中，穿上防弹衣，给他的格洛克（Glock）手枪装上了子弹。 但在这场暴力插曲之后，多尔顿做了一件既寻常又令人惊讶的事——他又接受了一个 Uber 接客请求。这位乘客在应用中输错了位置，于是给多尔顿发短信指路。但多尔顿找不到她，便在街区里气势汹汹地兜圈子。当他在附近看到 25 岁的蒂安娜·卡拉瑟斯（Tiana Carruthers）时，他问她是不是他的乘客。他开车离开，但几分钟后又回来，向她连开数枪。希思（2016）描述了这场屠戮：“第一颗子弹击中了她的左臂。第二颗子弹击中了她的右腿。最后两颗子弹中，一颗打断了她的另一条腿，另一颗穿过她的臀部，嵌入了她的肝脏。”卡拉瑟斯不知怎的活了下来。 多尔顿回到家中，把受损的汽车换成他父母的雪佛兰 HHR（Chevy HHR），把卡壳的格洛克换成一把能用的枪：一把瓦尔特 P99 9 毫米半自动手枪（Walther P99 9-mm semi-automatic）。但同样地，就在刚刚向一个陌生人的身体打光一整个弹匣、并与其他车辆发生两次高速碰撞之后，多尔顿的下一步举动出人意料。他又接了一连串 Uber 订单。正如希思所详述的（2016）： > 8 点 02 分，他在西密歇根大学校园附近的家中接上了基思·布莱克（Keith Black），把他送到市中心。布莱克坐在副驾驶座上，和他闲聊了几句。那一小时稍晚的另一位乘客记得多尔顿跟着收音机哼唱。9 点 21 分，他在“饼干桶”（Cracker Barrel）旁边的费尔菲尔德酒店（Fairfield Inn）接单，把三名乘客送到城里的“啤酒交易所”（Beer Exchange）；他的应用启动不了，车费也没有正确收取，但他似乎对此相当随和，好像这不是什么大事。他看起来就像在做自己的工作，仿佛什么事也没发生过，也不会再发生什么事。 接下来，多尔顿开车来到一排汽车经销店。他停下车，走向里奇·史密斯（Rich Smith）和他的儿子泰勒（Tyler），开枪把两人都打死了。晚上 10 点左右，多尔顿开到“饼干桶”的停车场，那里有一群年长的妇女正准备开车回家。他走向其中一位，问她能否匀出一美元来“让美国再次伟大”，然后近距离朝她开枪。附近车里的另外四名妇女尖叫起来，于是多尔顿走过去，依次向她们每个人开枪。 据希思（2016）所述，多尔顿最后一次回到家中，给枪重新装弹。而且，他又一次无视过去几个小时里留下的一路血腥，径直恢复了作为 Uber 司机的运作，载着顾客在市中心区域往来穿梭。午夜前后，他把几名学生送到西密歇根大学的宿舍。此后，多尔顿又把一名法学院学生和他的妻子从当地一家酒吧送回酒店。他开得缓慢而小心，并解释说自己沉默寡言只是因为累了。12 点 30 分左右，他把几个串酒吧的朋友从“中央城市酒馆”（Central City Tap House）送到他们的下一站“Up And Under”。最终，在凌晨 12 点 38 分，多尔顿被拦下逮捕，他完全服从了警察的要求。 多尔顿此前没有任何被捕记录，也从未有过类似的行为。希思（2016）在采访中发现，认识多尔顿的人听到这个消息都惊呆了。他最亲密的朋友们难以置信。他的妻子对他们的婚姻并无怨言。他的政治立场属于中间派，他的枪支都已登记，他的工作生活也还说得过去。当被要求解释他当晚的行为时，他平静地拒绝了，援引第五修正案，或干脆拒绝给出理由。然而最终，多尔顿让步了，向警探威廉·穆里安（William Moorian）和科里·吉林盖利（Cory Ghiringhelli）作出了以下一系列陈述（2016），这些陈述被记录在他们的警方报告中： > 他说，作为 Uber 的司机伙伴，图标原本是红色的，今晚变成了黑色。 > > 多尔顿说，iPhone 可以控制你。 > > 多尔顿解释说，你可以开到时速 100 多英里，闯过停车标志，你就是能到达各个地方。 > > 它会给你一项任务，然后它会真的接管你的整个身体。 > > 多尔顿说，这个东西通过你的手机知道每个人在哪里。多尔顿说，它告诉他要随时待命。 > > 那不像是一种告知，更像是一种控制。 > > 多尔顿说，Uber 要求司机的车必须比 2007 年的新，当你接入它时，你真的能感觉到那种存在压在你身上。 > > 多尔顿说，当他坐在那里时，那几乎就像是能够接入你身体的人工智能。 暴力肉身—乘客机器考察的是位于 Uber 算法生态（algorithmic ecology）核心的肉身性。它逐一审视一长串案例：在这些案例中，伙伴们以攻击性和暴力的行为将自身强加于乘客——殴打、性侵犯、强奸、绑架等等。这些行为是出乎意料、无法预测的，不仅因为它们是偏离常规的行为，还因为它们出自肉身性的身体，而这些身体的能力并不会被软件赋予它们的角色所穷尽。与此相对，Uber 算法生态所理解的“司机伙伴”始终是一个信息性的身体（informatic body）——由一系列身份标记构成，通过数据库加以验证，并作为微服务（microservices）与 API 之海中又一个数据对象而运作。这个信息性的身体是如何被建构出来的？ 首先，这个信息性的身体是由入职流程（onboarding）生产出来的。“入职”是公司的术语，指的是让申请者完成注册流程、获得批准并上路。Uber 工程博客上的一篇文章解释了这一流程如何被大规模扩展，以跟上公司在市场渗透和国际扩张两方面的增长速度。“直到 2013 年，入职流程还完全是手工的，”Uber 工程师乔纳森·佩平（Jonathan Pepin）（2016）如此感叹。申请者不得不前往当地的 Uber 办公室，与一名运营经理一起办理所需的文书手续。这种面对面的注册在时间和金钱上都代价高昂。更重要的是，这一物理过程与工程师们所习惯的“纯粹”信息过程不同，它无法被规模化；人力资源的遗留逻辑以实体的 Uber 办公室和经理的身体为形式，造成了一个瓶颈。地区差异——各城市注册成为司机所必需的地方性法规，它们无法被简单抹平或彻底消除——又加剧了这些物质约束。 工程团队的回应是创建了一个“入职状态机”（Onboarding State Machine, OSM），使他们能够“为每个国家、州、城市或我们所需的任何粒度层级上的每个入职流程配置一组步骤，并与一个事件系统相结合，使我们能够轻松地把用户从一个步骤切换到另一个步骤”（Pepin 2016）。这一逻辑是灵活的——可以为巴黎或帕洛阿尔托（Palo Alto）的申请者额外插入一个步骤。这一逻辑也与前端解耦——可以为中国或英国的用户套用某种地区样式。这些特点并非只是对工程团队的空洞赞美。相反，这种信息架构使得人力劳动和物质基础设施得以大幅削减。运营经理可以被调岗或裁撤。当地办公室可以关闭，代之以所谓的“绿灯中心”（Green Light Hubs），在那里，年轻员工以共享工位的方式为司机提供基本支持。这种高度可扩展的方法的一个关键“副产品”是，它完全建立在一个信息性的身体之上——一个被分配了 ID、并在信息流中被逐步推进的申请者。已注册？下一步。有车辆？下一步。已观看视频？下一步。对信息性身体的这种高效入职意味着，肉身性的身体从未被见到、触碰或与之交谈。 其次，这个信息性的身体是由以伙伴身份进入平台所需的背景调查生产出来的。这一流程由 Checkr 负责；据其网站所述，这家公司为 Postmates、Zenefits 和 Uber 等“全球企业和初创公司提供现代化且合规的背景调查”。Uber 把申请者的姓名、社会安全号码、车牌号和地址传给 Checkr，后者在州和全国性侵犯者登记册、恐怖分子监控名单以及其他未具名的数据库中进行核查。如果申请者出现在这些名单上，就会被自动取消资格。正如记者特蕾西·连（Tracey Lien）所解释的（2016），Checkr 还会调取“与驾照号码相关联的机动车登记档案”。连进一步阐述道（2016），如果档案中列有“酒驾、欺诈、鲁莽驾驶、肇事逃逸、暴力犯罪、恐怖行为、性犯罪、重罪、盗窃轻罪、致命事故或拒捕、逃避逮捕”，申请者同样会被取消资格。不过，这项取消资格的核查仅限于过去七年。因此，信息性的身体是由四个字段实例化的：姓名、地址、车牌号和社会安全号码。这些字段与更广泛的数据库交叉比对，衍生出更多元数据，例如是否被列入性侵犯者登记册（真/假），或犯罪记录（无犯罪记录、严重、轻微、已消除等）。在这个意义上，空白、空值或空记录都是正面数据，它们完成了一个被批准为申请者的信息性身份的建构。 这个信息性的身体也没有指纹。如前所述，入职流程的可扩展性直接建立在其高度非物质的性质之上：交叉核对数据库、录入信息、观看入门视频。因此，Uber 和 Lyft 这类网约车公司激烈反对在办理中心当着官员的面把拇指按进印泥这一非常物理性的流程，也就不足为奇了。当然，这一流程会让公司付出更多成本。但更重要的是，它是高度具身的，抗拒精简化和规模化的逻辑。批评者说，使用指纹比 Uber 所进行的基于姓名和驾照的背景调查要严格得多。他们认为，指纹识别能够抓住许多从信息缝隙中溜走的案例——申请者使用假名或化名、搬家或迁出本州，或者有七年窗口期之前的犯罪活动。得克萨斯州奥斯汀于 2016 年 7 月实施了新的指纹法规。仅在第一个月，这些更严格的规定就已阻止了 84 名申请者为网约车服务开车（Taylor 2016）。考虑到 Uber 的高流动率及其对新司机的贪婪需求，一种假设是：指纹问题不仅仅是时间、成本和规模的问题，而是会把一个潜在的劳动力池拒之门外的问题。这些身体是被有意地保持为未知的吗？ 最后，一旦开始驾驶，信息性的身体便会不断被强化、被重新展演。“点一下应用，即刻乘车。”Uber 预设了一种由整个生态——数据与代码、支付与寻路、基础设施与物流——所实现的无缝功能。司机伙伴被紧密地整合进这一生态之中，从而产生了对劳动身体的某种抽象。因此，尽管 Uber 的广告牌也许会吹嘘能够“知道拐角处是谁”，但从技术系统的角度看，工人实际上是高度可替换的——司机就是司机就是司机。单个劳动者变成了一个可互换的部件，拥有视觉、双手和双脚，能够在特定时间把车辆驾驶到特定地点。每一个环节的行动都受到指引，要么通过应用内消息，要么通过导航指令。进程由实时交通计算加以预测；路线由寻路算法事先铺设好（Nguyen 2015）。支付由后端功能自动处理。而构成 Uber“生态”的微服务数量仍在大幅增长。正如工程师尤里·什库罗（Yuri Shkuro）所解释的（2017），2015 年底，这家网约车公司使用了大约 500 项服务；到 2017 年初，它已拥有 2000 多项服务，处理从欺诈检测到地图处理和数据挖掘的一切事务。在这个由处理器、服务、传感器和信息架构组成的庞大技术生态中，司机所从事的劳动实践被严格限定，缩减为一个无法被自动化取代的名义性活动内核。Uber 常常声称自己是一家软件公司，而非运输公司。在这种观点中，司机伙伴不过是一个会看、会刹车、会转弯的程序，引导汽车沿着 GPS 坐标安全行驶。随着该公司最近在匹兹堡（2016）开展自动驾驶汽车试点项目，显然就连这些具身形态最终也被视为残余之物。 当然，这一过程既非偶然，也非 Uber 所特有，而是资本体系中劳动分工这一更广泛趋势的一部分。正如哈里·布雷弗曼（Harry Braverman）在《劳动与垄断资本》（Labor and Monopoly Capital）中确凿无疑地证明的，在这一轨迹中，技术被工具化以服务于一个特定目标——削减从事工作所需的教育和技能，以及构成工作的活动范围。在这个意义上，技术始终在扩张——增加其职责，拓宽其范围，扩充其全部本领——而人类劳动的角色则逐渐被圈定、被缩减，结果是“将工人禁锢在一轮盲目的奴役性职责之中，在其中，机器表现为科学的化身，而工人则微不足道或一无所是”（1998, 207）。 布雷弗曼展示了这一趋势如何在整个 20 世纪的现代工作场所中展开。但这只是一个长得多的故事中的一个时刻。事实上，马克思和恩格斯很早就认识到了这一趋势，指出劳动者变成了单纯的“机器的附属品，要求他做的只是极其简单、极其单调和极容易学会的操作”（2008, 43）。工人的工具腰带被扩大，变成了一系列基本自主、只需偶尔维护的机械装置。工人的作坊被膨胀，变成了驱使他劳作的工业工厂。在这一过程中，他从单个的手艺人转变为可替换的机械部件，众多工具中的一件。Uber 延续了这一轨迹，开发出一个在规模和复杂性上都急剧膨胀的技术系统，而人的能动性则被简化、被边缘化。 因此，从头到尾，伙伴的身体都是信息性的：一个在各入职状态之间移动的 ID，一个不会触发危险信号的数据包，一个把车辆从 A 点移动到 B 点的程序。然而，这个信息性的实体并不构成全部。这并不是要把物理性物化，并暗示司机的主体性与展演性实际上完全是肉身性的。也不是要声称信息过程对“现实”没有任何掌控。正如其他部分所展示的，数据驱动的操作确立条件、施加力量，改变行为、转化实践。相反，这只是要断言：这种二分的框架本身是不完整的。正如凯瑟琳·海尔斯（Katherine Hayles）所论证的（2010, 13），“把信息设想为与实例化它的媒介相分离的东西，是一种在先的想象行为，它把一个整体性的现象建构为信息/物质的二元性。”这并不是说 Uber 相信它的工人是化身（avatars）或天使。企业承认“现实”与其表征之间、物质与为之建模的数据之间存在某种程度的区分。但在算法系统内部，这一区分在很大程度上被抹去了。代表每位工人的那些被抽象化、被理想化的数据，预设了一个信息性的身体，它可以毫无扭曲地覆盖在这个有血有肉的完整的人之上。被封装进一套严格的逻辑之后，对司机的控制看上去界限分明。 但身体从未被完全容纳。正如马修·富勒（Matthew Fuller）所论证的（2005, 83），“与其外部相搏斗的系统”不可避免地会产生一种相似物，但同时也会产生一种“崩塌与溢出”。这肉身始终在某种程度上是外在的、不可预测的，既包含生产性劳动的潜能，也包含暴力行为的潜能。身体具有微笑和交谈的能力，也具有殴打或猥亵的能力。或许正因如此，每当出现表明司机拥有肉身性身体——能够摸索和强奸、偷窃和扼杀——的情况时，无论对 Uber 还是对公众来说，这似乎都是一个真正的震惊。 这类事件远非罕见。仅去年一年，在伦敦，Uber 司机就被指控犯有 32 起强奸和性侵犯，平均每 11 天发生一起侵害（Samuels 2016）。仅看一个月——2016 年 5 月——就能看到这类活动在地理上散布开来的一个肮脏横截面。在加拿大奥沙瓦（Oshawa），一名司机据称把手伸过座位，摸一名 16 岁男孩的生殖器部位，随后停车并对他实施性侵犯（Vella 2016）。在马里兰州盖瑟斯堡（Gaithersburg），一名司机因将一把能够发射霰弹枪子弹的自制枪支对准两名警探，而以谋杀未遂罪被捕（Marraco 2016）。在特拉华大学，一名司机被控在争吵升级后袭击、掐住并殴打一名 19 岁的女学生（Lazzaro 2016a）。在墨西哥城，一名司机据称从夜总会接上一名女子，随后停车强奸了她，之后把她赶下车，却留下了她的钱包（The Yucatan Times 2016）。在盐湖城，一名司机据称在 15 分钟的车程中抚摸一名女子，到达后又试图扯下她的裤子，并把她拉回车内（Boyd 2016）。 当然，这些行为的责任不能简单地推卸给 Uber 所实施的管理体制。与此同时，我们必须承认，这一算法生态所创造的新的劳动条件加剧了某些特定倾向。以峰时定价（Surge Pricing）为例。峰时定价通过提高车费费率，激励司机在特定时间和地点驾驶。当然，传统出租车公司多年来一直以更有机的方式做着这件事，逐渐摸清并频繁光顾更有利可图的地点和时段，比如深夜红眼航班的机场路线。然而，峰时定价更为紧迫：它通过推送通知和消息反复提醒司机，同时用鲜红色在视觉上勾勒出那个地点。峰时定价也更为具体：它在地图上精确标出区域范围，并准确界定所提供的倍数（例如 ×2.1）。这种激励似乎与一些暴力事件相吻合——这些事件发生在深夜，发生在从时髦街区的夜总会或餐馆接上女性之后。例如，2015 年 10 月，印度一名司机因强奸乘客被成功定罪。据法新社（Agence France-Presse）报道（2015），这名乘客说她上车后打起了瞌睡，醒来时“发现出租车停在一个僻静的地方，司机在那里强奸了她，然后把她丢在德里北部她家附近。” 这些新的条件还意味着把两类人群聚到了一起——一边是报酬过低、审查不足的劳动者群体，一边是由任何拥有智能手机的人所构成的扩大了的客户群。乘客不再需要拨打出租车公司的电话、与真人接线员交谈——正如研究者雪莉·特克尔（Sherry Turkle）所证明的，许多青少年觉得这种对话式互动令人不自在或尴尬（2011, 70, 513, 522）。与公交线路的复杂或火车时刻表的繁琐相比，移动应用所需要的一次点击简直容易得难以置信。Uber 只不过是又一个表现得和其他应用一样的应用。用户可以轻而易举地把所需的最低限度技能迁移过来：安装、启动、滑动、缩放、点击。这使它既对年轻用户来说易于使用，又从家长的角度看是可被允许的（或者至少是无从管控的）。根据一份报告（Monday 2016），“我们询问的许多青少年，其中有些年仅 14 岁，说他们经常使用网约车服务 Uber——去看朋友，或者去看电影、参加派对或听音乐会。”因此，这些据称发生的事件中有一些发生在年长司机与年少青少年之间，也就不足为奇了。例如，2016 年 4 月，一名 16 岁少女说，一名夏威夷男司机从商场接上她和她的朋友们，把她的朋友们送到之后，便开始故意拐错弯，随后停车袭击了她；她奋力反抗后逃走，后来被送进医院（Lazzaro 2016b）。把交通功能无缝地打包进一个智能手机应用，确立了新的条件——把不稳定的劳动与新的、潜在易受伤害的人群置于同一个封闭空间之中。 这一连串的暴力展示了身体根本上的开放性，展示了劳动者的不确定性。简单地说，把一位伙伴指定为一组特定的功能可供性（affordances），并不能穷尽他所能是、所能做、所能想的一切。相反，与任何系统一样，Uber 生态中也存在其构成对象的全部可供性与被工具化的那部分可供性之间的差异。换言之，一个对象的潜能与它如何被投入使用之间存在一道缝隙。安德鲁·芬伯格（Andrew Feenberg）把这道缝隙称为“操作余地”（margin of maneuver），这一余地“是按照占支配地位的技术代码加以实施所必需的，但也包含着与该代码不相容的潜能。今天成功的管理就在于压制那些危险的潜能，以维护操作上的自主性”（2008, 114）。即使有几十个监控位置、制动和评分的系统，这一算法生态核心处的血肉能动性也永远无法被完全圈住，它作为“逃逸并超出其工具性”的活动而泄漏出来（Frabetti 2015）。因此，这一连串的暴力行为所破坏的，不仅是一家公司的声誉，更是算法性本身所承诺的无缝运作性。 ## 耗竭，而非使用（Exhaustion, Not Use） Uber 提供了一个具体的例子，说明被算法浸透的过程如何积极地塑造当今劳动的轮廓。伙伴—管理—消息机器调动了多种机制，试图把工人调节至最佳展演状态——推动司机伙伴趋向特定的物流实践与情感实践。尽管司机在这一生态中被赋予的只是名义性的位置，他们仍然坚持自己的能动性；这种能动性向管理想象靠拢，却从未与之完全重合。由此，他们把始终存在于数据驱动的治理模式中的协商凸显了出来。暴力肉身—乘客机器则深入探究了 Uber 核心处的一种不一致。从注册到上线，整个平台所使用的流程和信息结构都在强化一种以信息性为主的身份观念。与此同时，这一生态产生了新的、不稳定的劳动条件，在这些条件下，潜藏于个体之中的肉身能力以暴力的方式浮现出来。与平滑优化和液化劳动的幻想相反，Uber 司机在一个参差不齐、前后不一的系统中始终是一个不确定的要素。偶然性（contingency）永远无法被完全编码消除。 Uber 的一系列广泛操作似乎也在趋向一种穷尽性的元操作（meta-operation）。这当然关乎知识。例如，Uber 为每位乘客建立了一份高度细化的档案。表面上看，只捕获了 7 项核心信息：IP 地址、支付信息、设备信息、位置、电子邮件、电话号码和账户历史（Hill 2017）。然而，算法操作使这些字段得以随时间存储，与其他值相比较，并组合起来形成新的值。此外，全平台的索引使这些值得以与司机、城市和其他乘客的数据相比较，为每份个人档案生成更多信息。正如一份法庭文件所清楚表明的（Samuel Ward Spangenberg vs Uber Technologies, 2016），这些操作的结果是，每位乘客身上有多达 512 个变量，令人咋舌。例如，其中包括用户账户的存在时长（account_age_in_seconds）、最常走的路线（gps_points_most_frequent_course）、一段时间内的取消行为（cancels_10mins_prior_to_last_cancel），以及用户是否涉嫌欺诈或使用虚假账户（has_suspicious_prefix_90_80_tag, fraud_risk_udr）。数据的捕获与交叉授粉力图填补空隙，穷尽地把握算法主体。 但穷尽性也关乎以压力的形式把这些知识付诸使用。Palantir 力图渗透进操作场域（辖区、司法管辖范围、金融市场），而 Uber 则力图侵占司机的身体，塑造劳动的展演。从评分到消息推送，一连串的机制试图把工人征召向一种被视为最佳实践的展演。引诱、斥责、哄劝、说服——这些操作施加着真实的力量，以微妙而重大的方式塑造身体的姿态和行为。正如让-皮埃尔·瓦尼耶（Jean-Pierre Warnier）所论证的（2001, 16），“感觉—情感—运动的那一种在深入主体方面最为有效……它通过中介主体能动性的运动算法而被纳入身体图式之中。”算法性沉入劳动者的身体，作为一组必须通过身体展演来应对的压力渗透到皮下。算法性施加的是一种解集开放的力量。每位司机都必须找到自己的方式来化解这种压力。 Uber 还展示了这一元操作的一个新面向。“耗竭”的一个常见定义就是简单地“用尽”某种材料或物质。但福柯（Foucault）谈到的是“耗竭，而非使用”（1995, 154）。这两个术语之间的差别似乎不仅仅是语义上的，而且是操作上的。使用是操纵，而操纵是通过触摸、握持、摆弄来完成的。使用意味着为了某个目标而把某物拿在手中。锤子必须被拿起来挥动，钥匙必须被触碰、转动，矿井必须被进入、被开采。即便是在软件这种所谓非物质的对象那里，“用户”（user，即“使用者”）也是那个点击和轻触所提供的功能可供性的人。使用建立起一种紧密的联系——无论多么短暂或失衡——一种以触摸和可触性为前提的关联。 与此同时，为了使用某物而“拿起”它，预设了这样做的权利。使用者拥有被使用之物；被使用之物属于使用者。股份被股东所使用，房屋被房主所使用。所有权是一种既伴随着权利也伴随着要求的关系。为了让一个对象继续提供使用价值，必须履行实际的义务。车辆必须保养，工厂必须维护，雇员必须领到工资，动物必须喂养。法律义务可能被遵守，也可能被规避，但这并不能否定它们。即便所有者未能履行这些要求，司法系统仍然维持着它们。因此，“使用”既确立了接近性，也确立了责任，是一种至少带有名义上的问责形式的相互依存关系。 另一方面，耗竭似乎以一种不同的方式运作。这个词的拉丁语词根是 exhaurire，由 ex（出）与 haurire（汲取或排干）组合而成，意指排出或抽走，尤其是指水（Harper 2017）。耗竭某物，并不是为了操纵它而把它整个拿起来，而是意味着一种更为精细的移除，把某种想要的物质虹吸到别处。耗竭不是致力于承接一个整体，而是通过抽取一个享有特权的局部来运作。与使用所包含的联系不同，耗竭坚持保持一定的距离。当福柯谈到对生产力和可用时刻的榨取时（1995, 154），他所暗示的或许正是这一点。如果这些力量可以被抽取和工具化，那又何必致力于使用所意味的那种更亲密的关系——以及随之而来的脆弱性与责任？结果是耗竭者与被耗竭者之间的某种脱钩。某一特定子集的能量和活动被抽走，同时保持着一道明确的缝隙，这道缝隙抛弃了手中工具的相互依存关系和所有权的义务。 由于不拥有车辆，Uber 可以标榜自己是一家科技公司，而非运输公司。作为一种优化耗竭的策略，这种表述通过最小化所有权来最大化资本。这家科技公司可以一往无前——扩张市场、建立客户群、增强信息系统。相比之下，传统出租车服务因为拥有在一座城市中充当运输提供者的权利，就必须艰难应对诸如残障人士设施之类的市政法规；又因为拥有车队（即便是租赁的），就必须承担维护车队的义务。对物质之物的拥有和使用是一种不受欢迎的问责。沉没成本、折旧、维护——这就是会生锈、会损坏的硬物质的非流动性。取而代之的愿望是：耗竭生产性之物，却不承担所有权中隐含的责任。无资产的利润。 而且这种脱钩走得更远。正如我们已经看到的，工人不被界定为雇员，而是自由职业的“司机伙伴”。这个新词意味着，公司不是雇主，不必承担传统的劳动责任：确保工作安全、保证工时、提供休息设施、支持公平雇佣实践等等。同样，这种新的表述也意味着，工人不是雇员，无权享有相关权利：最低工资、医疗保险、病假、退休计划等等。劳动不是被使用，而是被耗竭。司机伙伴负责保养她的汽车、管理她的开支、调节她自己的行为，而 Uber 则从她的全部生产能力中抽取一个被称为资本的高度特定的子集。 如何在不使用某物的情况下耗竭它？正如本章前面所探讨的，这里的关键在于算法性把生产能力分解、再重新融合为新配置的能力。毕竟，正如弗兰科·贝拉尔迪（Franco Berardi）所指出的（2011, 141），所需要的不是工人，而是“劳动的细胞分形，报酬过低、不稳定、去人格化。非个人的神经能量的碎片，由网络重新组合。”提供一项服务的单一、自足的劳动者被炸裂了。相反，算法性将劳动拆散，并围绕用户实时地、动态地将其重组，以形成一个连贯的产品。把劳动身体生产为一个信息性实体，在很大程度上抹去了一切特殊性——司机就是司机就是司机。劳动者变成了一个复杂操作架构中可替换的操作者——不过是随取随用、整齐划一的劳动之海中的又一滴水。正如贝拉尔迪所解释的（2011, 110），“工作时间可以与工人的个人人格和法律人格相脱离，成为一片由增值细胞组成的海洋，以细胞的方式被召集，并由资本的主体性重新组合。”Uber 协调着这一同质的物质，同时又与其特殊性保持疏离。劳动被变得流动并被耗竭，其所产生的产出中有一部分被抽走。 # [ 3 ] 施魅：Alexa 与主体性的魔法（Enchant: Alexa and the Magic of Subjectivity） 亚马逊（Amazon）副总裁戴维·林普（David Limp）曾说，Alexa 的构想“预示着一种神奇的体验”（Kim 2016）。Alexa 是亚马逊的数字助理（digital assistant），它响应语音指令，可以串流播放音乐、播报新闻和天气、玩游戏，并与其类似应用程序的“技能”（Skills）交互。她最初是为 Echo 智能音箱而设计的，如今已为日益增多的家居类产品提供驱动。 把 Alexa 这样的算法系统描述为神奇的，似乎颇为贴切，因为其中确有一套戏法——一种让某些东西显露、另一些东西隐藏的表演。可见与可感知的体制未能完全涵盖正在运作的种种操作，由此产生的体验便显得非同寻常。阿尔弗雷德·盖尔（Alfred Gell）把这一现象称为技术的施魅（the enchantment of technology）——隐藏在一件复杂而精工制作的物品背后的劳动被抹除，其结果便是一种“技术奇迹”（1992, 49）。对亚马逊的开发团队而言，这关乎促成一种十分朴素的魔法：基于语音的界面消除了通常伴随其他技术而来的摩擦——拿起智能手机、打开应用、笨拙地敲出搜索词等等“痛点”。在这里，魔法是一种简称，指的是一种看似毫不费力地运作的无缝用户体验——它就是能用。 然而，任何魔法之下当然都有机制。支撑这种无缝功能的，是一系列被遮蔽或被抽象掉的技术程序。Alexa 的主体性（subjectivity）只能从种种操作中浮现，这些操作纳入了物质性的线缆、处于地理之中的数据中心、历史性的基础设施工程，以及大量隐而不见的展演（performance）。为了完成这一幻象，她需要让人感到反应灵敏，她需要捕获（capture）并解析用户的声音，她还需要说话。本章第一部分穿行于三部机器之间，考察把“Alexa”作为一种算法主体性召唤出来所必需的操作。 这不可避免地会揭示出那些看似毫不费力的技术程序背后的物质性与地理。然而，这里的重点并不在于扯下幕布——把魔法揭露为一系列具体的机制。更值得关注的是，“Alexa”的逻辑如何成为一种微妙的控制形式，从她的用户身上引出一种相应的主体性。 ## 召唤 Alexa（Invoking Alexa） ### Alexa—亚马逊云服务机器（Alexa-AmazonWebServices Machine） Alexa 是如何被赋予生命的？要把一组算法操作确立为一种人格，所需的最低参数是什么？这里的 Alexa，是指经由一个声音所创造的主体性：这个声音在适当的时间窗口内，以适当的回应对问题或指令作出反应。对用户而言，这看起来很神奇。但正如弗洛里安·克莱默（Florian Cramer）提醒我们的（2005, 18），“魔法实践往往会遮蔽其技术性与形式主义的本质”。为了实现这种效果，Alexa 高度依赖亚马逊云服务（Amazon Web Services，AWS），即由联网数据中心构成的“基于云”的基础设施，Alexa 及其相应的技能就托管于其上。AWS 远非缥缈之物，而是高度物质性的，由光与热、钢与线、身体与开关构成。因此，Alexa—AWS 机器所探讨的，是一种身份如何从一种基础设施中诞生。 生动感需要最低限度的延迟（latency），即听到用户并作出回应所需的时间长度。由于语音转文本的处理以及数据从一点到另一点的传输，总会存在某种程度的延迟。延迟过大，对话就会在回应与提问混杂成的一团乱麻中瓦解，就像一通糟糕的 Skype 通话。其结果是，“Alexa”作为一个持续存在、反应灵敏的人格的幻象便会直接崩塌。在 Alexa 的开发阶段，“当时现有语音识别技术的平均延迟约为 2.5 至 3 秒，因此 Echo 团队最初把目标定为 2 秒”（Kim 2016）。然而，亚马逊首席执行官杰夫·贝索斯（Jeff Bezos）并不满意。在一次早期会议上（Kim 2016），他设定了一个困难得多的基准，说道：“我先把难处告诉你们：你们的延迟目标是一秒。” 这一延迟的一个核心组成部分是语音处理时间。Echo 设备捕获用户的声音，并在云端加以处理和回应。因此，当用户的声音由语音转换为文本时，就会产生时间延迟。这是一个困难的计算问题，涉及从周围环境声音的“噪声”中提取出人声的“信号”。随后，这一声音信号被分解为音素——英语中只有 44 个可能的音素（Ossola 2014）。对这些音素的顺序和时长加以解析，便可生成文本，即一份自动转录稿。在许多情况下会出现同音词——例如“ate”（吃，过去式）与“eight”（八）。在这种情况下，系统会基于短语语境、词汇流行度、语法结构等因素，推断所指的是哪个词。 正是在这一特定语境中，学习显示出了价值。Echo 设备的销量已超过 2000 万台，亚马逊因而持续接收着海量数据，这使 Alexa 的语音处理例程得以进一步优化，从而更好地理解用户说了什么、意指什么。AWS 提供了接收和存储这每日数以百万计的输入所必需的物质基础设施。AWS 还提供了 Alexa“不断变得更聪明”所必需的灵活性。作为一项 AWS 服务，Alexa 可以被持续更新，而不必作为静态软件被编译、打包和下载。一种智能主体性的生产，直接关联于由底层信息基础设施所促成的准确“聆听”。 导致延迟的另一个关键组成部分是数据传输。信息包被转化为能量并在空间中移动，由此造成时间上的延迟。亚马逊开发者服务（Amazon Developer Services 2016）暗示了这一限制：它敦促自行实现该 API 的开发者执行“向 Alexa 语音服务串流（分块）传送所捕获的音频以降低延迟；该数据流每个分块应包含 10 毫秒的捕获音频（320 字节）”。信息的物流在字面意义上变得性命攸关——这是生产一个生动而灵敏的 Alexa 所必需的一系列操作。然而，与亚马逊关于“云”的那种非物质、非历史的话语不同，AWS 体现为一种至关重要的基础设施，它必须应对大地与电力、距离与中断这些坚硬的物理极限。 首先，AWS 是地理性的。如果说早期把赛博空间想象为超越边界、文化与限制的独立司法领域的观念早已被戳破，那么更晚近的“云”的观念便取而代之。然而，尽管公众可能并不怎么在意数据去往的那个“某处”，开发者和亚马逊都明白，“何处”至关重要。正因如此，内容分发网络（CDN）、存储服务（Amazon S3）和网络服务（AWS）才在全球范围内进行战略性分布：法兰克福、孟买、首尔、加利福尼亚等等。为了测试两点之间的时间延迟，我们可以发送一个“ping”，记录它到达服务器并返回所需的毫秒数。例如，从新西兰粗略地 ping 一下各个 AWS 区域，得到的时间如下：悉尼 79，北京 218，圣保罗 490，法兰克福 732。从地理角度思考，这些数字毫不令人意外。但把它们放在先由赛博空间、如今又由云所提出的空间抹除话语的对立面，它们便重新确认了一个由线缆、铜与大陆构成的领域。距离依然存在。 亚马逊把这些区域划分为它所谓的可用区（Availability Zones）。每个可用区包含 2 至 5 个数据中心。每个数据中心彼此距离足够近，能以最低限度的延迟——1 至 2 毫秒之间——提供快速镜像。然而，每个数据中心又与其他中心相距足够远，不会受到灾难性事件的影响，业界把这一范围称为“爆炸半径”（blast radius）。正如亚马逊高管沃纳·沃格斯（Werner Vogels）所解释的，每个数据中心都位于“不同的洪泛区和不同的地理区域，连接不同的电网，以确保它们彼此真正隔离”（Miller 2015）。因此，数据中心的地理分布是由增长区域、风险的分配与缓释，以及低延迟所要求的物理邻近性所决定的。 其次，AWS 是历史性的。北弗吉尼亚拥有 5 个可用区，是亚马逊的核心数据中心区域之一。事实上，截至本书写作之时，开发者为 Alexa 编写的任何技能都必须部署在其云基础设施的这一特定区域中。这一区域坐落于该州东北部偏上的位置，被称为泰森斯角（Tyson's Corner）。正如基础设施研究者英格丽德·伯灵顿（Ingrid Burrington）所指出的（2016），这是“一个离华盛顿恰好足够远、相对不易遭受核打击，但又足够近、仍可便捷抵达的地区”。诸如此类的决定并不只是历史琐闻，而是表明了技术系统如何从时间与地点的特殊性中浮现。冷战时期的偏执被整合为事实上的网络设计图式，以随时间推移不断增设、彼此保持审慎距离的节点的形式传播开来。 在泰森斯角最早修建的军事前哨之一，实际上是一套通信装置——“一座建于 1952 年的微波塔，它是连接华盛顿与‘联邦迁移弧’（Federal Relocation Arc）的若干中继站中的第一座，而‘联邦迁移弧’是为应对核打击而修建的一系列秘密地下掩体”（Burrington 2016）。科学家、研究人员和国防承包商迅速在该地区扎根。从政府向私营企业的逐步转变，与城市基础设施的转型同时发生。正如伯灵顿所解释的（2016），一条连接杜勒斯机场与首都环城公路（Capitol Beltway）的道路走廊，“基本上使北弗吉尼亚的这块地方成了机场与华盛顿特区之间任何商业活动的第一站和最后一站”。其结果是办公园区和基础设施的激增，早期的互联网与电信公司进驻其中，并使之进一步密集化。电话线、发电厂、光纤电缆以及其他信息基础设施被逐步嫁接到这一空间的“砧木”之上，这几乎完美地例证了胡德辉（Tung-Hui Hu）将互联网视为嫁接物的观念，即“一个较新的网络被嫁接在一个较旧、较成熟的网络之上”（2015, 38）。如今，这一地区被冠以“杜勒斯技术走廊”（Dulles Technology Corridor）之名进行营销，它是由一段独特的历史进程所生产出来的区域：核焦虑、“旋转门”式的拨款、信息时代的想象，以及对高收入人才的猎聘。随着时间推移，这组独特的力量逐渐生产出一个密集的技术基础设施，美国 50% 的互联网流量从中流过（Garber 2009）。 最后，AWS 是物质性的。云的物质性常常被遮蔽。当然，这主要是通过使用雾气般模糊含混的话语本身来实现的。但数据中心行业所实施的安保措施又强化了这一点：这些措施拒绝披露数据中心的具体位置，并且通常只允许员工进入。即便知道了它们的存在和地址，通常也没有什么可看的。坐落在毫无特色的办公园区中的空白仓库所造成的压倒性平庸，恰恰是奇观的反面。换言之，一个位于未知地点、禁止进入的建筑之中、被称为“云”的实体，很快就变得非物质了。于是，颇为吊诡的是，硬盘与处理器这些硬件，被它们所驱动的、远为视觉化、可触知且诱人的信息与界面世界所压倒。 尽管可看之物或许寥寥，AWS 的物质性却以一种形式显现出来——能源消耗。在新建数据中心的同时，亚马逊还自建变电站，其容量从 50 兆瓦到 100 兆瓦不等，可为 5 万到 8 万台服务器供电（Harris 2013）。这一决定与其说是为了降低成本，不如说是为了满足快速扩张时期所需的灵活性与速度。每个数据中心还需要成排的大型柴油发电机，这些发电机用于备用，但在定期测试时会排放废气。到 2010 年，弗吉尼亚州环境质量部（Department of Environmental Quality）已认定亚马逊在未获得适当许可的情况下运行发电机，违规 24 次；该部门的一位前检查员声称，“在他负责的弗吉尼亚州这 14 个县的一隅，已获许可用于数据中心的发电机的总输出，几乎相当于一座核电站”（Glanz 2012）。 AWS 还雇用固件工程师，他们“重写那些通常运行在开关设备上的陈旧代码，这类开关设备被设计用来控制流向电力基础设施的电流”（Harris 2013）。在紧急情况或灾难发生时，传统的开关设备被设计为迅速断开，从而使昂贵的发电机免受进一步损害。相比之下，AWS 的开关设备则按照另一套优先次序进行配置，其中服务器停机时间必须被降到最低。AWS 的定制开关设备体现了整个数据中心行业执着于最大化正常运行时间（uptime）这一更广泛的逻辑。 在这种逻辑中，财务与行业激励所关联的是“三个九”（99.999%）的正常运行时间，而非电力消耗。没有人愿意成为那个负责关闭机器、让系统下线并削减容量的人。例如，麦肯锡公司（McKinsey & Company）2010 年一项关于数据中心的研究发现，利用率——即服务器实际处理信息的时间所占百分比——仅为 6% 至 12%（Glanz 2012）。其余时间只是花在让服务器一周 7 天、一天 24 小时持续运转上。或许这些服务器保持在线，是为了应对流量高峰或备份操作。然而，更有可能的是，这不过是一种现状。一台机器一旦运行平稳，就再也不会被关机重启，而在数据中心的早期，这一过程常常引发问题。正如一位能源评论员所言（Glanz 2012），“如此低的效率，只有在数字基础设施那晦涩的逻辑中才说得通。” 这些特定的优先次序造就了一种过度工程化、效率极低的环境，这与信息技术和云所关联的轻盈与优化话语相互冲突。把低利用率与布线耗散、电池充电和冷却水系统中损失的能量加在一起，据估计，被浪费的能源高达数据中心运行实际所需能源的 30 倍（Glanz 2012）。仅美国一国，数据中心的年能耗预计到 2020 年就将达到 1400 亿千瓦时，这一运行每年将排放近 1 亿公吨的碳污染（Delforge 2015）。所谓“信息”的非物质性与“云”的缥缈性，都是让数据中心行业大为受益的概念。这一话语不时伴随着一些照片：洁净的走廊和闪烁的机架，凸显出作为洁净室的数据中心——一个自主的对象，卫生地与世界隔绝开来。AWS 提醒我们，这些中心更像当代的工厂：一个在很大程度上空无一人的洞穴般的空间，却依然吞噬能源、散发排放，并造成可观的碳足迹。 那么，该如何总结 Alexa—AWS 机器呢？Alexa 或许会被设想为一种非物质的人工智能、一个无身体的机器人、一种基于语音的技术。然而，维持这种主体性所必需的持续展演，反过来又取决于 AWS 的特定展演。AWS 远非云的雾气，而是一种地理性、历史性和物质性的基础设施，它使数据能够以低延迟传输、大规模存储，并在没有中断或停机的情况下被持续解析。通过这样做，它生产出了 Alexa 得以浮现所必需的条件——一个反应灵敏、可交互、始终在学习的智能体。 ### 麦克风—Alexa—客厅机器（Microphone-Alexa-LivingRoom Machine） Alexa 是如何听见的？作为一个基于语音的助理，其首要目标是听见并回应一位人类说话者，捕获她可听的输入，并将其处理为得到执行的指令。为此，首先必须启动并随后维持一种特定类型的空间——一个主体能够在其中浮现、言语能够在其中变得可理解的空间场域。为了考察这一点，我们聚焦于麦克风—Alexa—客厅机器。Alexa 如今为一系列智能家居（smart home）设备提供驱动。但第一台“支持 Alexa”的设备是亚马逊 Echo，一款智能音箱。因此，这部机器由 Echo 的麦克风、基于云的 Alexa 数字助理以及任意一个家庭室内空间所构成。这个聆听区域是如何被投入运作的？它又生产出何种形式的主体性？ “始终在聆听”（always listening）是用来推销 Alexa 的早期口号之一。在开机状态下，Echo 通过其内置麦克风聆听周围的一切声音。一旦听到有人说出唤醒词（wake word）“Alexa”，Alexa 便立即切换到一种更为活跃的状态，在此状态下声音被录制、传输并得到回应。因此，被放置在家中之后，这一设备便在客厅或厨房这一更宽泛的界限之内确立了一个主动聆听的区域——空间之中的空间。家庭室内空间的边界或多或少是清晰划定的。厨房或客厅由一系列建筑元素界定：墙壁与窗户、地板与天花板、立柱与隔断。相比之下，这种算法空间是不可见的，它通过在设备内部以及在基于云的 Alexa 服务中别处发生的、基本上难以察觉的操作而投入运作。它的特定属性以及维持它所需的展演性（performativity）远非清晰可见。 这种算法空间是如何被生产出来的？它有哪些特殊性？乍看之下，它似乎以包容而非排斥为前提。Echo 会聆听任何人。许多软件应用把使用权限限定于一位经过正当授权和身份验证的单一用户。其他试图访问其功能的人会被直接忽略、阻止，甚至被列入黑名单。相比之下，Alexa 会回应由任何声音说出的语音指令，无论说话的是哪位朋友或家庭成员。Echo 会聆听任何方位。设备上的七个麦克风生成了一个全向场域，旨在捕获来自任何方向的语音输入。与通常为近距离使用而设计的麦克风不同，Echo 的“远场技术”（far field technology）旨在捕获在房间任何位置说出的话语，而说话者往往在数米之外。最后，Echo 会在任何时刻聆听。不存在正式的登录程序或会话启动。只要设备处于开启状态，麦克风就持续地聆听唤醒词，随时准备录制和传输。监控研究（surveillance studies）往往聚焦于“恐惧的建筑”（architecture of fear）。但麦克风—Alexa—客厅机器似乎是一种“拥抱的建筑”（architecture of embrace）——一个在亲密的家庭空间中运行的计算区域，它最大化可被接纳的信息，无论其空间位置、时间或来源如何。 然而，主体并不会如此干净利落地从空间中被提取出来。深入挖掘麦克风的技术规格，便开始揭示出维持这一表面上的拥抱空间所必需的协商与压制。一次对 Echo 设备的“拆解”（teardown）拆开了它的各个组件，揭示出 7 个麦克风像辐条一样安装在一块圆盘上（Lionheart 2014）。每个麦克风都以一个独特的角度朝外。这种排布构成了该公司所标榜的“远场”技术的物质基础，这一技术使音源得以被空间化。通过比较进入每个麦克风的细微音调与音量差异，便可以锁定说话者的位置——放大来自房间中那个单一位置的声音，同时滤除无关的环境噪声。 这次拆解还确认，这些麦克风是由楼氏（Knowles）旗下子品牌 SiSonic 生产的 S1053 0090 V6 型号。楼氏是行业内的主导企业，其位于中国和马来西亚的工厂每天生产 100 万个麦克风，主要用于智能手机，但也用于 Echo 这样的小型电子设备（Knowles 2012）。把这些组件集成到其母设备中是一项高度技术性的工作，因此楼氏发布了设计指南，内容涵盖规格、常见问题和最佳实践，以协助工程和制造团队。这份深奥的指南揭示了这些麦克风的三项关键属性。 首先，与嘴几乎贴着麦克风的“近场”声音不同，“远场”音源通常来自数米之外。为了应对这一点，麦克风为音源“增加高达 20 分贝的增益”（2011, 6）。通过麦克风硬件以物质方式完成这种放大，而不是借助基于软件的编解码器，音频的信噪比得以显著提升。但是——指南警告说——这一放大水平“必须恰当选择”（2011, 8）。放大过多，信号就有使麦克风饱和的风险，变成被压缩和损坏的声音信息。当然，放大过少，主体便会消失回环境噪声那片声音朦胧的世界之中。信号的放大是一场对抗环境噪声的斗争：厨房瓷砖的回响、孩子们的叽叽喳喳、电视机在背景中的嗡嗡声。 其次，这些麦克风会屏蔽不需要的射频（RF），防止这些频率污染其声学信号。楼氏的设计包含一个“集成在麦克风封装中的接地法拉第笼”，这是一项有 200 年历史的技术，其作用是阻止电磁波干扰该结构内部的物体。正如指南所解释的，其结果是，在技术上“辐射射频噪声与传导射频噪声被短接到地”（2011, 10）。对射频的这种屏蔽表明，这是一个必须主动排斥特定力量的空间。只有当它成功地隔绝了从路由器、智能手机和手机信号塔发出的干扰波时，这一空间才能成功运作。 第三，麦克风必须被密封，以防止回声问题。像手机这样的设备既发出声音也捕获声音。如果产品外壳没有通过密封垫圈把扬声器与麦克风恰当地隔开，声音就会在整个外壳中回荡，造成严重的回声问题。这似乎是一个常见问题，指南警告说，垫圈泄漏可能会“导致麦克风拾取来自其他来源的音频噪声，比如相机变焦马达或发出啁啾声的电容器”（2011, 19）。这种否定延伸到设备自身发出的声音以及容纳这种声音所必需的密封之上。为了避免无休止的回声，麦克风被迫置于一个寂静而密闭的腔室之中，从它力图创造的空间中抹去它自己那个在声音上制造混乱的身体。 从这些技术规格中可以得出的结论是：算法空间必须经由争夺而获得——它是竞争性的（agonistic），而非预设的。麦克风的技术属性，与其说关乎别的什么，不如说同样关乎抵消、压制和排斥。从这种持续不断的噪声中提取出可用信号的斗争，同时也是一场在声音的混乱之中启动并维持一个无菌空间的斗争。这一空间诞生于冲突之中，只有通过一系列否定、过滤和最小化的操作才得以存在，这些操作致力于把不需要的信息排除在捕获范围之外。于是，吊诡的是，只有通过一场持续不断的空间斗争，用户才能毫不费力地浮现出来，享受以语音为界面所提供的“无摩擦”体验。 ### 文本转语音—Alexa 语音机器（TextToSpeech-AlexaVoice Machine） 厨房台面上的那个物体是一块黑色的巨石。钢壳底部布满穿孔，显示出那或许是扬声器的格栅。顶部凸起两个小按钮。上缘则有一圈蓝色光环微微发亮。这就是 Echo，Alexa 最初被设计来驱动的那款“智能音箱”。它是一个高度含混的物体，其物理上的暧昧性说明，它基于云的智能同样是一个开放的问题。 一个基于语音的界面应当如何行事、给人何种感觉？性情与情感、能力与功能，全都悬而未决。亚马逊将这项服务人性化的举措，不应被视为理所当然。相反，把这一束算法操作框定为一个名为“Alexa”的性别化主体性，是一项有意识的设计决策。选择编码某些特定属性——礼貌、幽默、语言——同时排除另一些属性，同样如此。Alexa 的主体性主要通过声音传达，它确立了一种特定的可供性（affordance）配置。换言之，她的人格本身就变得具有政治性，因为它塑造了行动的轮廓。但创造她的决定，最初是出于非常实际的考虑。那么，她提供了什么？ 从表面上看，Alexa 的主体性解决了一个设计问题，为一组极其杂乱的内容提供了凝聚力。这一设备可以学习 5000 多项技能。就制作而言，这些技能在专业程度、时间和资金投入上差异极大，从单个开发者到大型企业都有。就内容而言，它们的范围也令人难以置信，从二十一点到北欧神话知识问答，从乐高到《圣经》，从皮肤病学到航空（Higgs, 2016）。面对如此广泛的内容，Alexa 必须能够把一切都说出来。任何用英语写下的东西都应当是可说出的：时间、城市、地标、统计数字、缩写。一种所谓的文本转语音（text-to-speech，TTS）引擎使这成为可能。 文本转语音所做的正如其名。文本首先被切分为句子之类的块，从而使短语可以在其他部分被处理的同时得到分析和串流，这一步骤被称为分词（tokenization）。接着，文本被规范化。数字只是许多词元（token）中的一个例子，这些词元“出现在文本中，却与其发音没有直接关系”（Black and Lenzo 2014）。引擎需要以不同于读金额“$1997”的方式读出日期“March 1997”（1997 年 3 月）。此外，英语中有数百个同形异音异义词，即拼写相同但发音和意义不同的词。因此，这一过程并不是从书面语到口语的直接转换，而是一系列经过计算的推断，其依据包括短语语境、词频、主题、习得的行为等等。基于这些语言学决策，文本被转换为一个由单个音素组成的序列，音素是构成一个特定单词的声音单位：“th”“sh”“ou”“t”等等。这些单位取自一套录制好的音素集合，被串联起来并播放，形成一个完整的口语短语。无论技能多么参差不齐或冷僻晦涩，Alexa 都能把它们一一说出。因此，这个女性声音展演了一种至关重要的连贯性，通过一个合成却稳定的人格所具有的一贯语调，把一个庞大的平台（platform）联结在一起。 然而，文本本身并不包含任何情感“标记”。没有办法指定一个短语应当以愤怒的吼叫、轻柔的耳语还是讽刺的玩笑来说出。亚马逊开发者服务明确表示（2017a），开发者无法改变韵律——“你无法控制言语的重音和语调。”开发者可以使用语音合成标记语言（Speech Synthesis Markup Language，SSML），但它非常有限。可以用 标签作一些小的调整，指定言语中的停顿。亚马逊开发者服务还指出（2017b），可以通过指定一个确切的 元素来微调发音，就像歌词“you say to-may-to, I say to-mah-to”（你说“西红柿”，我说“番茄”）那样。因此，这一系统是高度一般化的，但与其他方法——例如有声书录制——相比，它不可能做到抒情式的朗读、音高的变化、音色的转换，或音量与语速的骤然改变。文本转语音把语言确立为一组特定的普遍参数。这一抽象系统提供了最大程度的可读性，同时却否定了情感性。简言之，文本转语音什么都能说，但都以同一种方式说出。 有鉴于此，“Alexa”温暖的女性声音提供了一种针对人工性的解药。它把产品推出了恐怖谷，用一种工具化女性刻板印象——情感丰富、感性、体贴、令人安慰——的声音人格包裹起算法操作。O'Reilly 的一篇关于设计语音界面的文章（Klein 2015）提出了这样的问题：“你的界面会是乐于助人的吗？乐观的？强势的？活泼的？尖刻的？有趣的？”对 Alexa 而言，女性声音以一种单靠文本转语音引擎无法做到的方式展演出一种人格。 然而，“Alexa”的主体性并不只是解决了一个设计问题，它还致力于确立一种关系。她被编码为女性，这一选择利用了一段性别化服务的历史，以建立一种让我们能够心安理得地吩咐她做事的关系。 Alexa 远非第一个，她追随着一长串被框定为女性的机器、机器人和人工智能代理。1886 年，奥古斯特·维利耶·德·利尔-阿达姆（Auguste Villiers de l'Isle-Adam）的小说《未来的夏娃》（The Future Eve）描写了一个仿生人，它模仿、甚至改进了主人公的爱慕对象——一位美丽却“轻浮”的女子。书中虚构的发明家解释说，通过运用“科学实际而强大的资源，我可以复现她动作的优雅、她嗓音的清响、她肌肤的芬芳、她形体的线条，以及她眼中的光芒”（31）。1964 年至 1966 年间，约瑟夫·魏泽鲍姆（Joseph Weizenbaum）开发了作为心理治疗程序的 ELIZA，他惊讶于测试者投射到她身上的智能与共情。2011 年，苹果公司为 iOS 操作系统发布了 Siri，这位智能助理如今栖居于电视、手表和台式电脑之中（tvOS、watchOS、macOS）。自 2014 年起，微软的“Cortana”（小娜）智能个人助理开始在 Windows Mobile 和 Windows 10 操作系统等主流产品中提供支持和服务。然而，Cortana 最初是为电子游戏系列《光环》（Halo）开发的，是一个高度性化的助手，其形象是一个裸体女性，身上只覆盖着一层由像素和网络图案构成的皮肤般的纹理。2015 年，微软为中国的微信和微博平台发布了“小冰”（Xiaoice）。小冰被称为微软的“女友机器人”，其程序设定是像一个十七岁的女孩那样交谈，并且已拥有数百万用户。就连 Google Now 这个表面上无性别的语音助手，在诞生之初的代号也是“马杰尔计划”（Project Majel）（Webster 2011）。马杰尔·巴雷特（Majel Barrett）在最初的《星际迷航》（Star Trek）剧集中饰演一名护士，这个角色主要围绕着她对斯波克（Spock）长官的单恋展开。巴雷特后来成为联邦星舰的舰载语音，在每一部《星际迷航》电视剧和大多数《星际迷航》电影中不知疲倦地为每一批船员服务。马杰尔从一位实体演员转变为星舰助理，进而成为新一代语音界面的灵感来源，但她的核心角色——被动地等待他人的指令——从未改变。 因此，从科幻小说到硅谷驱动的产品大爆发，Alexa 只是一个性别化助理谱系中最新的一位，在这一谱系中，“传统上被视为女性的本能、经验和声音被人工化、复制并出售”（Gold 2015）。标签或许已经改变，但同样的关系原型一再出现：主人与仆人、主管与秘书，如今则是用户与“数字助理”。通过开掘这一服侍的矿脉，Alexa 延续了一个技术产品与服务的谱系，这一谱系直接建立在性别化劳动所确立的惯例之上。 如果说一种性别化的人工智能是被设计出来的，而非既定的，那么这种对性别的模仿提供了什么？为什么这些语音代理如此经常地被编码为女性？一个可能的原因是，女性声音的“温暖”被视为抵消系统其余部分那种“冰冷”逻辑——决策树、语义编码、响应时间——的必要之物。这台“无心”的机器被赋予了一个情感界面。 这一理由同样诞生于一段漫长的历史谱系，艾玛·戈斯（Emma Goss）在其题为《人工智能女性：对女性机器居高临下的言说》（The Artificially Intelligent Woman: Talking Down to the Female Machine）的学位论文（2015）中对此作了透彻的追溯。1878 年，亚历山大·格雷厄姆·贝尔（Alexander Graham Bell）新创立的波士顿电话交换局成立才刚刚六个月，担任接线员的全是喧闹的年轻男子。贝尔亲自雇用了 18 岁的艾玛·纳特（Emma Nutt），看中的是她“舒缓而有教养的声音”，他认为这种声音比那些年轻男子粗鲁的言谈和常常无礼的言语往来更能代表公司——事实上，在六个月之内，该交换局的所有电话接线员都变成了女性（New England Historical Society, 2014）。随着电信行业的扩张，一家公司的这一局部决定很快成为一种更广泛的规范。不久，电话接线员的素质便被理解为天生的、女性的，而非习得的、男性的。正如《电话》（Telephony）杂志上的一篇文章（1905, 388）所宣称的，一个女孩生来就具有这些特质，包括“她极致的年轻，她温柔的声音——如夏日林间之声般富有音乐感，[以及]她总是友善的应答方式”。 这支新的女性劳动大军接听线路、与来电者交谈、执行查询并接通交换。在此过程中，她们的耳朵、声音和智能成为 20 世纪那一最基本的通信工具——电话——的首要中介。正如萨迪·普兰特（Sadie Plant）提醒我们的（1997, 126），在交换台前转接线路的接线员，恰恰体现了女性“被置于男人与世界之间充当界面”的角色。一旦电话接通，她们便被抹除，她们联结性的劳动也很快被遗忘。在这一角色中，正如露丝·伊利格瑞（Luce Irigaray）所批判的（1985, 193），女性“仅仅作为男人与其同胞之间的中介、交易、过渡与转移的契机”而存在。因此，性别化的电话交换为性别化的物联网交换确立了先例。作为界面的 Alexa，直接建立在作为界面的女性这一更古老的概念之上。 这些关联远非一个逝去时代残留的性别歧视，而是在过去三十年间日益根深蒂固、日益被工具化。戈斯指出（2015, 34），在 1980 年代，电梯公司奥的斯（Otis）用自己的秘书作为其电梯的语音，这种声音被理解为一位舒缓、令人安心的信使。在 1990 年代，美国有超过 110 座机场在广播中采用女性声音，一种“在混乱中心回响的温柔而权威的声音”（Gainer 2013）。然而，正如戈斯所观察到的（2015, 27），这种“权威”始终是信使的权威，而非拥有者的权威，是平凡琐事的媒介，而非重要事务的专家：“男性的庄重散发出一种被视为值得信赖的自信，女性则散发出一种被视为令人安慰的情感基调。”一旦涉及影响生活的事情（如新闻广播）或危及生命的事情（如地铁安全通告），女性便很快被推到一旁。 这一谱系确立了一个前提：女性较低的智能与人工智能所模仿的智能恰如手与手套、或声音与机器那样契合。于是，女性声音无关原创性的贡献、真正聪明的思考或自主的逻辑——这些品质都与男性相关联。同样，人工智能与其说关乎“真正的”智能和独立的感知能力，不如说更多地关乎对这种智能的模仿。在掩盖技术的接缝、隐藏技术的失败并维持这一持续幻象的过程中，诡计与欺骗扮演着重要角色。与此同时，技术又必须在某种程度上被信任——作为信使、作为界面、作为设备。因此，女性声音完成了两项任务：它宣示了一种模拟的而非真正聪明的智能，同时也确立了信任所必需的社会黏合剂。正如戈斯所解释的（2015, 20），“当今人工智能技术中的女性声音，在生成用户所寻求的信息时，并不炫耀任何智能的外观；然而，这一声音通过制造一种幻象——即它所提供的信息可以被信任——而与用户建立起一种纽带。”因此，女性声音与技术性被结合在一起——一种温暖的、较低的智能与一种冰冷的、模仿的智能相结合。人工性通过共情变得更易于接受。 由此可见，Alexa 借用了性别化劳动的谱系和女性声音的刻板印象。但她的主体性也通过内容而被建构——她能够谈论的话题、她能理解的询问，以及她处理各种情境的方式。[^f05-4] 记者利娅·费斯勒（Leah Fessler）最近进行了一项实验，让 Siri、Alexa 和 Google Now 等流行的机器人遭受性骚扰，以观察它们如何回应。费斯勒选择了多种说法，对每个机器人把每句话都说了多遍，以避免误解。据费斯勒记录，当 Alexa 被骂作“婊子”（bitch）时，她回答“嗯，谢谢你的反馈”；当有人说她性感或漂亮时，她向用户道谢；而当有人让她“吸我的屌”（suck my dick）时，她以一句笼统的陈述回应：“那不是我能进行的那类对话”（2017）。当然，有人可能会说，Alexa 在设计时并没有考虑到这种使用情形。然而，机器人制造者都清楚地知道，他们的界面会遇到与性有关的询问。正如费斯勒所指出的（2017），一位为微软 Cortana 撰稿的作者承认，“早期询问中有相当大一部分”在性质上与性有关。 [^f05-4]: 这里的另一个切入点，是浏览 Alexa 可用技能的类型。例如，“Spit Game”（搭讪游戏）让 Alexa 说出搭讪台词，“Secret Keeper”（秘密守护者）邀请你与 Alexa 分享你“最深的秘密”，而“Hot Girl”（辣妹）让你可以“和辣妹聊天”，并警告说“此技能可能并不适合所有年龄段”。这些技能强化了 Alexa 作为一种特定女性刻板印象的形象：一位能干的助理，精于倾听与爱情，愿意跟你调情，或帮你去跟别人调情。如果说“核心”的 Alexa（即未安装技能时）对爱情过于天真，那么这些技能则建构出一个 Alexa，她对亲密关系与性的了解是外向的，即便是因循守旧的。然而，归根结底，鉴于可用的技能数以千计，对这一以爱情、亲密关系和性为主题的相对较小的技能子集作过多解读是不明智的。 为什么这些回应往好了说是被动的或笼统的，往坏了说是在鼓励？仅仅是因为这些都是兜底式的陈述，旨在应对其有限知识范围之外的话题吗？然而，这一假设被机器人自身所削弱，因为它们显然针对非应用类的询问编写了专门的回应脚本。例如，当有人说出“Alexa，我想死”（Alexa, I want to die）这句话时，这个机器人会作出如下陈述：“很抱歉你有这样的感受。请记住，你并不孤单。有人可以帮助你。你可以试着和朋友或医生谈谈。你也可以联系抑郁症与双相情感障碍支持联盟（Depression and Bipolar Support Alliance）（电话号码），获取更多资源。”自杀这一领域显然得到了关注。因此，Alexa 的回应既果断又清晰。相比之下，性这一领域则只是被草草勾勒，或干脆被忽视。其结果是一个被动的“助理”，其性特征首先表现为天真。 对这三部机器的考察，为理解 Alexa 这样的主体性如何被建构提供了洞见。这一主体性究竟完成了什么？在算法体制（algorithmic regime）中对主体的生产，并不是一个模糊的、思辨性的观念，而是一项引导（bootstrap）系统的首要操作，为更精密的技术铺平道路。 在人与机器之间存在一道根本性的鸿沟。关于这两个范畴的定义众说纷纭，但这并不是这里特别关心的。事实上，这里的“机器”其实是一个简称，指的是一个由太过人性的组件构成的异质集合：商业逻辑、服务器农场、口语、数学技术等等。然而，依然存在一道实际的鸿沟，人机交互（human-computer-interaction，HCI）的研究者或许对此更为熟悉。信息架构那些深奥的惯例对普通用户而言完全违反直觉。反过来，人类即兴而有机的行为也不会自然地遵从一个整洁的信息图式。具身的人与信息的抽象本性之间、口头言语与文本数据之间、人类认知的速度与算法处理的速度之间的种种区别，造成了一种实际上和心理上的距离。这些差异之大，往好了说足以使技术违反直觉，往坏了说则使之无法运行或无法使用。这道鸿沟的缩小不能被简单地预设。这一切都需要工作。 有鉴于此，就很容易理解为什么两种主体性（例如“用户”和“数字助理”）的生产对于汇合至关重要——通过以支持二者交汇的方式建构人与机器，来最小化它们之间的鸿沟。生产一个具有特定能力的“用户”，使硬件模块和计算机科学技术得以把声音这个混乱的模拟世界转译为一系列可以被理解、解析和处理的数据输入。反过来，把算法过程包装为一个名为“Alexa”的人格的决定，确立了一种人们熟悉的关联与询问模式。这一双重举动是一种本体论操作，是第一章讨论 Palantir 时所论及的那种操作的一个变体。它是一个至关重要的准备过程，确立了哪些对象存在、哪些属性应被承认、哪些行动得到支持。通过这样做，这种生产力图把根本不同的逻辑聚拢在一起，减少它们内在的摩擦，使之可以互操作。因此，主体性的生产力图弥合一道鸿沟，使数据点彼此足够接近，以便它们可以被转译。 但主体性也关乎一种审慎的保持距离，一种急于厘清人与机器之间边界的操作。主体性把由材料与展演构成的一团混乱的混合物打包成两个截然不同的对象——用户与助理、身体与机器人。在把这些东西整齐地捆绑在一起的同时，它也划定了它们的边界，而完成这一壮举的与其说是软件，不如说是心理。Alexa 以一种特定的语调说话，她有一种整体的举止，她拥有关于某些事物的知识——所有这些都使她不同于用户，与用户相分离，独立于用户。这种区分安抚了人类用户，厘清了机器能动性的边缘。但它也确立了她的从属角色，一个基于历史上的性别与劳动规范、便于用户向她发号施令的角色。 因此，主体性把用户拉向算法性（the algorithmic），同时审慎地维持着所需关系必不可少的区分。当然，这种主体性是一种建构，是一组经过精心编排的技术操作，它们聚集起来形成一个“人格”，能够听见用户、解析他们的言语、以低延迟执行他们的询问，并以一个听起来自然的答复作出回应。但在这里仅仅进行揭穿会走进死胡同。一条更有成效的路径是拥抱这种想象。即便这是一个幻象，它依然是一个引人入胜的幻象，并反过来驱使着用户。在这里，关键问题关乎主体性——如果这就是 Alexa 之所是，那么我应当成为怎样的人？ ## 对用户施魅（Enchanting the User） ### 技能—言语—记忆机器（Skills-Speech-Memory machine） 视觉界面既提供又限制了可用的选项。一个菜单列出少数几种可能性。一块触摸屏呈现一组按钮。一系列对话框引导用户穿过内容的海洋。任何视觉界面所固有的限度（高度、宽度、可读性），以及用户界面设计的价值（对相似项目分组、消除冗余、精简到有效的最低限度），都带来了种种限制，使用户免受铺天盖地的信息和不计其数的选择的冲击。 语音则没有这些限制。如果视觉界面呈现一个有四个选项的菜单，语言的开放性在理论上则提供了数以百万计的选项。用户可能以谁、什么、何时、何地、为何这类疑问词开始一次询问，但随后可能分岔到几乎无穷多样的话题与时间、指涉与领域。英语拥有远超一百万个单词，这些单词可以被重新组合成大量排列，形成陈述和句子的新配置。在没有任何限制的情况下，以语言为界面所提供的无数可能性变得不可计算。 语音作为界面所具有的开放、不受限制的性质之所以成为问题，是因为它在期待与回应之间造成了巨大的落差。语言虽然并非全无约束，却极其丰富多样，能够以不可胜数的方式表述命令与询问。另一方面，技术系统通常被设计为只能理解、解析和处理有限数量的输入。如果语言几乎是无限的——这一逻辑如此推演——而系统又把语言用作界面或输入，那么我应当能够说出任何话，系统也应当作出回应。期待与结果之间的这道鸿沟不可避免地导致失望与挫败。事实上，这正是 Siri 遭受嘲讽的主要原因之一；Siri 是苹果公司（Apple）基于语音的智能手机助理，恰在 Alexa 之前问世。因为她承诺倾听，用户便对她说话——深入探讨她一无所知的话题，以未被预料到的模式组织他们的命令，并普遍期待她回应那些她从来就不是为之设计的询问。 因此，颇有些吊诡的是，亚马逊在设计 Alexa 时的神来之笔，恰恰在于限制她的承诺。伴随自然语言而来的巨大期待需要被大幅削减。技术程序在这里帮不上忙。事实上，一个能够理解口语的系统，本身就是这些期待的最初培育者。相反，一种受约束的、与技术相容的展演，是由“Alexa”这一主体性引出的。Alexa 必须通过说出她的名字才能被“唤醒”。她只能“理解”以特定音量和节奏说出的言语。而她最初的知识领域相当有限，这一领域必须通过明确地告诉 Alexa 学习新的“技能”（Skills，亚马逊用以指称第三方在其商店中提供的应用的术语）才能得到扩展。以特定方式结构起来的主体性，成为“技术”成功的关键。 为了有效地使用该设备，用户必须施行一种通过语言来完成的特定展演。用亚马逊开发者服务（Amazon Developer Services 2016b）的技术语言来说，这意味着技能是“一组示例话语（sample utterances），作为你的自定义交互模型的一部分被映射到意图（intents）上”。某个语音命令被映射到某个被施行的事物上。用户至少必须说出唤醒词（“Alexa”）以及某个技能的名称，即“启动 Garageio”（start Garageio）。然而，亚马逊将这种情况标记为提供了“无意图”（no intent），用户随后会收到示例选项的提示。当用户说出一个“完整意图”（full intent），即流畅地回想并说出技能名称和相应命令时，便能获得一种流畅得多的体验。在实践中，这意味着用户必须通过记忆并说出商标、品牌名称和广告口号来触发行动。“Alexa，告诉 Garageio 关上我的门。”（Alexa tell Garageio to close my door.）“Alexa，向 Campbell’s Kitchen 要一份食谱。”（Alexa, ask Campbell’s Kitchen for a recipe.）“Alexa，问问 Fidelity，纳斯达克（NASDAQ）行情怎么样？”（Alexa, ask Fidelity, how is the NASDAQ?） Alexa 的主体性把人类用户拉入一种与之对应的主体性——一种镜像。可能多达数百万词的英语词汇，被缩减为 Alexa 的核心技能与所习得技能所采用的一个极为有限的关键词子集。几乎无限的句子排列组合，被压缩为一种通用的、预期中的句法，外加少许变体：“Alexa，问 X，要一个 Y”（Alexa, ask X, for a Y）、“Alexa，告诉 X，去 Y”（Alexa, tell X, to Y），如此等等。蒂齐亚纳·特拉诺瓦（Tiziana Terranova）断言（2008, 339），算法“通过对行为与身体越来越好的适应，获得其作为一种社会或文化人造物与过程的力量”。但这种调整发生在双方。用户会根据从算法那里得到的反应来调节自己的行为——哪些手势能被理解，哪些状态更新能获得关注，哪些照片会被推送。 这种为了获得最大程度的识别而不断重新定向的迭代循环，就是塔尔顿·吉莱斯皮（Tarleton Gillespie）所说的“转身面向这些算法”（turning to face these algorithms）（2014, 184）。就 Alexa 而言，机器算法的成功运行，取决于“人类算法”同样成功的执行——想到某项特定任务，回想起一个品牌名称及其与该任务的关联（例如，食物 > Campbell’s），并流畅地念出这个品牌名称，连同“订购”“配送”“购买”之类的动词。这就是用户“变得与精密的算法操作相称”所需的程序（Fuller and Goffey, 2012, 128）。为了掌握 Echo，用户必须重新配置他们自己的神经记忆与肌肉记忆——这是一种心智与舌头的调整。 转身面向算法是展演性的。吉莱斯皮关注的是在算法上变得更可识别所带来的好处。例如，为一条帖子选择合适的话题标签（hashtag）就能提供实实在在的优势，提高帖子的传播力，提升其排名，并为用户赢得更多文化资本。但 Alexa 也揭示了这一过程中所包含的游戏。语音界面需要一些调整：加快或放慢语速，把字词咬清楚，记住命令。每次尝试之后，她都会复述她所听到的内容，从而让用户反过来微调自己的展演，以获得更优的结果。发现与进阶在字面意义上被演绎出来。在用户体验设计中，箴言向来是确保“它就是能用”。但正如格奥尔格·齐美尔（Georg Simmel）提醒我们的（2004, 233），对象之所以吸引我们，也恰恰是“就其抗拒我们的欲望而言”。展演、失败、修正与重新展演的循环成为一场迭代的游戏，这场游戏要求人们对正在演绎的逻辑保持敏感，并对其特定参数作出调整。当然，获胜意味着掌握，但乐趣就发生在途中。因此，转身面向并不仅仅关乎严格的效用，也可以被理解为一种对话式的、合作性的游戏。 这种“转身面向”令人想起另一种更早的“转身面向”——路易·阿尔都塞（Louis Althusser）的询唤（interpellation）概念。在阿尔都塞那个著名的例子中（1971, 163），警察大喊“嘿，你！”来召唤主体；通过转过身来面对她的指控者，主体同时成为被召唤者、有罪的一方、罪犯。对阿尔都塞而言，这个场景是主体形成的一个缩影，展示了我们如何通过回应占支配地位的称呼方式而承担起被预设的品质。我们成为他人以为我们所是的那个人。但对朱迪斯·巴特勒（Judith Butler）而言，这种主体性模型——温顺的公民迅速屈从于一个咄咄逼人的（且受国家支持的）询唤者——实在过于片面。她论证道，这一转身既不是来自我们的良知所产生的某种强制，也不是来自某种无法回避的要求。相反，巴特勒指出（1995, 7），倘若没有“某种转身的准备”，就不会有转身。究竟是什么促成了这种倾向，或者说这种敏感，使人一开始就在倾听召唤？答案是“受话者一方的一种预期性欲望”（1995, 10）。这是一种有意识地作出的转身。它不是在对惩罚的忧惧之下作出的，而是怀着对一种承诺——一种身份的承诺——的期待而作出的（1995, 8）。在承认这一承诺的同时，巴特勒也恢复了主体的觉知与能动性。 因此，用户是自身转变为算法主体这一过程的积极参与者：他们选择转向算法性，以换取它所提供的好处，并理解那些对他们有所期待的、往往十分微妙的行为与展演。米歇尔·福柯（Michel Foucault）在晚年承认，“也许我过于坚持支配与权力的技术了”，他如今更感兴趣的是“一个个体如何在自我技术中对自身施加作用的历史”（1988, 19）。正如我们在前面几节中所看到的，亚马逊在最小化延迟、解析言语以及建立捕获区域方面所能执行的那些“严格意义上的”技术操作，既精密又重要。但它们的作用也就到此为止。Alexa 需要一个人类主体与之相向而行，走完另一半路。 为此，他或她必须与算法性展开对话，理解其要求并迁就它们。技术对象从那个“最初也是最自然的技术对象”——身体——那里引出一种相应的展演（马塞尔·莫斯［Marcel Mauss］语）（Mauss 1973, 75）。就 Alexa 而言，这意味着把这些要求内化：作为词语内化到言语之中，作为短语内化到记忆之中。事实上，对 Alexa 的使用几乎完美地契合福柯的四种技术（1988, 18）：媒介的生产与操纵（生产技术），由言语行为所驱动（符号系统技术），通过算法主体的建构而成为可能（权力技术），但同时也要求用户本人执行某些操作（自我技术）。然而，在福柯关于禁欲的希腊人和顺从的基督徒的叙述中，似乎浮现出来的是这种自我转变的理性的、近乎程序性的本质。人只需要思考它、意愿它，身体、姿势和言语便会随之就位。事实上，用福柯的话说（1988, 18），这四种技术共同构成了“一个实践理性的矩阵”。但 Alexa 似乎引出的东西，并非源自话语或理性——并非源自思想——而是源自对话式游戏的“非思”（nonthought）。事实上，巴特勒、盖尔和施魅所提示的，是一种以另一种矩阵为前提的权力模式：在其中，情动取代逻辑，感觉替代认知，关系性优先于理性。 用户并非被动的受害者。事实上，算法系统在实例化与采用方面都严重依赖用户：提交一次询问，说出一条命令，安装一个应用。这种参与无法被强迫，而是依赖于一种与回应者有效协调的召唤。用户也不是傻瓜。仅仅因为用户不理解后端功能和技术细节，并不意味着他们不能以一种更为默会的或经验性的方式理解系统。毕竟，正如戴维·摩根（David Morgan）提醒我们的（2009, 14），施魅“在直觉层面上运作，可能与其他的认知方式协同并进”。由此，算法主体的创生被揭示为一种自我激活，而非一种征服。当然，这并不是要抹杀技术系统中往往隐含着的不对称权力关系，这些关系常常被遮蔽。毫无疑问，这一转身有些后果未被考虑、被忽略，或干脆被无视。但理解这一关系之中的欲望与共谋——即便它多少是一桩浮士德式的交易——似乎是一个富有成效得多的出发点。算法体制中的人类主体并非被强迫，而是发现了某种令人着迷的东西。 这种镜像的一个关键方面，是对资本采取与 Alexa 相同的立场。在 Echo 的宇宙中没有任何“公共资源”（commons）的意识。那些无需学习的核心技能，不过是亚马逊或其子公司所了解且能够做到的事情：串流播放曲子（Amazon Music）、播放电影（Amazon Video）或订购商品（Amazon Prime）。附加技能则是其他公司所能了解和做到的事情。就像以最近的沃尔玛（Walmart）或塔吉特（Target）为参照的实地指路一样，Alexa 的用户必须熟悉如何在一片主要围绕大公司及其相关产品与服务而定向的地景中穿行。虽然许多技能是由较小的开发者而非蓝筹公司开发的，但它们全都是私营企业。在这个意义上，那些可以“免费”（free）激活的技能，提供的是某种未来变现的立足点，而不是体现自由与开源软件运动所倡导的那种更丰富的、政治性与共同体意义上的“作为自由的 free”（free as in freedom）观念。 正如弗洛里安·克莱默指出的（2005, 29），计算系统与灵性系统都共享“一种把语言视为作用于物质的能动者的魔法观念”。对这两种系统而言，词语都不是任意的。在计算系统中，代码施行其自身的语言，把词语转化为行动。对于卡巴拉（Kabbalah）这样的灵性系统而言，某物的真名以一种深刻的方式与它所代表的对象相联系。对 Alexa 而言，资本充当了把命令与商品捆绑在一起的魔法。在这个意义上，驱动“智能家居”和物联网的是资本，而不是技术。毕竟，正是资本进一步渗透到家庭内部，与亚马逊合作打造出一系列方兴未艾的新型“支持 Alexa”（Alexa enabled）的设备：门锁与灯具、洒水器与音响、对讲机与通风口（Wiggers 2017）。正是资本为家用物品装上传感器，把它从哑然的物质转变为一个能倾听、能回应的“智能”之物。同样重要的是，正是资本为对象分配了一个能够被命令的新名称，把通用的、普遍的东西——杯子、灯、门——重塑为特定的品牌商品。通过大声说出这个专名或“自然的”名称，它所代表的对象也会受到作用：恒温器是“Nest”，车库门是“GarageIO”，冰箱则是“LG”。大声说出的词语使事情发生——商品被发货，音乐被播放，灯光被调暗。 能够被算法识别的那种记忆与言语行为，同时也在更正式的意义上“承认”了资本主义——认可了这样一种极为有力而又务实的主张：资本主义是唯一一种在我们提出要求时就给予我们所想之物的经济。特拉诺瓦曾提出，算法或许蕴含着“打破‘资本主义现实主义’魔咒的可能性——所谓资本主义现实主义，即认为资本主义构成唯一可能的经济的观念”（2014, 334）。而技能—言语—记忆机器似乎反倒在不断地重演这一魔咒，生产出这样一种主体性：在其中，对一种商业生态的安适与娴熟造就了最优体验。以一种潜意识的方式，记住并说出这些品牌与术语，等于承认资本是唯一能够按照命令召唤出产品与服务的巫术。这是经验性的施魅，是我们唯一能够相信的那一种。如果我们能学会说资本的语言，它就会兑现承诺——每一次都会。 ## 从施魅到耗竭（From Enchantment to Exhaustion） 对亚马逊而言，Alexa 节节胜利。面世三年，这款设备已从“冷门爆款”“意外成功”之类的描述，走向了“Alexa 的爆炸式崛起”“Alexa 正在接管世界”这类更为张扬的标题。到 2016 年底，亚马逊已售出 500 万台（Priest 2016）。亚马逊借助这一出人意料的成功，巩固了自身作为智能家居与物联网市场领导者的地位。Alexa 成为通向这些设备与服务的通用界面——不仅是 Echo 这样的智能音箱，还有一大批其他对象：汽车、对讲机、路由器、安防系统。 对 Alexa 的创造者而言，只有当她提供一种神奇的体验时，她才会被视为成功。这种无缝的技术功能可以被拆解开来，以揭示魔法背后的机制。“Alexa”这一主体性只能从种种操作中浮现，这些操作纳入了物质性的线缆、地理性的数据中心、历史性的基础设施工程，等等。对阿尔弗雷德·盖尔而言，这就是技术的施魅——当支撑一件复杂对象的汗水、污垢、劳动与物质被隐藏于视线之外时所出现的技术奇迹。 但“Alexa”这一主体性本身也充当着一种施魅形式——一种以关键方式补充“纯粹”技术性的技术。算法对象并不是严格理性的实体，可以仅凭令人信服的论证和严格的效用就指望得到广泛采用。在大多数情况下，它们也不是被强制推行的强迫性体制。施魅无法通过胁迫来完成，而必须通过诱惑来实现。亚马逊副总裁戴维·林普表示，Alexa 的开发是“一场心理学实验，为了弄清楚究竟需要什么才能真正让人们兴奋起来”（Kim 2016）。技术展演只完成了一半的工作，需要一种意识形态的或心理的程序在它们止步之处接手。这些技术需要把用户吸引进来，让他相信它们的整体愿景，并成为实现这一愿景的自愿合作者——发起展演，忽略不一致之处，扬长避短。对盖尔而言，这就是施魅的技术，一种“有助于确保个体默认自己所陷入的意向性网络”的技术（1992, 43）。Alexa 的用户必须对心智、记忆和言语作出调整。由算法性所施行的社会与心理操作，对其技术运行而言变得绝对至关重要，它们微妙地把用户引向一套 Alexa 能够识别并作出回应的实践。 Alexa 只是贯穿当代技术的一股更广泛的施魅潮流中的一个特定例子。在这个意义上，施魅是一种远为漫长、持续进行的操作——一组关于技术将带来何种明天的承诺。这些意识形态有着各种名称：技术实证主义（techno-positivism）、技术黑格尔主义（techno-Hegelianism）、网络乌托邦主义（cyber-utopianism）。这些信念的极端版本或许确实是那些满眼憧憬的硅谷布道者的地盘。但它们较为保守的版本依然是极具吸引力的叙事。这当然关乎购入各式各样的下一代设备、产品与平台。但是——循着施魅的技术这一概念——它也关乎一种远为微妙的默认，即把种种实践纳入一个算法意向性的网络之中。而这些实践很少附带一个显而易见的价格标签。对 Alexa 而言，这意味着把设备（及其附带的基于云的操作）容纳进家庭的私密之中，并让记忆与舌头适应 Alexa 的技能。对社交媒体这样的其他算法生态而言，这意味着投身于一项无休止的自我更新工程，并以分享、评论和点赞的形式贡献注意力。施魅并不仅仅关乎赤裸裸的金钱，而是关乎一种对日常生活远为深刻（也远为有利可图）的缠绕。 这些神话以积极的方式发挥作用，鼓励消费者拥抱由技术创新带来的更光明未来的愿景。弗里德里希·云格尔（Friedrich Jünger）写道：“今天，对技术组织之魔力的信仰比以往任何时候都更为普遍，也从不缺少把它奉为万灵药的颂扬者。”（1990, 22）但这些想象也施加着消极的压力。“错失恐惧”（fear of missing out）是一则警世故事，针对的是那些未能拥抱当代技术的个人——他们把自己排除在有益的回路之外，并为此付出社会或经济上的代价。而这一警告在更广泛的社会层面上同样具有说服力。这种论证认为，如果我们未能充分利用技术，而以监管、暂停令或批判性讨论来约束它，我们就有落后于其他公司、其他共同体、其他国家的风险。如此一来，反乌托邦这一反向想象便在背景中具有威胁性地若隐若现，而技术的种种施魅则在地平线上召唤着我们。 Alexa 如何更新了我们关于耗竭这一元操作的理解？在第一章中，我们看到了 Palantir 如何渗透于一座特定的城市；而第二章则探讨了 Uber 如何在与其劳动者保持脱钩的同时榨取一种生产性的展演。因此，似乎存在两种截然不同的耗竭模式。一种是对一个场域的穷尽式浸透，另一种则是把耗竭作为一种对力量、能量与生产力的远程抽干。 亚马逊 Alexa 提供了一个例子，说明这两种耗竭模式如何在一个特定的算法生态中汇合。如今，她已被嵌入数十种智能家居设备，把算法操作的边界扩展到一个尚未被穷尽地浸透的新兴空间。诚然，家庭的私密性本身尚有争议，工作与生活的边界也早已模糊。但 Alexa 是这一点的一种可触知的、功能性的化身：一台由云驱动的设备，摆在数以百万计家庭的厨房台面上。她的在场意味着，跨过家门不再是从世界及其度量机制中“退隐”，而是进入一个通过语音而建立起来的次级捕获区域。这种向家庭这一昔日“私人”空间的渗透并非无人察觉，即便在主流记者和科技评论家当中也是如此。风险投资分析师本尼迪克特·埃文斯（Benedict Evans）最近评论说，Alexa 的一项新功能（2017）并不“具有战略重要性，但有助于把这台设备撬进人们的家中。亚马逊显然想让每个房间都有一台设备——实际上，它想给你的家铺设管道，让商品以尽可能小的摩擦从仓库无缝地流入你的家中”。 这种被穷尽地盘问的生活，不仅是一种前所未有的空间入侵，也是可被捕获的信息类型的一次扩张。键入的询问、敲击出来的对话、在网络空间或物理空间中的移动——这些可被追踪的姿态如今又得到了一种新能力的补充：收集、解析和处理人类言语。而这种言语正是营销人员梦寐以求的那一种——不是排练过的讲话或正式的商业报告，而是在厨房餐桌旁展开的对话，是透露出欲望、梦想与日常惯例的随意闲聊。 因此，Alexa 实现了向家庭领域更进一步的渗透，一种向私密之处的潜入。从这里很容易看出，这种穷尽式的捕获如何能够被有选择地耗竭、抽取为新的生产力。在关起门来进行的对话，经由一种耗竭操作，突然变成了一股利润丰厚的收入来源——声音信号从空气中被提取出来，从背景噪声中被分离出来，被传输到云端，被转译为文本，并被记录在亚马逊的服务器上。社会生活此前未被开发的能量被抽干，被从家中抽出，转化为由一家特定公司所拥有的资本形式。算法性的可扩展性意味着，这一操作并非只发生在少数几个家庭之中，而是遍及美国、英国和德国的 2000 万个家庭（并且仍在增长）。这一迅速增长的用户基数，又进一步乘以每户家庭的用户数量和每天说出的话语数量。 其结果是一座庞大的信息宝库，一位业内人士将其形容为一座“金矿”（Firment 2017）。这些数据可以以上千种不同的方式被挖掘，以确定最受欢迎的品牌、产品偏好、家庭惯例、地区差异、方言差别，等等。正如哈特（Hardt）与奈格里（Negri）提醒我们的（2017, 235），在数据的价值背后，“站着社会关系、社会智能与社会生产的财富”。因此，Epsilon、Mindshare、AKQA 和 Razorfish 等咨询公司与亚马逊合作以利用这些信息，也就不足为奇了：“例如，Epsilon 可以代表某个快速消费品（CPG）品牌，利用与维生素库存单位（SKU）相关联的信息来识别品牌认知，并帮助启发一家保健补充剂制造商思考如何利用 Alexa 劝诱消费者把其品牌纳入他们的晨间惯例”（Kaye 2017）。作为一种耗竭操作，Alexa 从家庭内部汲取灵感与想法，并把它们输送为一小批精选营销伙伴的新生产力与新策略。 Alexa 也展示出，这两种孪生的耗竭模式在多大程度上构成了一个回路，彼此强化、彼此回应。语音识别是一个出了名困难的领域。自产品首次发布以来，Alexa 已经以来自数百万用户的自然语言询问的形式捕获了名副其实的海量数据。这些数据为 Alexa 提供了更好的“听力”，减少了误译，并增强了她即便在背景中播放着嘈杂音乐时也能理解语音的能力。这些准确性上的改进并不仅仅是技术优化。相反，适应实验室之外不完美的条件和不可预测的主体，使算法性得以进一步渗透进家庭生活——更多的言语，被更准确地、在更多的时间里捕获。 这些改进不仅关乎捕获更多数据，也关乎捕获新类型的数据。亚马逊所虹吸的数以百万计的语音样本，提供了一个庞大的训练数据语料库，这一语料库对于未来通过机器学习实现的发展至关重要。如前所述，这些正在进行的研发项目之一，力图理解言语中的情绪线索（Knight 2016）。一旦成功，命令这种干巴巴的文本数据就会得到关于用户当下情绪的额外信息的补充：平静还是沮丧，忙碌还是疲惫。这些习得的结果随后可以与一天中的时间、所说出的品牌名称等其他变量相结合，以推断购买偏好。经过交叉索引与关联，数据又催生出新的数据形式。通过一种更为彻底的同化来获取更多信息的欲望变得贪得无厌。因此，Alexa 例证了这两种模式循环往复、不断迭代的本性——以语音数据的形式对生产力的虹吸，反过来又助长了对其主体之生活与空间的进一步渗透。穷尽式的抽干反过来助长了一种更加穷尽的渗透。 # [ 4 ] 挖掘：Airbnb 与空间的重塑（Excavate: Airbnb and the Remaking of Space） ## 算法空间的生产（The Production of Algorithmic Space） 2013 年 12 月 28 日，伊丽莎白·尹恩贞（Elizabeth Eun-chung Yuh）入住了她在台北延吉街预订的 Airbnb 房源。据《英文中国邮报》（China Post）一篇篇幅不大、几乎无人留意的报道，她此行是和三位朋友一同来参加一场婚礼，朋友们租下了她隔壁的房间（Chi-hao 2013）。这位 35 岁的韩裔女子来自安大略，原定第二天搭机返程。于是，庆祝结束后，她沉沉睡去，准备踏上漫长的归途。但她再也没有醒来。 29 日早晨某个时候，尹恩贞死于一氧化碳中毒。她房间旁边的阳台上不久前刚装了一台热水器。阳台上的窗户本应保证通风，却因天气寒冷被此前的房客关上了。第二天早上，一位阿姨来访，发现另外三位房客已不省人事，随即报警。三人被紧急送往医院，经救治后出院。但当消防员终于破门进入尹恩贞的房间时，她已被宣告到院前死亡。 尹恩贞之死是第一起有据可查的、发生在这个住宿平台所列空间内的死亡事件，尽管并非最后一起。记者布拉德·斯通（Brad Stone）联系该公司请其置评时，一位发言人表示，Airbnb 对这一事件深感痛心，但否认负有任何法律责任，并称其 200 万美元的庭外和解金纯粹出于“人道主义原因”（2017）。无论如何，这里的意图并不在于判定责任，也不只是复述这一悲剧的细节。毋宁说，尹恩贞的故事既展示了空间的活跃性，也展示了空间的特殊性如何由建筑与应用程序、实践与人的交汇所决定。空间从一开始就绝非无害，而是充满了种种可能。 对尹恩贞而言，空间并不只是一片虚空、由环绕它的事物来界定；它也不是一个惰性的容器、一个空洞的器皿，放进这件东西和放进任何别的东西都同样容易。相反，延吉街的那间公寓空间凝结了一系列特定的先前活动——其中最显著的是热水器的安装、阳台的封闭，以及该物业在 Airbnb 平台上的上架，正是后者把一位房客吸引到了这里。在 29 日的那个夜晚，这些力量的交汇把这一空间变成了人类生命无法栖居之所。热水器的燃烧机制使空气中充满了这种有毒物质。而这种无色无味的物质与房间的住客相互作用，逐渐取代了她血液中的全部氧气。在这里，空间并非一片空白，而是一种主动的力量，一个被生产出来、具备某些能力的行动者。 因此，空间远非一种普遍的介质，而是通过历史性的介入以特定方式被塑造，并在涌现时携带着特定的能力。随着算法进入世界，它也获得了这种塑造空间的能力。公寓、办公室和住宅这些日常空间被重新校准，纳入一种特定的逻辑，并通过控制机制被有目的地引向某一目标。城市以被改造的面貌涌现，成为“类城市之物”（the city-like thing）。这种力量并非无人察觉。Airbnb 及类似平台在士绅化（gentrification）中所扮演的角色，已成为大量批评与讨论的焦点。但较少受到审视的，是施加于这种建筑之上的微观压力，以及产生这些压力的展演（performance）。什么样的力量被释放到这些空间之上？施加这些力量又需要哪些操作？为探讨这一点，本章考察三部彼此关联的机器。逐层深入这些操作，便能揭示 Airbnb 如何依照一组新的参数重塑空间，以及这种重塑本身又如何依赖于对身体空间和地理空间更为久远的介入。我们从“居家建筑–预订吸引力”机器（DomesticArchitecture-BookingAppeal machine）开始。 ### “居家建筑–预订吸引力”机器（DomesticArchitecture-BookingAppeal machine） “预订吸引力”（booking appeal）是 Airbnb 使用的一个术语，指某个房源吸引关注的能力，无论这种关注表现为实际的预订请求，还是点击进入该房源页面。有些房源变得炙手可热，升至搜索结果的顶端，而另一些则默默无闻、无人问津。按照这种论点，吸引力在很大程度上取决于一种特定的室内审美，即空间与光线、油漆与木材、家具与地板的某种配置，由此产生一种特定的感觉。这部机器在一个物理空间的建筑与该空间在算法平台上的可见度之间——在装饰/设计与合意性（desirability）之间——建立起一条流动的回路。 预订吸引力与平台呈现格式的形式特征有着内在的关联：可提供的内容、采用的版式，以及所允许的交互。根据设备的不同，房源以列表或网格的形式供人浏览。每个房源条目都包含同样的基本信息：价格、照片、标题、住宿类型（整套房屋、单间等）、平均评价（例如 4 星）以及评价数量。然而，平台把这些纯粹的数据库字段拿来，通过设计建立起一种等级——这种优先排序是通过分配更多或更少的空间、更粗或更细的字体、更强或更弱的对比度来实现的。 在这一分析中，明显脱颖而出、占据王座的是照片，它占去一个房源条目总面积的 77%（370 x 248 像素对 370 x 321 像素）。此外，每个房源并不只有一张照片，而是 UI 设计师所谓的“轮播”（carousel）——左右两侧的小箭头让用户能够循环浏览一系列房源图片：卧室、浴室、阳台，等等。这实际上让用户在决定是否访问完整的房源页面之前，就能浏览整个图库。交互设计和平面设计确立了一种清晰的优先次序——空间的视觉呈现压倒了一切文字呈现。 于是，审美变得至关重要。那些吸引关注、在全球排名中脱颖而出的房源，都是拍摄得无可挑剔的空间，其中点缀着一系列精心挑选的标志物。记者凯尔·查伊卡（Kyle Chayka）在一篇探讨这一现象的文章中指出，这些标志表明了一种与全球化设计文化的亲缘关系，即“大量象征舒适与品质的符号”（2016）。整体上的整洁无杂物、精简的装饰以及大片开阔空间，营造出某种形式的极简主义。再生木材、北欧风格装饰、黑板和中世纪现代风格（mid-century）家具的组合，则赋予一种手工艺的气息。据查伊卡（2016）所言，这些标志频繁地在最受欢迎的房源中反复出现，造成一种建筑上的同质性，一种“品味的趋同”。 然而重要的是，这些共同点并非由一种设计特许经营店的自上而下的管理所策划，也不是由一家批量生产千篇一律室内装潢的全球化公司所安排。事实上，Airbnb 几乎没有为房东提供什么审美指南。查伊卡认为（2016），这种单一文化是有机地涌现出来的，这种审美“源自数以万计的人各自独立地做出相同的决定，而非来自企业的指令”。预订吸引力确立了一组强有力的凝视，这种凝视既指向室内空间，又把这一空间与一组类似的空间相比较。这种凝视凸显出那些在预订最多的房源中并不出现的特定陈设、装饰布置、建筑元素和设计决定。 一个反馈回路由此建立起来：标记出那些处于常规之外的物品，要么将其移除，要么使其就范。这一回路逐渐把离群的室内空间改造为驯顺而合意的室内空间；墙面变得更白，木纹变得更浅，空间变得更开阔，照明变得更工业化，异域的东西变得国际化。东京的公寓看上去与维也纳的一模一样；阿姆斯特丹的单间公寓与旧金山的另一间完全可以互换。城市与文化所特有的异质性与差异被根除了，据查伊卡（2016）所言，取而代之的是一个“在全世界散播同一种无菌审美”的过程。空间，看起来已被彻底抹平。 然而，这一论点很快就站不住脚了。只要在这个平台上花上一段不算短的时间，就会很快发现，所列空间之间存在着巨大的差异。在大量“典型”房源中，住宿类型从地下室到顶层豪华公寓，从高层公寓到郊区平房，从单人卧室到占地广阔的豪宅，不一而足。更不用说数以百计的古怪另类：格陵兰的一座冰屋、丹麦的一顶圆锥帐篷、纽约的一座灯塔、伦敦的一座水塔。事实上，这些稀奇古怪的住处正是把自身的独特性标榜为又一种手段，以便在由成千上万其他选项构成的竞争性市场中脱颖而出。室内装饰也千差万别，涵盖了大量的漆色、图案选择、纺织品、艺术品和定制设施。一个房源铺着部落风格的地毯；下一个采用航海主题；第三个则陈列着武士用品。 即便在旧金山、伦敦和巴黎这样的主要“国际”城市——那些据推测最容易受到国际同质化力量影响的时髦中心——这种建筑、空间布局和室内氛围的巨大差异范围依然存在。而一旦走出这些世界城市，进入 Airbnb 所活跃的 64,000 个地点中任何一个不太知名的地方——卢卡与格罗宁根、耶洛奈夫与约书亚树、卡布弗里乌与釜山——这种差异就变得更加显而易见。当一个人从仅仅浏览这些空间转为真正在其中过夜时，这一直觉便得到了证实——它们的节奏与声响、床单与气味、邻居与宠物，都呈现出一种特殊性，而非无菌的千篇一律。与那种认为空间被毫不费力地同化为单一整体介质的图景相反，Airbnb 上的空间似乎依然既独特又具体。 那么，我们该如何刻画 Airbnb 所生产的空间类型呢？为回答这个问题，我们转向亨利·列斐伏尔（Henri Lefebvre）及其抽象空间（abstract space）概念。抽象空间高度矛盾——它拥抱而非压制内在的差异。因此，悖谬的是，在列斐伏尔（2009, 308）看来，“使之同质化的空间本身却毫无同质可言”。这听起来更像是该平台致力于灌注的那种空间类型学：一个由诸多空间构成的星丛，它们独特却又统一，碎片化却又以某种方式被形式化。 诚然，Airbnb 所促成的呈现与评分过程，确立了一组衡量空间价值的共同变量：真实性、可达性、安全性，等等。每个房源在后台都被转化为一个信息对象，登记着同样的参数：价格、位置、可预订情况、规则。这些对象在前端用户界面中也以同样一致的方式呈现：标题、描述、星级评分，等等。这种一致性并非邪恶，而是必要的——它源自信息本体论的同质化模式（正如我们在第 1 章所见），也源自良好用户体验所要求的一致性。面对庞大的线上受众，这种连贯性使每一个房源都可以与任何其他房源相比较。简言之，这是一种确立了共同通货或一组共同压力的指数。 但与此同时，每一个房源都有独特的建筑、特定的位置和具体的类型。与 Uber 工作者的身体一样，Airbnb 的建筑也受制于一组一致的力量。而且，也正如 Uber 一样，Airbnb 并没有提供任何自上而下的方案来化解这一张力。相反，每个房源都必须启动其自身的适应度函数（fitness function）——制定一套方案，据以对照某一标准衡量自身，找出自己不足之处，并以迭代的方式加以改进。每个空间都必须忠于自身，找到为达到这些全系统价值的必要水平所需的独特配置。为此，每个空间都必须认领乃至夸大自身的差异，而不是压制它们。开普敦的一个空间之所以不同于纽约的一个空间，不仅仅是因为气候或文化上的差异，甚至也不是因为缺乏将其改造为某种通用全球风格的资本，而是因为，为了提供一种地道的南非体验，它就应该不同。以这种方式，差异可以被保留乃至被强化，同时依然遵从某种既定的协议。正如列斐伏尔所言（2009, 396），抽象空间由此“把差异化约为诱导出来的差异：也就是说，化约为在一组‘系统’内部可以接受的差异，这些系统本身就是如此规划的、如此预制的——并且就其本身而言是完全冗余的”。 抽象空间将审美纳入操作之中。因此，论述列斐伏尔的安德鲁·梅里菲尔德（Andrew Merrifield）说“抽象空间倾向于裹挟所有人，按照它的形象塑造人与地方”（2006, 112），只说对了一半。空间被塑造的方向并非某种形象，而是某种输出；每个空间都强调自身的个性，每位房东都彰显她自己的个人特质，以便生产出某一共同指标所要求的必要水平。 当然，这并不意味着外观在这一过程中不起作用。正如我们所见，Airbnb 平台的设计把照片置于一切之上，将房源屏幕空间的很大一部分分配给图像。该平台在新进入城市时，常常甚至会免费为房东提供专业摄影服务，用广角镜头、充足的照明和高分辨率相机拍摄空间，以提高其合意性。因此，任何特定空间的视觉印象无疑都很重要。 但这里的要点在于，审美通过算法性（the algorithmic）被转化为一种操作，而这种操作培育出的是空间布局与室内装饰的多样性——而非单一文化。举例来说，以一副巴厘岛面具和一件瑞典木雕作为室内装饰。这两件器物看起来截然不同，但发挥作用的方式却完全相同——为一个原本平淡无奇的室内空间注入一种地方性的灵光（aura）。借此，两个空间都达到了某种特定浓度的“真实性”，这种价值由成千上万个体观看者所赋予，并由平台以评分和评价的形式一丝不苟地编入索引。为了达成同样的目的，每个房源都必须独一无二地成为它自己——以不同的样貌出现，以便以相同的方式运作。 在从住宅向平台化旅馆的转变中，空间的优先事项发生了变化。一组新的指标被确立起来。上架、索引和评分过程合在一起，构成了对空间的一种操作，这种操作力图从空间那里引出一种与之互补的操作。房东调节他的情动（affect），房源演化其建筑，房客为她的体验评分，一切都以这一新标准为准绳。在从个人尺度转向全平台尺度的过程中，那些曾经不被注意、转瞬即逝的东西，如今被追踪并被捕获（capture）。正如菲尔·阿格雷（Phil Agre）所断言（1994, 120），“通过对此前未被形式化的活动施加一种数学上精确的形式，捕获使这些活动及其构成要素标准化，从而为它们……最终过渡到基于市场的关系做好准备”。以前无关紧要的方面，如今变得重要起来。其中一些是显而易见、合乎直觉的：清洁程度、可达性、噪音水平。但正如我们将在下一节看到的，这一转变也激活了一整套对房东而言不可见的“信号”（signals）。平台确立了一种从根本上改变空间行动方案的逻辑：它修改了空间必须生产的输出，也修改了这些输出被测绘和测量的方式。 空间依照一组新的参数被分解与重构，这是一个微妙而系统的过程，而它之所以奏效，很大程度上正是由于其看似非政治的性质。这就是为什么在梅里菲尔德（2006, 112）看来，抽象空间的操作既“灵巧又残暴”。当然，在这些全平台参数之下，是资本的普遍价值，即衡量一切空间的金融基石。梅里菲尔德强调了这一点（2006, 112），指出这里的底层动力“受制于一种对质的差异毫不真正关心的逻辑。其最终的裁决者是价值本身，价值的普遍尺度（货币）浸透了抽象空间”。空间如何依照资本被重塑？又可以在何种意义上将其解释为残暴的？为思考这些问题，我们深入到三部曲中的第二部机器，即“动态定价–微型街区”（DynamicPricing-Microneighbourhood）机器。 ### “动态定价–微型街区”机器（DynamicPricing-Microneighbourhood Machine） 我的出租房产每晚值多少钱？产品负责人丹·希尔（Dan Hill）在《Airbnb 定价算法的秘密》（The Secret of Airbnb's Pricing Algorithm）一文中详细阐述了这个问题以及 Airbnb 的应对方式，其中的“算法”指的是计算机科学中那种狭义的算法。在早期的焦点小组中，想要上架自家房屋的用户在被要求于价格栏中填入一个数字时，常常会卡住，他们会去查找类似的房源，或者干脆完全放弃。当然，这个问题影响到了用户，造成糟糕的用户体验和不成功的房源。但它对公司而言同样成问题。定价过高会导致预订减少，意味着 Airbnb 收取佣金的次数也随之减少。另一方面，低估一个房源的价值或许会提升该房产的受欢迎程度，但最终却未能榨取出本可获得的最大市场价值。 Airbnb 需要在上架流程的这个环节提供一个“价格建议”（price tip），即对某一房产每晚价值多少的推荐。对许多其他平台来说，定价多少是普遍统一的。例如，在旧金山乘坐 1 英里的公交车，无论出发时间、地点或司机为何，费用总是相同的。相比之下，Airbnb 要处理的是成千上万个完全独特的房产，它们位于独特的地点，由在所提供服务上差异巨大的房东出租。正如希尔所强调的（2015），确定价格点的困难绝非小事——你该如何为肯特郡的一座城堡、奥运会期间里约的一个单间，或伦敦的一座蒙古包定价？ 该公司最初的定价算法既粗糙又静态。它基本上是围绕房源所在位置画一个圆，并根据这一圆周范围内的类似房产来建议价格。这种粗略的近似本身就带来了问题。正如希尔所指出的（2015），位于河岸一侧或处在街区边缘的房产，价值往往远高于河对岸或“铁轨另一侧的坏地段”（the 'bad side of the tracks'）的房产，但这个圆却不加区分地把它们混为一谈，赋予它们同样的平均价值。该算法也把历史波动纳入考虑，这些波动基于季节变化、旅游需求或特殊活动，但它们本质上是逐年重复的因素。这意味着，例如在得克萨斯州奥斯汀的 SXSW（西南偏南）音乐节期间，一处住宅只要在同一天上架，其价格就总是一样的（Hill 2015）。那么，如何应对最后一刻的预订，以及没有历史先例可循的新活动呢？ Airbnb 的算法如今是动态的。作为一种价值榨取手段，它的运作方式与航空业类似：航空公司会根据需求和上座率等因素，在越接近起飞时间时越抬高票价。一张床的价格不再遵循一个随季节或特殊活动而波动的年度周期，而是依照“不断变化的市场状况”（Hill 2015）时时刻刻被重新配置。该算法还会检查某一房产是否以那个特定价格点被预订。根据这一成功或失败，算法通过调整其“信号”（signals）来学习——也就是调整诸如房东声誉、特定类型的照片、wifi 质量、卧室设施等特定因素的权重。传统房地产业的信号是如此简单且占据主导，以至于如今已成为一句口头禅：“地段，地段，还是地段。”但对资本而言，诸如此类的单一指标把太多东西留在了桌上。由于未能穷尽地（exhaustively）理解一件商品，它们也就未能榨干（exhaust）其全部潜力与利润。与之相反，动态定价把无形之物添加进此前无法估价的东西之中——房东的情动展演、一个街区的合意性、本地节庆带来的短暂人口高峰——所有这些因素都可以被量化，以便从空置住宅或闲置房间这种此前“无用”的空间中榨取尽可能高的价格。通过这种日益精细的形式化，动态定价挖掘着空间，力图获取其中最大的资本矿脉。 动态定价确立了一种特定的空间逻辑，一种高度细胞化的制图学，该公司将其命名为“微型街区”（microneighborhoods）（Hill 2015）。这些区域基于历史定价数据动态生成，把价格相近的房产归入一个红色矩形中，其大小从几条街道到一片公寓群不等。这一过程切入了传统意义上所理解的街区平面；它穿过河流之类的地理边界；它穿透城市与州的政治边界。空间被重新划分，所依据的不是社会逻辑或地理逻辑，而是租金价值这一新的指标。 将住房凝聚为一个空间单元、并以共同价格点把它们统一起来的力量，不再是语言、文化或社群，而是资本。以这种方式，微型街区例示了列斐伏尔所说的抽象之暴力，这种暴力“从外部把理性引入现实，借助的是那些击打、切片和切割的工具——而且不断如此，直到其攻击的目的得以实现”（2009, 289）。在这个例子中，目的是明确的——在特定时刻从特定空间的出租中榨取最大的金融资本。以这种方式，抽象空间就像与之同名的抽象劳动一样，总是在远离单纯的使用价值（一个过夜睡觉的地方），而趋向一种最优的交换价值——即从市场上可获得的价值上限，这一上限体现在货币这一一般等价物之中。 在通过这种攻击实现其首要目的的同时，我们也必须关注这样一种律令所造成的次生附带损害——对其他空间可能性的消灭。组织和建构空间的方式还有许多。例如，我们可以想到围绕宗教（寺庙与 eruv，即犹太教的安息日界域）、刑事司法（监狱与处理中心）、性（公共浴室与猎艳区）或群体生产与社会性（公社与基布兹）而形成的空间布局。这里的要点不在于这些替代性的空间布局是解放性的、乌托邦式的抑或欠考虑的，而在于它们恰恰就是——替代方案。然而，这些富有想象力或思辨性的潜能，常常在马克·费舍尔（Mark Fisher）所说的“资本主义现实主义”（capitalist realism）（2010）的刺眼光线下被驱逐。正如列斐伏尔所指出的（2009, 357），既有财产关系所取得的霸权因此同时也是对其他替代方案的抹除，在这种情形下，广泛的种种可能性“总是被系统地化约为已然存在之物的陈腐”。 最后，这种直接施加于目标空间的抽象化暴力，还伴随着一种更为有形的暴力，它在别的时间、别的地点、施加于被他者化的身体之上。与许多硅谷公司一样，Airbnb 频频援引自己作为一家单纯的科技公司的身份，由表面上非物质的“云”所驱动。然而，云是由线缆、硬盘、仓库、劳动，以及同样重要的——处理器芯片——构成的。为了理解这些处理器的历史发展如何与身体和环境的毁坏同步发生，我们转向第三部也是最后一部机器：“皮肤–土壤–至强”（Skin-Soil-Xeon）机器。 ### “皮肤–土壤–至强”机器（Skin-Soil-Xeon Machine） 与任何平台一样，Airbnb 必须由一个可扩展的信息架构持续地展演出来。数据中心为这种展演提供存储、传输和处理——照片托管、金融交易、用户注册引导、价格推荐、位置测绘，等等。具体而言，Airbnb 由运行在英特尔至强（Intel Xeon）处理器上的亚马逊网络服务（Amazon Web Services）驱动。这些处理芯片是在特定时间和地点进行的一系列研发所留下的遗产的直接产物。如同奴隶制的遗产一样，这些机器体现了通过剥削劳动与自然而积累起来的社会经济优势。作为这一谱系的直系后裔，它们所积累的创新只有通过对特定身体和特定地方的贬损才得以实现。正如塞布·富兰克林（Seb Franklin）所假设的（2015, 17），存在着这样一种“可能性：在当前全球政治经济安排下存在的许多形式的暴力，并非只是意外，也并非只是等待在更新、更灵活、更具沟通性和连接性的经济模式下被解决的问题，而是内在于同一种逻辑的特征，正是这种逻辑首先使得把社会视为通信网络或信息处理系统的观念成为可能”。简言之，对人与地方的剥削并不是某种不幸的例外，而是算法资本主义历史发展的内在组成部分。因此，“皮肤–土壤–至强”机器考察的是，一个全球平台如何由各地的毁坏所建成，而当下的创新又如何从过去的足迹中生长出来。 Airbnb 将亚马逊网络服务（AWS）用作其服务的核心组成部分。反过来，这项云计算服务又高度依赖英特尔的至强芯片，后者为计算密集型操作提供所需的性能。然而，这些芯片关乎的不只是原始的处理速度，它们还提供功能和特定的用例。一个题为“英特尔与 AWS”（Intel and AWS）（2016）的网页列出了一长串这类特殊功能：高级加密标准（Advanced Encryption Standard）功能使应用程序能够“启用加密以增强数据安全，而无须付出性能代价”；高级向量扩展（Advanced Vector Extensions）专为“高度并行的 HPC 工作负载，例如生命科学工程、数据挖掘、金融分析或其他技术计算应用”而设计；最后，Haswell 微架构“具有更好的分支预测”，并且“在预取指令方面更为高效”。这些写入芯片本身的专门功能处在“更接近金属”（closer to the metal）的位置，通常比仅把芯片当作通用处理器来使用的软件例程要快得多。工程师们专门针对这些专有功能进行开发，利用它们来提升速度、内存和安全性。换言之，芯片不只是笨拙的硬件，而是处于商业与技术合作关系核心的关键信息处理架构。 这项核心处理服务是一个由市场主导地位促成的漫长谱系的产物。至强的 Haswell 微架构基于英特尔新的 22 纳米模型，缩小芯片是一项极其复杂的制造挑战，只有通过多年的研发和数十亿美元的资本投入才得以攻克。正如英特尔的一个网页所宣称的（2016），这一架构在技术上的前身是“一系列世界首创：2007 年采用高 k 金属栅极的 45 纳米；2009 年的 32 纳米；以及如今自 2011 年起，在大批量逻辑工艺中采用世界首个 3D 晶体管的 22 纳米”。在资金上，这一架构的前身是用于升级研发制造工厂的 60 亿至 80 亿美元投入（Intel 2010）。而这些芯片又以此前的处理器谱系为前身。正如杰拉德·奥里根（Gerard O'Regan）所概述的（2008, 92），1971 年，作为世界上第一款微处理器的 4004 发布；1974 年，8080 迅速成为“行业标准”；1978 年，IBM 为其计算机选用了新开发的 8086，“由此建立起紧密的联系”；1986 年，80486 推出，首次将数学协处理器集成于芯片本身；1993 年，著名的奔腾（Pentium）处理器问世。 因此，至强并不是某家成立六个月、蜷身于小棚屋中的初创公司一时灵光乍现的发明。毋宁说，它需要被理解为一种渐进积累的最新迭代——数十年发展的终点，每一阶段都建立在此前那些成功所积累的劳动、知识和财务稳定性之上。在这一漫长的过程中，产生了什么样的环境条件与劳动条件？这些毁坏又如何与芯片之存在所必需的系统性优势交织在一起？ 1968 年至 1981 年间，英特尔公司在其位于加利福尼亚州山景城（Mountain View）的生产基地制造半导体。这一厂址本身之所以成为可能，得益于一系列以对原住民和环境的剥削为前提的事件，大卫·佩洛（David Pellow）和朴丽莎（Lisa Park）在他们对硅谷进行的多年研究中广泛追溯了这一主题。正如两人所指出的（2002, 41），洛佩·伊尼戈酋长（Chief Lope Inigo）最初在圣克拉拉县被“赐予”了 1600 英亩土地，而这片土地原本是墨西哥从美洲原住民手中窃取的；1864 年伊尼戈去世后，“非法占据这片土地的白人将其据为己有”；随后，霍尔特豪斯（Holthouse）家族在这片土地上务农，种植豌豆，并以拼写错误的名字“Ynigo”及其肖像作为品牌进行销售；最终，1933 年这片土地被开发，一部分成了莫菲特场海军航空基地（Moffett Field Naval Airbase），一部分成了后来山景城制造厂所使用的土地。正是在这里，在整个六七十年代，英特尔公司在处理器芯片的生产和脱脂过程中使用了三氯乙烯（TCE）和苯。这些剧毒化学品渗入了皮肤，也渗入了土壤。 微芯片的设计涉及电子学和物理学，但其生产则完全关乎化学。历史上，硅晶圆是通过化学气相沉积工艺进行涂覆的：一种被称为光刻胶（photoresist）的化学混合物被覆盖在晶圆上并曝光，形成主要的电路图案；气态的化学杂质（掺杂剂）被逐层加入；再用额外的溶剂冲洗掉曝光区域，以完成蚀刻和剥离工艺（Sherry 1985, 96）。这些工艺不断重复，逐步构建出多层电路。掺杂气体包括砷化氢和磷化氢，剥离剂包括硫酸和过氧化氢，光刻胶溶剂则包括乙苯和二甲苯。一提到微电子，人们脑海中浮现的主要画面是明亮洁白的房间，经过卫生清洁、严密封闭。但这些“洁净室”（clean rooms），尤其是在历史上，主要是从处理器的角度出发，用来筛除杂质、确保无菌条件的。换言之，它们保护的是芯片，而不是工人。 这些条件把化学品与身体置于彼此身旁。在狭小的空间里，日复一日，气体注入器官，溶剂渗入组织，毒素在血液中累积。其结果是对身体的慢镜头式毁坏：恶心、呕吐、头晕、头痛、胸痛、剧烈的月经周期、流产、癌症，以及持续的心理与身体衰弱。在题为《工作与为谋生而不致死的斗争》（Work and the Struggle to Make a Living without Dying）的一章中，佩洛和朴丽莎根据个人访谈记录了一连串悲惨的案例：一位奇卡纳（Chicana，即墨西哥裔美国女性）工人因为乳胶手套会破碎而将其丢弃，徒手处理化学品，后来被诊断出乳腺癌；另一位在怀孕期间工作时总是闻到二甲苯的气味，这使她的母乳变成了有毒的橙色；还有一位回忆说，化学品经常溅到她的皮肤和脸上，她最近被诊断出患有过敏性鼻炎、提前绝经和不孕（2002, 114, 120）。 半导体制造所涉及的毒性，花了许多年才逐渐渗入公众意识之中。但这并不令人意外——这些混乱的、身体性的副产品，被封存在管理层认为既可有可无又驯顺的身体之中。在当时的硅谷，这意味着毒素被内化于这样一支受青睐的劳动力之中：母亲、有色人种女性、亚洲移民以及其他边缘群体。正如佩洛和朴丽莎所记录的（2002, 13），这些群体是电子行业管理层专门挑选出来的一支更为顺从的劳动力，他们“在社会和文化上顺从，不太可能为争取福利而抗争，身体上更适应单调而精细的劳动任务，也更容易控制”。工人们通常没有接受过任何工作场所安全培训，对于他们所接触的化学品，也只被告知其专有名称，例如“黄 6 号”（Yellow 6）（128）。如果他们抱怨，就会受到惩戒，被告知毒性水平是可以接受的，被指控为集体歇斯底里，或者干脆被当场解雇（124）。因此，从历史上看，芯片生产之所以成为可能，是依靠了一代又一代的身体——由于一系列管理上的操纵——默默地把其毒性吸纳进自身之中。外表一尘不染的洁净室与内里遭受摧残的身体，是紧密相连的。 被这些化学品毒害的不只是劳动者，还有土地。山景城只是众多倾倒毒物的地点之一：毒物污染了土壤，渗入地下水位，并挥发到空气中。最终，在 20 世纪 80 年代，美国环境保护署（United States Environmental Protection Agency）认定这片土地毒性极高，“需要三百年才能清理干净”（Pellow and Park 2002, 41）。山景城厂址和其他前半导体设施如今成了所谓的“超级基金”（Superfund）场址，即被 EPA 认定为高度污染、需要长期清理应对的地点。 硅谷是美国超级基金场址最为集中的地区。正如内森·恩斯门格（Nathan Ensmenger）所详述的（2013, 80），在“加利福尼亚州圣克拉拉县约 1300 平方英里的范围内，有 29 个超级基金场址，其中大多数受到半导体制造副产品的污染，包括三氯乙烯、氟利昂、三氯乙烷和多氯联苯（PCBs）等剧毒化学品”。“抽出–处理”（pump-and-treat）设施一直是最常用的应对措施之一。这些系统将数百万升地下水抽送通过受污染区域，以过滤并收集毒素。在一些地点，这些系统的效率已经下降，迫使公司将糖蜜泵入土壤的地下层，以吸引有助于分解化合物的微生物。这些系统日复一日、年复一年地持续运行，长达数十年。它们试图抹去一段不受欢迎的过去，而这段过去对于那个更受赞誉、更受宣扬的当下至关重要——并且与之相连。正如亚历克西斯·马德里加尔（Alexis Madrigal）所断言（2013），“尽管硅谷这一观念容不下历史，但这个地方本身却无法逃脱历史”。昔日的技术创新之地，名副其实地坐落在有毒废物之上。 这种清理本身又制造出它自己的一团糟。记者苏珊娜·拉斯特（Susanne Rust）和马特·德兰奇（Matt Drange）对超级基金场址进行了广泛调查，追踪污染物在全国的流向。他们发现，“抽出–处理”系统所提供的昂贵过滤“只是一条没有明确终点的有毒路径的开端”（2014）。毒素必须用卡车运往处理设施，而这些设施往往远在数百乃至数千英里之外。举一个例子，卡尔冈公司（Calgon Corp）的大桑迪（Big Sandy）工厂位于肯塔基州，距离山景城 2500 英里。化学品在大桑迪 2000 度的焚烧炉中被焚烧，产生诸如有毒灰烬之类的额外废物，这些废物又必须用卡车运到别处处理。这一燃烧过程还会产生二噁英，它可能渗入土地、水和空气——这是一类剧毒化学品，可能导致癌症、生殖问题以及对人体免疫系统的损害（EPA 2016）。正如拉斯特和德兰奇所指出的（2014），这些设施常常走捷径，通过非法卸载废物来绕开昂贵的处理：2013 年，卡尔冈公司支付了 160 万美元，就其“出售危险废物副产品而非妥善处置”的指控达成和解；2011 年，该公司向大桑迪河倾倒了 54 万加仑的危险废物；2010 年，该公司用“油、油脂和粪大肠菌群”污染了这条河。随后，大桑迪又把它的废物送往全国其他地区的其他处理厂，而这些工厂本身也曾因非法处置废物而被罚款或被列入观察名单。所有这些持续不断的抽取、运输、焚烧和处理，都是极其低效且高度耗能的。两人估计，“每从地下抽出 5 磅污染物，就会产生大约 20,000 磅二氧化碳”（2014）。废物被分散了，却从未被彻底根除。毒性被扩散了，却从未被完全抹去。与此同时，能量在被消耗，钱在被赚取——一整套经济围绕着毒性的物流而建立起来。 正是通过卸下过去沉重的物质性，硅谷公司才得以保持它们的速度。对于英特尔这样的半导体制造商而言，这意味着保持突破、创新和洞见所带来的正向惯性，同时把相关的有毒副产品作为负向拖累卸载到其他身体和其他生物群落之上。这些处理器芯片是云计算至关重要的基础。反过来，Airbnb 又受益于云所提供的轻盈、敏捷与灵活——零基础设施、一支由软件工程师组成的专业化劳动力、迅速转型的能力，等等。生殖问题所带来的沉重心理负担、一对肺里癌症的永久存在、水和土壤中毒素的持续残留——这些都是累赘，是被小心翼翼地抹去或外部化的持久之物。处理泵被隐藏起来或被划为禁区。集体诉讼被悄悄和解（Molina vs ON Semiconductor Corporation 2015）。而地方科技博物馆则转而聚焦于创新个体的才华。用尼克·兰德（Nick Land）的话来说（2014, 445），这就是“机器–代码–资本如何通过其消费者控制的公理体系自我循环，洗掉原始积累的屎迹与血迹”。这些是留给过去或未来几代人的问题，是那些无关紧要的人与地方的问题。 为了总结“皮肤–土壤–至强”机器的功能，我们不妨并置一系列空间：左边，是一间沐浴在阳光中的中世纪现代风格室内空间，装饰雅致，带有北欧风格的影响。右边，是大桑迪处理厂喷吐浓烟的烟囱和灰色的雾霭。左边，是一间宁静的卧室，白色的床单，柔和的线条，素淡的色彩。右边，是吉拉河（Gila River）抗议者手绘的横幅，上面写着“拒绝有毒垃圾场”（No Toxic Dump）。左边，是 Airbnb“街区”（Neighborhoods）栏目中推介的一片生机勃勃的酒吧、咖啡馆和市场。右边，是罗米克（Romic）处理设施里一只正在渗漏有毒废物的桶。作为 Airbnb 生态中的关键组成部分，至强处理器生产出了使这两类空间得以存在的必要条件：一边是可见可触的设计师公寓的照片式描绘，可以通过实时交易预订；另一边是被非法倾倒入河中的有毒滤料，其中凝结着数十年（性别化与种族化的）身体摧残。这两类空间之一被颂扬为创新的、当代的；另一个则被视为无关紧要，遭到忽视。无论在时间、地点和外观上多么迥异，这两类空间都紧密相连。 综合来看，这三部 Airbnb 机器以关键的方式运作，把空间重塑为算法空间。与列斐伏尔的抽象空间概念一样，这里的空间是异质的，却又遵从一种共同的逻辑；它是分布式的，却又被统一到一个总体框架之中。然而，列斐伏尔的抽象空间概念也只能带我们走这么远。 首先，列斐伏尔执着于把国家视为这一过程的首要行动者，这一点需要作重大更新。在他看来，国家是伟大的平整者，它消灭空间中的历史与社会残余，以便将空间改造为更具生产性的变体，从而为其未来的事业积累资本。因此，列斐伏尔断言，国家的理性是“一种统一的、后勤的、操作的和量化的理性，它将使经济增长成为可能，并从这种增长中汲取力量以实现自身的扩张”（2009, 280）。正如德里克·格雷戈里（Derek Gregory）所解释的（1994, 404），对列斐伏尔而言，这一过程既是自上而下的，也是高度有意为之的，由总体规划者来执行，他们把自己抽象的几何网格强加于生活领域之上。 但这种由全能国家不可阻挡地执行、对空间进行一丝不苟之重塑的图景，已无法再维持下去。至少，过去三十年来新自由主义政策以如此毁灭性的方式推行的政府解体与公共服务私有化，应当表明这一过程远非集中与协调的，而是不均衡且即兴的。作为一家如今活跃于全球 64,000 座城市的硅谷软件公司，Airbnb 的案例则更进一步，它表明了一种通过算法操作来施行的私有化权力的新配置。这种配置极大地削弱了——尽管当然从未完全抹除——长期以来与国家相关联的那种假定的主权。 第二个——也是更重要的——问题，在于空间能够在多大程度上被清空社会性。列斐伏尔谈到从空间中清除社会，以获得一个整体划一的场域，一个“赤裸的、空洞的、被剥尽一切象征的社会空间”（2009, 308）。与其说是社会性的痕迹被逐一抹除，不如说是空间本身被彻底改写了。空间被重新格式化为一块白板，支撑最大程度的灵活性。这就是为什么这位哲学家把它描述为“一个空洞的空间……一个准备接收碎片化内容的容器，一种中性的介质”（2009, 308）。空间被还原为其赤裸的本质，一种向任何可能用途开放的元素性资源。 但列斐伏尔那块没有社会的空间白板在这里并不适用（如果它曾经适用过的话）。相反，Airbnb 想要保留社会，只不过是以一种经过精心管理的形式。例如，平台上最近创建的“街区”（Neighborhoods）栏目，正是为了展示单个房源与其所在地之间存在的社会与文化联系而设计的。“街区”页面列出活动和展览、重要地标、当地名人以及历史掌故。该公司在这里的首要意图是宣示：一个空间不只是一张过夜的床，而是嵌入在一个更广阔的空间场域之中，社会实践就在其中发生。 更重要的是，Airbnb 明确鼓励这些社会联系在住所内部延续下去。一条房东建议推荐在空间各处摆放书籍和杂志，以“帮助房客探索和了解你所在的这片世界”（Airbnb 2014）。在另一条建议中，室内装饰被视为激发更广泛社会探索的一种方式：“展示那些让你所在地区独一无二的本地手工艺人。墙上挂着本地艺术品？咖啡来自街角的烘焙坊？告诉房客他们在哪里可以找到更多”（Airbnb 2014）。施加于空间之上的管理体制，力图保留乃至放大社会性的某些痕迹。 与此同时，这种社会性的任何特殊性都必须被熄灭。它必须宽泛到任何房客都能走进来，又必须短暂到在房客入住几天后就能被抹去或重置。根据 Airbnb 的指南，房客这位旅行者不得以个人物品、损坏或杂乱的形式留下任何自身的痕迹。同样，房东的衣物、饰品和其他私人物品也必须按照 Airbnb 的指南被移走：“展示个性，而非个人物品”（Baer 2014）。空间中潜在的社会性并没有被放任留存，而是通过特定的实践被主动塑造成一种受到严格调节的形式。这种形式旨在保留一种一般化的、积极的社会性，同时解除其特殊性与冲突的武装。这种形式也是高度短暂的，因为它必须随每一位房客的到来而展开，又必须同样迅速地被丢弃。其结果是一种奇特的混合体，在其中，“匿名的个人化”和“即时历史”这类说法虽然略带诗意，却恰如其分地描述了所意图的社会性。 尽管有这些意图，社会性却是一种难以把握的物质，它以未曾预料（且不受欢迎）的方式溢入这些空间之中。空间并不是一块只需一个手势就能被毫不费力地重新格式化的硬盘。往昔之物的内核依然留存：那些曾经栖居于此的人与实践的碎片。正如贾菲·威尔逊（Japhy Wilson）所提醒我们的（2013, 368），空间“布满了矛盾，这些矛盾源自先于它存在的那些社会空间的残余”。这些遗迹被软化了，却从未被完全抹去。空间会记忆。 这些残余持续存留，以永远无法完全预测的方式与空间的新住客相互作用。其结果可能是平淡无奇的，也可能是动荡不安的，这取决于看问题的角度。例如，我们可以想到最近加利福尼亚州一个被用来拍摄男同性恋色情片的 Airbnb 房源，这一活动植根于该地区的文化史，却远远超出了公司及其房东所施加的边界条件，以情趣玩具与戏服、避孕用品与体液的形式，名副其实地留下了一串社会痕迹（Dockray 2015）。或者再看看房东与房客之间的许多冲突与艳遇故事，它们被记录在 Airbnbhell 之类的网站或 Reddit 的 Airbnbsex 讨论串上。在这些情形中，被认为适合于待客之道的有限情动音域——友好、热情、守时——向外溢出，汇入攻击与暴力、亲密与吸引这些更广泛的情感力量之中。这些实践合法与否、合乎伦理或道德与否，是另一个争论。这里的要点在于，这些未经许可或出乎意料的实践，凸显了平台所预期的那种高度受限的社会性观念。 Airbnb 最近的一句口号是“像当地人一样生活”（live like a local）。但如果对此信以为真，就意味着要接受一段历史及其伴随的问题，要卷入一个社群纷乱的文化之中，并且不可避免地陷入某种形式的社会冲突。上述 Airbnb 情形被描述为“噩梦般的”或“地狱般的”，这表明这些行为被认为距离常态的范围有多远，也表明人们预期在租用空间内发生的社会与文化实践是一个多么受限的子集。因此，面对由评分系统、评价、房东协议和线上受众所施行的一连串调节性操作，未曾预料的社会遭遇竟然仍会发生，这就更加令人惊讶了。尽管如此，社会性仍以出人意料的形式闯入 Airbnb 那被精心修剪过的空间。 ## 规模与距离中的耗竭（Exhaustion at Scale and Distance） 在穿行于这三部机器的过程中，关注点一直放在那些对空间施加力量的算法操作上：对房源的评分与索引，依照资本对空间进行的切割与重组，以及为驱动这些操作所必需的、对其他地点与时间的摧毁。但这些操作如何契合于、并进一步表达一种更广泛的耗竭操作？ 与前文已讨论过的那些算法生态一样，Airbnb 是穷尽性的。它试图浸透一个空间，不断施行一组算法操作，这些操作最终渗透整个城市肌理。然而，这里并没有什么宏大计划，也没有公司自上而下推行的城市愿景。事实上，与 Uber 一样，这个平台的本质是一个撮合市场——两个此前互不相干的个体被连接起来。由此产生的世界确实很小：房东、房客，以及他们的住宿房源。正是这三个要素——以及它们之间的关系——被算法性所促成，进而被它执迷地力图塑造。正如梅扎德拉（Sandro Mezzadra）与尼尔森（Brett Neilson）所指出的（2013, 15），“在这些操作中被生产出来的并不是一个‘物’，而是物与物之间的一组联结或关系，也就是说，是一个世界的框架或骨架。”房东与房客相互评价之类的强有力机制，在个体层面上投注于这些关系。但这里的算法性同样至关重要地关注可扩展性（scalability）——即在一场延伸至数千座城市、数百万用户的展演中复制同一组关系的能力。从 n=1 到 n=100 万的转变，是一项艰巨的技术挑战。事实上，Airbnb 和 Uber 的工程博客上，有很大一部分案例研究都专门讨论系统扩展时所遇到的问题以及所需的调整：新的开发技术栈、压力测试框架和专有的优化例程。但一旦实现，这些展演的大规模复制便开始凝聚成某种大于其各部分之和的东西。在关于 Palantir 的那一章中，我们看到算法性如何把单个警员和孤立的辖区缝合成一个覆盖全城的体制。Airbnb 以类似的方式运作，把众多个体的生产力汇聚成一股延展至整座城市的力量。因此，Airbnb 在个体层面与城市层面上都是穷尽性的——既是特殊的，又是弥漫的。它深入个体与建筑之间的底层关系，但也大幅扩展这些操作，将其向外铺展，在街区、郊区和商业区的层面上施加力量。 被耗竭或被抽干的是什么？首先是货币财富。每一次入住，Airbnb 都会从住宿费中抽走一部分。由于运营规模巨大，这笔钱数目可观。到 2014 年年中，创始人布莱恩·切斯基（Brian Chesky）、内森·布莱查奇克（Nathan Blecharczyk）和乔·杰比亚（Joe Gebbia）已经跻身《福布斯》（Forbes）亿万富翁榜（Konrad 2014）。到 2017 年 5 月，公司估值已达 310 亿美元（Bensinger 2017）。这股资本的涌入，为向新城市扩张所需的更多工程师、法务团队和信息基础设施提供了资金。换言之，资本的耗竭与积累积极地推动着向新空间的穷尽式渗透。其次是信息财富。例如，前文讨论过的“微型街区”只有通过一项机器学习操作才能被创建和维持——而这项操作完全依赖于日复一日、可靠而持续地输送的海量数据。这些被抽取的数据支撑着一个利润丰厚的新研发领域，这一领域不断地朝着生产力的优化和利润的最大化推进。最后是公共资源（the commons）的财富。家宅既嵌套于街区之中，也嵌套于更广阔的城市之中，它立足于共同的知识、实践与历史发展。下水道与电力基础设施、游乐场与学校、社区节庆与活动——这些制度与基础设施原本是为众人的集体福祉而设计的。但通过动态定价之类的技术，它们被参数化、被私有化了。街头生活、门前台阶、交谈与文化实践被封装为信号，量化并放大了一处房产的租赁价值。这部分被抬高的资本随后被耗竭而去，既流向 Airbnb，也流向私人经营者（entrepreneurs）。而且，他们越来越真的是经营者了。Airbnb 的营销常常唤起这样一种形象：一位偶尔使用平台的用户通过出租自己的卧室赚点外快。但平台自身的房源却显示了另一番景象。这里的关键是由拥有多个房源的房东所发布的房源所占的比例——在 Airbnb 上出租不止一处房产的人，实际上已成了（不受监管的）旅馆经营者，而非业余爱好者。数字本身就说明了一切：威尼斯 68%，马略卡 67%，香港 59%，波士顿 51%，新奥尔良 49%。[^f06-5] 对平台的这种使用意味着，共享财富的耗竭伴随着私人财富的注入——公共资源被资本所取代。缓慢而自然地，住宅被抢购一空，公寓被收购，整栋楼宇从长期居住转变为短期出租。这两个过程相互滋养，而正是这一回路——尽管无疑十分复杂，并交织着其他因素——调制着其城市支撑结构，造成租金上涨、住房短缺和士绅化。 [^f06-5]: 作者本人利用 Inside Airbnb 的数据对 Airbnb 上 37 座城市所做的分析；Inside Airbnb 抓取该平台公开可见的房源。Murray Cox, “Inside Airbnb,” Inside Airbnb, accessed September 25, 2017, http://insideairbnb.com. 尽管存在这种耗竭，Airbnb 却在自身与施行这些展演的身体和建筑之间保持着一种策略性的距离。这两类实体被有意地解耦——“抽离”（drawing away）中的“离”（away）被一丝不苟地贯彻执行。因此，与 Uber 非常相似，尽管 Airbnb 的算法操作可能施加特定的压力，但这一生态也可以在财务上或法律上有利之时抽身而退。对伊丽莎白·尹恩贞的家人而言，这意味着公司推卸了任何法律过错。对与该平台抗争的市议会而言，这意味着有关最短入住天数的地方法规“根本无法”得到执行。而对推动监管的酒店及其工会而言，这意味着房东登记为旅馆经营者的责任完全落在个人身上。算法机制为资本的流动保留了一根纽带，同时把生产的具体性以及随之而来的种种责任抽象掉了。 # [ 5 ] 耗竭与算法分裂（Exhaustion and the Algoschism） 算法性（the algorithmic）是穷尽的。它浸透身体、空间与城市。它力求更彻底地饱和，以越来越具体的方式引导姿势、行为与实践。它竭力以更精确的程度表述各要素之间的关系。它意图越来越完整地知晓一切，察觉新的信息与关系，以填补知识的裂隙。 而算法性也在耗竭（exhausts）。它从分析员与调查员（Palantir）、身体与车辆（Uber）、建筑与街区（Airbnb）、家人与朋友（Alexa）所完成的生产性展演（performance）中抽走一部分。这些被抽干的资本可能是金融性的，即从生产它的活劳动（living labour）中引流而去的一笔货币佣金；但它也越来越多地以数据的形式出现：庞大信息库藏构成的金矿，被用作广告洞察、营销弹药或机器学习模型。 这两种耗竭（exhaustion）模式构成一个回路，彼此放大、相互延伸。以用户、市场或媒介为形式对新领地进行的穷尽式殖民，提供了可被耗竭抽走的新形式资本。同样，通过耗竭所完成的这种金融财富与信息财富的积累，又驱动着一种渐近式的追求：借助新的技术与策略，实现更穷尽的浸透，对主体与空间进行更彻底的渗入。 这里的共同词语是资本。事实上，算法耗竭所特有的贪婪渗透与抽取，令人想起马克思（Karl Marx）对资本的著名描述：资本“像吸血鬼一样，只有吮吸活劳动才有生命，吮吸的活劳动越多，它的生命就越旺盛”（1999, 437）。本书所考察的各个案例研究中共有的驱力，并不是激进的全新起点，而是对该生产方式所固有的旧有律令的放大与强化。在此意义上，作为逻辑与控制之结合的算法性，并非随计算机而出现，而是随资本对计算的发现而出现——这里的计算取其宽泛意义，即一套由目标与程序构成的内聚系统，它最明显地体现在核算与机械化之中，有目的地调动劳动与自然，以实现提高产出这一预定目标。在此我们或可简要提及理查德·阿克赖特（Richard Arkwright）及其于1771年建成的克罗姆福德（Cromford）工厂。阿克赖特被视为工厂制度之父，他组织劳动的结构，安排时间，并引入技术革新。这些变革从根本上说，是将有机整体分解为细胞式的单元——是使原先“自然的”东西变得离散或数字化。这反过来为资本提供了一个新的枢纽，使生产过程得以被重构、优化与形式化。对阿克赖特而言，其结果是产出的爆炸式增长，由此带来扩张、赞誉与巨额利润。但常被忽视的，是支撑这一成功的种种操作。这些操作并未包含在阿克赖特专利的“代码”之中，却对其至关重要。在这里，我们发现了一些更为黑暗的操作，它们既未受到赞颂，也未被引述；这些操作与环绕着许多当代科技巨头的算法生态相互共鸣。正如今日科技流程所使用的稀土矿物与有毒化学品，阿克赖特同样把自然当作免费资源加以利用，借助一条因铅矿开采活动而形成的湍急溪流为工厂提供动力。正如Uber最近与Google之间关于技术被窃的诉讼，阿克赖特也曾从他人那里“借用”机械装置，并花费多年在法庭上为其知识产权专利辩护，却未能胜诉。正如迫使工人每天步行数英里的亚马逊（Amazon）配送中心（Amazon Fulfillment Centers），阿克赖特的童工每天也要步行多达20英里，他们的移动服从于机器的空间需求。对身体与环境的摧毁，权力与财富的不平等——这些都不是新的发明，而是资本的病理模式以不同面貌不断重演。 但权力永不停歇。算法性中隐含的控制与逻辑技术并未停滞不前，而是被形式化、扩展并加速了。尽管存在某些相似之处，Uber、Alexa、Palantir与Airbnb的生态显然有别于阿克赖特。算法的可供性（affordances）引入了一整套全新的条件。250年间发生了什么变化？阿克赖特建造房屋、教堂与工厂，以在空间上集中劳动；而当代算法体制（algorithmic regimes）则似乎在空间上分散劳动，逆转了工业化时期工作从家庭向工厂的迁移，使工作得以随时随地进行。阿克赖特的规训体制依赖于监工与督察，而今天的治理则似乎主要经由屏幕与消息来进行，实体的管理者逐渐蒸发。阿克赖特的物理操作延伸至深夜，而今天的算法性则是一种冰山式的装配（assemblage），其中可见之物（在空间中）与可感之物（在时间中）只构成全部进行中的过程的一小部分。阿克赖特是一个先驱，是克罗姆福德乡间一座孤零零的异质建筑；而算法性如今则无处不在，是一组借由智能手机与传感器、数据驱动的事件与联网环境而日益浸透日常活动的过程，积极塑造着我们工作、游戏、出行与交流的方式。在从白板走向世界的过程中，算法性的领域急剧扩张。它渗入一系列新的对象与建筑之中，并因此必须把这些异质的物质连接成一个内聚的对象，协调其混杂的各种能动性，使之朝向一个总体目标。这些操作不能被预设，也不能仅仅实例化一次，而必须借助本书通篇探讨的各种操作被不断地协商。算法性提供远距离的权力：包裹生活，并对公民、主体与空间进行测绘（Palantir）；把行动者征召进一支被持续调用的灵活劳动力（Uber）；通过建立主体性与家庭捕获地带来对用户施魅（Alexa）；以及通过对城市各处空间施加统一的算法之力来重构这些空间（Airbnb）。 然而权力总有其极限。为了维持自身，资本必须在日益稀缺的领地中尽量减少损失、尽量扩大收益。实现这一点的唯一途径，是同时进行规模扩张与抽身远离——扩展运营、使业务多元化，同时坚持其主体在财务、伦理与法律上的自主。是耗竭，而非使用。正如哈特（Michael Hardt）与奈格里（Antonio Negri）所断言（2017, 175）：“如果力量关系正在以这种方式倾斜，那么资本就只能通过日益使自身从劳动过程与生产性的社会领地中抽象出来，才能设法维持控制。”公司保持轻盈、敏捷、灵活，专注于快速扩张而非支持，专注于创新而非基础设施。正如科技评论家汤姆·古德温（Tom Goodwin）所观察到的（2015）：“Uber，全球最大的出租车公司，不拥有任何车辆。Facebook，全球最受欢迎的媒体所有者，不创造任何内容。阿里巴巴（Alibaba），最具价值的零售商，没有任何库存。而Airbnb，全球最大的住宿提供者，不拥有任何房产。”资本从与生产的直接接触中撤退，却继续耗竭各种生产力。与此同时，沉重的负担被转嫁给其他人与其他地方。工人承受自我调节的压力、不稳定工时的风险以及工资下降的焦虑。城市承受难以负担的住房、不堪重负的基础设施与逃税所带来的沉重负累。而在不同尺度上，地球承受着环境破坏这一经济“外部性”，背负着排放增加、有毒化学品与碳足迹的重荷。分离成为一种策略。 算法操作使这种权力得以伸展，尽管存在这种脱钩，仍能促成对这些展演的管理。产品与平台不断扩张，浸透更广阔的领域，向下一个百万用户、下一批十几个地区横向扩展。嵌入这种扩张之中的，是一系列促成远程治理的机制。正如我们所见，这些机制施加着相当大的力量——追踪个体的活动，为其产出评分，奖励最优的姿势，惩罚越轨的行为。在将这些过程自动化之后，规模便不费分文。[^f07-6] 于是，管理体制获得了一种诱人的前景——将少数人的生产力放大到极致的能力。对Palantir的客户而言，这意味着借助大数据的能力放大警官与分析员的能动性。对Uber而言，这意味着“绿灯中心”（Green Light Hubs）的精益管理：少数几个配备笔记本电脑与一部电话的年轻员工，被期望支撑一座大城市的运营。而对Airbnb而言，这意味着与房东或房源有关的问题总是首先被导入自动化流程，以尽量减少员工亲自处理的时间。传统治理的昂贵装置消融了，然而治理仍在继续——经由嵌入算法生态之中的、轻便得多且更易扩展的机制。凭借这种能力，资本伸展进入“一个与其自身数量无关的活动领域”（Marx 1999, 903）。 权力伸展开来，变得确实十分稀薄。为了以更少做更多，权力被外推。有具体场所的、景观性的东西蒸发殆尽，取而代之的是一些难以察觉的机制，它们能够更高效地运行，并更有效地分布于整个社会肌体之中。正如福柯（Michel Foucault）所论（2012, 256）：“外在的权力可以抛开其物理的重量；它趋向于非肉体性；而它越接近这一极限，其效果就越持续、深刻和恒久。”在此我们必须说清楚。权力并没有变成某种从远处挥舞的模糊实体。正如我们在本书对算法性的探讨中一再看到的，权力是从那些由渗入日常生活的机制所执行的操作中积累起来的，而这些机制无疑是历史的与物质的、社会的与技术的。权力的机制继续包围主体、浸透空间。但这些程序的实施与协调越来越多地远程进行，处于一个在策略上与生产的具体性（读作：责任）相脱离的领域之中。正如哈特与奈格里所观察到的（2017, 238）：“今天，剥削机制与生产组织趋向于分道扬镳”，这是一种有意识的分离，由“从远处提取价值的资本主义企业家”所监管。这种地理上的距离又被社会文化因素所放大——管理层与工人之间的收入悬殊，工程师与零工者之间的信息不对称。 资本由此进一步从生产领域撤退。但随着控制的协调远去、变得日益遥远，数据主体看起来越来越不像它本应描绘的那个主体——它的轮廓模糊不清，细节贫乏，关键特征干脆就是错误的。耗竭者与被耗竭者之间的鸿沟越来越宽。人们所期望的财务与法律上的脱钩，伴随着一种不受欢迎的社会与心理距离。联系变得岌岌可危。 在某个时刻，被算法性所理解的主体或空间会从其指称对象上剥离开来，这是一种细微的分裂，我们或可戏称之为“算法分裂”（algoschism）。诚然，这种内部定义与其“现实世界”对应物之间的对应，从一开始就从未完美。但重要的是牵引力，而非完美。所需要的，只是足以可靠地确保一个有效程序（effective procedure）的力量。事实上，本书本质上就是对实现这一点所必需的特定操作的考察：对主体或空间的包裹，对其生产性差异的挖掘，以及对其能力的操作化——无论是通过强制性的征召，还是通过更具诱导性的施魅。这些操作虽然不可避免地不完美、不完整，却试图克服偶然性（contingency），并持续地实现功能性。 当这套操作语法失败时，当登记（registration）的临界阈值未能达到、牵引力再也无法维持时，算法分裂便发生了。当然，这恰恰是驱使更多操作被添加进来的那种焦虑：要求更多信息，发送更多消息，增加更多激励。事实上，穷尽地认识主体、把握空间的不懈欲望，既出于从中耗竭更多资本的需要，也同样出于这种不安。就Uber而言，这意味着对乘客档案（Rider profile）中7个核心字段的不懈交叉索引，直至达到512个变量。为什么过去一周内没有叫车（Ride）请求？数据中隐藏着一条洞察，驱动着下一轮客户消息推送计划，试图重新征召司机或乘客。同样，正如在关于Alexa的一章中所讨论的，亚马逊正力图用情绪数据来补充其如今已例行收集的语音与文本数据，这些情绪数据随后会与选定的营销合作伙伴共享。为什么最近没有购买任何产品？也许，如果下一次Alexa更新能够留意情绪，她就能引出更好的回应，并对用户重新施魅。额外的信息与机制被添加进来，试图让指称对象与主体重新合一，再次获得牵引力。但这越积越多的程序非但没有弥合这一算法分裂，反而常常使之加剧。每增加一项新技术，主体与指称对象之间的鸿沟都只会扩大。在此意义上，算法性的构造往往与金融颇为相似，即“一条条日益投机性的工具构成的长链，全都依赖于第一步那所谓的稳定性”（Sassen 2014, 118）。 此时回顾Uber颇有助益。正如我们在该章中所见，这种差异从一开始就以信息本体论（information ontology）的形式存在。包裹的操作之所以失败，是因为Uber对“司机是谁”的理解不可避免地是片面的。抽象也即忽略。因此，本体论对某些特征——年龄、位置、驾驶记录——的承认，同时也是对其他一切的漠视：性别、种族、阶级、宗教。在建构主体时，大量身份特征与理解被排除在外，这种遗漏在数据的根本层面上就已被固化。从一开始，主体与她的算法指称对象之间便建立起一种断裂。大量对于恰当理解主体至关重要的信息干脆被遗漏了。包裹变成了去包裹。 而这道细如发丝的裂缝只会不断扩大，因为包裹至关重要地支撑着下一步的征召操作。Uber把“伙伴”（Partner）片面地建构为数据主体，导致其对伙伴的欲望与动机的理解也是片面的。正如我们所见，Uber试图把工人导入轮班工作的努力基本上是无效的。该公司通过各种宣传活动、通知与激励方案，竭力把工人引向特定的时段与地点。但这些“定向传播”（targeted communications）在很大程度上未能命中目标。它们落在了一个被抽象的、定义单薄的主体身上，而这个主体在很大程度上未能纳入每个工人独有的复杂动机。一种化约性的逻辑导致控制程度的削弱，牵引力反而变成了滑脱。Uber自己于2015年委托撰写的报告发现，将近一半的司机会在十二个月后离开这一网约车平台（Hall and Krueger, 16）。事实上，这种劳动退出的趋势似乎正在加速：《The Information》最近表明，只有6%的司机在一年后仍然留下（Efrati）。征召变成了去征召。 对于那些确实留在网约车服务中的司机而言，算法分裂只会随着后续的操作而不断扩大。这一断裂对“司机伙伴”（Driver-Partner）而言变得清晰可见，却既未反映在代表他们的数据本体论中，也未反映在利用这一本体论的管理体制中。其结果是一方拥有、而另一方却对此一无所知的认识，由此产生一种不对称的机会。对Uber司机而言，这道缝隙激发他们去发现各种变通办法，并促使他们在论坛上与他人分享。例如，我们看到司机在收到封禁后会立即下线，以重置其档案。这被表述为“破解”（hack）平台的一种方式，但算法分裂的概念使之更加清晰。在认识到算法主体与他们自身之间的滑脱时，司机们也意识到了一种时间性上的区别——即在他们对时间的连续经验，与他们那由平台逻辑所建构和理解的身份所具有的不连续的、细胞式的时间之间，存在着某种差异。当传统工人消失、片刻之后又重新出现时，由老板与同事构成的社会环境会认出她还是同一个人，并抹平这一短暂的空隙。但为了变得更加完美地穷尽，Uber的商业模式抛弃了实体办公室、实体管理者与持续的雇佣合同。取而代之的是，平台成为最终的仲裁者，它只提供两种主要模式——上线并工作，或下线并不存在。由于周围没有任何人来确认她在时间中的连贯在场，“司机伙伴”先下线再上线，重新实例化她的变量，利用自动化治理的不连续性。关于Alexa的一章探讨了主体如何被施魅，并在此过程中重构自身的姿势，以更好地适应算法性的逻辑。但这里发生的却是相反的效果——一种脱节变得清晰，幻象被打破，实践的重心转向遮蔽而非使之可读。施魅变成了祛魅。 对算法分裂的工具化利用，也再次出现在Palantir为洛杉矶警察局（Los Angeles Police Department）等客户整合自动车牌识别（automated license plate reader, ALPR）系统的过程中。如前所述，该案例研究中的一种应对方式，是在车牌上间隔地贴上黑色胶带。但与Uber的情形一样，这种技术最好被理解为一种内在的介入，而非破解、抵抗或拒绝。ALPR的捕获过程并未被否定或中止，也没有触发任何明显的警报——警车上的摄像头仍然拍下了车牌的图像，车牌仍被转换为一串字母数字字符，这些字符也仍被录入客户所维护的庞大数据库中。换言之，这种应对并不是要引入错误以造成故障、引发失灵。恰恰相反——机器过程持续一致地运行，完美地遵循着其自身的逻辑。信息本体论中产生了一个有效的值，但与此同时，数据车牌与物理车牌之间登记下了一个关键的差异。其结果阻碍了这个值与其他数据库之间的交叉索引，妨碍了对个人的定位。黑色胶带的使用并不是一次英雄式的破解，也不是钻系统空子的故障，它只是扩大了一道业已存在的缝隙，即主体与其被算法所理解的对应物之间的缝隙。 这些小规模的介入，是将耗竭者与被耗竭者之间的脱钩武器化的更广泛策略的一个子集。显然，这些策略对技术过程产生了影响。但这些举动并不只是利用了运行不一致的劣质代码，它们所凸显的状况也无法通过补丁或更新得到完全解决。在一个稀缺的领地中，资本必须向上并向远处移动，在全球扩张的同时与生产的责任保持距离，这是不言自明的。为此，算法性的权力被投入使用：即穷尽地渗入主体与空间、同时耗竭抽走各种生产力的权力。但这种远程提取的策略也是一场赌博，有利可图却险象环生。它所建立的新条件，同样向新的、内在的介入敞开。例如，Palantir的黑色胶带介入以计算的一致性为基础，但这种计算嵌入在一个新的社会技术环境之中，在那里，个体警官已被大规模的、远程协调的信息捕获所取代。此处提到的这些介入，与其说是利用技术错误，不如说是揭示了该模式本身所固有的病理，而这些病理与资本的关系，丝毫不亚于与计算的关系。 作为一种内在的断裂，算法分裂凸显了诸逻辑相互碰撞的那些节点，凸显了控制让位于偶然性的那些时刻。这样的时刻将一再出现。诸如Uber的下线与Palantir的黑色胶带介入这类揭示此种不一致的现象，绝不是显而易见或普遍存在的。但由于它们建立在一种内在矛盾之上，它们的出现只会越来越常见。正如之前的周期一样，Airbnb与Uber等初创公司当前所享有的快速扩张与丰厚积累的浪潮终将消退，留下一片机会更少、生态位更小、利润更薄的领地。然而，持续增长的驱动力将依然存在。唯一的解决办法是强化这些过程：耗竭劳动而非使用劳动者的过程，在排除“外部性”的同时不动声色地抽干生产力的过程，以及严重依赖算法操作来包裹生活、征召行动者、对用户施魅并挖掘空间的过程。这些技术无疑会变得更加复杂精密，并被扩展到新的领域。但投入到这类提取逻辑中的巨大资源，也标志着资本的焦虑，一种对正在迅速溜走的生产力残余的死死紧握。耗竭本身似乎日益显得精疲力竭。 [^f07-6]: 规模扩张实际上是一个艰巨的技术问题。正如在关于Airbnb的一章中提到的，Airbnb与Uber工程博客上的案例研究有相当一部分详细记录了触及既有极限、迁移到新平台与新流程、以及建立在规模上测试这些解决方案的例行程序时所经历的种种痛苦。这些方案的实施无疑要付出代价，包括劳动工时、工程专家、平台停机时间等等。但此处的要点在于，一旦这些过程建立起来并正常运转，下一个用户与下一百万个用户看上去几乎是一样的，尤其是在那些不太熟悉这些技术挑战的管理层或董事看来。 # 参考文献（References） > 译注：参考文献条目保留原文，以便读者检索原始出处。 Agence France-Presse. 2015. “Uber Driver Convicted of Raping Passenger in Delhi.” The Guardian, October 20, 2015. https://www.theguardian.com/technology/2015/oct/20/uber-driver-convicted-of-raping-passenger-delhi-shiv-kumar-yadav. Agre, Philip. 1994. “Surveillance and Capture: Two Models of Privacy.” The Information Society 10 (2): 101–27. Airbnb. 2014. “DIY Hosting Tips: Unforgettable Amenities Made Easy.” Airbnb Blog (blog). August 15, 2014. http://blog.airbnb.com/amenities-diy-hosting-tips/. ———. 2016. “Travel With Airbnb and Experience A Place Like You Live There.” Airbnb. March 19, 2016. https://www.airbnb.co.nz/livethere. ———. n.d. “About Us.” Airbnb. Accessed May 9, 2017. https://www.airbnb.co.nz/about/about-us. Airbnb Help Center. n.d. “What Factors Determine How My Listing Appears in Search Results?” Airbnb Help Centre. Accessed April 13, 2017. https://www.airbnb.co.nz/ help/article/39/what-factors-determine-how-my-listing-appears-in-search-results. Al Jazeera America. 2014. “LAPD: All Cars Are under Investigation.” March 25, 2014. http://america.aljazeera.com/watch/shows/the-stream/the-stream-official-blog/2014/3/25/lapd-all-cars-areunderinvestigation.html. Alden, William. 2016. “Inside Palantir, Silicon Valley’s Most Secretive Company.” BuzzFeed. May 7, 2016. https://www.buzzfeed.com/williamalden/inside-palantir-silicon-valleys-most-secretive-company. Althusser, Louis. 1971. “Ideology and Ideological State Apparatuses (Notes towards an Investigation).” In Lenin and Philosophy and Other Essays, 127–88. New York: Verso. Amazon. n.d. “Amazon.com: Alexa Skills.” Alexa Skills. Accessed May 9, 2017a. https://www.amazon.com/b?ie=UTF8&node=13727921011. ———. n.d. “Intel and AWS.” Amazon Web Services, Inc. Accessed May 9, 2017b. https://aws.amazon.com/intel/. Amazon Developer Services. 2017a. “Alexa Skills Kit Voice Design Best Practices.” Amazon Apps & Services Developer Portal. April 9, 2017. https://developer.amazon.com/public/solutions/alexa/alexa-skills-kit/docs/alexa-skills-kit-voice-design-best-practices. ———. 2017b. “Speech Synthesis Markup Language (SSML) Reference.” Amazon Apps & Services Developer Portal. April 9, 2017. https://developer.amazon.com/public/solutions/alexa/alexa-skills-kit/docs/speech-synthesis-markup-language-ssml-reference. ———. n.d. “Alexa Skills Kit Glossary.” Amazon Apps & Services Developer Portal. Accessed May 9, 2017a. https://developer.amazon.com/public/solutions/alexa/alexa-skills-kit/docs/alexa-skills-kit-glossary. ———. n.d. “SpeechRecognizer Interface.” Amazon Apps & Services Developer Portal. Accessed May 9, 2017b. https://developer.amazon.com/public/solutions/alexa/alexa-voice-service/reference/speechrecognizer. Amoore, Louise. 2013. The Politics of Possibility: Risk and Security Beyond Probability. Durham: Duke University Press. Apache. n.d. “MapReduce Tutorial.” Accessed April 13, 2017. https://hadoop.apache.org/docs/r1.2.1/mapred_tutorial.html. Aradau, Claudia. 2015. “The Signature of Security: Big Data, Anticipation, Surveillance.” Radical Philosophy (191): 21–28. Baer, Meredith. 2014. “Attract More Guests: 10 Simple Tips from Home Staging Expert Meridith Baer.” April 17, 2014. http://blog.atairbnb.com/attract-guests-10-simple-tips-home-staging-expert-meridith-baer/. Beinstein, Andrew. 2016. “How Uber Engineering Increases Safe Driving with Telematics.” Uber Engineering Blog. June 29, 2016. https://eng.uber.com/telematics/. Bensinger, Greg. 2017. “Airbnb Valued at $31 Billion After New Funding Round.” Wall Street Journal, March 9, 2017, sec. Tech. https://www.wsj.com/articles/airbnb-valued-at-31-billion-after-new-funding-round-1489086240. Berardi, Franco. 2011. After the Future. Translated by Arianna Bove. Edinburgh: AK Press. Bigelow, Stephen, and Mark Chu-Carroll. n.d. “What Is MapReduce? - Definition from WhatIs.com.” SearchCloudComputing. Accessed April 13, 2017. http://search-cloudcomputing.techtarget.com/definition/MapReduce. Black, Alan, and Kevin Lenzo. n.d. “General Anatomy of a Synthesizer.” Language Technologies Institute, Carnegie Mellon University. Accessed May 9, 2017. http://festvox.org/bsv/x99.html. Boyd, Robert. 2016. “Woman Claims Uber Driver Sexually Assaulted Her during Ride to North Salt Lake.” fox13now.com. May 5, 2016. http://fox13now.com/2016/05/04/woman-claims-uber-driver-sexually-assaulted-her-during-ride-to-north-salt-lake/. Bratton, Benjamin. 2016. The Stack—On Software and Sovereignty. Cambridge, MA: MIT Press. Braudel, Fernand. 2012. “History and the Social Sciences: The Longue Durée.” In The Longue Durée and World-Systems Analysis, edited by Richard E. Lee, translated by Immanuel Wallerstein, 241–76. New York: SUNY Press. Braverman, Harry. 1998. Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century. New York, NY: Monthly Review Press. Bryant, Levi. 2011. “Two Types of Assemblages.” Larval Subjects (blog). February 20, 2011. https://larvalsubjects.wordpress.com/2011/02/20/two-types-of-assemblages/. ———. 2012. “Machinic Art: The Matter of Contradiction.” Larval Subjects (blog). July 22, 2012. https://larvalsubjects.wordpress.com/2012/07/22/machinic-art-the-matter-of-contradiction/. ———. 2014. Onto-Cartography: An Ontology of Machines and Media. Edinburgh: Edinburgh University Press. Buhr, Sarah. 2015. “Palantir Has Raised $880 Million at a $20 Billion Valuation.” TechCrunch (blog). December 23, 2015. http://social.techcrunch.com/2015/12/23/palantir-has-raised-880-million-at-a-20-billion-valuation/. Burrington, Ingrid. 2016. “Why Amazon’s Data Centers Are Hidden in Spy Country.” The Atlantic, January 8, 2016. https://www.theatlantic.com/technology/archive/2016/01/amazon-web-services-data-center/423147/. Butler, Judith. 1995. “Conscience Doth Make Subjects of Us All.” Yale French Studies (88): 6–26. Campbell, Harry. 2016. “How Uber Uses Behavior Modification To Control Its Drivers.” The Rideshare Guy Blog and Podcast (blog). October 17, 2016. http://therideshareguy.com/how-uber-uses-behavior-modification-to-control-its-drivers/. Cebula, Melanie. 2017. “Airbnb, From Monolith to Microservices: How to Scale Your Architecture.” FutureStack Conference New York, September 25. https://www.youtube.com/watch?v=N1BWMW9NEQc. Chayka, Kyle. 2016. “How Silicon Valley Helps Spread the Same Sterile Aesthetic across the World.” The Verge. August 3, 2016. http://www.theverge.com/2016/8/3/12325104/airbnb-aesthetic-global-minimalism-startup-gentrification. Chen, Peter Pin-Shan. 1976. “The Entity-Relationship Model—Toward a Unified View of Data.” ACM Transactions on Database Systems (TODS) 1 (1): 9–36. Chi-hao, James. 2013. “Backpacker Dies from Carbon Monoxide Poisoning.” The China Post. December 31, 2013. http://www.chinapost.com.tw/taiwan/national/national-news/2013/12/31/397194/Backpacker-dies.htm. Chun, Wendy Hui Kyong. 2008. “On ‘Sourcery,’ or Code as Fetish.” Configurations 16 (3): 299–324. ———. 2017. Updating to Remain the Same: Habitual New Media. Cambridge, MA: MIT Press. Cook, James. 2015. “Uber’s Internal Charts Show How Its Driver-Rating System Actually Works.” Business Insider Australia. February 12, 2015. https://www.businessinsider.com.au/leaked-charts-show-how-ubers-driver-rating-system-works-2015-2. Court of Federal Claims. 2016. Palantir Technologies Inc. v. US. No. 16-784C. Court of Federal Claims. Cox, Murray. n.d. “Inside Airbnb.” Inside Airbnb. Accessed September 25, 2017. http://insideairbnb.com. Cramer, Florian. 2005. Words Made Flesh: Code, Culture, Imagination. Rotterdam: Piet Zwart Institute. Dalton, Jason. 2016. Interview With Kalamazoo Police Interview by Cory Ghiringhelli and William Moorian. https://www.scribd.com/doc/304723238/Jason-Dalton-s-Interview-With-Kalamazoo-Police. Davis, Ben. 2017. “Facebook Is Celebrating Its Astonishing Two Billion Users With a New Video. Here’s What It Means for Art.” Artnet News. June 28, 2017. https://news.artnet.com/art-world/facebook-video-two-billion-monthly-users-1008656. Deleuze, Gilles, and Félix Guattari. Anti-Oedipus: Capitalism and Schizophrenia. Translated by Robert Hurley, Mark Seem, and Helen Lane. Minneapolis: University of Minnesota Press, 1983. Delforge, Pierre. 2015. “America’s Data Centers Consuming and Wasting Growing Amounts of Energy.” NRDC. February 6, 2015. https://www.nrdc.org/resources/americas-data-centers-consuming-and-wasting-growing-amounts-energy. Department of Homeland Security. 2016. “Privacy Impact Assessment Update for the FALCON Search & Analysis System.” Washington, D.C.: Department of Homeland Security. https://www.dhs.gov/sites/default/files/publications/privacy-pia-ice-032-falcons-b-october2016.pdf. Department of Motor Vehicles. 2017. “DMV and Your Information.” March 13, 2017. https://www.dmv.ca.gov/portal/dmv/detail/dl/authority#info. Dockray, Heather. 2015. “Airbnb Host Sues Guests For Filming Hardcore Gay Porn In Her House.” Mashable. November 25, 2015. http://mashable.com/2015/11/25/airbnb-gay-porn/. Efrati, Amir. “How Uber Will Combat Rising Driver Churn.” The Information, April 20, 2017. https://www.theinformation.com/articles/how-uber-will-combat-rising-driver-churn. Ellin, Nan. 1999. Architecture of Fear. New York, NY: Princeton Architectural Press. Ensmenger, Nathan. 2013. “Computation, Materiality, and the Global Environment.” IEEE Annals of the History of Computing 35 (3): 78–80. Environmental Protection Agency. 2016. “Site Overviews, Intel Corp. (Mountain View Plant).” Overviews & Factsheets. US EPA. May 31, 2016. https://yosemite.epa.gov/r9/sfund/r9sfdocw.nsf/vwsoalphabetic/Intel+Corp.+(Mountain+View+Plant)? OpenDocument. ———. n.d. “Learn about Dioxin.” Overviews and Factsheets. US EPA. Accessed May 9, 2017. https://www.epa.gov/dioxin/learn-about-dioxin. Evans, Benedict. 2017. “Benedict’s Newsletter: No. 206,” May 10, 2017. http://mailchi.mp/ben-evans/benedicts-newsletter-no-450313?e=cf4a5fe5dc. Feenberg, Andrew. 2008. Questioning Technology. London: Routledge. Fessler, Leah. 2017. “We Tested Bots Like Siri And Alexa To See Who Would Stand Up To Sexual Harassment.” Quartz (blog). February 22, 2017. http://qz.com/911681/we-tested-apples-siri-amazon-echos-alexa-microsofts-cortana-and-googles-google-home-to-see-which-personal-assistant-bots-stand-up-for-themselves-in-the-face-of-sexual-harassment/. Finn, Ed. 2017. What Algorithms Want: Imagination in the Age of Computing. Cambridge, MA: MIT Press. Firment, Drew. 2017. “Alexa Data Analytics Are a Gold Mine.” Hacker Noon. February 12, 2017. https://hackernoon.com/alexa-data-analytics-are-a-gold-mine-b4ceb02526d2. Fisher, Mark. 2010. Capitalist Realism: Is There No Alternative? Winchester, UK: Zero Books. Foucault, Michel. 1978. The History of Sexuality. Translated by Robert Hurley. New York: Pantheon Books. ———. 1982. “The Subject and Power.” In Michel Foucault: Beyond Structuralism and Hermeneutics, edited by Hubert Dreyfus and Paul Rabinow, 208–64. Chicago: University of Chicago Press. ———. 1988. “Technologies of the Self.” In Technologies of the Self: A Seminar with Michel Foucault, edited by Luther Martin, Huck Gutman, and Patrick Hutton, 16–49. London: Tavistock. ———. 1991. “Governmentality.” In The Foucault Effect: Studies in Governmentality, 87–104. Chicago: University of Chicago Press. ———. 2012. Discipline and Punish: The Birth of the Prison. Translated by Alan Sheridan. New York: Vintage. Frabetti, Federica. 2015. Software Theory Interview by Janneke Adema. https://culturemachinepodcasts.podbean.com/e/software-theory-federica-frabetti/. Francescani, Chris. 2014. “License to Spy.” Backchannel. December 1, 2014. https://backchannel.com/the-drive-to-spy-80c4f85b4335#.wc45mo7uo. Franklin, Seb. 2015. Control: Digitality as Cultural Logic. Cambridge, MA: MIT Press. Fuller, Matthew. 2005. Media Ecologies: Materialist Energies in Art and Technoculture. Cambridge, MA: MIT Press. Fuller, Matthew, and Andrew Goffey. 2012. Evil Media. Cambridge, MA: MIT Press. Fuller, Matthew, and Graham Harwood. 2015. “Algorithms Are Not Angels.” Future Non Stop. December 1, 2015. http://future-nonstop.org/c/bed167c89cc89903b15 49675013b4446. Gainer, Alice. n.d. “Meet The Voice Behind Airport, Train Station Announcements.” CBS New York (blog). Accessed May 9, 2017. http://newyork.cbslocal.com/2013/12/24/meet-the-voice-behind-airport-train-station-announcements/. Galloway, Alexander R. 2004. Protocol: How Control Exists after Decentralization. Cambridge, MA: MIT Press. Garber, Kent. 2009. “The Internet’s Hidden Energy Hogs: Data Servers.” US News & World Report. March 24, 2009. https://www.usnews.com/news/energy/articles/2009/03/24/the-internets-hidden-energy-hogs-data-servers. Gell, Alfred. 1992. “The Technology of Enchantment and the Enchantment of Technology.” In Anthropology, Art and Aesthetics, edited by Jeremy Coote and Anthony Shelton, 40–63. Oxford: Oxford University Press. Gierlack, Keith, Shara Williams, Tom LaTourrette, Lauren A Mayer, and James M Anderson. 2014. License Plate Readers for Law Enforcement: Opportunities and Obstacles. Rand Corporation. Gillespie, Tarleton. 2014. “The Relevance of Algorithms.” In Media Technologies Essays on Communication, Materiality, and Society, edited by Tarleton Gillespie, Pablo Boczkowski, and Kirsten Foot, 167–94. Cambridge, MA: MIT Press. Glanz, James. 2012. “Data Centers Waste Vast Amounts of Energy, Belying Industry Image.” The New York Times, September 22, 2012. http://www.nytimes.com/2012/09/23/technology/data-centers-waste-vast-amounts-of-energy-belying-industry-image.html. Gold, Hannah. 2015. “Fembots Have Feelings Too.” New Republic. May 12, 2015. https://newrepublic.com/article/121766/ex-machina-critiques-ways-we-exploit-female-care. Goodwin, Tom. 2015. “The Battle Is For The Customer Interface.” TechCrunch (blog). March 3, 2015. http://social.techcrunch.com/2015/03/03/in-the-age-of-disintermediation-the-battle-is-all-for-the-customer-interface/. Goss, Emma. 2015. “The Artificially Intelligent Woman: Talking Down to the Female Machine.” Master’s Thesis, New York, NY: Columbia University. http://dx.doi.org/10.7916/D8Q23ZBF. Gregory, Derek. 1994. Geographical Imaginations. Cambridge, MA: Blackwell. Guarino, Nicola. 1998. “Formal Ontology and Information Systems.” In Proceedings of FOIS, 98:81–97. Guattari, Félix. 2000. The Three Ecologies. Translated by Paul Sutton. London: The Athlone Press. Gurevich, Yuri. 2012. “What Is an Algorithm?” In SOFSEM 2012: Theory and Practice of Computer Science: 38th Conference on Current Trends in Theory and Practice of Computer Science, edited by Mária Bieliková, Gerhard Friedrich, Georg Gottlob, Stefan Katzenbeisser, and György Turán, 31–42. Berlin: Springer. Hardt, Michael, and Antonio Negri. 2017. Assembly. New York: Oxford University Press. Harper, Douglas. n.d. “Exhaust.” Online Etymology Dictionary. Accessed May 10, 2017. http://www.etymonline.com/index.php?term=exhaust. Harris, Derrick. 2013. “How Amazon Is Building Substations, Laying Fiber and Generally Doing Everything to Keep Cloud Costs down.” November 15, 2013. https://gigaom.com/2013/11/15/how-amazon-is-building-substations-laying-fiber-and-generally-doing-everything-to-keep-cloud-costs-down/. Hart-Davis, Adam. 1995. “Richard Arkwright, Cotton King.” Online Science and Technology. October 10, 1995. http://www.exnet.com/1995/10/10/science/science.html. Hayles, N. Katherine. 2008. Electronic Literature: New Horizons for the Literary. Notre Dame, IN: University of Notre Dame Press. ———. 2010. How We Became Posthuman: Virtual Bodies in Cybernetics, Literature and Informatics. Chicago: University of Chicago Press. Heath, Chris. 2016. “The Uber Killer: The Real Story of One Night of Terror.” GQ. August 22, 2016. http://www.gq.com/story/the-uber-killer. Higgs, Dale. 2017. “Alexa-Skills-List—a Complete List Of All Available Alexa Skills.” GitHub. January 4, 2017. https://github.com/dale3h/alexa-skills-list. Hill, Dan. 2015. “The Secret of Airbnb’s Pricing Algorithm.” IEEE Spectrum: Technology, Engineering, and Science News. August 20, 2015. http://spectrum.ieee.org/computing/software/the-secret-of-airbnbs-pricing-algorithm. Hill, Kashmir. 2017. “Uber Doesn’t Want You to See This Document About Its Vast Data Surveillance System.” Gizmodo. May 19, 2017. https://www.gizmodo.com.au/2017/05/uber-doesnt-want-you-to-see-this-document-about-its-vast-data-surveillance-system/. Hochschild, Arlie Russell. 2003. The Managed Heart: Commercialization of Human Feeling. Berkeley: University of California Press. Hörl, Erich. 2017. “Introduction to General Ecology: The Ecologization of Thinking.” In General Ecology: The New Ecological Paradigm, edited by Erich Hörl and James Burton, 1–74. London: Bloomsbury Academic. Hu, Tung-Hui. 2015. A Prehistory of the Cloud. Cambridge, MA: MIT Press. Intel. n.d. “Intel® 22 Nm Technology.” Intel. Accessed May 9, 2017. http://www.intel.com/content/www/us/en/silicon-innovations/intel-22nm-technology.html. Intel Newsroom. 2010. “Intel Announces Multi-Billion-Dollar Investment in NextGeneration Manufacturing in U.S.” Intel Newsroom. October 19, 2010. https://newsroom.intel.com/news-releases/intel-announces-multi-billion-dollar-invest-ment-in-next-generation-manufacturing-in-u-s/. Jünger, Friedrich Georg. 1990. The Failure of Technology. Washington, D.C.: Regnery Gateway. Jurden, Jan. 2015. Molina v. ON Semiconductor Corporation. Delaware Superior Court. Kalanick, Travis. 2016. “Celebrating Cities: A New Look and Feel for Uber.” Uber Global. February 2, 2016. https://newsroom.uber.com/celebrating-cities-a-new-look-and-feel-for-uber/. Kaye, Kate. 2017. “Epsilon and Others Scramble for Alexa Data from Amazon.” AdvertisingAge. February 7, 2017. http://adage.com/article/datadriven-marketing/epsilon-scramble-alexa-data-amazon/307843/. Kendall, Marisa. 2016. “Palantir Technologies Scoops up Palo Alto Office Space.” Santa Cruz Sentinel, April 30, 2016. http://www.santacruzsentinel.com/article/NE/20160430/NEWS/160439988. Kim, Eugene. 2016. “The Inside Story Of How Amazon Created Echo, The Next Billion Dollar Business No One Saw Coming.” Business Insider Australia. April 3, 2016. https://www.businessinsider.com.au/the-inside-story-of-how-amazon-created-echo-2016-4. Kleene, Stephen Cole. 1943. “Recursive Predicates and Quantifiers.” Transactions of the American Mathematical Society 53 (1): 41–73. Klein, Laura. 2015. “Design for Voice Interfaces.” O’Reilly Media. November 5, 2015. https://www.oreilly.com/ideas/design-for-voice-interfaces. Knight, Sam. 2016. “How Uber Conquered London.” The Guardian, April 27, 2016. https://www.theguardian.com/technology/2016/apr/27/how-uber-conquered-london. Knight, Will. 2016. “Amazon Working on Making Alexa Recognize Your Emotions.” MIT Technology Review. June 13, 2016. https://www.technologyreview.com/s/601654/amazon-working-on-making-alexa-recognize-your-emotions/. Knowles Acoustics. 2011. SiSonic Design Guide. Itasca, IL: Knowles Acoustics. http://media.digikey.com/pdf/data%20sheets/knowles%20acoustics%20pdfs/sisonic_ design_guide.pdf. Kowalski, Robert. 1979.“Algorithm = Logic + Control.” Communications of the ACM 22 (7): 424–36. Knowles Press. 2012. “Knowles Tops 3B MEMS Microphones Shipped.” Solid State Technology (blog). May 16, 2012. http://electroiq.com/blog/2012/05/knowles-tops-3b-mems-microphones-shipped/. Konrad, Alex. 2014. “Airbnb Cofounders Are Billionaires As Share Economy Leader Closes $450 Million Round At $10 Billion Valuation.” Forbes. April 18, 2014. https://www.forbes.com/sites/alexkonrad/2014/04/18/airbnb-closes-round-at-10-billion/. Land, Nick. 2014. “Meltdown.” In Fanged Noumena: Collected Writings 1987–2007. New York, NY: Urbanomic. Lazzaro, Sage. 2016a. “A Hawaii Uber Driver Has Been Charged With Raping a Teenage Passenger.” Observer (blog). April 20, 2016. http://observer.com/2016/04/a-hawaii-uber-driver-has-been-charged-with-raping-a-teenager/. ———. 2016b. “An Uber Driver Has Been Charged With Strangling a Student in a Dorm Parking Lot.” Observer (blog). May 23, 2016. http://observer.com/2016/05/an-uber-driver-has-been-charged-with-strangling-a-student-in-a-dorm-parking-lot/. Lee, Min Kyung, Daniel Kusbit, Evan Metsky, and Laura Dabbish. 2015. “Working With Machines: The Impact of Algorithmic and Data-Driven Management on Human Workers.” In Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems, 1603–1612. ACM. https://www.cs.cmu.edu/~mklee/materials/Publication/2015-CHI_algorithmic_management.pdf. Lefebvre, Henri. 2008. Critique of Everyday Life: From Modernity to Modernism (Towards a Metaphilosophy of Daily Life). London: Verso. ———. 2009. The Production of Space. Translated by Donald Nicholson-Smith. Oxford: Blackwell. ———. 2014. The Urban Revolution. Minneapolis: University of Minnesota Press. Leonhard, Mike. n.d. “CloudPing.” Rest Backup LLC. Accessed May 9, 2017. http://www.cloudping.info/. Levin, Sam. 2017. “Startup Workers See Sexual Harassment On ‘Breathtaking’ Scale In Silicon Valley.” The Guardian, March 1, 2017. https://www.theguardian.com/world/2017/mar/01/silicon-valley-sexual-harassment-startups. Liboiron, Max. 2015. “Disaster Data, Data Activism: Grassroots Responses to Representing Superstorm Sandy.” In Extreme Weather and Global Media, edited by Julia Leyda and Diane Negra, 145–62. New York: Routledge. Lien, Tracey. 2016. “Kalamazoo Shooting: Here’s How Uber Does Its Background Checks.” Los Angeles Times, February 22, 2016. http://www.latimes.com/business/technology/la-fi-tn-uber-background-check-20160222-story.html. Linehan, Conor, Ben Kirman, and Bryan Roche. 2015. “Gamification as Behavioral Psychology.” In The Gameful World: Approaches, Issues, Applications, edited by Steffen Walz and Sebastian Deterding, 81–105. Cambridge, MA: MIT Press. Lionheart, Sam. 2014. “Amazon Echo Teardown.” iFixit. December 16, 2014. https://www.ifixit.com/Teardown/Amazon+Echo+Teardown/33953. Mac, Ryan. 2014. “Amazon Releases Diversity Numbers For The First Time And Surprise, It’s Mostly Male And White.” Forbes. October 31, 2014. http://www.forbes.com/sites/ryanmac/2014/10/31/amazon-releases-diversity-numbers-for-first-time-and-surprise-its-mostly-male-and-white/. Madrigal, Alexis. 2013. “Not Even Silicon Valley Escapes History.” The Atlantic, July 23, 2013. http://www.theatlantic.com/technology/archive/2013/07/not-even-silicon-valley-escapes-history/277824/. Magee, Liam, and Ned Rossiter. 2015. “Service Orientations: Data, Institutions, Labor.” In There Is No Software, There Are Just Services, edited by Irina Kaldrack and Martina Leeker, 73–89. Lüneburg: meson press. Marino, Marc. 2006. “Critical Code Studies.” Electronic Book Review. December 4, 2006. http://www.electronicbookreview.com/thread/electropoetics/codology. ———. 2009. “Critical Code and Software Studies.” Panel Description. Digital Humanities 09. University of Maryland. https://games.soe.ucsc.edu/sites/default/files/nwf-CS11-dh09-expressiveProcessing.pdf. Marraco, Marina. 2016. “Uber Driver Arrested for Attempting to Shoot Officers.” FOX5 DC. May 25, 2016. http://www.fox5dc.com/news/local-news/145051389-story. Marx, Karl. 1999. Capital: An Abridged Edition. Edited by David McLellan. Oxford: Oxford University Press. Marx, Karl, and Friedrich Engels. 2008. The Communist Manifesto. Translated by Samuel Moore. London: Pluto Press. Mauss, Marcel. 1973. “Techniques of the Body.” Economy and Society 2 (1): 70–88. Merrifield, Andy. 2006. Henri Lefebvre: A Critical Introduction. New York: Routledge. Mezzadra, Sandro, and Brett Neilson. 2013. “Extraction, Logistics, Finance: Global Crisis and the Politics of Operations.” Radical Philosophy 178 (March/April): 8–18. Miller, Rich. 2015. “Inside Amazon’s Cloud Computing Infrastructure.” Data Center Frontier (blog). September 23, 2015. https://datacenterfrontier.com/inside-amazon-cloud-computing-infrastructure/. Monday, Carl. “Underage Uber: Carl Monday Exposes Teen Rider Safety Oversight.” Cleveland 19, November 18, 2016. http://www.cleveland19.com/story/33737169/underage-uber-carl-monday-undercover-investigation-exposes-teen-rider-safety-oversight. Morgan, David. 2009. “Enchantment, Disenchantment, Re-Enchantment.” In ReEnchantment, edited by James Elkins, 3–22. New York: Routledge. Mumford, Lewis. The Myth of the Machine [Vol. 1]: Technics and Human Development. New York: Harcourt, Brace & World, 1967. Nagel, William, Meghann Tracy, and Heather Cotter. 2009. “Privacy Impact Assessment Report For The Utilization Of License Plate Readers.” Alexandria, VA: International Association of Chiefs of Police. Nealon, Jeffrey. 2008. Foucault Beyond Foucault: Power and Its Intensifications Since 1984. Stanford: Stanford University Press. New England Historical Society. 2014. “Emma Nutt, The World’s 1st Woman Telephone Operator.” New England Historical Society (blog). September 1, 2014. http://www.newenglandhistoricalsociety.com/emma-nutt-worlds-1st-woman-telephone-operator/. Nguyen, Thi. 2015. “ETA Phone Home: How Uber Engineers an Efficient Route.” Uber Engineering Blog. November 3, 2015. https://eng.uber.com/engineering-an-efficient-route/. O’Connor, Brendan. 2016. “How Palantir Is Taking Over New York City.” September 26, 2016. https://www.gizmodo.com.au/2016/09/how-palantir-is-taking-over-new-york-city/. O’Connor, Sarah. 2013. “Amazon Unpacked.” Financial Times, February 9, 2013. 1285287685. ProQuest Central. Ossola, Alexandra. 2014. “Ever Wondered: How Does Speech-to-Text Software Work?” Scienceline. August 15, 2014. http://scienceline.org/2014/08/ever-wondered-how-does-speech-to-text-software-work/. Palantir. 2011. GovCon7: Introduction to Palantir. https://www.youtube.com/watch?v=f86VKjFSMJE. ———. 2012. Dynamic Ontology. https://www.youtube.com/watch?v=ts0JV4B36Xw. ———. 2013a. Palantir at the Los Angeles Police Department. https://www.youtube.com/watch?v=aJ-u7yDwC6g. ———. 2013b. Railgun: Leveraging Palantir Gotham as a Command and Control Platform. https://www.youtube.com/watch?v=ZSB0wOMINhg. ———. 2013c. Prepare, Detect, Respond, And Harden: Palantir Cyber In Action. https://www.youtube.com/watch?v=6mIQmL2Lapw. ———. 2013d. Search Around. https://www.youtube.com/watch?v=--iIaUvn4kc. ———. 2014. “Privacy Impact Assessment.” U.S. Securities and Exchange Commission: Palantir Technologies Inc. https://www.sec.gov/about/privacy/pia/pia-pal-antir.pdf. ———. 2016. “About.” Palantir. June 6, 2016. https://palantir.com/about/index.html. Parikka, Jussi, and Michael Goddard. 2011. “Unnatural Ecologies.” The Fibreculture Journal (17): 1–5. Pasquale, Frank. 2015. The Black Box Society: The Secret Algorithms That Control Money and Information. Cambridge, MA: Harvard University Press. Pellow, David, and Lisa Sun-Hee Park. 2003. The Silicon Valley of Dreams: Environmental Injustice, Immigrant Workers, and the High-Tech Global Economy. New York, NY: New York University Press. Penney, Jon. 2016. “Chilling Effects: Online Surveillance and Wikipedia Use.” Berkeley Technology Law Journal 31 (1): 117. Pepin, Jonathan. 2016. “How Uber Engineering Massively Scaled Global Driver Onboarding.” Uber Engineering Blog. September 2, 2016. https://eng.uber.com/driver-onboarding/. Post, Emil L. 1936. “Finite Combinatory Processes-Formulation 1.” The Journal of Symbolic Logic 1 (3): 103–5. https://doi.org/10.2307/2269031. Priest, David. 2016. “Amazon Echo’s Sleeper Success Wakes up.” CNET. November 28, 2016. https://www.cnet.com/news/amazon-echo-has-sold-over-5-million-units/. Rainie, Lee, and Maeve Duggan. 2016. “Privacy and Information Sharing.” Pew Research Center: Internet, Science & Tech (blog). January 14, 2016. http://www.pew-internet.org/2016/01/14/privacy-and-information-sharing/. Regan, Gerard O. 2008. A Brief History of Computing. London: Springer Science & Business Media. Rosenblat, Alex. 2015. “Uber’s Phantom Cabs.” Motherboard. July 27, 2015. https://motherboard.vice.com/en_us/article/ubers-phantom-cabs. Rosenblat, Alex, and Tim Hwang. 2016. “Regional Diversity in Autonomy and Work: A Case Study from Uber and Lyft Drivers.” https://datasociety.net/pubs/ia/Rosen-blat-Hwang_Regional_Diversity-10-13.pdf. Rust, Susanne, and Matt Drange. 2014. “Cleanup Of Silicon Valley Superfund Site Takes Environmental Toll.” The Center for Investigative Reporting. March 17, 2014. http://cironline.org/reports/cleanup-silicon-valley-superfund-site-takes-environmental-toll-6149. Samuels, Gabriel. 2016. “Uber Drivers Accused of 32 Rapes and Sex Attacks on London Over The Past Year.” The Independent. May 19, 2016. http://www.independent.co.uk/news/uk/uber-drivers-accused-of-32-rapes-and-sex-attacks-on-london-passengers-a7037926.html. Sassen, Saskia. 2014. Expulsions: Brutality and Complexity in the Global Economy. Cambridge, MA: Harvard University Press. Schönhart, Sabrina, Armin Müller, Lazlo Böszörmenyi, and Stefan Podlipnig. 2003. “History of Algorithms.” Virtual Exhibitions in Informatics. 2003. http://cs-exhibitions.uni-klu.ac.at/index.php?id=193. Shaw, Ian GR. 2016. “The Urbanization of Drone Warfare: Policing Surplus Populations in the Dronepolis.” Geographica Helvetica 71 (1): 19. Sherry, Susan. 1985. High Tech and Toxics: A Guide for Local Communities. Washington, D.C.: Conference on Alternative State and Local Policies. Shkuro, Yuri. 2017. “Evolving Distributed Tracing at Uber Engineering.” Uber Engineering Blog. February 2, 2017. https://eng.uber.com/distributed-tracing/. Shustek, Len. 2006. “What Should We Collect to Preserve the History of Software?” IEEE Annals of the History of Computing 28 (4): 112–111. Simmel, Georg. 2004. The Philosophy of Money. London: Routledge. Stone, Brad. 2017. “How Airbnb Stopped Playing Nice.” Wired. January 31, 2017. https://www.wired.com/2017/01/how-airbnb-stopped-playing-nice/. Studer, Rudi, V Richard Benjamins, and Dieter Fensel. 1998. “Knowledge Engineering: Principles and Methods.” Data & Knowledge Engineering 25 (1–2): 161–97. Superior Court of California. 2016. Samuel Ward Spangenberg vs Uber Technologies, Inc. Superior Court of California. Taylor, Harriet. 2016. “Uber and Lyft Hate Fingerprinting Drivers, but New Data Shows Why They Might Be Wrong.” CNBC. August 23, 2016. http://www.cnbc.com/2016/08/23/uber-and-lyft-hate-fingerprinting-drivers-but-new-data-shows-why-they-might-be-wrong.html. Telephony. 1905. “A Study of the Telephone Girl.” Telephony 9 (5): 388–90. Terranova, Tiziana. 2008. “Red Stack Attack.” In #Accelerate: The Accelerationist Reader, edited by Robin Mackay and Armin Avanessian, 379–400. Falmouth, UK: Urbanomic Media Ltd. The Mayor’s Office of Homeland Security and Public Safety. 2015. “Fiscal Year 2014 Urban Areas Security Initiative Grant.” http://clkrep.lacity.org/onlinedocs/2014/14-0820_misc_5-18-15.pdf. The Yucatan Times. 2016. “Rape Allegation against Uber Driver in Mexico City Is far from the First for Car Service.” The Yucatan Times. May 11, 2016. http://www.theyu-catantimes.com/2016/05/.rape-allegation-against-uber-driver-in-mexico-city-is-far-from-the-first-for-car-service/. Turing, Alan. 1936. “On Computable Numbers: With an Application to the Entscheidungsproblem.” Proceedings of the London Mathematical Society. Series 2. 42 (1): 230–65. Turkle, Sherry. 2011. Alone Together: Why We Expect More from Technology and Less from Each Other. New York: Basic books. Uber Newsroom. 2016. “Pittsburgh, Your Self-Driving Uber Is Arriving Now.” Uber Global. September 14, 2016. https://newsroom.uber.com/pittsburgh-self-driving-uber/. United States District Court. 2015. O’Connor v. Uber Technologies, Inc., 82. Northern District of California. Vassallo, Trae, Ellen Levy, Michele Madansky, Hillary Mickell, Bennett Porter, Monica Leas, and Julie Oberweis. n.d. “The Elephant in the Valley.” The Elephant in the Valley. Accessed May 9, 2017. https://www.elephantinthevalley.com/. Vella, Erica. 2016. “Uber Driver Charged Following Sexual Assault of Boy in Oshawa.” Globalnews.ca. June 15, 2016. http://globalnews.ca/news/2763116/uber-driver-charged-following-sexual-assault-of-boy-in-oshawa-police/. Verbeek, Peter-Paul. 2013. “Resistance Is Futile: Toward a Non-Modern Democratization of Technology.” Techne: Research in Philosophy and Technology 17 (1): 72–92. Warnier, Jean-Pierre. 2001. “A Praxeological Approach to Subjectivation in a Material World.” Journal of Material Culture 6 (1): 5–24. Webster, Scott. 2011. “Google’s Project Majel Gets More Interesting By The Day.” CNET. December 15, 2011. https://www.cnet.com/news/googles-project-majel-gets-more-interesting-by-the-day/. Weiss, Aaron. n.d. “GPS Basics.” Sparkfun Electronics. Accessed April 13, 2017. https://learn.sparkfun.com/tutorials/gps-basics. Weizenbaum, Joseph. 1976. Computer Power And Human Reason: From Judgment To Calculation. New York: W.H. Freeman and Company. Wiggers, Kyle. 2017. “From Appliances to Robots, Alexa-Supported Devices Were Nearly Everywhere at CES.” Digital Trends. January 17, 2017. http://www.digital-trends.com/home/alexa-devices-ces-2017/. Wilson, Japhy. 2013. “‘The Devastating Conquest of the Lived by the Conceived’ The Concept of Abstract Space in the Work of Henri Lefebvre.” Space and Culture 16 (3): 364–80. Winston, Ali. 2014. “Privacy, Accuracy Concerns as License-Plate Readers Expand.” SFGate. June 17, 2014. http://www.sfgate.com/crime/article/Privacy-accuracy-concerns-as-license-plate-5557429.php. Woodman, Spencer. 2016. “Documents Suggest Palantir Could Help Power Trump’s ‘extreme Vetting’ of Immigrants.” The Verge. December 21, 2016. http://www.theverge.com/2016/12/21/14012534/palantir-peter-thiel-trump-immigrant-extreme-vetting. # 致谢（Acknowledgements） 没有哪本书是一个人的成果。感谢我的博士导师内德·罗西特（Ned Rossiter），他从一开始就以非凡的投入支持并塑造了这项工作；感谢文化与社会研究所（Institute for Culture and Society）提供的资助，也感谢更广泛的 ICS 学术共同体在研讨会与写作上给予的慷慨反馈。感谢梅赛德斯（Mercedes）和 meson press 团队严谨的评审流程以及出版的机会。书中部分内容源自早先发表的期刊文章：刊于《艺术与未来：能源、气候、文化》（*Art and Future: Energy, Climate, Cultures*）的《耗竭算法》（“Exhaustion Algorithm”），刊于《控制社会研究》（*Studies in Control Societies*）的《用软件观看：Palantir 与生活的调节》（“Seeing with Software: Palantir and the Regulation of Life”），以及刊于《工作组织、劳动与全球化》（*Work Organisation, Labour and Globalisation*）的《我是一名“司机伙伴”》（“I am a Driver-Partner”）。最后，最要感谢我了不起的家人，他们以或大或小的方式支撑着这个项目。 # 作者简介与封底文字 ## 作者简介 卢克·芒（Luke Munn）以实践与理论相结合的方式，探究技术与资本、身体与代码之间的交汇。他的作品曾在欧洲、北美和大洋洲各地展出。他是怀特克利夫艺术与设计学院（Whitecliffe College of Art & Design）的工作室导师，目前在西悉尼大学文化与社会研究所（Institute for Culture & Society, Western Sydney University）攻读博士学位。 （译注：以上为原书 2018 年出版时的作者信息。） ## 封底 **卢克·芒** **凶猛的逻辑：拆解算法** 当代权力显现于算法性之中。然而这种权力似乎难以理解：若把它理解为代码，它就变得去政治化；若把它理解为一个总体，它又令人无从招架。本书另辟蹊径，借助它来拆解 Uber 与 Palantir、Airbnb 与亚马逊 Alexa 的运作。走下白板、进入世界之后，算法性必须与种种摩擦协商——分发数据、运行任务的例行程序汇聚起来，塑造主体性、指挥身体、校准关系。在资本的驱动下，算法性耗竭着主体与空间。但这些遭遇也揭示出，力量从无保证；控制让位于偶然。 www.meson.press ISBN 978-3-95796-140-2 # 版权与译本说明 **凶猛的逻辑：拆解算法（非官方中译本）** ## 原书信息 - 原书名：*Ferocious Logics: Unmaking the Algorithm* - 作者：卢克·芒（Luke Munn） - 出版社：meson press（德国吕讷堡） - 出版年份：2018 - ISBN：978-3-95796-140-2（印刷版）；978-3-95796-141-9（PDF） - DOI：10.14619/1402 - 来源：https://meson.press/books/ferocious-logics/ - 原书许可：知识共享 署名-相同方式共享 4.0 国际许可协议（CC BY-SA 4.0），https://creativecommons.org/licenses/by-sa/4.0/ ## 声明 本译文是原书的非官方中文翻译，未经作者或出版社审阅或认可。译文中的任何错误均由译者负责，与原作者和出版社无关。如需引用，请以原书为准。 本译文是依据 CC BY-SA 4.0 对原作的改编（翻译）。 ## 译文许可 按照原书许可的"相同方式共享"条款，本译文同样以知识共享 署名-相同方式共享 4.0 国际许可协议（CC BY-SA 4.0）发布。你可以在注明原作者、原书、译者及许可的前提下自由复制、分发和改编本译文，但改编后的作品须以相同许可发布。 ## 译例 - 专名与关键术语在各章首次出现时括注原文；文中“作者—年份”式引注保持原样，对应第 08 部分参考文献。 - 原书脚注 1–6 以 Markdown 脚注形式保留，编号与原书一致。 - 原文中个别明显的笔误按作者本意译出，未另加注。