下载掌阅APP，畅读海量书库
立即打开
当我进入亚马逊公司位于新泽西州罗宾斯维尔的大型履行中心
时，首先映入我眼帘的是写有“考勤钟”的巨大标志（见图2.1）。它们挂在明黄色的混凝土吊架上，这种吊架在占地超过11公顷的巨大厂房中随处可见。这是一个用于配销小型物品的主要仓库——一个美国东北部配送网络的中心网点。它呈现了现代物流业与标准化设施的炫目景象，而这一切都被用来提高包裹交付的速度。入口通道处每隔一定距离都会出现很多考勤钟标志。在这里，每一秒钟的工作都被监控和记录。工人们（公司称他们为伙伴）一到工厂就必须扫描登记。休息间里的考勤钟也起着重要作用——进出房间的所有扫描都会被追踪。为了保持尽可能高的效率，工人们就像库房里的包裹一样被扫描和监控：他们每个班次间只能休息15分钟，还有无薪的30分钟用餐时间。所有班次都长达10小时。
图2.1 位于新泽西州罗宾斯维尔镇的亚马逊履行中心里的员工和考勤钟（美联社照片/胡里奥·科尔特斯）
这是一个新的履行中心，机器人被用来搬运托盘上装有货物的重型货架。亮橙色的Kiva机器人像活泼的水虫一样平稳滑过水泥地板，它们遵循着预先设定好的程序——缓慢地旋转，然后锁定一条去往等待托盘的工人身边的路。随后它们背着重达1.3吨的货物堆向前移动。这支紧贴地面慢慢移动的机器人大军呈现出轻松又高效的状态：它们搬运、旋转、前进然后重复这个过程。它们发出低沉的嗡嗡声，但这声音几乎完全被淹没在另一种声音里了，那就是充当工厂中枢的快速移动的传送带发出的震耳欲聋的响声。在这个空间里有22千米长的传送带在不停地移动，其结果就是轰鸣声不断。
当机器人在光秃秃的铁栅栏后表演它们协调的算法芭蕾时，工厂里的工人们却远没有那么平静。他们被“拣货率”指标所带来的焦虑驱使着——他们必须在分配给他们的时间内完成一定件数的分拣与包装——这显然会产生负面影响。我在参观中遇到的很多工人都戴着某种支撑绷带。我看到护膝、手肘绷带及护腕。当我注意到很多人似乎受了伤时，带我穿过工厂的亚马逊工人指向了每隔一段距离就有一个的自动贩卖机，“里面为有需要的人准备了非处方止痛药”。
机器人技术已经成为亚马逊物流系统中一个关键部分，当机器把工作完成得很好时，人类员工似乎成了备用选项。他们在等着完成机器人无法完成的特殊的、精细的工作：在最短的时间内拣出并确认人们想要递送回家的所有奇形怪状的东西，从手机壳到洗洁精。人就像必要的结缔组织，把订购的货物装进集装箱和货车，并且交付客户。但他们并不是亚马逊机器中最有价值或最值得信赖的组成部分。每天工作结束时，所有员工必须经过一排金属探测器才能离开。有人告诉我，这是一种有效的防盗措施。
伴随层出不穷的网络技术，“网络数据包”（从一个终端传递到另一个终端的基本数据单位）成为最常用的测量单位。在亚马逊，基本的计量单位是棕色纸箱，就是那熟悉的家用纸箱，上面印着一个模拟人类微笑的弯曲箭头。每个网络数据包都有一个被称为“生存时间”（time to live）
的时间戳。数据必须在生存时间到期之前找到目的地址。在亚马逊，纸箱也有一个由客户的送货需求驱动的生存时间。如果纸箱晚到，亚马逊的品牌声誉会受到影响，利润也终将被影响。所以一种机器学习算法受到了极大的关注，该算法能和瓦楞纸箱和纸质邮件封套的最佳尺寸、重量及强度有关的数据进行调适。这种算法被称为“矩阵”（the matrix），显然没有讽刺之意。每当有人报告物品破损时，该反馈就成为一个未来应该使用哪种箱子的数据点。下次再邮寄物品时，系统将通过矩阵自动分配一个新型的箱子，不再需要人力投入。这样可以防止破损，节省时间并增加利润。然而，工人们却被迫不断适应新的箱子，这使得他们更难运用自己已有的知识或形成工作惯性。
对时间的控制是亚马逊物流帝国一贯的主题，工人的身体是按照算法逻辑的节奏运行的。亚马逊是美国第二大私营企业，许多公司都在努力效仿它的做法。许多大公司在自动化系统上投入巨资，试图从更少的工人中提取更多的劳动成果。效率、监控和自动化的逻辑都在当前通过算法管理劳动力的趋势中实现了。要理解这种对自动化效率的保证所需的代价，亚马逊的人机混合配送仓库是一个关键地点。从那里我们可以开始思考AI系统中劳动力、资本和时间是如何交织的。
本章并非讨论人类是否会被机器人取代，而是关注工作经验如何被监控、算法评估和时间调度的增加改变。换言之，比起探索机器人是否会取代人类，我更感兴趣的是人类为何越来越像机器人一样被对待，以及这对人类的劳动来说意味着什么。许多形式的工作都被笼罩在“人工智能”这个词的阴影里，这隐藏了这样的事实：人们实际上一直在完成重复性的工作，而加强了机器也能做这些工作的印象。但是大规模的计算深深植根于对人类身体的剥削。
如果我们想了解人工智能背景下工作的未来，我们需要从了解工人过去和现在的经验开始。从福特工厂中使用的经典技术，到旨在增强追踪、督促和评估效果而设计的一系列机器学习辅助工具，最大限度地从工人身上获取价值。本章描绘了过去和现在的劳动力地形图，从塞缪尔·边沁（Samuel Bentham）的监察室到查尔斯·巴贝奇（Charles Babbage）的时间管理理论，再到弗雷德里克·温斯洛·泰勒（Frederick Winslow Taylor）的人体微观管理。在此过程中，我们会看到AI既不人工也不智能，而是建立在（包括但不限于）众包工作、时间的私有化以及似乎永无止境的、到岗、抬重物和整理箱子等人类努力的基础之上的。从机械化工厂中衍生出一个模型，该模型重视产品、流程和人类在一致性、标准化和互通性上的提升。