Feeding the Machine: The Hidden Human Labour Powering AI, byMark Graham, Callum Cant, James Muldoon, Bloomsbury Publishing (August 6, 2024)
https://www.oii.ox.ac.uk/news-events/the-hidden-human-cost-of-ai-in-conversation-with-professor-mark-graham/ 未授权，侵删
如今，我们正处于人工智能的技术成熟期的中间时段（hype cycle，一种描述新技术或新产品在市场上受欢迎程度的模型，通常包括五个阶段：技术观察期、兴奋期、失望期、理性化期和成熟期），各公司竞相将人工智能工具集成到各种产品中，从物流到制造再到医疗保健，改变一切。然而，数据工作（对于我们使用的产品和服务的功能至关重要的）往往被故意隐藏起来。如果不是内容管理员不断在后台扫描帖子，社交网络将立即充斥着暴力和露骨的内容。如果没有数据注释者创建数据集来教人工智能区分交通信号灯和路标，自动驾驶汽车就不会被允许在我们的道路上行驶。如果没有工人训练机器学习算法，我们就不会有 ChatGPT 等人工智能工具。
马克·格雷厄姆教授与詹姆斯·马尔登和卡勒姆·坎特合著的新书《喂养机器：隐藏的人类劳动力为人工智能提供动力》，通过隐藏的人类劳动力的视角讲述了全球技术的故事。它认为人工智能是一台“提取机器”（ extraction machine），通过越来越庞大的数据集进行搅动，并利用人类的劳动和集体智慧来为其算法提供动力。
我们采访了马克，讨论了这本新书中提出的一些问题。
大卫：在谈论我们所依赖的人工智能技术时，你提到“无数的人类被迫像机器人一样工作，从事单调的低薪工作，只是为了让如此出色的机器成为可能”——这些人是谁，他们属于哪一类人？他们在做什么工作？
马克：要使我们的数字生活成为可能，需要进行一系列的“数据工作（data work）”。数据注释者用标签来标记数据，以便计算机程序可以理解它。内容审核员筛选数字内容，以删除违反公司准则的有害内容。如果您曾经与任何形式的人工智能进行过交互，无论是聊天机器人、搜索引擎、社交媒体源、流媒体推荐系统还是面部识别系统，数据工作者都会参与构建或维护这些系统。
大卫：你谈到“建立工人力量（building worker power）”，作为解决人工智能隐性劳动力问题的一个步骤——我想，当这些工作如此分散、劳动力如此可消耗时，这相当困难？
马克：数据工作者遇到问题的根本原因在于他们与管理其工作的机构之间的权力失衡。从历史上看，当社会运动实现持久变革时，通常是通过组织足够数量的人来推动解决系统性不平等的政策。因此，如果数据工作者没有在运动和机构中建立集体力量，那么数据工作者遇到的任何问题都不可能得到有意义的解决。
然而，数据工作者在构建这种能力方面面临着严重的障碍。他们从事的工作相对自由且标准化，因此是在全球规模的劳动力市场中进行的。他们的工作可以很快转移到地球的另一边。
在这种情况下，工人们没有简单的方法来建立集体力量。肯尼亚或菲律宾等国家的数据工作者存在巨大的结构性劣势。然而，这并不是说组织是不可能的。在全球组织的生产网络中，工人也越来越需要探索跨地域的组织方式。毫无疑问，这将采取多种形式，但都需要植根于这样的原则：工人集体行动将能够为生产网络中的每个人要求更好的条件。相比之下，孤立的努力不太可能实现持久的改变。
大卫：问责制的一个要求是可见性。这种劳动有哪些方式对我们隐藏起来——为什么？如何才能使其更加开放、更加可见、更加被认可？
马克：人工智能生产网络中的劳动力几乎总是被隐藏起来。如果你喝一杯咖啡或买一双鞋子，你可能会有这样的想法：咖啡在某个时候经过了种植园工人的手，或者鞋子是由血汗工厂的某人组装的。然而，正是因为人工智能将自己呈现为自动化，所以很少有人能够想象屏幕另一边的人类劳动是什么样子。人工智能公司是这种诡计的同谋。他们希望将自己展现为技术创新者，而不是庞大数字血汗工厂背后的公司。
由于科技公司的自我展示与这些生产网络中工人所经历的实际情况之间存在巨大差距，我启动了 Fairwork 项目。Fairwork 根据体面劳动原则对公司进行评估，并根据每家公司在遵守这些原则方面的表现给每个公司打分（满分 10 分）。迄今为止，我们已对 38 个国家的近 700 家公司进行了评分。开展这项工作鼓励了
很多公司都在努力改善员工的工作条件，以获得更高的分数。我们项目的下一阶段将涉及到人工智能生产网络的领先公司、消费者熟悉的品牌，让他们知道我们将开始让他们对其生产网络上游的所有工作条件负责.我们将与他们进行建设性合作，将公平工作原则纳入他们的合同和供应商协议中，同时也会利用我们的研究在他们未能这样做时追究他们的责任。
大卫：我想解决其中一些问题的一个明显的解决方案是监管——无论工人在哪个司法管辖区工作，无论他们位于生产链的哪个位置，都应该受到保护。这方面正在做出哪些努力？
马克：大部分工作都在全球劳动力市场进行交易，这使得南半球的监管机构很难提高条件。如果监管提高肯尼亚的成本，这些工作可能会转移到印度。如果印度的监管提高了成本，这些工作机会可能会转移到菲律宾。这些动态造成了工资和工作条件的逐底竞争，使监管机构不得不在糟糕的工作或没有工作之间做出选择。正如经济学家琼·罗宾逊（Joan Robinson）的名言：“与根本不被剥削的痛苦相比，被资本家剥削的痛苦根本算不了什么。”
然而，尽管劳动力市场的全球布局削弱了监管机构在南半球采取行动的能力，但它却增强了北半球监管机构的影响力。对数字产品和服务有大量需求的国家的监管机构有能力在制定标准方面发挥巨大作用。欧盟提出的供应链指令就是一个很好的例子。它旨在让在欧盟运营的公司对其全球供应链的人权和环境影响负责。由于很少有人工智能公司愿意放弃向欧盟消费者销售产品的能力，因此该指令有可能改善劳动保护薄弱国家的许多工人的条件。
大卫：你对人工智能行业的评估相当悲观，“工人的待遇只不过是维持机器运转所需的燃料”——而这种情况现在就发生在我们所有人身上。未来几年这个问题将在哪些关键问题和战场上展开？
马克：关于人工智能的大部分讨论都集中在它在中长期未来可能出现的生存风险。然而，人工智能的真正风险已经就在眼前。
几十年前，反血汗工厂运动将人们的注意力转移到服装工人的困境上，并将这些工人的责任转移到了销售服装的品牌身上。这些运动并没有完全根除血汗工厂，但却是实现这一理念正常化的重要时刻，即生产网络中的领先企业有潜力在整个供应链中创造体面的工作条件。如果我们要迈向更公平的工作未来，关键战场之一就必须确保大型科技公司对其供应链中所有工人的条件负责。
由于迄今为止，科技公司几乎没有承担这种责任，因此需要来自消费者、政策制定者和工人的压力。消费者必须认识到，他们是制造或维护他们所使用的产品或服务的工人的同谋。政策制定者必须认识到，自由放任的监管方式只会加剧不平等。工人们必须找到更有创意的方式来组织整个供应链，以让公司承担责任。除非我们都迫使这些公司做出改变，否则我们只会继续成为机器的燃料。
大卫：最后，你说这本书借鉴了十年的研究成果；如果我们想了解更多信息，我们应该阅读哪些关键论文或研究成果？
马克：这三本较旧的书借鉴了我有关该主题的一些旧作品
Anwar, M. A., and Graham, M. 2022. The Digital Continent: Placing Africa in Planetary Networks of Work. Oxford: Oxford University Press.
Graham, M., and Dittus, M. 2022. Geographies of Digital Exclusion: Data and Inequality. London: Pluto.
Woodcock, J. and Graham, M. 2019. The Gig Economy: A Critical Introduction. Cambridge: Polity.
我还在本文中提出了行星劳动力市场论文：
Graham, M., and Anwar, M. A. 2019. The Global Gig Economy: Towards a Planetary Labour Market? First Monday. 24(4).
