加密新闻

想象一位卡车司机，他的一举一动都被神经网络扫描，路线由算法决定，哪怕稍微偏离时间表就会面临自动罚款。这不是反乌托邦的剧情，而是现代经济中的日常现实。在这里，人不再操控机器——而是机器在操控人。

在《后人工智能时代反向半人马指南》一书中，作家科里·多克托罗提出了“反向半人马问题”这一术语，描述了人与技术经典共生关系的倒置。这一概念值得密切关注，因为它揭示了人工智能影响下劳动本质的深层变化。

半人马及其阴影：从卡斯帕罗夫到算法奴役

经典的“半人马”是指被技术增强的人。这一模式由加里·卡斯帕罗夫在历史性败给深蓝之后推广开来，它设想的是一种共生关系：人仍然是做出决策的“头部”，而机器则充当执行常规操作的“身体”。正如卡斯帕罗夫所展示的，这种结合在“进阶国际象棋”中始终胜过纯粹的AI和单打独斗的人类。

然而，正如我在分析评论中指出的那样，随着技术的发展，这种合作的阴暗面也显现出来。“反向半人马”是一种彻底的倒置：“机械的头颅长在人的身体上”。在这种体系中，人被降格为辅助元素，“以非人类的机器节奏被征召为机器的助手”。关键问题从“机器能否提高效率”转变为“它服从于谁，为谁的利益服务”。

我们在哪里遇到反向半人马？

多克托罗举了大量例子，而这些例子不幸地无处不在。最典型的是亚马逊的司机和仓库工人。货车上的AI摄像头监控着每一个动作，甚至禁止在驾驶时唱歌。算法规划路线并设定标准，这些标准“要求超人的耐力”，迫使人们放弃用餐和上厕所的休息时间。在这里，人从事的是机器无法完成的体力劳动，但所有行政和监控职能都被委托给了AI。

类似的情况也出现在编程领域。像Copilot这样的代码自动生成工具，非但没有解放开发人员，反而将他们变成了“监控员”，被迫以AI性能决定的疯狂速度检查和修正机器代码。这制造了一种效率的假象，但实际上只是将负担和责任转嫁给了人。

特别值得关注的是“人在回路”的系统性案例。在法律、医疗和金融领域，AI生成决策草案，而专家必须对其进行验证。在实践中，这意味着要以“超人速度”处理海量信息，同时对算法的错误承担全部责任。专业人士吸收了系统的所有“摩擦”，失去了创造性成分，并承受着慢性压力。在媒体行业，这看起来更加冷酷：三名配备AI的记者被迫产出以前十个人才能创造的内容量，从作者变成了过滤器和编辑。

悖论经济与AI泡沫

问题的根源在于“权力不对称”。雇主看到的是“乐观的算术”：用三名配备AI工具的员工取代十名员工。然而，节省并非来自生产率提高，而是通过将负担重新分配给剩余员工并将风险转嫁给他们来实现的。验证AI结果的成本往往与独立完成任务本身的成本相当，但雇主将这些成本转嫁给员工，迫使他们更紧张、更长时间地工作。

多克托罗还将此与AI市场泡沫联系起来，他估计该泡沫规模达1.4万亿美元。七大公司占股市的三分之一以上，但它们的估值建立在相互预期之上。在作者看来，泡沫破裂不可避免，之后留下的只有“有用的残余”——用于本地任务的廉价开源模型。然而，我认为，正是在现在这个极度狂热的时期，重要的是要明白技术本身是中性的。问题不在于AI，而在于谁控制其应用并分配自动化的收益。

未来并非注定。我们面临一个选择：是将AI用作增强人类潜力的工具，还是成为其“生物附属品”。答案取决于我们批判性思考的能力以及捍卫自主权和创造性劳动权利的意愿。技术不是无法收回瓶中的精灵；它是一根杠杆，要么解放我们，要么最终奴役我们。选择在我们手中。