設想一下，明天你打算進軍自動駕駛汽車行業。你首先需要一輛車。你還需要給它加裝攝像頭和傳感器，這樣它才能“察看”周遭。此外你還得配上驅動它的軟件。軟件要能夠解析攝像頭和傳感器捕捉到的圖像、視頻及其它類型的數據，以便決定加、減速與轉向等動作的實施時機與幅度。要實現這些，“機器學習”是不可或缺的——你需要向其“展示”路況，並將你在這些情況下的對策“告知”它，以此來完成對它的“訓練”。在現實生活中，軟件還將遭逢“訓練”過程中不曾出現的情況，但這些情況也具有起碼的相似性，足以令軟件做出合乎情理——且安全的——決定。
你還需要“訓練”系統的諸多組成部分。如果不加“訓練”，軟件是不知道小轎車、自行車、行人或者大卡車分別長什麼樣子的（譬如，特斯拉汽車首次鬧出人命，據稱就是因為其自動導航系統“錯誤地”把一輛白色大卡車識別成了天空）。這需要海量圖像的支持——以照片或視頻形式來記錄街景——且還要加以“分類”或“標註”。這就是說，圖像中有小汽車出現的部分需要被標註為“小轎車”，有大卡車的部分需要被標註為“大卡車”，有自行車的部分需要被標註為“自行車”，而有行人的部分則需要被標註為“行人”等等之類。在自動駕駛汽車以及更一般的“機器學習”等行當裡，這就叫做“訓練數據”（training data）。
為確保自動駕駛汽車的安全，這些標籤必須儘可能精準——出了錯就意味著死亡。在大部分情況下，這種精準度尚無法以自動化的手段來取得。為彌補這一鴻溝，自動駕駛汽車的製造商們找到了具有專業資質的供應商——如總部位於西雅圖的Mighty AI公司——來為其原始數據做標註，並將其轉化為可使用的訓練數據。然而，Mighty AI完成此任務的手段，並不是找來一大幫人擠在寬敞的辦公室裡忙活。與此類似，許多公司幾乎沒有花費多少周折，就轉向了全球範圍內的“大群”（crowd）自由職業者，其中許多人在家工作。
就追求這種“人力支持的”（human powered）服務開發路徑，亦即通常所謂“人工智能”而言，自動駕駛汽車產業並不是唯一一家。消費者服務系統中的語音識別算法、“自動化”交易系統以及翻譯服務等也都可算在裡面。在上述所有情形中，人類工人都是透過某個“平臺”來加以管理的。
起用由軟件管理的、自我僱傭（self-employed）的人類勞動力，以填補某些人工智能暫且無法在其中取得期望結果的領域，乃是亞馬遜最先提出的想法，該公司2005年上馬的“土耳其機器人”（Mechanical Turk）便是一個處理各種信息的“平臺”。開發“土耳其機器人”平臺的工程師們十分清楚自家作品的性質，該系統最初的口號是：“人工的人工智能（artificial artificial intelligence）。”
“人工的人工智能”和“真實的”——也就是人類智能之間究竟有什麼區別？不妨這麼講，“人工的人工智能”的消費者不被看作僱主或經理。他們的身份是透過某家網站取得某項服務的用戶——看上去很像一套純粹計算性的系統，而非與千千萬萬的人類工人相接觸的交互界面。不存在傳統意義上的僱傭或管理。到頭來，至關重要的是，透過數位化平臺僱傭的工人，其權利便僅限於平臺本身的用戶協議所規定的範圍——其內容由運營該平臺的公司自行決定。
CrowdFlower（現已改名為Figure Eight）的創始人盧卡斯·比沃爾德（Lukas Biewald）對此有一個頗為簡潔的概括：“在互聯網問世前，要找到一個願意坐下來為你工作10分鐘，且幹完之後就跟你兩不相欠的人，是萬分困難的。但隨著技術的進步，你真的能找到這樣的人了，給他們一點點錢就行，不需要的話也能立馬開掉他們。”你僱傭的是人類工人，但給予他們的待遇卻跟一臺電腦無異。看起來，硅谷最終為亨利·福特（Henry Ford，知名企業家，福特汽車創始人——譯註）當年的抱怨給出了答案：“為什麼每次我只需要一雙手的時候，它們卻總要多帶一個腦袋過來？”
為機器學習——或者用一個新近比較流行的說法，“人工智能”——生產“訓練數據”的過程，或許是一種透過平臺來利用（utilising）大批工人的最前沿、也是最具技術含量的形式，但這並非它的惟一運用方式。事實上，任何一項可由電子化渠道來分發其產品或服務、或者可以遠程操作的工作，都可以透過平臺將之外包出去。谷歌及其它一些搜索引擎就藉助於平臺，將搜索結果的過濾外包給了人類工人——有時是一些沒有任何僱傭合同、權利或好處的自由職業者。某些社交媒體平臺也不時將相當一部分的內容審查工作——亦即檢查用戶上傳的素材是否涉及色情、暴力及其它違反服務條款的內容——透過平臺予以外包。無論是私人客戶還是規模龐大的組織，都會通過Upwork或Freelancer.com等平臺僱傭自由職業者來做一些諸如數據錄入——僅有少量美元時薪的瑣碎工作——或會計、法務以及項目管理之類的工作——它們的時薪則超過100美元。
對那些傳統意義上的高薪工作來說，客戶現在可以轉向諸如99designs（平面設計類）、TopCoder（編程類）、Local Motors（工程設計類）及InnoCentive（科研類）等“基於競爭的”（contest-based）平臺，貼出項目簡介，並吸引數百名工人來提交作品——但卻只向自己心儀的某一件或某些作品付酬。社會科學家和心理學家也日益傾向於招募這類平臺工人來擔當被試者（human subject）。
我們應如何面對這一變革中的勞動關係圖景？批判平臺用戶及運營有剝削性，是再簡單不過的——批評它受益於先前的、現存的且不正義的不平等，也不會好到哪裡去。在某些情形下，富國客戶付給富國工人的薪酬比全國的最低工資還要低。在另一些情況下，富國客戶付給窮國工人的薪酬額度乃是其本國（指富國）工人幾乎不可能接受的，但窮國工人——或本國正處於經濟危機中的工人——則對此感到滿意，甚至會覺得待遇已經很優厚了。這些客戶和平臺受益於富國與窮國之間的人力成本差異——這種差異部分源自於多個世紀的殖民主義及其它類型的殘酷且具有剝削性的歷史。某些線上平臺相當有效地打開了全球勞動力市場，將客戶——有時也許在不經意間——置於這樣的境況下：在全球性的“競次比賽”（race to the bottom）之下，工人們比拼的是誰的出價更低，而客戶則從中受益。
不過，縱然線上平臺工人們的處境頗為不公，也還存在著經濟學家瓊·羅賓森（Joan Robinson）所說的現實的另一面，“被資本家剝削的苦痛根本無法與毫無任何剝削的苦痛相提並論。”如果所有的勞工平臺明天就關門倒閉的話，工人們承受的負面影響至少是不亞於客戶的。
這倒不是要為單方面的法律條款、難以維持生計的工資水平、任意拖欠薪酬以及“賬號反激活”（account deactivation）——平臺用來表達炒魷魚的黑話——等線上勞工平臺屢見不鮮的現象開脫。關鍵在於，如果你的薪水沒有體現出應有價值的話，一般來講，應該做的乃是要求提高工作待遇、改善工作環境，而不是剷平你的工作單位。而勞工平臺顯然就是這樣的單位。對勞工平臺提出一些大而化之的批評是無濟於事的。相反，我們需要深入瞭解特定領域、法域（jurisdiction）及平臺下的具體工作環境，制定相應的策略來處理實質性的問題及特定群體和工人所面臨的風險。說到底，我們需要以集體協議來確立工人的權利，並在必要的情況下訴諸全國性或國際性的政策。
過去十年來，在各個層面上已湧現出一些致力於提升平臺工人物質條件及構建集體權力的策略和構想，但總體上看都比較零碎和粗糙。線上平臺工人的工作條件和權利還遠遠沒有達到傳統意義上的“僱員”所享有的那種水準，就此而言目前還很難說有什麼決定性的勝利。但這些努力之於今後的勝利或許仍有某種奠基性的意義。
翻譯：林達
閱讀更多 翻吧 的文章
