![](/__local/7/51/48/98C9A4F3F28D3C30F4038C00386_6BF84D1C_BB7D.jpg)
作者:贾文娟、颜文茜
期刊:《社会学研究》2022年第5期
摘要:人工智能产业是中国社会经济发展的新引擎,与该产业相伴的新劳动方式也引起了学界关注。既往研究多关注人工智能技术使用者的劳动状况,对于人工智能生产者的研究相对有限;进一步地,在人工智能生产者中,相与从事复杂劳动的IT程序员相比,学界对从事数据分析、清理、标注等简单劳动的数据标注员的研究更显不足。此项研究拓展了人工智能时代新劳动方式的研究视野,揭示出人工智能生产者——数据标注员的劳动方式与劳动实践。此项研究尝试指出认知劳动是人工智能产业的主导性劳动方式,并分析了其劳动控制与传统劳动的异同。
为探究新技术下劳动方式与劳动控制的变迁,研究者在2019年6月到2020年2月间,以实习生身份在S市N公司中的Z标注团队进行了为期8个月的田野调查,并对包括数据标注员、产品经理、算法工程师、测试程序员在内的30名被访者进行了半结构式访谈。与贵州、河南等省常见的数据标注“外包大团队”不同,文章研究对象——Z标注团队是一个高水平的“内部小团队”。二者在生产过程、工作要求、工作方式上大体一致,但后者的组织管理更加细致,这使研究者能够更清晰地呈现数据标注工作的劳动特性。
研究者指出,尽管数据标注工作背后是人机交互中将人类认知赋予机器的认知劳动,但认知劳动的分工仍遵循着去技术化的逻辑,即数据标注员承担着与流水线工人相似的简单劳动。不过,认知劳动的推进中存在“双重不确定性悖论”,即劳动过程标准化与劳动者认知自主性之间的矛盾。这要求管理方采取与认知劳动自身特征相符的劳动控制方式,以有效提升标注员的劳动效率。与体力劳动相比,认知劳动的管理控制对象从劳动者肢体运动方式转变为其大脑认知方法,劳动控制方式则从机械的身体规训走向了灵巧的认知整饰。管理方通过认知标准化、认知反馈与认知加速,随时监督、调整数据标注员的认知行为,从而使标注员的自然认知转化为与计算机程序相匹配的产生式认知,进而高效生产出符合电脑需要的标准化数据。
此外,研究者发现,上述认知整饰的劳动控制机制虽具有短时有效性,但缺乏长时耐久性。去技术化下的认知劳动者有着与体力劳动者相似的异化体验,缺乏获得感、无意义感等不断吞噬着标注员的热情与活力。他们往往通过产量限制、主动离职等方式对劳动异化进行抵制。不过,标注员频繁离职与更替对公司长期发展的负面影响并不明显,因为管理方通过同时运用裁员与招聘的手段,维持了对不稳定劳动的有效控制。
总体来说,在以人机交互为诉求的人工智能产品的生产中,与识别、判断、创新等人类能力相关的认知劳动成为主导性的劳动形态。从体力劳动到认知劳动,后者在劳动控制的目标、对象以及方式上都发生了转变。但认知劳动控制依旧遵循去技术化的逻辑,资本试图使劳动者从劳动过程的主导降级为辅助的逻辑也未改变。该文对认知劳动过程的研究,为新技术下劳动方式与劳动控制的变迁研究提供了有益补充和进一步深入的空间。在人工智能产业蓬勃发展的今天,人类认知已然成为了产业发展的新潜能,对认知劳动的研究会成为洞察人类未来社会生活的一个窗口。
文献资源:https://mp.weixin.qq.com/s/AtQ6Qs2VV4e-cM9FlUDoUg