[ 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）。^[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。¶

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。^[2]¶

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。¶

注释