第一章：数据之海：模式识别与企业万物有灵论（分叉版）
这个段落位置已不存在。请使用目录或当前章节查找内容。
希托·史泰尔（Hito Steyerl）
何为识别（recognition）？请回想路易·阿尔都塞（Louis Althusser）所描述的那个著名的（自我）识别的原初场景：一名警察在街上冲某人大喊“喂，你！”在那一刻，此人理应同时把自己认作主体（“你”）以及屈从于警察权威的臣属（“喂！”）。“喂，你！”是社会控制的首要公式，是个人与政治识别最基本的模式。知识、控制与特权的范畴，仅凭这一个姿态便被确立起来（Althusser 1971, 163）。
但今天的情形要复杂得多。只关乎一个人走在街上的日子已经一去不返。穿过街道的不是五个人、五千人，甚至也不是五百万人，而是 414 万亿比特——大约是每秒在互联网上传输的数据量。想象一下那名警察站在那里，试图冲着其中每一个比特大喊“喂，你！”那一定会让他目瞪口呆。更麻烦的是，他还得弄清楚它们究竟是由垃圾信息机器人、交易员、色情网站、太阳耀斑、“达伊沙”（Daesh）、你妈妈，还是别的什么发出的。把阿尔都塞的识别场景转译到这一现实中，你便会听到这样一声绝望的求援：“开发者们，请帮帮忙！我们正溺于（而非挥手于）一片数据之海——数据，数据，到处都是数据，却没有一滴信息”（Sontheimer 2015）。这段话出自 2011 年至 2012 年间张贴在美国国家安全局（NSA）内部网站上的一组名为《信号与噪声》（“Signal v. Noise”）的文章。其作者抱怨截获的数据过载：“问题不在于数据，甚至也不在于能否获取数据，而在于如何从成卡车的数据中获得信息……”（Sontheimer 2015）。在国家安全局的描述里，数据是一片压倒性的海洋，与其说是图书馆，不如说是风景；与其说是聚焦的讯息，不如说是原材料；与其说是“给定之物”（givens），不如说是“攫取之物”（taken）。情报机构随意地抽取“成卡车”的数据。然而，流量的庞大体量本身却成了令人困惑的不透明性的来源。不过，这一问题并不限于情报机构。就连维基解密（WikiLeaks）的朱利安·阿桑奇（Julian Assange）本人也说过：“我们正淹没在材料之中”（Sontheimer 2015）。
模式识别
正是在这里，模式识别（pattern recognition）登场了。国家安全局这些专栏的核心问题是：如何从过量数据的噪声中提取信号。答案是：通过“在大型数据集中发现模式”（Wikipedia 2017a）。其实现方式是：“对大量数据进行分析，以提取此前未知的、有意义的模式”（Wikipedia 2017b），如依存关系、聚类或异常。阿尔都塞那位不堪重负的警察由此得到了一根救命绳。他本应召唤的人们，如今成了从地理定位数据、电话记录、社交媒体拖网式搜集以及网店 cookie 中提取出来的生活模式（patterns of life）。他们处于政府、企业、他们自己的汽车乃至芭比娃娃的持续监控之下。如今的问题，是在截获数据震耳欲聋的噪声中界定群集、蜂群、节奏与星座。但究竟该如何区分信号与噪声——或者毋宁说，首先该如何定义它们？
雅克·朗西埃（Jacques Rancière）讲过一个神话故事——或许我们不妨称这类故事为政治寓言——讲的是在古希腊这件事可能是如何完成的。当时的人们如何区分信号与噪声？富裕的本地男性发出的声音被定义为言语（speech），而女人、儿童、奴隶和外邦人则被认为只会发出含混的噪声。言语与噪声之间的区分起到了某种政治垃圾信息过滤器的作用。那些被认定为在言说的人被标记为公民，其余的人则被标记为无关紧要、非理性且具有潜在危险的滋扰者。同样，在今天，区分信号与噪声的问题也具有根本性的政治维度。划分信号与噪声，不仅意味着“过滤”模式，也意味着首先创造模式。在模式“识别”中，“异常”究竟意味着什么？正如阿尔都塞笔下警察的那个姿态，“识别”创造主体与臣属、知识、权威，并且如朗西埃所补充的，创造出被整齐码放的人群类别。模式识别除了是许多别的东西之外，也是一种根本性的政治操作。
1988 年，弗雷德里克·詹姆逊（Fredric Jameson）宣称，妄想症（paranoia）是后现代叙事的主要文化模式之一，弥漫于政治无意识之中。[1] 在詹姆逊看来，社会关系的总体性无法在冷战想象中得到文化上的再现——于是空白被妄念、臆测以及带有共济会标志的离奇阴谋情节所填补（Jameson 2009, 15）。然而今天，空想性错觉（apophenia）取代了妄想症。[2]
何以如此？在爱德华·斯诺登（Edward Snowden）的泄密之后，有一件事变得清楚了：许多阴谋论其实是真的（cf. Sprenger 2015）。更糟的是，它们被现实超越了。后斯诺登时代，任何关于隐秘阴谋的揣测、关于诡计和非法幕后活动的猜想都过时了。人们不必再去推测阴谋，因为已有证据可以证明它。这并不意味着秘密不复存在。秘密依然存在。但是，使无处不在的监控成为可能的那些结构性条件——漏洞百出、监管不均的信息架构——同样也持续助长着自下而上的曝光，而这些曝光另一方面又可能完全是假的。潜在地说，所有信息——至少是其中的很大一部分——一经数字传输便脱离了其作者的控制；任何一条信息都可能、而且很可能会在某个时刻公之于众，无论它是否属实——而更多时候，它并不属实。唯一仍有意义的妄想症就是纯粹的现实：一个除少数专家之外所有人都认为极不可能发生的情景，已经成为现实。
此外，詹姆逊所说的总体性——社会关系的总和——也呈现出了不同的形态。它并非缺席；恰恰相反，它泛滥成灾。总体性以海洋般“成卡车的数据”的形式卷土重来。社会关系被提炼为联系人元数据、关系图谱、传染扩散地图，或者干脆就是一堆假新闻。
这种被量化的社会关系版本，既可以随时用于警务行动，也同样可以用于定向广告、个性化标题党、眼球追踪以及私有的信息流算法。它既充当社会画像，又充当商品形式。基于 Klout 评分（Kloutscore）的 A 级名单、黑色广告营销与总统的击杀名单，都建立在类似的私有操作之上。今天，总体性以概率记数法的形式出现，其中既包括你的“可上床度”评分，也包括你的“可抛弃度”评分，更不用说对你肤色的精确估算了。它为隶属、关联与成瘾编目；它把生活模式转化为“地狱火”导弹带来的死亡。
这种类型的总体性，也是对奇点（singularity）的弥赛亚式期待的必要对应物。奇点——加州意识形态（Californian ideology）最钟爱的神话——描述的是人工智能接管一切的时刻。
在詹姆逊看来，奇点也是一个普遍规则不再适用的时期的特征。[3] 取而代之的是具体情况具体处理；或者毋宁说，每一种情况都各自为政。奇点是一种加州式的“世界精神”（Weltgeist）幻想，只不过这一次它骑在一套致命自主武器系统之上，凭借的是随意的司法管辖、稀缺的法治以及“天网”（SKYNET）元数据。然而，我们时代真正的奇点，最明显的莫过于那个被称为“市场”的半神化神话实体——一组被视为既自主又超级智能的组织，它拥有如此的天命——顺便一提，是美妙的天命——以至于人类理性必须向其巨大的优越性俯首。这才是我们时代现实存在的奇点，一个据称被赋予了超人智能、在任何情况下都不容质疑的实体。
相应的总体性则交由空想性错觉与模式识别来处理。模式识别公式筛查成卡车的、卑微且看似琐碎的数据集，这些数据集是从网上购物和大型多人在线游戏的内脏中占卜出来的。[4] 没有哪一次互动会因过于微小或卑贱而不被扫描、存储并永久保存。一个每种情况都独一无二的奇点，对应着一个由概率管理所统治的总体性。
如果说妄想症是冷战时期的标准叙事，那么空想性错觉则发生在叙事崩溃之时：此时，因果关系必须在垃圾信息、舆论操纵、虚假内容与电子设备的喋喋不休所构成的嘈杂声中被识别出来——或被发明出来。
这也反映在当代的真实性范式之中。传统调查的五个 W 问题——谁（who）、什么（what）、何地（where）、何时（when）、为何（why）——已被大数据处理的七个 V 所取代：速度（velocity）、多样性（variety）、体量（volume）、真实性（veracity）、可变性（variability）、可视化（visualization）与价值（value）。真实性不再通过核实事实来生产。正如一位大数据专家所说，这是一个从你的系统中清除“‘脏数据’（dirty data）”的问题[5]（Normandeau 2013）。那么什么是脏数据？这里有一个例子：
【引文摘要：博思艾伦公司（Booz Allen）的沙利文（Sullivan）讲述，他的团队在为一家豪华连锁酒店分析顾客人口统计信息时，发现数据显示来自一个富裕的中东国家的青少年是常客——世界各地的酒店都住着一大群 17 岁的少年，团队起初认为“这不可能是真的”。（Kopytoff 2014）】
于是这些数据被当作脏数据剔除了，直到后来有人发现，这确实是真的。在这种世界观里，棕色皮肤的青少年很可能存在。死去的棕色皮肤青少年？同样极有可能。但是富有的棕色皮肤青少年？这太不可能了，所以他们必定是脏数据，必须从系统中清除！从这种区分噪声与信号的操作中浮现出来的模式，与朗西埃那个用来分配公民身份、理性与特权的政治噪声过滤器并无太大不同。富裕的棕色皮肤青少年，似乎就像希腊城邦中会说话的奴隶和女人一样不可能存在。倘若研究人员发现的是十七岁的棕色皮肤青少年很可能在他们的酒店里被警察枪杀，他们恐怕连眼睛都不会眨一下，反而会着手策划一场定向电子邮件营销活动，为高端死亡提供折扣优惠。
概率大规模地进入了真相的生产，其毫不令人意外的结果是：那些本应在海量数据中被揭示出来的模式，在某种程度上与人们早已假定会在那里找到的模式相吻合。但另一方面，脏数据又像是某种隐秘的底层拒绝（subaltern refusal）的储藏所；它们表达了一种拒绝被计数和被度量的态度：
【引文摘要：调研公司 Verve 对 2400 多名英国消费者的研究发现，60% 的人在网上提交个人信息时故意提供错误信息；例如，近四分之一的人有时会填写错误的出生日期，9% 的人大多数时候如此，5% 的人总是如此。[6]（Cabrera 2015）】
脏数据，正是你我拒绝填写源源不断袭来的网络表格的所有行为的累积之处。每个人都一直在撒谎，只要有可能就撒谎，或者至少在敷衍了事。毫不意外，数据收集中最“脏”的领域一贯被认为是（美国的）医疗卫生部门。医生和护士被单独点名，因为他们填错表格，有时甚至把“grandpa”（祖父）缩写为“gpa”，这一举动令数据挖掘操作深感困惑、不知所措。看起来，医疗专业人员为那些本打算取代他们的系统填写表格的热情，与消费者为那些转过头来就会向他们发送垃圾信息的企业从事文书工作的热情不相上下。
大卫·格雷伯（David Graeber）在其著作《规则的乌托邦》（The Utopia of Rules）中，给出了一个关于强制提取数据的深深动人的例子。在他母亲中风之后，他经历了代她申请联邦医疗补助（Medicaid）的折磨。
【引文摘要：格雷伯写道，此后不久，他又花了一个多月时间处理一连串后果——起因是纽约机动车管理局某位无名职员把他的名字登记成了“Daid”，更别提威瑞森（Verizon）的职员把他的姓拼成了“Grueber”；在他看来，无论公共还是私营的官僚机构，似乎都被组织得恰好能保证相当一部分行动者无法按预期完成任务。（Graeber 2015, 71）】
格雷伯接着称之为乌托邦思维的一个例子。官僚体制建立在乌托邦思维之上，因为它从自身的视角出发，假定人们是完美的。脏数据不过就是真实的数据——在这个意义上，它记录了真实的人们与官僚体制之间的抗争，而官僚体制为了自身目的，利用了不均衡实施的数字技术及其所有现实缺陷这一现实。格雷伯的母亲在被联邦医疗补助项目接纳之前就去世了。没完没了地填写毫无意义的表格，是一种新的家务劳动形式——在这个意义上，它根本不被视为劳动，而被认为是“自愿”提供的，或由报酬过低的所谓数据清洁工（data janitors）来完成。然而，算法所有那些看似迅捷而无形的行动、它们对一切事物的优雅优化、它们对模式与异常的识别，都建立在提供所需的、甚至全然无用的数据这一无尽且彻底无意义的劳动之上。
于是，脏数据可以说成了系统中现实的残余；这些系统锚定于理想模型、平均值和柏拉图式的假设，其灵感来自一个理想的虚构世界：在那里，棕色皮肤的青少年默认是贫穷的，医生们乐于配合那些企图彻底取代他们的尝试，而试图申领福利的人按定义就是异常，并因此受到相应的对待（或者得不到治疗）。有时，“脏数据”记录下了对无偿劳动的永久性提取的消极抵抗。然而，这种“信号”在一定程度上已经由概率和既有模型所决定。
企业万物有灵论
最近，谷歌的一个开发团队为空想性错觉式的模式识别提供了一个绝佳的例子。[7] 关键在于：神经网络为了“识别”任何东西，首先需要被教会识别什么。然后，在一个相当可预测的循环中，它们最终“识别”出的正是它们被教会的东西。
在谷歌这项出色的实验中，图像识别过滤器被循环作用于纯粹的随机噪声之上。
【图 1.1 未收录：第三方图像】33rd Square：谷歌的“深梦”生成器（Deep Dream Generator）。（来源：Screenshot, 2015, available at http://www.33rdsquare.com/2015/06/googles-inceptionism-lets-us-look-at.html, Accessed March 31, 2018.）
本来并没有什么可识别的，因为噪声中既没有再现任何东西，也没有隐藏任何东西。但开始浮现出来的形状，却是这些网络此前被教会“看到”的形状和动物的组合。可以说，它们最终“过度识别”了这些形状。
这一过程揭示了计算机视觉的预设，揭示了其内置的意识形态与偏好。结果是：一团彩虹色的乱象，满是脱离身体的分形眼睛，大多没有眼睑，以一种刺目的模式过度认同（over-identification）的展示，不停地监视着它们的观众。
谷歌把从噪声中创造模式或图像的行为称为“盗梦主义”（inceptionism）。它也把这种图像生产模式称为“深度做梦”（deep dreaming）。但在非常唯物主义的意义上，这些实体远非幻觉。如果它们是梦，那么这些梦可以被解释为当前技术配置（technological disposition）的凝缩或移置。它们揭示了信号与噪声如何由既有类别和概率所界定。倘若你训练一个神经网络去“识别”黑格尔的主人与奴隶，你最终得到的也许是纯粹的噪声奇迹般地变成了巴塞尔艺术展迈阿密海滩展会 VIP 预展的 Instagram 照片，现场由临时餐饮工作人员提供服务。
盗梦主义以一种出人意料的天才之举，成功地将产消者网络的无意识可视化了：[8] 图像监视着用户，不断记录他们的眼球运动、行为与偏好；在美学上，它们无助地漂浮在百水先生（Hundertwasser）咖啡杯的仿冒品与一条失控的装饰艺术（Art Deco）饰带之间。它们所展示的与其说是国家监控的所谓“五眼”（Five Eyes），不如说是企业监控、国家监控、深层国家监控、学术排名分数、受欢迎度指标等等的“无限之眼”（Eyes Unlimited）：瓦尔特·本雅明（Walter Benjamin）的“视觉无意识”（optical unconscious）被更新为计算性图像生产的无意识（Benjamin 1974）。
通过“识别”那些“并非给定”的东西，盗梦主义神经网络最终实际上辨识出了一种审美与社会关系的新总体性。它们将计算视觉的过滤器可视化了。预设被套用，无论其是否“适用”：“结果耐人寻味——即便是一个相对简单的神经网络，也可以被用来过度解读一幅图像，就像我们小时候喜欢看着云朵、解读那些随机形状一样”（Mordvintsev, Olah, and Tyka 2015）。
盗梦主义式的图像生产与以往的化学乃至电子摄影程序有着决定性的不同，它就现实主义与真实性提出了新的问题。如果说以往的技术依赖于机械或光学“客观性”的神话，并最终依赖于光学和几何学，那么在盗梦主义式图像生产的情形中，视觉似乎依赖于模式识别——其基础是将伪柏拉图式的形式植入传感技术，并让这一切在数以拍字节计的垃圾信息上运行。视觉的逼真性不再基于对客观硬件的假定，而是基于对大脑功能（或目前被认为是大脑功能的东西）的复制。但就真实性而言，这确实是一个糟糕透顶的选择；没有人真的认为人脑是好证人。它们投射、揣测、虚构、美化、遗忘、推断。有时它们也会在云中看到人脸。因此，基于大脑功能的相机提供的是可疑的证词。对现实的再现变成了一个可能性的问题。相像（likeness）坍缩为概率。
但盗梦主义并不只是一场数字幻觉。它是一个时代的文献：这个时代训练它的智能手机去辨认小猫，从而把真正可怕的卖萌话语硬编码进它的产消（prosumption）手段之中。它展示了一种企业万物有灵论（corporate animism）的版本，在其中，商品不仅是拜物对象，而且是被梦想出来的、特许经营的奇美拉。然而，这些却是深刻的现实主义再现。按照格奥尔格·卢卡奇（Györgi Lukács）的说法，“古典现实主义”创造“典型人物”，因为他们代表了我们时代客观的社会（在此情形中也是技术的）力量（Idris 2005）。因此，盗梦主义打开了图像识别的黑箱，释放出被锁在其中的一座近乎中世纪的幻怪生物动物园。
盗梦主义赋予了这些力量一张面孔——或者更确切地说，是无限的眼睛。不过，从你那盘肉丸里盯着你看的生物，并不是一只两栖比格犬。它是网络化图像生产无处不在的监控，是一种模因改造智能（memetically modified intelligence），它以午餐的形式注视着你——如果它没有先攻击你，你下一秒就会把这顿午餐发到 Instagram 上。
想象一个由被奴役的物品满怀悔恨地审视着你的世界。你的汽车、你的游艇、你的艺术收藏正带着阴郁而极度沮丧的表情注视着你。它们似乎在说：你也许拥有我们，但我们会去告发你。你会开始怀念阿尔都塞那位孤独的警察，因为现在你正被一份狗狗意面全天候地询唤（interpellated）。然后，你不妨猜猜我们会在你身上再认（re-cognize）出什么样的生物！
【图 1.2 未收录：第三方图像】一盘回望着我们的意大利面肉丸。（来源：Image: Thorne Brandt, available at: https://twitter.com/thornebrandt/status/617173618238332928?lang=en, accessed August 1, 2018.）
这个识别的问题，让人想起并揭示了图灵测试作为一种辨识模式的持久力量，也揭示了评估机器学习之核心处的隔离（segregation）。图灵（Alan Turing）的游戏成功的标准，是一台机器拥有与人类同样的能力，使提问者对其性别产生混淆。但当代计算所关乎的不是身份的混淆，而是身份的增殖。例如，脸书（Facebook）就修改了这个模仿游戏，它的说法是：如果你不想认同为男性或女性，没关系，但请在这五十多个选项中勾选一个，以说明你那被精确界定的其他性别类型，我们会确保向你发送合适的广告（adds〔原文如此〕）。这不是模仿游戏，而是辨识游戏（identification game）。
作为数学证据的相似性——或相关性（correlation）——也是图灵讨论过的问题。为了挑战自己的观点，他引述了这样一种反驳：机器永远无法像人类那样，就着草莓和奶油结成情谊。但他以一个复杂的转折回应了自己提出的挑战：是的，一台机器无法与一个人结成情谊，正如一个白人会与一个白人就着草莓奶油结成情谊、一个黑人会与一个黑人就着草莓奶油结成情谊那样。
【图 1.3 未收录：第三方图像】纽约上空这群飞鸟所构成的形状，看上去像是弗拉基米尔·普京总统的脸。（来源：Screenshot of video by Sheryl Gilbert, available at: https://www.youtube.com/watch?v=h-7-Ej_NuIg, accessed August 1, 2018.）
但是——这是我的结论，而非图灵的——如果一台机器复制了这种行为，那么这台机器是否就是在思考？[9]
有些人认为是的。因为白人男性就着草莓奶油结成情谊这一观念，已经移入了社交网络分析的核心。这是所谓同质相吸（homophily）的一个纯粹范例，温蒂·全嘉莹（Wendy Chun）对这一概念作了进一步讨论（见本书全嘉莹一章）。同质相吸是指人们喜欢与相似的人结交。这怎么能产生关于任何事物的数学证据呢？如果白人男性大多与白人男性一起吃草莓奶油，那就意味着，无论谁与一个白人男性一起吃草莓，此人最有可能是一个白人男性。脸书就是把这一点包装成了这样的观念：你就像你所喜欢的东西，而你会喜欢那些与你相像的人所喜欢的东西。他们就是这样把草莓奶油卖给你的。谷歌也正是这样断定你不是机器人的。你不是机器人，因为某个喜欢类似东西的人勾选了“我不是机器人”的选项，而这一点通过相关性也适用于你。如果你把这种思路延伸到模仿游戏中，你不仅能猜出所有玩家的性别，还能猜出他们所有的朋友和他们的社交网络。这个游戏就是这样开始越出自身的边界，并慢慢变成现实的。
因此，眼下存在着两种截然不同的游戏。一方面是辨识游戏：如果某物看起来像某物，它就是同一个东西。所有选项都被勾选。另一方面是图灵的模仿游戏：看起来相似的东西也许是同一个东西。一个给人以男性印象的人完全有可能是男性。但话又说回来，也许不是。在这一点上，一台会思考的机器会判定：这不关提问者的事。最好的选择是礼貌地转而进行一场冗长而悖谬的关于天气的讨论。
空想性错觉
盗梦主义证明，模式识别也存在于没有模式、却仍然侦测到某种形式的地方。这一过程被称为空想性错觉。[10] 其中一个主要的例子是在云中识别出生物。空想性错觉被定义为在随机数据中感知到随机模式。正如本杰明·布拉顿（Benjamin Bratton）最近所论证的，空想性错觉关乎“从除了不可分割的知觉同时性之外别无直接联系的来源中，得出联系与结论”（Bratton 2013）。
今天在数据之海中被“识别”出来的模式，仅仅是迷信的胡言乱语吗？空想性错觉是一种更新版的占卜术吗？瓦尔特·本雅明曾经有一个著名的说法，把摄影描述为预言术：“难道我们城市的每一个角落不都是犯罪现场吗？难道每一个路人不都是行为人吗？摄影师——鸟卜者和脏卜者的后裔——难道不就是要在他的照片中揭露罪责、指认罪人吗？”（Benjamin 1974, 25）。
不过，二十世纪的摄影师与二十一世纪的过滤者和分析师之间存在一个关键的区别。新的模式提取者主要不是被期望在事后认出罪人。他们被期望在罪行能够发生之前，就预测出作案者以及罪行本身。我们城市的每一处地点都被标绘为可能的犯罪现场，被基于性别和年龄的定向广告装点得满满当当，并受到有灵化的商品、具有占卜功能的手机摄像头以及被窃听的无人机所提供的航拍视角的监视。
二十一世纪的鸟卜者在事件发生之前就创造出图像，预先设想其效果，并召唤出现实。时间之箭已经逆转，但时间之流却不稳定，并且在本质上变得不可预测。
然而，空想性错觉也有其创造性的一面。
早在新石器时代，人类就通过把动物形状投射到天空中，想象出星座，并观察到运动的模式。比方说，他们看到了一只螃蟹，于是把这个星座称为巨蟹座。尽管太空中并没有真正的螃蟹，但这样的星座充当了有效的工作假说，最终催生出根本不同的世界观。
人们也许会嘲笑那个时期可怜而天真的人们，嘲笑他们执意在天空中看到并不存在的形状。但正是通过顽强地坚持把虚构的形象投射到宇宙中，太阳系的基本运动才得以被揭示。不过，这并不是因为人们相信有螃蟹在宇宙中行走；之所以如此，是因为人们最终意识到宇宙中（很可能）并没有螃蟹。然而，要是他们没有“看到”这些螃蟹，他们也许就会错过对行星运动模式的界定。但如果他们没有放弃螃蟹的字面现实性，他们同样会错过这些模式。
但更重要的是，所有这些活动也彻底改变了社会的组织方式。对行星和恒星运动的分析，使历法和农业的发展成为可能。随之而来的是灌溉、储存、育种、建筑、定居生活方式等等。储存创造了财产的观念。狩猎采集者的群队被农夫国王和奴隶主的原始国家、被垂直的社会等级制所取代。空想性错觉——作为巫术思维的一部分——促成了所有这些转变。
但我们该如何看待当代的空想性错觉行为呢？我们是否应当假定，计算机视觉已经进入了它自己的巫术思维与模式投射的新石器时代阶段？但如果情况确实如此，有一件事是非常不同的。继续用太空中的螃蟹这个例子来说：计算机视觉似乎仍处于这样一个阶段，它认为太空中真的有螃蟹，认为从数据宇宙中浮现出来的模式实际上就是现实。软件工程师喜欢这样说计算机：垃圾进，垃圾出。在占卜主义的计算机视觉中，让我们把这句话改写为：螃蟹进，垃圾出（crab in, crap out）。既然说到这里，那就让我们在云中看到粪便（faeces）吧！
不过，更准确的或许是假定人类已经进入了第二个新石器时代，一个重新发明那一时期所发明之技术的阶段。今天，许多与数据相关的词汇都可以追溯到最初在新石器时代发展起来的技术。数据耕作与收割、挖掘与提取，都指向农业和冶金的程序。今天，数据踪迹中所反映的生命表达，成了一种由信息生命政治（informational biopolitics）管理的、可耕作、可收割、可开采的资源。新石器时代的石头与矿石，被钶钽铁矿（coltane）、硅（silicone）和《我的世界》（Minecraft）中的红石所取代。那么，当模式“识别”的新程序有可能创造出新型的国王与奴隶主时，空想性错觉如今的功能是什么？[11]
外面
让我们回想一下开头，回想阿尔都塞那位大喊“喂，你！”的警察。事实上，这件事确实发生在一个名叫乔治·迈克尔（George Michael）的人身上：一名便衣警察怂恿他做出了美国法律术语所说的“猥亵”行为，随后他在比佛利山庄的一间厕所里被捕。迈克尔被召唤、被逮捕、被收监。他错误地识别了模式，或者毋宁说，他被诱骗而相信有人在跟他搭讪。结果，洛杉矶警察局对可怜的乔治来了一整套“喂，你！”
可以说，迈克尔误读了一个模式：他把大喊“喂，你”的警察误认作了情人，如果世上真有空想性错觉行为的话，这便是一例。可想而知，嘲讽与奚落向他倾泻而来。
但是，迈克尔并没有道歉，也没有承认判断失误，而是出色地坚持了自己的视角。他发行了一支名为《外面》（“Outside”）的音乐录影带，在其中重述了这一场景，并把角色颠倒过来；男厕所变成了舞池，迪斯科球从天花板上弹出，成队的同性恋摩托车警察彼此共舞。说到底，谁说人必须接受洛杉矶警察局关于一个合格的臣属主体的观念？迈克尔坚持以不同的方式识别模式：“喂，你！”不仅是一种臣属行为，或许还是人类交流最基本的行为，一种承认与接触的行为，甚至也许是一种诱惑。《外面》不仅是一次出柜（coming out），不仅是对公共空间的一种主张，也是一次挑衅性的空想性错觉行为。
这种类型的空想性错觉可能会导致意外的误读，也可能让你锒铛入狱——但至少不是作为一个温顺的臣属主体。它把法律的条文（误）读为一封情书（the letter of the law / a love letter），它坚持根本不去识别他者，而是在《圣经》的意义上“认识”他们；不是把他们当作数据之海，而是当作能量之流；不是当作生活模式，而是当作欲望之浪。谁才真正明白了——是那成吨的、嘲笑乔治没有“搞对”（getting it right）的蠢货，还是乔治——可以说，他“搞左了”（got it left），径直在模式之前巡游（cruised）而去？
这就是为什么我建议我们追随他，到外面去，就是现在。我们走吧。[12]
进来
但是，等等。外面在哪里？这个问题没有看上去那么简单。而且很可能结果是，我们根本不必去任何地方，因为我们已经在外面了。至少国家安全局是这么认为的。他们的那位作者不是抱怨过“数据之海——数据，数据，到处都是数据，却没有一滴信息”吗？
这片“数据之海”难道不是一个巨大的外部，在这个词最浪漫、最崇高的意义上？难道不是唐纳德·拉姆斯菲尔德（Donald Rumsfeld）那无可模仿的定义中的“未知的未知”？难道它看起来不像是被思辨实在论者（speculative realists）英勇对付的“广阔户外”（big outdoors）？至少，这片狂野且危及生命的数据之海，肯定不是乔治·迈克尔断然宣布他已受够了的那张“沙发”。
举一些不那么浪漫的例子：就政治地理学而言，外部越来越难以确定。越来越多的空间被转变为治外法权飞地和免税的门禁社区，转变为准国家小邦和反“恐怖主义”行动区，离岸实体和企业代理特许区——凯勒·伊斯特林（Keller Easterling）为这种格局出色地创造了“超国家治术”（ExtraStateCraft）一词（Easterling 2014）。这些区域并不在民族国家体系之外——这一点至关重要——而是在其内部、在其间隙，在某些情况下也在其上方和下方。当——比如在黎巴嫩或意大利——“垃圾进，垃圾出”的观念不再奏效时，我们便看到了这种情况的发生。取而代之的是：垃圾进，垃圾在中间，垃圾遍地，还有更多垃圾要来。这是里外翻转的垃圾（garbage inside out）。
但是，如果我们当中的许多人已经“外在于内”（outside in），无论是作为脏数据还是干净数据，作为信号还是噪声，作为 Graeber 还是 Grueber；那么，一次“出来”（coming out）难道不同时也是一次“进来”（coming in）吗？
事实上，这恰恰就是乔治·迈克尔推进其论证的方式。“外面”无关冰山与后人类理性的浪漫广阔户外，无关计算存在，无关占卜网购欲望，也无关从拍字节的垃圾中占卜恐怖主义威胁。“外面”意味着：服务于血肉之躯的共同体（仅此而已）。[13]
他唱道：
【此处原文引用了乔治·迈克尔歌曲《Outside》（1998）的一段歌词（共十行），因版权原因未予转录；大意为：歌者承认自己“做了坏事”，请求医生尽力帮他，说自己时时想着要“服务共同体”（而且其实已经这样做了），这里除了血肉之躯别无他物，仅此而已——让我们到外面去。】
迈克尔先生通过要求警察服务于共同体，对警察进行了反询唤（counterinterpellates）。他版本中的警察恰恰就是这么做的。但这个共同体也不再是原来的样子了。它不是这样一个世界：人们最终成为脏数据和死去的棕色皮肤青少年，被困在统计官僚体制与全面例外状态那悖谬的无人地带中，身边堆满溢出的垃圾。
毋宁说，这需要是这样一个世界：一切看上去都与原来完全一样，只是从一个完全不同的角度去看。这是如何运作的？想象一个人被派往太空，去调查在宇宙这个无边无际的数据集中侦测到的模式是否真的存在。在新石器时代这是不可能的，但现在不是了。比方说，被预测的模式是：外星智能存在，它是邪恶的，并且无处不在；为了创造出遏制它的模式，我们需要计算宇宙中的所有数据。于是，此人冒险进入垃圾信息和阴茎增大广告的浩瀚海洋，去寻找这种神话般的生物。但随后此人有了一个绝妙的主意。她问自己：何不接受这一投射可能与现实相符、也可能不相符？智能的邪恶外星人可能存在，也可能不存在，正如螃蟹、狮子和蝎子也可能真的存在于宇宙深处的某个地方。我们无法排除这种可能性。只要我们不停地处理数字，或许我们甚至可以把它计算出来。但不妨问这样一个问题：智能的人类究竟存在吗？然后，此人也许会在飞船自己的厕所里发现这一物种的潜在样本。
结果，厕所里那个有智能的人是乔治·迈克尔。然后她意识到，她的太空旅行根本不是地外的（extraterrestrial），而是地内的（intraterrestrial）。由于太空任务的经费被削减，她一直驾驶的那艘“超太空飞船”（ExtraSpaceCraft）从未离开发射台。她所看到的宇宙，不过是美国医疗保险数据的某种投影。她怒不可遏，要求乔治·迈克尔立即改革警察服务。他礼貌地指出，警务也可以从另一个角度来看：作为服务于这样一群人的共同体——他们不断作为被过度警务化的脏数据而遭到处理，或者作为各种失败国家、白金卡贵宾室以及其他当代治外法权地理中警务不足的居民而遭到忽视。从后一种视角来看，仅仅谴责警务并不会让事情变得更好。明目张胆的过度警务与警务不足，二者结合起来，共同造成了对公共之物（the common）的摧毁。
服务于血肉之躯共同体的种种不同方式的详细描述，就留给迈克尔先生吧。但从这一视角来看，数据之海原来就是人类关系的一团乱麻（仅此而已）。阿尔都塞的识别与警务模型暗示，你需要像脏卜者宰杀献祭的牲畜那样牺牲公共之物。接下来，你从它的肠子里过滤出粪便，以预测和掌控未来的风险，从而创造出数据大亨与利益相关者的新帝国。坦白说，这有点粗暴。
与此相反，人们首先可以接受：那被描绘为外在的、具有威胁性的、需要被筛选、过滤、清洗和净化的数据之海，基本上就是人性的一团乱麻。人们倒不如乐在其中。
这并不是说这样会更加理性。它也不会更美、更高贵或更真实。仍会有大量的螃蟹和垃圾（crabs and crap）需要处理，更不用说邪恶的人类和智能的外星人了。只需问问你自己：你更愿意在一艘超太空飞船的厕所里跳舞吗？还是宁愿整天填表？
参考文献
Althusser, Louis. 1971. “On Ideology and Ideological State Apparatuses: Notes Towards an Investigation.” In Lenin and Philosophy and Other Essays, 121–73. London: New Left Books.
Benjamin, Walter. 1974. “A Short History of Photography,” trans. Stanley Mitchell, Screen 13 (1): 5-26.
Bratton, Benjamin. 2013. “Some Traces of Effects of the Post-Anthropocene: On Accelerationist Geopolitical Aesthetics.” e-flux Journal 46. Accessed July 20, 2015. http://www.e-flux.com/journal/some-trace-effects-of-the-post-anthropocene-on-accelerationist-geopolitical-aesthetics/.
Cabrera, Amanda. 2015. “A Halloween Special: Tales from the Dirty Data Crypt.” Datamentors. Accessed October 30, 2015. http://www.datamentors.com/blog/halloween-special-tales-dirty-data-crypt.
Easterling, Keller. 2014. Extrastatecraft: The Power of Infrastructural Space. London: Verso.
Graeber, David. 2015. The Utopia of Rules: On Technology, Stupidity, and the Secret Joys of Bureaucracy. Brooklyn, N.Y.: Melville House.
Idris, Farhad B. 2005. “Realism.” In Encyclopedia of Literature and Politics: Censorship, Revolution, and Writing, Volume 3: H–R, ed. M. Keith Booker, 601. Westport, Conn.: Greenwood.
Jameson, Fredric. 1988. “Cognitive Mapping.” In Marxism and the Interpretation of Culture, ed. Cary Nelson and Lawrence Grossberg, 347–60. Champaign: University of Illinois Press.
Jameson, Fredric. 2009. The Geopolitical Aesthetic. Indianapolis: Indiana University Press.
Jameson, Fredric. 2015. “The Aesthetics of Singularity.” New Left Review 92:101–32.
Kopytoff, Verne. 2014. “Big Data’s Dirty Problem.” Fortune. Accessed June 30, 2014. http://fortune.com/2014/06/30/big-data-dirty-problem/.
Lohr, Steven. 2014. “For Big-Data Scientists, ‘Janitor Work’ Is Key Hurdle to Insights.” New York Times. Accessed August 17, 2014. http://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to-insights-is-janitor-work.html?_r=0.
Mordvintsev, Alexander, Christopher Olah, and Mike Tyka. 2015. “Inceptionism: Going Deeper into Neural Networks.” Google Research Blog. Accessed May 13, 2017. https://ai.googleblog.com/2015/06/inceptionism-going-deeper-into-neural.html.
Normandeau, Kevin. 2013. “Beyond Volume, Variety, and Velocity Is the Issue of Big Data Veracity.” Inside Big Data. Accessed September 30, 2013. http://insidebigdata.com/2013/09/12/beyond-volume-variety-velocity-issue-big-data-veracity/.
Russon, Mary-Ann. 2015. “Google DeepDream Robot: 10 Weirdest Images Produced by AI ‘Inceptionism’ and Users Online.” International Business Times. Accessed July 6, 2015. http://www.ibtimes.co.uk/google-deepdream-robot-10-weirdest-images-produced-by-ai-inceptionism-users-online-1509518.
Sontheimer, Michael. 2015. “Interview with Julian Assange.” Spiegel. Accessed July 20, 2015. http://www.spiegel.de/international/world/spiegel-interview-with-wikileaks-head-julian-assange-a-1044399.html.
Sprenger, Florian. 2015. The Politics of Micro-Decision: Edward Snowden, Net Neutrality, and the Architectures of the Internet. Lüneburg: meson press.
Steyerl, Hito. 2014. “Proxy Politics: Signal and Noise.” e-flux Journal 60. Accessed December, 2014. http://www.e-flux.com/journal/60/61045/proxy-politics-signal-and-noise/.
Turing, Alan M. 1950. “Computing Machinery and Intelligence.” Mind. A Quarterly Review of Psychology and Philosophy 59 (236): 433-460.
Wikipedia, the free encyclopedia. 2017a. “Data Mining.” Wikipedia. Accessed January 17, 2017. https://en.wikipedia.org/wiki/Data_mining.
Wikipedia, the free encyclopedia. 2017b. “Pareidolia.” Wikipedia. Accessed January 17, 2017. https://en.wikipedia.org/wiki/Pareidolia.