活动回顾|马泰奥·帕斯奎内利:“长AI世纪”中的自动化与自主化模型

马泰奥·帕斯奎内利在讲座现场 |

文 | 王浩

校对 | 蔡翘宇 魏添歌 郑昕远

摄影| 王敬宜

本次讲座围绕一个基本问题展开讨论：人工智能为何发展成今天这种技术形态？

帕斯奎内利首先指出，当代人工智能话语存在一种“认识论谬误”：机器能够生成近似人类作品的结果，于是往往被直接视为具有与人类同质的智能。然而，输出形式的相似无法消除人类认知与机器运算之间的认识论裂隙。就技术性质而言，人工智能更适合被界定为算法统计模型，以及一种从数据中提取、压缩和重组的世界建模技术。可以说，人工智能延续了人类将认知活动外化为工具、再将工具结构内化为新认知能力的文化技术史，因而需要在劳动、科学与社会制度的共同演化中加以理解。

随后，讲座对自动化理论进行了重新梳理和总结。帕斯奎内利将既有理论概括为立场理论（standpoint theories of automation）、劳动理论（labour theories of automation）、度量理论（metric theories of automation）和价值理论（value theories of automation）。

首先，立场理论强调劳动者的抵抗、拒绝和再占有，以及阶级、性别与种族关系对技术发展的推动。马克思曾指出，机器可以成为资本压制罢工的武器；马里奥·特隆蒂（Mario Tronti）则把劳动斗争视为资本主义创新的先行动力。技术由此显示为“社会对抗”凝结而成的历史结果。

劳动理论进一步解释了这种对抗行为进入机器内部的机制。例如，查尔斯·巴贝奇（Charles Babbage）提出，劳动过程一旦被分解为若干简单、可重复的操作，这些操作便可能被重新组合并固化为机器。机器因而是劳动分工的技术结晶，也是一种隐性的劳动测量装置：它在组织生产的同时，区分技能等级，计算劳动成本，并重构知识与执行之间的关系。自动化通常先有对劳动过程的分析和分割，随后才有机器对这些操作的替代。

度量理论揭示了测量与自动化之间更深刻的联系。例如，蒸汽机推动了对机械功的测量，电报把语言转化为可编码、可计量的信息，心理测量学则将智力处理为能够进行统计比较的数值。弗兰克·罗森布拉特（Frank Rosenblatt）研制感知器（Perceptron）时，借用的正是心理测量学中的线性代数和多维分析方法。因此，神经网络的历史不能仅仅解释为对生物神经系统的模仿；它同时属于智力测量、行为分类和社会标准化的历史。今天算法偏见所涉及的阶级、种族和性别问题，很可能也与这套测量传统具有结构上的连续性。

价值理论则把技术置于资本积累过程之中。在《资本论》第一卷第四篇中，马克思把机器理解为生产相对剩余价值的手段。资本主义自动化追求利润增长、时间压缩、空间重组、资源节约和劳动成本下降。然而，价值逻辑本身仍不足以说明机器为什么采用某一种具体设计。因此，帕斯奎内利主张建立一种“有机的自动化理论”，把社会主体性、劳动分工、度量机制和价值增殖理解为彼此嵌合的层次，而不是用任何单一因素片面解释技术演化的过程。

这套框架正在当代人工智能中获得新的形式。具体来说，人工智能的主体性表现为数据标注、内容审核等“微观劳动”（microwork）；其劳动形式表现为连接用户、平台、数据中心与大型模型的全球生产管线，以及用于预测和调度群体行为的“生活模式分析”（pattern-of-life analysis）；其度量形式延续了心理测量学，把语言、知识与行为转化为词元、参数和统计关系；其价值形式则被帕斯奎内利概括为“向量资本”（vector capital）或“本征资本”（eigencapital）[1] 。大型模型把社会生产的语言、图像和知识投射到多维向量空间，通过降维、压缩与差异计算完成模式识别。人工智能由此呈现为对集体知识和社会协作的抽取、形式化与重新配置，其生产尺度已经从工厂扩展到整个社会之中。

在讲座的最后，帕斯奎内利借助尼古拉·康德拉季耶夫（Nikolai Kondratiev）、约瑟夫·熊彼特（Joseph Schumpeter）和欧内斯特·曼德尔（Ernest Mandel）的经济长波理论，进一步追问人工智能所处的历史位置。帕斯奎内利对技术直接驱动经济周期的解释持保留态度。社会关系的重组与阶级斗争可能先于技术跃迁，经济衰退则往往来自资本积累的内部矛盾。今天的人工智能究竟开启了新一轮增长周期，还是标志着西方数据垄断和数据增殖模式正在逼近极限，仍需结合社会周期、技术周期与经济周期的不同节奏加以判断。