图书在版编目(CIP)数据

    销声匿迹：数字化工作的真正未来(美)玛丽·L.格雷(Mary L.

    Gray)，(美)西达尔特·苏里(Siddharth Suri)著；左安浦译.-

    -上海：上海人民出版社，2020

    书 名 原 文 ： Ghost Work: How to Stop Silicon Valley from

    Building a New Global Underclass

    ISBN 978-7-208-16449-9

    Ⅰ.①销… Ⅱ.①玛…②西…③左… Ⅲ.①人工智能—应用—职

    业选择 Ⅳ.①C913.2-39

    中国版本图书馆CIP数据核字(2020)第073729号

    书 名：销声匿迹：数字化工作的真正未来

    作 者：(美)玛丽·L.格雷(Mary L. Gray) (美)西达尔特

    ·苏里(Siddharth Suri)

    出 品 人：姚映然

    责任编辑：谭宇墨凡 李頔

    转 码：欣博友

    ISBN：978-7-208-16449-9C·612

    本书版权，为北京世纪文景文化传播有限责任公司所有，非经书面授

    权，不得在任何地区以任何方式进行编辑、翻印、仿制或节录。豆瓣小站：世纪文景

    新浪微博：@世纪文景

    微信号：shijiwenjing2002

    发邮件至wenjingduzhe@126.com订阅文景每月书情Ghost Work: How to Stop Silicon Valley from Building a New

    Global Underclass

    by Mary L. Gray and Siddharth Suri

    Copyright ? 2019 by Mary L. Gray and Siddharth Suri

    Chinese simplified translation copyright ? 2020 by Horizon

    Media, Co., Ltd.,A division of Shanghai Century Publishing Co., Ltd.

    Published in agreement with Sterling Lord Literistic,through The Grayhawk Agency Ltd.

    ALL RIGHTS RESERVED致Ila和George

    ——玛丽·L.格雷

    致我的家人，纪念我父亲的爱

    ——西达尔特·苏里目 录 引言 机器里的幽灵

    幽灵工作如何运行？

    远未成熟的人工智能

    就业真正的未来

    PART 1 第一部分 自动化的最后一英里悖论

    第一章 环路中的人类

    幽灵工作的序曲

    解构雇主的API

    机器智能的崛起

    从微任务到宏任务

    去人性化的工作

    第二章 自动化的最后一英里悖论简史

    早期的消耗性劳动力

    流水线和计件工作

    发明周末

    把我们送上月球的临时计算员

    外包和长期临时工

    长期临时工的兴起

    含糊不清的就业分类

    PART 2 第二部分 有挑战性的工作

    第三章 算法的残酷与幽灵工作的隐藏成本

    冷漠的设计与意外后果

    企业的经营成本

    隐藏的疼痛量表

    没有完美的老板，代码也一样

    第四章 努力工作(不只)为钱

    选择或别无选择职业晋升前景模糊

    工作将更像读书俱乐部

    把工作融入而非塞进生活

    并非只有阳光和玫瑰

    PART 3 第三部分 对抗机器人

    第五章 陌生人的善意与协作的力量

    仍然存在的社交需求

    协作减少交易成本

    协作完成工作

    重建工作中的社交

    协作的成效

    茶水间2.0

    第六章 双重底线

    软件，为您效劳!

    经过设计的双重底线

    运营双重底线的案例

    良好意图和向善设计还不够

    公地悲剧

    结论 接下来的任务

    建设中的幽灵工作

    幽灵工作的历史教训

    未来我们可以做什么

    社会变革的技术解决方案

    需要专业技术的社会解决方案

    致谢

    参考文献

    方法附录

    注释引言 机器里的幽灵

    真正驱动许多手机应用程序、网站和人工智能(AI)系统运行的

    竟是人类的劳动力，但我们很难发现——事实上，这些劳动力往往是

    被故意隐藏起来的。这是个不透明的雇佣世界，我们称之为“幽灵工

    作”(ghost work)。1

    想想你最近一次在网上搜索。也许是一则热门

    新闻话题、最喜爱球队的最新消息，或是新鲜出炉的名人八卦。你有

    没有想过，为什么搜索引擎返回的图片和链接既不包含少儿不宜的成

    人内容，也不是完全随机的结果？毕竟，所有的生意，无论是不是合

    法，做在线广告时都希望自己的网站在搜索中排名靠前。或者想想你

    最近一次浏览Facebook、Instagram或Twitter。这些网站都有“无暴

    力图片”和“无仇恨言论”政策，这些政策是如何执行的？在互联网

    上，所有人都畅所欲言，只要有机会，人们就会说出各种各样的话。

    那为什么我们看到的内容是净化过的呢？答案是，人类和软件的协同

    工作为你和我这样的用户提供着看似自动化的服务。

    除了一些基本的决策，今天的人工智能必须依赖人类的参与才能

    运行。无论是发送相关的新闻提要，还是执行复杂的短信比萨订单，当人工智能出错或无法完成任务时，数以千计的企业会悄悄找人力完

    成这些项目。这条新的数字流水线把分散在各处的工人汇集起来，形

    成集体劳动力，而流水线上运转着的不是产品零件，而是一个个项

    目。这条流水线不分昼夜地运行，横跨多个经济部门。事实上，就业

    本身正在发生更大规模也更深刻的重组，影子劳动力的崛起只不过反

    映了这一趋势。这种按需型的就业还有待分类，本质上我们不能断定

    它是好是坏。但是，如果没有明确的定义，也不让从中受益的消费者

    知道他们的存在，那么这些工作就很容易沦为幽灵工作。企业可以把项目交给数以千计的工人完成，并按任务付费。现

    在，网络连接、云计算、复杂的数据库，以及人类计算(human

    computation)这样的工程技术，可以把人类联结起来，完成单靠软件

    本身无法完成的项目。所谓“人类计算”，就是人类与人工智能协同

    工作。这是代码与人类智慧的融合，它正在迅速发展。根据美国皮尤

    研究中心(Pew Research Center)2016年的报告《零工、在线销售和

    家庭共享》(Gig Work，Online Selling and Home Sharing)，2015

    年美国大约有2 000万成年人通过完成按需分配的任务来挣钱。2

    到

    2025年，按需工作平台提供的职业白领信息服务预计增加2.7亿美元，约占全球GDP的2%。3

    经济学家估计，如果保持目前的增长趋势，到21

    世纪30年代初，仅美国就有38%的职业会随着科技创新而消失，或者半

    自动化。4

    如果任其发展，幽灵工作不透明的雇佣行为和人工智能无所

    不能的陈旧观点结合起来，可能会使数亿人的劳动被隐于无形。

    谁在做这样的工作？琼和卡拉。

    琼在家工作，和81岁的母亲住在休斯敦的一幢房子里。2012年，母亲因膝盖手术变得虚弱，无法独自生活，所以琼搬过来照顾她。一

    年后，琼开始通过MTurk在线领取工作。MTurk是“亚马逊土耳其机器

    人”(Amazon Mechanical Turk)的缩写，是由科技巨头亚马逊公司

    拥有并运营的庞大市场。琼最赚钱的工作是“审查猥亵图片”。在

    Twitter和Match.com等社交媒体上，用户会标记出“令人反感的”图

    片，琼会再为这些图片贴上标签。

    企业不能自动处理用户标记的每一段内容，所以会把一些更难评

    估的材料发送给琼这样的工人。表面上，她的任务很简单：点击图

    片，然后评估图片内容。这是一张应该删除的X级(1)

    的阴茎自拍，还

    是一些无害的G级的身体部位？完成每个任务她都可以得到报酬，并且

    完成后才能离开电脑。琼已经有好几年经验，现在她平均每天可以挤

    出10个小时的工作时间，完成任务后能得到大约40美元(2)

    的收入。在几千英里之外的印度班加罗尔，卡拉躲在卧室的角落里工作，这是她的临时家庭办公室。5

    琼和卡拉做着相同的工作，为互联网公司

    做单词和图片的分类和标记。不同的是，卡拉从一家外包公司手中接

    活，这家公司为通用人类关联系统(UHRS)提供人力。UHRS是微软公

    司自建的供内部使用的平台，跟MTurk很像。卡拉43岁，拥有电气工程

    学士学位，她是家庭主妇，也是两个十几岁孩子的母亲。卡拉把两个

    孩子叫进房间，指着LED显示屏上一大段话中的一个单词问他们：“这

    个词是什么意思？是你们不该说的东西吗？”卡拉大声朗读这段话，两个孩子咯咯地笑了起来。他们在取笑卡拉读“小妞电影”(Chick

    flick)时的发音。两个孩子一致决定，不，这句话不包含成人内容。

    卡拉在屏幕上点击“否”，窗口就会刷新，出现一个新的短语让孩子

    们理解。“他们比我更有资格鉴别这些词，”卡拉笑着说，“他们帮

    助我为其他家庭维持干净和安全的互联网。”卡拉经常找不到足够多

    的任务，每周的工作时间不到15个小时，但她几乎每天都会登入

    UHRS，看看是否有新的任务是她有资格做的。卡拉的坚持和运气已经

    得到了回报。由于她已经学会如何快速浏览和申领任务，所以可以利

    用做饭和检查孩子作业之间的空闲时间，用卡拉的话来说，她感觉这

    些时间“富有成效”，因为她通过网络搜寻她关心的额外收入。

    有很多新工作依赖于琼和卡拉这样的人，内容审核——从筛查新

    闻提要和搜索结果，到评判相应内容的争议，从而帮助科技和传媒公

    司判断哪些内容可以保留，哪些内容需要删除——只是其中一个例

    子。社交媒体公司试图确保数十亿网站用户每天得到家庭友好型的信

    息，因此内容审查是普遍存在的，通常也是时效性很强的任务。像琼

    和卡拉这样的人，有太多网页、照片以及各种语言的推文需要评估。

    谷歌、微软、Facebook和Twitter等公司使用软件自动删除尽可能

    多的“不适合在工作场合出现的内容”。但这些由机器学习和人工智

    能驱动的软件过滤系统并不完美。它们不能百分百地区别拇指和阴

    茎，更别提仇恨言论和讽刺了。还记得2012年美国总统大选的经典时刻吗？当时共和党总统候选人米特·罗姆尼(Mitt Romney)说了句

    “满载女性的活页夹!”，惹恼网民。Twitter需要工人做琼那样的工

    作，从而及时判断为什么包含在话题标签中的让人摸不着头脑的一句

    话会飙升到热门话题的最前列。是黑客干的吗？是出故障了吗？真的

    有人在疯狂地刷Twitter吗？目前的人工智能系统还无法可靠地辨别上

    述问题。而按需工作指明了一种方向，可以把计算能力与人类的创造

    力和活力结合起来。

    琼、卡拉以及数百万和她们一样的工人在人工智能失灵时介入，本书讲述的就是他们的故事。我们想当然地以为系统是自动的，但他

    们才是在幕后推动系统的人类。现代的人工智能系统不仅需要人类回

    答不熟悉的或有难度的问题，最开始还需要人类帮助它们学习如何回

    答问题。例如，搜索“驼背沙发”的图片，你会得到一大堆靠背呈曲

    线的沙发。必应、谷歌这样的搜索引擎并不能和我们人类一样看到或

    理解图像。家具爱好者不到一秒钟就能找出一件漂亮的带曲线靠背的

    沙发，这种沙发像驼背沙发一样可以让很多人坐在上面。搜索引擎背

    后的人工智能系统最开始必须输入至少几百张曲线靠背沙发的图片，每张图片都标记为“驼背沙发”。然后，当搜索引擎遇到一张新的沙

    发图片时，它会运行一种所谓的“分类算法”，这种算法本质上就是

    在检查，相比于没有被标记为“驼背”的沙发，这张新图片是否更适

    合被标记为“驼背”沙发。那么，最初的一系列带有标签的图片，也

    就是所谓的训练数据，是从哪里来的呢？来自贾斯汀。引导大家接单

    的任务描述不会超过两句话，贾斯汀这样的工人必须在几秒钟内申请

    工作，否则就会被其他愿意接手的人捷足先登。贾斯汀是个全职爸

    爸，带着两个年幼的儿子，孩子上学前和午睡时是他工作的时间。他

    大方地承认，一开始并不知道驼背沙发是什么。“在回答这些问题之

    前，我必须在谷歌上花很多时间，弄清楚这些术语的含义。”

    许多企业提供这样的付费项目，其中猫途鹰(TripAdvisor)、Match.com、谷歌、Twitter、Facebook和微软知名度较高。像贾斯汀这样的人按任务获得报酬，一天24小时，每周7天。每天都有新的企业

    出现，他们的商业模式依赖于世界各地的工人，这些工人通过软件响

    应公开选拔，在幕后完成这些工作。这些企业把日常活动外包给独立

    工人，而不是交给正式雇员。他们利用幽灵工作回答客户的在线咨

    询，编辑产品评论，或者完成几乎不需要雇员全职参与的工作。

    幽灵工作如何运行？

    计算机程序不过是一串指令，告诉计算机应该做什么。两个软件

    程序(或一个软件加一个硬件)必须建立一种通用语言才能沟通。这

    可以通过应用程序接口(API)实现。通过定义程序将会接受的指令以

    及执行每条指令的效果，API可以确定通用语言。可以说，API规定了

    计算机程序的“交战规则”。例如，现在市场上有成百上千种计算

    机，为每种类型编写定制版的软件系统是极其复杂的。但是，如果所

    有(或至少大部分)可用的计算机都使用相同的API，那么程序员就可

    以一次性为所有计算机编写代码，因为API确保所有机器都能理解相同

    的语言。这种API只有计算机能使用，但MTurk的API却可以给人使用：

    软件工程师可以编写程序，只要稍微修改指令，就可以自动付费让人

    类完成任务。6

    通常，如果要计算一些东西，程序员可以通过API接入中央处理器

    (CPU)，其中API由操作系统定义。但是，如果利用幽灵工作完成任

    务，程序员就会通过按需劳工平台的API与工人交互。7

    人类具有创新

    能力，可以应答呼叫，所以程序员会把任务分配给人类。不同于API，人类具有能动性，会自己做决定。无论给出什么指令，CPU都会执行；

    但人类会自发地做出创造性的决策，并加入自己的理解。接入API以

    后，人类还有需求、动机和偏见。输入相同的内容，CPU总是输出相同

    的结果。然而，如果带一个饥饿的人走进杂货铺，他(或她)出来的

    时候会带着一大包食品，与不饿的时候截然不同。人类冲动，喜欢自作主张，但作为补偿，人类也带来了CPU所缺乏的东西——创造力和创

    新。琼、卡拉和贾斯汀都属于一个不断增长的经济体制，他们被API隐

    藏起来，被幽灵工作所推动。

    不到20年前，软件工程师只能编写供计算机执行的代码。MTurk以

    及随后的API出现以后，程序员便可以利用人类完成计算机不能完成的

    任务，比如快速准确地做出判断，就像卡拉和琼判定内容是否少儿不

    宜那样。事实上，现在任何坐在网页浏览器前的人都可以回应类似的

    自动请求。这是API、机械计算和人类独创性的混合，企业称之为“众

    包”“微工作”或“众工作”。计算机科学家称之为“人类计算”。

    任何项目只要可以分解成一系列分立的任务，就可以用人类计算来解

    决。软件可以使用这些API管理工作流程，处理计算机和个人的输出，甚至在人们完成任务后根据贡献多少给他们支付报酬。这些人驱动了

    现代的人工智能系统、网站和应用程序，我们所有人都是受益者，并

    且认为一切理所当然。

    想象一个二十出头的女人，站在芝加哥的路边——我们姑且叫她

    埃米莉。埃米莉在智能手机上打开优步(Uber)应用程序，一位优步

    司机接了单。埃米莉和司机都不知道，他们的相遇依赖于两个大洋之

    外的另一个女人，也许她叫艾莎。8

    埃米莉和司机都不知道，刚刚优步软件标记了司机的账户。假设

    司机的名字是山姆，他昨天晚上为给女朋友过生日刮掉了胡子。现

    在，他早晨上车时登记的这张自拍与他登记的身份证照片不符——这

    是2016年优步推出的“实时ID检查”(Real-Time ID Check)的一部

    分，用来验证司机的身份。两张照片存在差异，一张有胡子，另一张

    没有——山姆没料到，这会导致他的账户被冻结。突然之间，在他本

    人不知道的情况下，这单生意可能要黄了。与此同时，在海外被誉为“印度硅谷”的海得拉巴，艾莎坐在餐

    桌旁，眯着眼睛盯着笔记本电脑。她刚刚接受了一份工作，从优步转

    到了CrowdFlower，在埃米莉的这趟旅程中，艾莎扮演了无形但不可或

    缺的角色。CloudFactory、Playment、Clickworker是CrowdFlower的

    竞争对手，它们都有时髦的技术名称。这些平台把软件作为一种服

    务，提供给任何想要快速获得工人的雇主。每天都有成千上万像艾莎

    一样的工人登入CrowdFlower这样的众包平台，寻找任务型工作。现

    在，艾莎或者任何恰好响应CrowdFlower请求的隐形工人，将决定山姆

    能否去接埃米莉。

    优步和CrowdFlower是不断成长的服务供应链中的两个环节，这些

    服务利用API和人类计算把人们投入工作。优步通过CrowdFlower的API

    付费给某个人，让其查看艾莎的工作结果。如果通过审核，系统将在

    几分钟内处理优步的付费请求。如果没有达到预先设定的标准，艾莎

    就得不到任何报酬，也没有机会投诉。这种API在设计之初就不想倾听

    艾莎的想法。

    艾莎把司机的两张照片并排放在一起比较。CrowdFlower网页右上

    角的一个计时器开始倒计时，提醒她加快速度。如果计时结束前她没

    有提交判定结果，CrowdFlower就不会处理优步的付费。艾莎眨眨眼，看了看计时器，又眯起眼睛看了看只有拇指指甲大小的照片：是的，眼睛都是棕色的。酒窝是一样的。她点击“同意”。

    山姆把车停在路边时，他的账户得到授权，可以去接埃米莉了。

    埃米莉一直在拥挤的芝加哥街头张望，直到山姆停下车，她钻进车

    里。车门关上的时候，艾莎已经进入下一个任务。她希望在下班前多

    挣几个卢比。

    优步的乘客和司机都没有注意到，有人在实时审查他们的交易，这个人可能远在天边，也可能就在路的尽头。在美国，每100个优步订

    单中就有一个这样无法察觉的交流，这意味着每天要发生大约1.3万次。我们永远看不见艾莎为CrowdFlower做的幽灵工作，但花时间研究

    她和像她那样的工人之后，我们可以想象，埃米莉这样的用户和山姆

    这样的司机永远不会看到这种短暂的市场交流。艾莎是幽灵工作存在

    的唯一证据，因此，当埃米莉和山姆远去之后，她是唯一能帮助我们

    还原幽灵工作体验的人。

    数十亿人每天都在查看网站内容，使用搜索引擎，发布推文和帖

    子，享受移动应用程序的服务。他们认为自己获得的服务仅仅是依靠

    技术的魔力。但实际上，有一名国际工人在背后默默劳动，他们主要

    是自由职业者和临时工，而不是全职的或按小时计酬的工人，其法律

    地位不被认可。有时，这些工作被拔高成“第二次机器时代”或“第

    四次工业革命”的先驱，或者被认为是更庞大的数字经济或平台经济

    的一部分。而其他时候，我们不假思索地称之为“零工”(gigs)。9

    没有一部劳工法可以完全适用于按需零工经济，它是一种奇特的

    组合，独立于任何一位雇主，却又依赖在线平台。按需平台是零工经

    济的监工，它的盈利模式是，在线上把购买人力和提供人力的双方匹

    配起来，形成一个由大量企业和匿名工人构成的双边市场。重要的

    是，正如传媒学者、社会学家塔尔顿·吉莱斯皮(Tarleton

    Gillespie)指出，平台本身可能不生产内容，“但它对内容做出的筛

    选至关重要”。10

    按需工作平台很容易成为隐名合伙人，它更可能向

    付费的一方倾斜，而不是找工作的人。

    从头部公司到最小的创业公司，每一个企业都依赖这个由按需平

    台累积起来的共享按需工人库。他们利用这些工人满足消费者的需

    求，消费者的期许越来越高，都希望在几秒钟内得到答复。企业不再

    寻找传统的临时工中介，而是求助于这样的工人库来紧急填补团队的

    缺口。企业还从中开发新的项目，从测试新软件的隐私设置，到检查

    意大利面的口味描述是否容易理解，不一而足。这些新的风险投资项

    目要么过于投机，要么缺乏深思熟虑，以至于企业不敢轻易雇用全职雇员，也不好确认招聘的成本，哪怕找临时工也有风险。如果没有衡

    量消费者的反应，企业便不想贸然推出新服务或新产品。顾客的口味

    越来越刁钻，期望值越来越高，在这种情况下，服务业可以先尝试由

    幽灵工作提出的创意，并反复让其他工人评价，从而代替普通消费者

    模拟市场反应。

    远未成熟的人工智能

    每周，宣告工作终结的耸人听闻的标题都会接连不断地出现。很

    快就有人警告我们，机器人将奋起反抗。人们普遍认为，自动化及其

    助手人工智能，将淘汰人类的工作。工厂里的机械臂可以移动车间的

    金属板材。软件机器人可以接收短信比萨订单。无人机可以送货上

    门。现在，这些智能系统与许多传统的求职网站相连，有人认为这预

    示着人类将很快在工作场所消失。据说，人工智能将不可避免地取得

    胜利，所有人都会被解雇，只留下最不可替代的工人。我们都需要提

    高技能。立刻!马上!

    在这场大合唱中，特斯拉和SpaceX的创始人埃隆·马斯克(Elon

    Musk)、著名物理学家史蒂芬·霍金(Stephen Hawking)以及谷歌的

    联合创始人拉里·佩奇(Larry Page)只是几个代表性的声音。11

    他

    们要么对人工智能“召唤恶魔”表示恐慌，要么怀念没有人工智能的

    时代，当时人们自认为能主宰自己的命运。12

    但吸引眼球的标题掩盖

    了更加混乱的现实。不可否认，机器人是在崛起，但大多数自动化工

    作仍然需要人类昼夜不歇，其中许多人是兼职或合同工。但就像人类

    一样，机器也经常会有卡住或出现故障的时候，此时人类便可对自动

    化过程做出微调和维护。

    我们也必须承认，在实现自动化的漫长征途中，人们创造了新的

    需求，也培养了各式的人类劳动力来满足这些需求。从这一点来说，新的、软件管理的工作世界与在流水线上组装汽车的工厂工作有着相似的特征，工厂工作是在最需要工人的时间把工人安置在最需要他们

    的地方。这也类似于19世纪妇女和儿童在农场里做的所谓“计件工

    作”，每组装一个火柴盒可以挣几便士。这也很像把医疗文书转录和

    客服呼叫中心的工作外包给“全球南方”(3)

    的情形。20世纪90年代

    末，随着互联网的扩张，这种现象十分普遍。

    工厂工作、计件工作和外包都是在线分配任务的前身，因为它们

    涉及的都是琐碎而重复的工作，无关宏旨。这些工作收入微薄、朝不

    保夕，大多数情况下，都是由经济学家认为的可有可无或“低技能”

    的人完成。市场亲切地把这些人叫作“人力资本”。点击“狗”或

    “猫”给图片贴上标签，使它最终能被苹果手机识别为家庭宠物，与

    拧紧一颗螺丝钉，最终制造一辆福特卡车没有什么不同。但从这里开

    始工作相似性就终结了。

    蓝领制造业一直是人工智能发展最直接针对的目标。2016年，生

    产苹果手机的富士康工厂据称用机器人取代了6万名工人。根据报道，同一年，亚马逊在20个物流中心部署了4.5万台机器人，与23万名工人

    一起工作。然而，这些数字没有说清自动化催生了多少工作岗位。人

    工智能会对全职蓝领工作产生影响的媒体相关报道可能会分散我们的

    注意力，使我们忽视了一种正在快速增长的新工人。当人工智能触及

    自身天花板时，这类新兴的工人将完善或倾向于使制造系统完成自动

    化。

    过去20年里，最挣钱的企业已经从大规模生产家具、服装等耐用

    品，慢慢转型为提供医疗保健、消费者分析和零售等服务。把一种体

    验卖给消费者，比如喝一杯拿铁或浏览娱乐资讯，比制造一台电视赚

    的钱更多。13

    所有企业都在接入临时工人共享库，通过使用临时工来

    控制成本。在需要的时候获得想要的人，这种策略已经有半个世纪的

    历史，企业不再需要与全职雇员谈判，也不受制于保护全职雇员的职

    业分类和劳动法。这种人类与人工智能的混合，可谓制造业、零售业、市场销售和

    客户服务的一次重新洗牌，已经超越了我们熟悉的就业类别。传统的

    制造业由全职工人轮班工作，他们每周工作40个小时，干的活重复而

    连续；现在的任务型工作完全不同，比如修正客户的纳税申报表，或

    者实时翻译视频并添加字幕，这些都需要人类不断贡献智慧和判断

    力。这些任务是动态的，而不是机械的，所以很难把人类排除在外。

    人工智能并不像大多数人希望的或害怕的那样聪明。以驱动

    AlphaGo的人工智能为例，最近技术专家斯科特·哈特利(Scott

    Hartley)在《模糊性与技术专家》(The Fuzzy and the Techie)一

    书中记录了它取得的斐然成就。14

    围棋是中国古代的棋盘游戏，2017

    年5月，AlphaGo成为第一个击败中国围棋世界冠军柯洁的电脑程序。5

    个月后，AlphaGo迭代出AlphaGo Zero。但我们不必太震惊，因为有一

    点非常重要，即围棋的规则是死的，有固定的形式，在封闭的环境中

    进行，结果完全取决于两个玩家。在谷歌旗下的公司DeepMind，AlphaGo和AlphaGo Zero的人类程序员给出了输赢的明确定义。围棋的

    制胜之道是在对弈过程中预测落子的远期影响。15

    因此，通过人类围

    棋大师对弈的庞大数据库以及与自己对弈，AlphaGo接受了几十亿个棋

    局的训练，从而了解哪种棋路更好，哪个落子位置威力更大。16

    之后

    AlphaGo Zero与它的镜像AlphaGo对弈，把之前的经验又复习了一遍。

    但是正如人工智能研究领域的著名专家汤姆·迪克里奇(Tom

    Dietterich)所说，“人工智能对世界的渊博知识必须依靠人类补

    充”，如此才能完成大多数日常任务。现实生活可比围棋复杂得多。

    新的线上工作平台把工作机会介绍给琼、卡拉、贾斯汀和艾莎，这颠覆了媒体经常报道的人工智能拥有无限智慧、机器人势不可挡之

    类的传奇故事。现实世界的任务，从识别仇恨言论、把出租屋归类为

    春季婚礼的绝佳场地，到修正纳税申报表，都需要人类的见解和判

    断。生活不像围棋，不存在单一形式和最优解。例如，你很难列举

    “最好的”婚礼场地具备哪些特质。即使能列出来，也不会使人信服，因为人们对这些特质存在不同的偏好。此外，也不存在那种用来

    教会人工智能识别“最优解”的训练数据。而且，从方言俚语、气候

    变化引起的飓风，到随意的税法改革，一系列无穷无尽的外部因素会

    掺杂进来，影响结果。在许多情况下，未知因素太多了，以至于无法

    训练当前的人工智能，使它具备足够的意识或者获得足够的经验，也

    无法对所有意外情况做出明智的反应。这就是为什么人工智能还必须

    得指望人类，利用人类对世界的渊博知识来弥补决策的盲区。

    任何人只要像我们一样仔细地观察，走到人工智能的背后，就会

    发现一个新的工作世界，在这个世界里，软件管理着人类，而人类则

    在完成计算机做不到的工作。这个世界的系统把任务从人转移到机

    器，他们通过自动化来解决新的问题。例如，网络成为主流之后，Facebook、Twitter和Instagram等公司需要在线审核的内容越来越

    多，仅仅靠自动化工具无法实现。与此同时，新系统上线时，通常会

    面临突发问题，无法达到预期效果，因此需要卡拉和琼的工作。多亏

    了这样的工人，自动化审核软件变得越来越好，但还远远不够完美。

    在达到完美的过程中，自动化不可避免地会出现小故障，这就需要临

    时工来解决。一旦工人成功地训练了人工智能，使它像人类一样工

    作，他们就会转向工程师指派的下一个任务，这些任务将不断推进自

    动化的边界。人们畅想人工智能的新应用，自动化的终点线也在改

    变，所以我们无法确定通往完全自动化的“最后一英里”是否会走

    完。我们称之为“自动化的最后一英里悖论”。

    随着人工智能的发展，那些无法预见和无法预测的任务也创造了

    临时劳工市场。17

    自动化的最大悖论在于，使人类免于劳动的愿望总

    是给人类带来新的任务。我们所说的“最后一英里”是计算机和人力

    之间的差距。毫无疑问，软件工程师将利用幽灵工作执行手中的任

    务，并把人工智能推向极限。而且很有可能，随着越来越多的企业设

    法为我们提供支持人工智能的“智能”数字助理，从而帮助我们管理

    行程和预定航班，那么当人工智能无法满足我们日益苛刻且不断增长的需求时，会需要越来越多的人力参与进来。事实上，在技术走向自

    动化的漫长历史中，很关键的一点是对临时劳动力的依赖。今天致力

    于通过算法和人工智能解决问题的工程师，是自动化最后一英里悖论

    的最新迭代。在这一前沿，临时工的高峰和低谷不断转换，这重新定

    义了人类和机器的关系。

    按需劳动平台的兴起表明，使用API来组织、指派和计划工作具有

    吸引力。正如本书中的例子所示，利用临时劳动力开发新技术的这种

    重新定位，推动了新近所谓的“人工智能革命”。当驱动手机应用程

    序或在线服务的人工智能不知道下一步该为客户做什么时，它需要人

    的帮助，而且越快越好。终端用户希望运行搜索引擎和社交媒体的软

    件能在几毫秒内作出响应。传统的雇佣方法在这里行不通。因此，人

    工智能的决策闭环中需要人的加入，这样才能理解，比如说，为什么

    与一场突发自然灾害相关的搜索词会暴增，此时，它需要立即获得人

    工的信息输入。这场灾害将成为历史，但从瞬间的大量人工输入中，软件将会掌握它需要的东西。正是嵌入API中随时待命的共享劳动力库

    提供了这些人工输入。软件工程师可以编写代码来自动雇人以解决眼

    前的问题，自动检查他们的工作，并支付报酬。与此类似，使用现代

    机器学习系统的科学家和研究员同样依赖清晰无误的训练数据。他们

    需要一种自动化的方法来帮助生成和清理这些数据，而且需要大量来

    自世界各地的人来完成这件事。按需劳动平台为当今的线上企业提供

    了此种人类劳动和人工智能的结合，创造了一个庞大且隐于无形的人

    力资源库来从事幽灵工作。按需提供服务和工作可能是未来工作趋势

    的一部分。如果在设计和管理过程中没有注意到它如何重构人们日常

    工作的体验和意义，那可能就会产生意想不到的、潜在的灾难性后

    果。

    就业真正的未来雇佣工作的逐步分解可能是工作性质的一种深刻而根本的转变。

    在美国，传统的全职工作已经不再普遍。过去，员工可能几十年日复

    一日地待在同一间办公室里，成就一番事业，并期望得到稳定的薪

    酬、健康护理、病假和退休福利。现在，从童工保护法到工作场所安

    全指南，全球几个世纪以来的改革成就正在瓦解。事实上，根据美国

    劳工统计局(Bureau of Labor Statistics)的数据，目前只有52%的

    雇主提供工作场所福利。大萧条之后，美国人开始意识到，除了提供

    食品、保健或在实体店销售商品，最好的选择是在按需零工经济中找

    工作，这样的机会越来越多。由于劳动法中没有任何职业分类保护这

    种工作，而MTurk和CrowdFlower等平台的服务条款几乎与我们在更新

    软件时都会点击的对话框没有什么不同，这就相当于抹去了传统员工

    享受的保护。

    虽然皮尤研究中心的最乐观估计是，目前从事幽灵工作的人数约

    为2 000万，但没有确切的统计数字表明，有多少人像琼、卡拉、贾斯

    汀和艾莎那样，为了生计草率地做了一些基于合同的幽灵工作。美国

    劳工统计局增加了一项补充调查，内容是“临时就业与替代就业安

    排”，从美国人口普查局(Census Bureau)2017年5月的当前人口调

    查(CPS)中选择了6万个符合条件的家庭，这样的月度调查使劳工统

    计局了解了这个国家的就业和失业数据。十多年以来，这是第一次试

    图估计临时工作的增长。18

    据劳工统计局估计，10.1%的美国工人没有

    长期雇佣合同，无论是正式的还是非正式的。但这项调查只统计了那

    些把替代就业作为主业或独立工作的人。所以，如果一个人一边做着

    幽灵工作，一边朝九晚五接受另一位雇主的固定工资或时薪，那就很

    难被统计到。而在我们遇到的最活跃的工人中，这是一种非常普遍的

    趋势。

    作为对当前人口调查的补充，美国劳工统计局发布的《2017年临

    时就业与替代就业安排》为衡量幽灵工作的兴起设置了两个障碍。在

    一个多项选择调查里，对工人而言，很难真正理解“长期就业”是指什么。而且，有许多人都同时打多份工来支付房租，想知道什么是

    “ 主 业 ” 可 能 同 样 困 难 。 美 国 政 府 责 任 署 ( Government

    Accountability Office)的人口调查与劳工统计局的数据存在分歧，这也可以反映人们对“长期”或“主业”等旧工作分类的困惑。就在

    两年前，美国政府责任署的报告称，至少有31%的美国职工表示，他们

    从事某种形式的替代工作，包括自由职业或独立的雇佣合同。19

    劳动

    经济学家劳伦斯·卡茨(Lawrence Katz)和艾伦·克鲁格(Alan

    Krueger)估计，通过个体经营者或那些由劳务中介派遣的临时工——

    所谓的劳动力转向雇佣临时工制——完成的替代合同工作从10%上升到

    16%，相当于美国经济过去十年的净就业增长。20

    关于幽灵工作的规模

    和增长的最准确理解可能来自独立智库，而不是政府数据。

    对按需零工市场最保守的估计来自经济政策研究所(Economic

    Policy Institute)。经济学家劳伦斯·米歇尔(Lawrence Mishel)

    和他的研究团队估计，在美国有工作的成年人里，参与按需零工经济

    的比例为0.5%至1%，或者125万至250万人。但他们之所以得出这样的

    数字，是通过一项针对优步司机的非常具体的研究，他们假设大部分

    零工工作都来自优步和其他在线约车应用。摩根大通研究所

    (JPMorgan Chase Institute)的一项研究发现，2015年至2016年

    间，美国成年人中，至少参与过一次线上平台经济工作的比例为

    4.3%，也就是1 073万人。21

    这一就业市场的特点就是临时工作人员频

    繁更替。没有被认可的专业头衔。没有晋升的阶梯。没有奖金。没有

    保障。任务都有一定的时限，一旦公司达成了特定目标，被雇用的工

    人就会转移到其他项目上。

    从软件工程、法律服务到商业媒体、保健，现在很多企业都转向

    按需劳动平台，他们把白领工作转变为承包项目。这种全数字化的信

    息服务和知识工作，把需要思考和处理数据的创造性专业知识，转化

    为由科技、法律、金融和娱乐等行业在线提供的消费性服务。由于这

    种突然而巨大的变化，大型企业里有全职雇员现场工作的日子将屈指可数。许多公司争相销售把计算机、智能设备与人工智能结合起来的

    信息服务。按需型知识工作是一种更庞大的“宏任务”(macro-

    tasks)，Catalant(HourlyNerd的前身)、Popexpert和Upwork等公

    司利用API把这种工作交付给其他企业或个人。与传统朝九晚五的工作

    相比，自动化创造的就业前景无疑会更加支离破碎。一些劳动经济学

    家认为，“职场裂隙”的新现实，是20世纪八九十年代以来将长期就

    业转变为一系列短期合同的最终结果。22

    然而，这种新的、出乎意料

    的现实并没有阻止世界各地数以百万计的数字工人，他们夜以继日地

    坐在键盘前面，完成不计其数的幕后任务，这些幕后任务使应用程序

    看起来比实际更加智能。这意味着商业和就业的未来更有可能类似于

    今天的按需经济，而不是一部人类消失、机器人统治世界的反乌托邦

    电影。它将要求人类浏览软件界面的菜单，并学会在人工智能笼罩的

    阴影下工作。它将包含一个生态系统，由琼这样的独立承包人构成，他们会在印度农村、田纳西州诺克斯维尔和俄勒冈州波特兰的闲置卧

    室、咖啡馆和煤渣住宅中敲打着键盘——或者任何一个只要有网络连

    接、有电脑、有雄心壮志或经济需要的人在任何地方能上网就可以。

    如果很少有人关注这些幕后工人，那么他们很快就会变得日益疏远、地位低下、不稳定和孤立。

    我们采访到的所有工人都有一个意想不到的共同点：希望。他们

    希望利用按需工作来掌控自己的工作时间、工作伙伴以及承担的任

    务。他们希望和家人待在一起。他们希望避免长途通勤和恶劣的工作

    环境。他们希望能获得经验从而刷新自己的简历，或者为新的可能性

    打开一扇门。同样真实的是，许多人认为自己和家人没有其他选择。

    在他们的城镇里，全职就业通常意味着在大卖场里拿时薪，有固定的

    轮班，适应随时变化的工作日程表，不存在有意义的晋升机会。按需

    工作给了他们实际经验，包括安排会议、测试和调试网站、开发计算

    机知识技能、寻找销售线索以及管理全职雇员的人力资源档案。有哪

    个工人不希望有一天能完全掌控自己的工作日程和工作目的呢？《销声匿迹》基于一项为期五年的研究，我们俩——一位是人类

    学家，另一位是计算机科学家——招募了一个研究团队，调查这个蓬

    勃发展但基本上不为人所知的经济领域。23

    我们对来自美国和印度的

    工人做了200多次采访，并收集了成千上万份调查问卷；我们对按需工

    作平台做了几十个行为实验和社交网络分析，也对按需劳工市场的其

    他关键参与者进行了独特的研究，这些参与者包括把平台转变为生意

    的人以及在平台上雇用工人的人。本书就是这些研究的成果。《销声

    匿迹》揭示了这样一个世界：稳定的工作和薪水正在被一系列混乱的

    小项目和小额支付取代，而人类老板也正在被自动化流程取代。这些

    自动化流程的目的，就是监督分布广泛的由匿名独立合同工组成的劳

    工群体。《销声匿迹》讲述了一个日益兴起的更加复杂的未来，与人

    人熟知的机器人崛起的故事截然不同。这本书展示了幽灵工作平台如

    何培养我们对于技术奇妙前景的信念。

    作为一名人类学家，玛丽的兴趣是被一种恐怖的情景所激发的：

    在一个原子化的世界里，工人通过分类和注释几千张尖耳狗、无毛猫

    以及“阴茎图片”赚钱。玛丽问那些被雇用的工人，他们对接收工作

    的人有什么了解，工人的回答不是“我不知道”就是“我为什么要知

    道？!”。作为一名计算机科学家，西达尔特多年来一直在使用按需

    平台进行线上实验，但他对这些工人知之甚少，因为API将这些工人隐

    藏了起来。24

    那些主动把自己挂到平台上等待被雇用的人是谁？是什

    么驱使他们做许多人认为“单调乏味的工作”？他们如何从这种规则

    不清晰的就业形式中取得报酬？这种工作对他们而言意味着什么？有

    多少任务在按需平台上进行？产生任务型工作需求的商业模式是怎样

    的？这种以任务为基础的经济是如何运作的？

    2013年，当我们的研究团队开始提出这些问题时，参与到对话中

    来的只有经济学家、计算机科学家和商人。这三类人都对按需劳工市

    场进行了评估，指标是提高效率的能力以及使企业盈亏底线最大化的

    能力。而当我们谈到“人”的时候，仅仅指的是消费者。消费者的体验如何？工程师和计算机科学家为企业或为他们自己的实验构建API来

    推进人工智能，他们想要设计若干系统，这些系统能够消除他们认为

    会惹恼终端用户的昂贵和多余的操作。他们致力于构建更智能、更快

    捷的软件，能够自动把人与服务匹配起来，无论是乘车、用餐还是税

    务咨询，最终目标是使用每次迭代的数据来训练未来的软件，使其更

    加自动化。很少有人关注，对于那些争相从事任务型工作的人来说，这种提高生产力的方法意味着什么。他们的假设是，一旦人工智能做

    对了，就不需要那些生成训练数据和改进软件的工人。毕竟，企业开

    发的是软件，而不是临时工作。

    在接下来的五年里，我们做了一些在各自的研究领域没有做过的

    事情：了解幽灵工作的范围和按需工人的生活。我们的研究是同行里

    最全面的一个。《销声匿迹》是第一本阐明幽灵工作如何构建人工智

    能的书，也是第一本讲述从事幽灵工作工人生活的书，我们虽然看不

    见这些工人，但他们是互联网运行与自动化未来的核心。关于工人在

    这个新经济中的经历，本书提供了密切而细致的视角。我们关注的是

    生活在印度和美国的工人，这两个国家有最大的按需工人共享库，而

    且它们都与技术进步的漫长历史密不可分。我们的团队采访和观察了

    数百人，在他们的家里或其他临时工作场所观察他们所做的一切，从

    标记推文到转录医生的咨询意见，不一而足。我们调查了数千人，这

    帮助我们建立了一个基准，从而判断哪些做法是普遍的，哪些做法是

    特殊的。之后，我们进行了几十个行为实验并采用了“大数据”式的

    分析，两种分析方式各自都有几千名参与者，进而从采访数据中获得

    了更多的结果。在《销声匿迹》一书中，读者将看到我们在这两种分

    析方式之间切换，结合它们各自的优势，使我们更了解在按需经济中

    工作的这些人。

    我们研究了四种不同类型的幽灵工作平台：亚马逊的土耳其机器

    人(MTurk)；微软内部的通用人类关联系统(UHRS)；具有社会意识

    的初创企业LeadGenius；以及Amara.org，一个致力于为跨国受众和听力障碍者翻译并添加字幕的非营利网站。这四个平台提供了不同的产

    品和商业模式。把它们放在一起调查可以表明，我们的观察和结论在

    按需经济中普遍适用，而不是只针对某一类幽灵工作。MTurk是最早具

    有商业价值的幽灵工作平台之一，提供了如何将人类计算应用于商业

    解决方案的范例。UHRS代表每个大型技术公司维护的内部平台，以满

    足自身对幽灵工作的需求。LeadGenius和Amara说明了幽灵工作可以多

    么复杂和精致，以及在为幽灵工作创造更好的环境方面，企业可以发

    挥多大的作用。

    此外还有工人。在这些平台上工作的人，有些会把按需项目串联

    在一起，重新创建与全职就业相关的工作时间、工资标准和职业发

    展。我们见到一些受过大学教育的全职父母，他们为了不无聊而参与

    这些工作；我们也见到了出生在美国的大学生，他们为了攒钱办婚礼

    或支持弟弟妹妹的学位而每周工作50个小时。还有残疾人和退休职

    员，他们都在寻找其他就业途径或赚取额外收入来填补他们的社保支

    票。我们还见到一些工程师和企业家，他们创办、设计和搭建了幽灵

    工作平台。

    起初，我们想知道：这些人是谁？他们的工作与传统朝九晚五的

    工作有什么区别？在许多按需劳动平台上，像西达尔特这样的请求者

    看不到工人的个人信息——性别、位置、年龄和以前的工作经验都是

    未知的。而除了任务描述之外，工人也看不到请求者的信息。任务的

    范围可以非常广，并且每天都在变化。API可以用来让人给猫的照片添

    加标签，也可以进行研究实验，其他类似的API还可用来雇人送餐、派

    车、设计网站。在消费者和请求者看来，调用API和生成工作都是自动

    化的。但谁能从这种自动化的表象中受益呢？谁可能会受到伤害呢？

    研究结束的时候，我们明白了从事幽灵工作的人与我们的朋友、家人通过自由写作、研究、开发软件或兼职教学谋生没什么区别。但

    他们的工作往往是脆弱且没有安全感的。然而，按需平台的匿名性和远程访问特性也使那些在正式工作中被边缘化的人更容易获得收入。

    这些人之所以被边缘化，是因为他们住的地方更偏远，他们被视为残

    疾，或者他们属于被污名化的少数群体。

    我们越是密切关注按需工作的新生边界，就越会看到人们使用熟

    悉的策略来维持生计，并为自己和同伴创造有意义的就业机会。有时

    这些工人通过相互协作取得成功。他们分享能使任务变得更容易的策

    略，交换新任务上线的情报，在等待新任务的时候帮助彼此保持清

    醒。我们遇到了一些工人，他们在尝试失败后学会了前进。他们学会

    了抵制剥削性的商业模式、劳动法和漠视他们利益的API。我们注意

    到，企业不知道他们从工人网络中获得了多少利润。本书将API对人类

    工作草率的处理称为算法的残酷(algorithmic cruelty)——这样说

    毫不夸张，算法不能思考，更别提有共情能力了。按需工人比任何工

    程师、科技公司CEO、政策制定者或劳工维权人士都更了解按需工作的

    风险和潜力。他们每天都这样生活。而且，他们尽最大的努力改善现

    状，无论是经济上还是心理上。

    正如我们需要企业对生产食品、服装和电脑的劳工负责，数字内

    容的生产者也应该对消费者和工人负责。无论是编策新闻，还是处理

    那些喷子在我们最喜欢的社交媒体上刚刚发布的帖子，这背后都有人

    类的参与并使我们所有人获益，我们应当要求在宣传这些产品和服务

    时有更全面的真实性。

    除了呼吁提高透明度，《销声匿迹》还为希望拥有高效劳动力的

    科技企业家、正在建设未来劳工平台的工程师以及负责塑造这一新商

    业格局的政策制定者提供了经验教训。我们手机上的应用程序、我们

    浏览的网站，都由那些隐形的工人驱动，关于他们那些未曾讲述的故

    事，很多读者应该会感兴趣。这些读者看过一些关于“零工”或

    “MTurk工作”的报道，也很清楚“众包”和“微工作”，他们听说过

    很多关于机器人崛起的故事，现在想要深入了解的是，人工智能如何塑造工作世界，以及在它阴影之下的人们做着怎样的工作。我们提供

    了一个有层次的、细致入微的、最终充满希望的叙述。除此之外，我

    们还展示了单靠跨越全职自由职业者的鸿沟，就能大大地鼓励我们与

    那些肩负着解决“自动化的最后一英里悖论”的人分享互联网创造的

    财富。我们在美国和印度采访了许多工人，希望从他们身上学到的经

    验教训，将帮助数百万已经或即将从事这项工作的人。最重要的是，任何正在工作并且想知道未来前途的人，都应该读《销声匿迹》这本

    书。

    (1) X级代表限制级，即少儿不宜；G级适合所有年龄段。(除特殊说明外，本书

    页下注均为译者注。——编者)

    (2) 在本书中，所有的货币单位都是美元。卢比是指按当前汇率计算的印度货

    币。——原注

    (3) 全球南方(Global South)是一个新兴术语，一般指亚洲、非洲、拉丁美

    洲和加勒比地区的低收入或中等收入国家。这个词是“第三世界”的替代性

    说法。对应于本书第三章中所说的全球北方(Global North)。PART 1 第一部分 自动化的最后一英

    里悖论第一章 环路中的人类

    幽灵工作的序曲

    21世纪初，亚马逊公司处境艰难。它当时是一家年轻的创业公

    司，随着“电子商务”的兴起，亚马逊的图书市场迅速扩张。为了扩

    建线上书店，亚马逊以电子的方式直接从出版商和图书馆的目录中提

    取数据，获得了几百万个书名，其中大部分条目有错误。为了建立忠

    诚的客户群体，亚马逊急需找到数据中的重复记录、错别字以及新旧

    版本封面图片错配的问题，然后才能卖给愿意在网上购物的消费者，这些消费者还很谨慎。1

    起初，亚马逊雇临时工清理数据库。仿效附近

    的科技公司，亚马逊在美国和印度雇用临时工，在这两个国家，只需

    要支付较低的薪资，就可以通过中介雇用和管理当地英语流利的合同

    工。工人不仅会纠正书名、出版日期和商品描述，还要确保图书封面

    与列出的版本相符，他们还嵌入关键词，对应每个书名的一串编程代

    码。编程代码的作用是，当客户使用亚马逊搜索栏时，能够返回尽可

    能多的相关条目。2

    之后，为了成为最大的线上零售商，亚马逊还需要克服一项与此

    相关的挑战。亚马逊并没有数以百万计的商品库存，而是让中小型企

    业在网站上列出自己的存货清单，通过亚马逊网站销售，范围从电子

    产品、玩具到清洁用品、小众食品，应有尽有。3

    随着线上市场不断扩

    大，其他书商和图书以外的其他产品的提供商也不断涌入，于是亚马

    逊面临另外一项挑战，即确保每一种商品的描述与对应的图片相符。

    包括亚马逊在内，所有商家都需要少量常备的固定工人处理这些琐碎

    又单调乏味的任务——比如核查产品描述与图片，创建产品说明和关

    键词，从而帮助线上购物者浏览不断扩大的商品目录。亚马逊向供应商求助，让他们雇用合同工来满足劳动力需求。随着亚马逊公司不断

    发展，它也需要润色用户的书评，以免模糊的措辞和别扭的语法损害

    网站上评论的价值。不久，合同工也接受了这项工作。

    2005年，亚马逊推出了一个新网站，在这个网站上，拥有认证账

    户的人能够更方便地清理产品列表和用户通篇错别字的评论。亚马逊

    称之为“亚马逊土耳其机器人”(Amazon Mechanical Turk)，不久

    用户就简称其为“MTurk”。MTurk是一个在线劳工市场，“请求者”

    (requester)发布任务，工人通过完成任务获得报酬。平台会列出任

    务和薪资，就像在克雷格列表网站(1)

    上发布招聘信息一样简单。

    MTurk平台也像银行一样运转，请求者可以在支付账户中预存足量资金

    并保留一个记账标签，只要工人提交手中的项目，系统就会自动支付

    报酬。

    在每个任务中，亚马逊会向请求者收取一定比例的费用；如果请

    求者对工人有特殊要求，也要额外收费。任何人只要愿意与亚马逊分

    享银行账户、信用卡信息以及可验证的邮箱地址，就可以在MTurk上签

    约工作，获得积分换取亚马逊的礼品卡。任务的报酬不等，少到1美分

    为特定的图片添加关键词，多到25美元做一次市场调查。据说杰夫·

    贝佐斯(Jeff Bezos)非常喜欢MTurk这个项目。贝佐斯是亚马逊的创

    始人，据说是他创建了MTurk，这样一来，亚马逊不仅提供图书和其他

    耐用品，也使劳动力本身成为一种服务，任何人都可以在亚马逊的网

    站上搜索和购买这项服务。4

    最初两年，超过10万人在MTurk平台上注册找工作——这或许是一

    个信号，表明全球经济衰退开始加剧。工人登入MTurk找工作，任何企

    业与个人都可以把堆积如山的任务分发给他们，MTurk自动雇用这些工

    人并付款。除了亚马逊自身的产品团队，MTurk平台还承接其他业务。

    之后不久，它解决了直接存款的转账问题，对于在美国有通讯地址的

    人，它可以支付现金。而对于在印度的工人，MTurk通过新加坡银行把美元兑换成印度卢比，从而减少使用纸质支票。当MTurk开始用现金替

    代礼品卡支付工资时，在平台上工作的人就分成了两个阵营，一边是

    大量的美国和印度工人，他们积极竞争平台上的工作，另一边是来自

    其他国家只是随意接活儿赚取礼品卡的人。5

    MTurk填补了一个需求很大且有利可图的市场。企业和个人在网上

    发布越来越多的产品，他们需要一种方法检查发布物料信息的准确

    性。那些在工作中负责把发票信息录入到费用报表以便报销的人，现

    在越来越多求助于MTurk这样的平台，在这里他们能很快找人完成任

    务，任意一天、任意时间都行。当时的初创企业，比如Yelp(2)

    以及那

    些受雇为其撰写、整合数据库内容的承包商，能够提供附近餐厅的精

    确位置信息，数量和细致程度都是之前无法比拟的。营销机构与公关

    公司可以分发简短的调查，获得关于新产品创意、广告语和词语联想

    的几百种反馈。相比于全职雇员或临时工，这种雇佣方法的时薪要少

    得多。学者可以调查更广泛的人群，他们花大约一小时给1 000人发送

    民意调查，效果相当于在一门本科基础课程上分发相同数量的问卷。

    更妙的是，相比于美国大学校园里18—22岁的学生，MTurk上的调

    查对象可能覆盖更广的地域和年龄。在美国，像克雷格列表这样受欢

    迎的线上分类广告网站也会发布人们能在线做的工作，但MTurk代表了

    完全不同的东西。MTurk平台提供的合约工作很少有限制条件，也不要

    求掌握高级的计算机技能。工人只需要有时间，注重细节，并且能连

    接互联网。无论是营销、调查、生成训练数据、及时检查网上内容，相比于办公室的雇员，MTurk这样的按需劳工市场能够更快得到结果，也更加便宜。不久，无数新业务诞生了，通过把简单的计算机程序、网站界面以及不受监管的雇佣政策结合起来，催生出一种强大的新方

    法，自动雇用人类完成幽灵工作。

    数百万人执行数十亿项任务，而技术的使用者浑然不觉，幽灵工

    作通过这种方式推动了人工智能的革命。其他企业很快想出了如何利用幽灵工作完成更大的项目，我们称之为“宏任务”。无论是哪种情

    况，幽灵工作都驱动了许多流行的网站和手机应用程序，方法是使用

    应用程序接口(API)雇用工人，并把他们隐藏在API背后。

    解构雇主的API

    MTurk上注册的工人越来越多，只要能够访问它的应用程序接口，就可以与它连通。无论是亚马逊公司还是其他公司的程序员，现在都

    可以编写软件在MTurk平台上发布任务，从而更方便地招募工人、评估

    工作、收集项目、发放报酬——程序员只需要事先写好机器执行的代

    码，所有这一切都在几秒钟内完成。

    以前，程序员编写的代码只能由机器执行。MTurk的创新之处在

    于，人类能够执行部分代码，而不是完全由机器执行。6

    它可以分批处

    理一系列任务，然后通过API交给人类完成——这种简单的技术是

    MTurk的伟大突破，使其转变成一个“买卖”人类劳动力的劳工市场。

    人类具有创造力，计算机能够反复执行相同或相似的任务，现在，一

    种软件可以同时整合这两种能力。程序员的软件和MTurk的API管理按

    需分配的临时劳动力，它们高效地扮演这个角色。在这个过程中，API

    和基于网络的平台接口，复制了MTurk的商业模式，似乎消除了我们原

    本对老板的许多期望——反馈、日程安排、工作环境、薪酬以及对我

    们做了恰当的工作并完成了任务给予肯定。通过这种方式，MTurk解构

    了“雇主”的角色，把寻求即时帮助的程序员和企业变成“请求

    者”。

    这种新工作方式最重要的意义在于，API决定了程序员和工人之间

    的对话和交流。例如，API赋予每个请求者和工人独一无二的身份标识

    ( ID ) ， 这 是 一 串 看 似 随 机 的 字 母 和 数 字 ， 比 如

    “A16HE9ETNPNONN”。在程序员看来，由于每一个工人都对应一个ID，所以人是可以替换的。任何使人成为人的东西，比如信仰、禀赋

    和经历，都从这个ID中被剥离。

    计算机科学家会说，你的所有属性都不予考虑。这就好比雇主只

    知道你的社会保险号码，而对其他信息一无所知。问题的源头在于

    API，它似乎表明，没有必要弄清楚这些人是谁。就像扑克筹码让赌徒

    忘记他赌的是真金白银，把人表示成唯一识别符会使程序员忘记自己

    雇用的是活生生的人，也会忘记他的代码将影响人们的生活。亚马逊

    有些冷淡地提到了19世纪的“土耳其机器人”，这是下国际象棋的机

    器人，不过它并没有看上去那么神秘。7

    自1770年诞生以来，它风靡了

    80多年。亚马逊的本意是表明自己的服务与这种神秘的室内游戏有相

    似之处。具有讽刺意味的是，土耳其机器人被证明是一场骗局，它不

    过是一些身材矮小的藏在机器木箱子里的象棋大师。是决策环路中的

    人类在幕后操纵机器人落子，而不是机器本身。而且，正如它的名字

    所暗示的，人类的智慧决定了机器学习的极限。API是教育机器以提升

    人工智能的完美监工。

    机器智能的崛起

    计算机科学家凯文·墨菲(Kevin P. Murphy)这样定义机器学

    习：“自动监测数据中的模式，并利用已发现的模式预测未来数据的

    一系列方法。”8

    回想一下机器学习的问题，在引言中，我们讨论过识别驼背沙

    发。一种常见的机器学习方法是，首先收集所谓的“训练数据”，在

    这个例子中，通过收集沙发的图片，比如来自家具目录和社交媒体的

    帖子，让贾斯汀这样的人给它们贴上“是驼背沙发”或“不是驼背沙

    发”的标签。然后，机器学习算法把一张新的沙发图片与训练数据中

    的图片进行比较。如果它看起来更像驼背沙发，算法就会把新图片归

    类到驼背沙发。但如果新图片光线不好，或者图片角度有问题看不清靠背，或者有人坐在沙发上挡住了靠背，机器学习算法可能就不知道

    如何归类。在这种情况下，大概需要更多人类帮忙。

    人工智能的总体目标是建立具有智能的计算机系统，这种智能指

    的是具有可以与人类媲美的评价和行动能力。实现通用人工智能是一

    场野心勃勃的革命，而理解图片中的物体是其中的一部分。毕竟，即

    使一两岁的小孩也能够认出照片里是苹果还是狗。计算机科学教授李

    飞飞是斯坦福大学以人为本人工智能研究所(Human-Centered AI

    Institute)的联合主任，她和同事想要解决一个更普遍的问题，而不

    是训练人工智能识别特定的物体，比如沙发。他们想训练机器识别图

    片中的主要物体，无论这个物体是什么——狗、人、车，还是山。要

    做到这一点，他们需要的训练数据远远不是一个人能产生的。要多得

    多。

    李飞飞和她的同事首先编写了一个软件，以便从万维网上下载数

    百万张图片。最开始，他们雇了一个大学生团队给每张图片贴标签

    ——在理论上，这相当于雇用临时工。尝试了之后，他们推算出完成

    这项工作需要的时间——大约是19年。所以他们改变了策略。接下

    来，他们尝试开发机器学习算法，凭猜测自动给图片贴标签；如果机

    器不知道贴什么标签，就求助于人类。这种方法也失败了，因为机器

    学习算法犯的错误太多了。他们正在寻找非常精确的数据，或者叫

    “黄金标准”数据，以便日后其他科学家能够反复使用。事实上，如

    果这个问题很容易就能由机器来解决，那么他们一开始就不需要数据

    集。

    不久，2007年，李飞飞和她的同事发现了MTurk，他们意识到，MTurk的API为他们提供了一种方法，可以自动向人们分发图片标记任

    务，并向他们支付费用。他们尝试了几种不同的工作流程，但最终他

    们共使用了来自167个国家的约4.5万名工人，准确地为320万张图片贴

    了标签。9

    两年半后，他们的集体劳动创造了一个庞大的符合黄金标准的数据集，其中的图片分辨率很高，物体的标签也非常准确。李飞飞

    称之为“ImageNet”。由于ImageNet自创建以来每年都会举办比赛，研究团队使用这些数据开发更复杂的图像识别系统，并提高技术水

    平。有了黄金标准的数据集，研究人员可以测量新算法的精度，并与

    当前算法的技术水平做比较。研究人员因此取得了非常大的进步，以

    至于现在有些人工智能在图像识别方面比人类做得更好!10

    在2010年至2017年的竞赛中，科学家在算法和工程方面取得的进

    步，推动了近期的“人工智能革命”，对多个领域和多种问题产生了

    影响。训练数据的规模和质量对这一努力至关重要。MTurk工人是人工

    智能革命的幕后英雄。如果没有他们生成训练数据，并提高训练数据

    的规模和质量，ImageNet就不会存在。11

    ImageNet的成功是一个值得

    注意的例子，说明了自动化的最后一英里悖论是如何发挥作用的。人

    类训练了人工智能，结果人工智能完全接管了任务。之后研究人员可

    能会提出更困难的问题。例如，在ImageNet挑战完成之后，研究人员

    把注意力转向寻找图片和视频中物体的位置。这些问题还需要更多的

    训练数据，从而产生了另一波幽灵工作。但是，程序员和企业家利用

    幽灵工作创建训练数据从而开发更好的人工智能有很多实例，ImageNet只是其中一个。12

    从微任务到宏任务

    产生按需幽灵工作的平台把自己当成看门人，帮助“雇主”转变

    为“请求者”，从而处理需要一点点人类智慧的问题。企业仍然可以

    进入全球劳工市场，但不需要依赖临时工中介。MTurk以“微任务”闻

    名，就像李飞飞的团队所做的那样，这些任务可以很快完成，但需要

    很多人。近年来出现了许多企业，它们把工人和更大的“宏任务”匹

    配起来。你可以在Upwork和Fiverr等平台找人编审新闻通讯，开发网

    页，或者创建移动应用程序，使用的雇佣策略是相同的：把任务分发给一批联网的工人，由人工智能或API负责雇佣、安排、管理和付费

    ——至少部分由它们负责。所有付费任务都是一种基于平台的幽灵工

    作。而且，到今天为止，还没有对应的法律保护。也就是说，在幽灵

    工作中，没有法律规定谁是“雇主”，谁是“雇员”。工人在平台上

    找工作，但目前为止，还不清楚这些平台在哪里。然而很明显，这些

    平台已经成为按需工人的实际工作地点。除非遇到API背后的人，否则

    很难看清楚这种工作是什么样子。

    MTurk：微任务的公开形象

    我们在引言里介绍过琼。她把头发绾成松散的发髻，用黑得发亮

    的筷子固定住，这样工作的时候头发就不会遮住眼睛。自从2011年搬

    回休斯敦照顾81岁的母亲，琼一直都生活在这里。她做饭，处理家

    务，开车送母亲去看医生。过去的三年里，她的大部分收入都来自亚

    马逊土耳其机器人。

    在搬回家乡之前，琼有一份全职工作，是文档工程师。她有许多

    成就，包括起草并编辑了得克萨斯州申请失业保险的手册。最开始，琼从401(k)计划(3)

    中取钱，靠这些钱生活。但是，随着母亲的健康

    状况恶化，琼开始找能在家办公的工作。按需工作看起来很合适。琼

    把一间闲置的卧室改造成家庭办公室，里面放着饱经风霜的棕色椅

    子、电脑桌和大显示屏，狭小的空间显得很逼仄。然后她开始上网搜

    索可以线上完成的工作。

    琼不记得她最早是如何发现MTurk的，但她怀疑是通过Reddit论

    坛。按需工人会在一些线上社区分享如何起步的技巧，Reddit就是其

    中之一。作为一名拥有传播学硕士学位的39岁白人女性，在某些方

    面，琼是一名典型的MTurk工人。接近70%的MTurk工人拥有学士学位甚

    至更高的学历。在其他方面，琼很不一样。MTurk工人趋于低龄化：76.9%的人在18岁到37岁之间，这个年龄段的人一般在最积极地寻找第

    一份工作，这份工作将决定整个职业生涯。

    虽然琼不记得所有的细节，但从她第一次登入以来，创建工人账

    户的流程就没有改变过。她连接互联网，浏览MTurk的主页，然后点击

    注册按钮。作为一名新人，系统要求她输入一个可验证的姓名和电子

    邮箱，并设置密码。从那时起，她就可以进入网站的后台。琼的“数

    据面板”上显示着几十个任务。任务，或者亚马逊所说的HITs(Human

    Intelligence Tasks，人类智慧任务)，都是等待雇佣的工作。她点

    击一个任务，会看到一条简短的描述，说明任务要求、截止日期和报

    酬。她可以点击并完成一项任务，但是作为新用户，她得等账户通过

    验证后才能得到报酬。在亚马逊向工人支付工资之前，系统会核实工

    人的实际通信地址、国籍和银行账户信息。对琼来说，成为按需工人

    太容易了。

    对于像琼这样的新工人，MTurk的数据面板看起来有些混乱。在上

    面我们能看到多个可扩展的菜单选项卡，包括一个记录个人账户的选

    项卡、跟踪单个任务的选项卡和列出工人“资格”(qualification)

    的选项卡。“资格”这个词与技能不是一回事。在MTurk的世界里，资

    格可以是工人的年龄、性别、位置之类的东西。在亚马逊上发布任务

    的人使用“资格”来限制什么样的工人能接受这个任务。例如，如果

    一家广告公司在寻找一类人，为一款旨在吸引40多岁女性的产品提供

    反馈，它可能会在这份工作中加入性别和年龄等“资格”。它甚至可

    以向亚马逊支付额外的费用，寻找那些具有“烟民”(30美分)或

    “2016年选民”(10美分)等资格的工人。琼记得，第一次看到MTurk

    数据面板的时候，她有些紧张过度，但并没有因此却步。她说：“我

    想，好吧，一开始可能没有回报，但如果我做一段时间，它可能会成

    为一份不错的副业。”没有人知道具体有多少人使用MTurk，但通常有2 500人左右同时

    活跃在平台上，要么在找任务，要么在做任务。13

    由于没有任何机构

    能追踪到这一信息，即使工会和劳工部也不能，所以很难确定宏观的

    数据。亚马逊坚称，注册MTurk的工人有50万。研究人员称，大约有10

    万到20万人在MTurk上注册工作。14

    帕诺斯·伊佩罗提斯(Panos

    Ipeirotis)是一位著名的研究员，他的工作是跟踪MTurk上工人数量

    的涨落。他估计任何时候都可以在MTurk平台上找到2 000至5 000名工

    人。这大约相当于1万至2.5万个全职劳动力。15

    如果我们把这一逻辑

    应用到每个按需平台上，那么可能有数百万个全职工人处在幽灵工作

    的阴影中。当然，这是假设人们愿意全职从事这项工作。然而，我们

    将清楚地看到，相当一部分工人之所以坚持做幽灵工作，恰恰是因为

    他不想做全职工作。

    我们在MTurk平台上发布了一个任务，想了解世界各地工人的分布

    情况。接受任务后，工人会看到一张必应(Bing)的世界地图，任务

    描述是这样的：“双击你所在的位置，然后提交任务——就这么简

    单。”在10周的时间里，全球8 763名工人报告了自己的工作地点。美

    国工人既有来自人口密集的地区，也有来自人口稀疏的地区，但印度

    工人集中在南部。这一点我们将在下一章讨论。16

    和我们遇到的大多数工人一样，琼每天的第一件事就是找任务。

    她做得最多的任务是文本分类。她可能要阅读一段文字，也许是来自

    新闻报道中的一两句话，然后为这段文字创建一个类别，或者从选项

    列表中选择“政治”或“体育”。我们第一次和琼交谈时，她正在做

    这样的工作。每分类一个资料，她就赚2美分。每周她都要分类成千上

    万段文字。

    琼花了6个月时间在MTurk上寻找立足之地。最后她意识到，要想

    获得可观的收入，诀窍在于迅速找到可以做的工作，并评价提供这份

    工作的请求者。她注意到，在MTurk上，每一秒钟都很重要；缓慢的网络连接，把时间耗费在找工作上，或者任何计划外的误工，都相当于

    减少收入。在MTurk的第一年，她赚了4 400美元。有些人可能认为这

    个数字微不足道，但她说：“当你以前的收入为零时，4 400美元是意

    义重大的数字。”两年后，她在MTurk上的收入几乎翻了两番，达到16

    000美元。现在，琼是MTurk上前4%的工人，这些工人熟练、有经验，而且很幸运，每小时能挣7.25美元以上。17

    对于高收入的工人来说，高度警觉是必要的。那些赚钱最多的工

    人，会花几个小时检查自己的数据面板，一页一页地浏览工作信息。

    琼和其他许多人一样，正试图让MTurk成为主要的收入来源。为了减少

    搜索成本，她求助于免费的软件工具和工人线上论坛，不过这些搜索

    成本并不会得到工作报酬的补偿。18

    他们必须做好准备，一旦报酬优

    厚或快捷简单的任务出现在屏幕上，他们就要立刻点击，以免其他工

    人捷足先登。她说：“在这方面，我比从事以往任何的办公室工作都

    更加努力。”为了提高速度，琼调整了浏览器上显示的MTurk数据面

    板，每次显示25个任务或HITs；为了快速地浏览页面，她自己设置了

    键盘快捷键。

    琼专心工作的时候，她每小时可以完成1 100个任务，净赚22美

    元。她知道，人们可能会觉得这项工作让人头脑麻木，但她发现，各

    种各样的任务都能启发思考。她特别喜欢编辑类的工作，因为她有文

    档写作的工作背景，这充分发挥了她的优势。“我很擅长，而且做起

    来很轻松。”当工作变得单调或重复时，她会通过听电子音乐或看电

    视保持清醒。我们和她交谈的时候，她正在看《巅峰拍档》(Top

    Gear)，这是一档面向汽车爱好者的节目，有好几季。“人们谈

    论‘网飞和放松’(4)

    ，”她说，“但我看网飞和MTurk。”

    MTurk把工作的最低报酬设定为每项任务1美分，在这个基础上，请求者可以决定每项任务给工人支付多少报酬。平均而言，请求者的

    定价相当于每小时11美元。但市场上大多是抠门的请求者提供的最低报酬的任务，这拉低了工人的整体收入潜力。他们必须艰难地翻完所

    有低价任务，才能找到体面的工作。琼说：“这是一场逐底竞争。”

    据估计，MTurk和CrowdFlower等类似网站上的请求者每年的总收入达

    1.2亿美元。19

    工人获得请求者支付的“报酬”，但亚马逊向请求者收

    取20%作为平台运营的费用。“报酬”就是工人的薪酬，包括所有奖金

    (相当于小费)。如果需要10个以上的工人，亚马逊还会对这些任务

    收取20%的额外费用。20

    与传统的雇主—雇员关系不同，MTurk工人大多是匿名的，而且大

    多是自治的，这意味着请求者不能指定由谁执行任务，也不能在工人

    接受任务后规定该如何完成。工人需要为自己在MTurk上的收入纳税。

    他们要以独立承包人的身份提交美国国税局的1099号税表，在自由职

    业者提供咨询的世界中，这张表格人尽皆知。请求者的权衡是，工作

    完成得很快，而且没有正式雇员的相关成本。工人的权衡是，他们只

    需要完成任务，之后不必坚持做同样的工作。工人可以根据生活需要

    来安排工作，而不必把自己的生活交给朝九晚五的工作并忍受长时间

    通勤或恶劣的环境。他们赚够了钱就可以停下来。但发薪日并不总是

    在完成任务当天。MTurk工人提交的工作要由一个人或一种算法审查，这种算法决定工作是令人满意的还是不合格的。如果工作不合格，工

    人就没有工资。在网站上，每个工人的通过率，即他们的任务合格的

    比例，相当于声誉。MTurk上的许多任务都要求工人的通过率超过

    95%，因此，即使一次不合格，也会限制工人未来参与工作的机会，从

    而严重影响他们赚钱的能力。

    像所有按需工人一样，琼必须经受住收入的波动。也许今天生意

    兴隆，但明天请求者就无影无踪了。注册MTurk之后不久，琼收到了

    “体验世界”(Taste of the World)发布的一系列报酬不菲的任

    务。“体验世界”是工人之间广为流传的一个匿名账户，隶属于热门

    旅游网站猫途鹰。“体验世界”在MTurk上发布了成千上万个任务，包

    括删除重复的酒店列表、验证网站链接、编写热门景点的描述、创建特定城市的最佳就餐地点列表以及清理拼写错误。一名经验丰富的工

    人从“体验世界”的任务中获得的报酬相当于平均每小时10美元，而

    且还有小费。琼说，“这项工作几乎每天都有……而且每次都要发布

    好几个小时”，意思是她不必抢在任务消失前去看。她可以离开电脑

    做晚饭，等她回来的时候，“体验世界”的任务还没有完成，因为工

    作量实在太大了。但是，就像工作机会突然来临一样，它也突然枯竭

    了。琼告诉我们，不到一年的时间里，“体验世界”突然在MTurk上发

    帖称：“我们已经有足够的人手。”琼直截了当地补充说：“就这样

    结束了。”

    当涉及为幽灵工作付费时，每个平台的操作方式都有所不同。在

    某些方面，亚马逊既像是一台自动取款机，又像是企业内部的商店。

    MTurk上的新工人最开始需要等待10天，之后才能提取做任务挣到的

    钱。在平台上提交被请求者认可的工作，10天后美国工人有一个选

    择：他们可以以亚马逊礼品卡的形式得到全部收入，也可以把薪水转

    入亚马逊支付账户。工人可以通过亚马逊的支付账户把收入转进个人

    银行账户，但必须向亚马逊支付手续费才能享受这项特权。除了印度

    公民，其他国际工人只能把他们的收入兑换成亚马逊礼品卡。

    印度公民是唯一能在MTurk上赚取现金的国际按需工人。原因是亚

    马逊的跨国控股模式只允许它在美国和印度的办公地点之间运营和转

    移资金。印度的MTurk工人可以选择亚马逊礼品卡，不过，如果是杂乱

    的非常规社区，亚马逊不能保证万无一失地送达。如果印度工人想把

    钱转到个人银行账户，他们必须先提供自己的出生日期和永久账户号

    码卡(PAN卡)的扫描件。PAN相当于美国的社会保险号。亚马逊需要

    一周或者更长的时间来验证PAN卡信息。完成后，印度工人还需要跨越

    一个障碍：他们必须把自己的银行账户信息发送给亚马逊进行验证。

    一旦验证成功，亚马逊就可以开具纸质支票，或者直接向印度MTurk工

    人账户中存款，但需要额外收费。对于琼来说，她一开始并不打算把MTurk变成一份全职工作。但计

    划赶不上变化。现在，她已经适应了独立工人的生活。她的长期目标

    是把几个收入来源结合在一起，实现财务稳定。在我们遇到的工人

    中，这是一个共同的主题。事实上，75%的MTurk工人报告说，他们至

    少有一种其他收入来源。以琼为例，除了在MTurk上的工作，她还自己

    纺羊毛，并在当地市场销售针织工艺品。她还在提高自己的文档写作

    技能，目标是在宏任务网站Upwork上建立一个更有竞争力的自由职业

    者形象。她想找一份远程办公的兼职，比如在线客服，但她不知道如

    何在照顾妈妈的同时做到这一点。而且，和MTurk上75%的工人一样，琼也在其他平台上做幽灵工作，包括微软的UHRS，但她也提到，这一

    年多来，她的主要收入来自MTurk。

    UHRS：企业内部的幽灵工作

    我们在引言中提到过卡拉。卡拉43岁时有了孩子，在此之前她是

    一名电气工程师。第二个孩子出生的时候，卡拉退出了职场。然而，在家待了几年后，她开始怀念工作中享受到的那种集体归属感和使命

    感。她提出要回去工作，哪怕跟着丈夫做兼职也好，但丈夫不相信她

    能兼顾家庭和工作。卡拉说：“他担心那样压力会很大。”但卡拉坚

    持要去工作。最后她和丈夫达成妥协：卡拉可以在家办公。现在，她

    在微软旗下的平台UHRS上工作。

    和一些大型科技公司一样，微软也模仿MTurk的机制，建立了自己

    内部的微任务幽灵工作平台。推动技术创新的公司需要大量工人做产

    品内测和代码检查。他们也依赖于按需工人通过清理大量专有数据储

    存中的训练数据，来改进服务的算法和人工智能。科技公司收集人们

    如何使用他们网站的信息并存档。这些数据包括热门搜索关键词、流

    行歌曲选择以及鼠标的光标移动轨迹，收集这些信息可以帮助推动产品开发。如果客户数据是新开发的石油，那么按需工人相当于在做操

    纵钻井塔的工作。

    MTurk与科技公司内部平台的最大区别在于，在招募和推销劳动力

    的同时，MTurk也在推销平台本身；而在大型技术公司的平台上，比如

    UHRS，第三方供应商管理系统(VMS)负责招募和供应幽灵劳动力。这

    就是说，供应商管理系统又创造了一层不透明，它就像是经纪人，在

    保密协议下寻找愿意签合同做幽灵工作的人。21

    例如，谷歌内部神秘

    的幽灵工作平台EWOQ就是靠供应商管理系统招人。通过Leapforce等外

    包公司，EWOQ雇人识别和重排新网页，从而微调广告与用户搜索之间

    的链接。22

    根据媒体报道以及我们对多个按需平台上的工人的采访调

    查，可知Twitter和Facebook都使用内部工具包，这些工具包的功能非

    常类似于MTurk，还会将供应商管理系统提供的工人接入到他们的平

    台，监测并审查平台上的内容。23

    卡拉在UHRS上为微软做类似的工

    作。

    在UHRS上做幽灵工作之前，卡拉在一家小公司工作，负责处理一

    家美国企业的后勤文件。她的公司位于班加罗尔电子城的中心社区，离挤满游客的乔邦公园不远，是一家业务流程外包(BPO)工场，处理

    来自美国的工作。24

    也许具有讽刺意味的是，该公司最大的合同是与

    美国一个历史最悠久、规模最大的劳工组织签订的。卡拉和另外三名

    妇女肩并肩坐在BPO工场狭小的只有四张办公桌的办公室里，做一些琐

    碎的任务，比如删除重复内容、纠正数据条目中的排印错误，以及更

    新劳工组织的联系人数据库。她喜欢在网上搜寻各种信息，比如查塔

    努加、霍博肯等城市的正确拼写和邮政编码。她喜欢追踪重要线索，输入正确的搜索词，并找到与手头任务相关的信息。

    三年前，卡拉就是这样进入微软的内部平台UHRS的。她首先在求

    职网站Glassdoor(5)

    上找到一个供应商管理系统的链接。“我点击那个链接。它似乎提供了一个很好的方法，让我可以继续利用网络搜索

    和其他计算机技能。”

    卡拉有资格在UHRS上轻松工作。每个供应商管理系统都有自己的

    流程，用来审核潜在的按需工人，主要涉及他们的语言能力(通常优

    先考虑英语写作水平)和网络检索技巧。例如，在UHRS上，系统会做

    一个简短的测试，判断应聘者的语言能力和检索技巧；如果通过了，几分钟之内，应聘者就会得到一个独立的账户。(就UHRS而言，工人

    账户和微软用于登录Xbox的游戏账户没有什么不同。)一旦该账户被

    激活，工人就可以完成平台上特定的培训，了解UHRS的复杂细节——

    相当于MTurk的数据面板，并且可以开始在UHRS上寻找被称为

    “HitApp”的项目。

    哪些HitApp是可以做的，取决于工人当前的IP地址，以及供应商

    管理系统中登记的国籍和语言。一旦UHRS的工人在HitApp中至少完成

    了一项工作(称为“判定项”)，并且结果表明他们可以正确地完成

    这项任务，剩下的HitApp就会从市场区域转移到工人的“我的

    HitApp”区域，后者是一个主界面，工人可以看到他能领取的微任

    务。卡拉在卧室的角落里放了一张桌子，开始工作。

    只有微软的全职雇员以及与微软合作开发新产品的授权伙伴才能

    在UHRS上提交申请，招募按需工人。这意味着，微软超过12万名全职

    雇员可以随时成为环路中的请求者，在幽灵经济中委托按需工人帮助

    他们完成任务。

    正如琼在MTurk上那样，卡拉在UHRS上与她的同行也有相似之处和

    不同之处。UHRS上近80%的工人年龄在18岁到37岁之间，超过70%的工

    人是男性。但是，和卡拉一样，超过85%的工人拥有学士学位或者更高

    学位。

    跟MTurk的情况一样，没有明确的劳动法来管理谁可以在UHRS上注

    册并从事有偿工作。但是，任何像微软一样的跨国公司的幽灵工作都必然是全球性的事业。世界各地的工人都可以在UHRS上做微任务，这

    是因为微软迫切需要以70种语言向20多个国家和地区提供一系列产品

    和服务。

    如果你想想微软销售的产品种类，那么UHRS上工人可做的微任务

    类型有多少就可想而知了。工人会检查录音，评估录音的质量。他们

    还检查书面文本，确保其中没有夹杂成人内容。另一个热门任务是翻

    译。微软在语音识别和机器翻译方面的优势来自按需工人用精确的数

    据集训练算法。他们用一种语言录制一句简短的音频——通常是英

    语，然后翻译成他们的母语，输入到Excel文档中。

    UHRS上的另一种常见的工作是市场调查，这通常受到人口统计数

    据的限制，如年龄、性别和位置。此外还有名为“情绪分析”的任

    务。在情绪分析中，工人可能会看一系列单词、自拍、视频，或者听

    一些音频，然后用一个词描述他们对面前的单词、人物、动作或声音

    的情绪感受。之后研究人员也向算法展示相同的材料，这些人类的见

    解就成为训练数据。

    在家里，卡拉经常向她的儿子求助，帮助完成分类任务，尤其是

    那些需要掌握美国口语知识的任务。男孩们帮她对常见网站上的最佳

    搜索关键词进行分类和排序。(例如，如果有人要找一件昂贵的结婚

    礼物，他们会输入“精美的瓷器”还是“漂亮的餐具”呢？)卡拉的

    孩子也帮她识别“成人内容”，信息研究学者莎拉·罗伯茨(Sarah

    T. Roberts)把这种常见的工作称为“商业性内容审核”。25

    这种内容审核需要像卡拉这样的人在恰当的时刻参与进来，因为

    尽管单词看起来很简单，但根据读写单词的人不同，含义可能有许多

    种。人工智能可以学习并模仿人类的一些思考，比如卡拉和她儿子的

    思考，但它必须不断更新，以适应新的俚语或意想不到的词语组合。

    与供应商管理系统打交道的一个冲突点是，当有人提出问题或事

    情出差错时，他们能够提供的技术支持非常有限。当任务出现问题，“我的HitApp”区域就会弹出“报告这个HitApp技术问题”的链接，工人唯一能做的就是在文本框输入他们的问题——就像我们很熟悉的

    在线服务投诉，然后等人回复他们的求助邮件。

    卡拉附和了其他UHRS工人在线上论坛的说法：“我的HitApp”区

    域可能随时关闭，工人可能接不到任务，但官方没有任何解释。因为

    供应商管理系统本身并不运营平台，所以它既不能修复故障，也不能

    解释发生了什么。当这种情况发生时，UHRS的工程师总是忙于让平台

    恢复正常，而无暇回应那些按需工人的询问。尽管工程师很同情工人

    的遭遇，但从合同上讲，回应工人的诉求并不是他们的职责。在供应

    商管理系统和使用供应商管理系统的科技公司之间，处理工人的沮丧

    情绪变成了一场大型的“踢皮球”游戏。

    同样，如果对工人提交任务的质量有争议，供应商管理系统的代

    理不会介入。大多数幽灵工作的合同都清楚地写明，仲裁纠纷的全部

    责任由工人承担。供应商管理系统通常会为工人提供论坛，尽管工人

    受制于保密协议。通过EWOQ在谷歌上注册的工人，看不到通过UHRS在

    微软上注册的工人，也无法与他们交谈。但是，如果工人对UHRS有特

    殊的问题或麻烦，他们可以在UHRS上求助于一群活跃的按需工人，谈

    论他们的工作。

    最后，UHRS的新人必须等待三周才能拿到他们的第一笔工资。科

    技公司通常向供应商管理系统支付费用，然后供应商管理系统才向工

    人支付工资。和MTurk一样，UHRS利用工人在网站上出现的最初几周来

    验证他们的账户信息，检查他们的工作，并设置转账，而钱会先转给

    工人在供应商管理系统中的账户。过了最开始的等待期以后，工人会

    每两周收到一次报酬。

    卡拉的公公婆婆不赞成她花很多时间在家里的电脑上。卡拉说，公公婆婆更希望她能多抽时间陪陪他们。但她喜欢独立，希望口袋里

    有点闲钱。对卡拉来说，UHRS的大部分工作意味着不断学习。它还意味着与IT行业等特定的工作保持联系。UHRS上的工作给了卡拉信心，她知道在网上查找信息的最新软件和策略。

    卡拉还可以利用她在UHRS上的工作经验来充实自己的简历，否则

    这些年可能意味着完全失业。“对我这个年纪的女人来说，重返工作

    岗位或者开始一份新工作是很困难的。每个人都觉得你只会跟在孩子

    后面跑，或者认为你跟不上工作节奏。”卡拉的丈夫开始重视她的工

    作，并想方设法支持她。卡拉甜蜜地回忆起有一天晚上他们都在家，丈夫给她端来茶和点心的情景。“我喜欢他看着我工作，为我做一些

    小事情，就像我为他做的一样。”

    尽管卡拉在业务流程外包工场的前同事没有人跟她一起做幽灵工

    作，但她和前同事讨论了如何提高检索技巧。卡拉每周去市中心和她

    们见面，交换一些技巧，用卡拉自己的话来说，这样她感觉自己还是

    “职场的一部分”。

    MTurk和UHRS说明了微任务在很大程度上仍然依赖于人类的创造

    力。但是同样的分解工作的方法也可以应用到更大的项目中。正如接

    下来的两个案例所显示，弄清楚在哪里以及在什么时候把人和机器结

    合起来，会创造新的商业机会。这些公司模糊了微任务与宏任务之间

    的界限。在这样做的同时，它们也提出了一个令人担忧的问题：还有

    什么工作不能变成幽灵工作呢？

    LeadGenius：模糊了幽灵工作微任务与宏任务的界限

    印度南部海得拉巴的中心有一座100平方英里的“老城”，26岁的

    扎法尔一直生活在这里。老城是沿着穆西河河岸的一个建有围墙的社

    区，它建于500年前，是印度最大、最古老的穆斯林社区之一。环绕着

    人口密集的海得拉巴科技城，有一条高速公路，扎法尔的父亲曾参与

    修建。海得拉巴科技城是一个IT产业园，建于20世纪90年代，目的是承接涌入印度的大量外包工作。由于最初IT相关的工作机会大量出现

    时，最先受益的通常是海得拉巴占人口多数的印度教的上层种姓，所

    以扎法尔的许多叔伯和堂兄弟像很多印度穆斯林男性一样，加入了移

    居到波斯湾沿岸的阿拉伯联合酋长国的大潮，寻找高薪工作，如司

    机、厨师，或者在遍布阿联酋海滩的商店里当售货员。

    但是扎法尔的父亲想让两个儿子过上不一样的生活。他督促孩子

    们获得大学学位和白领工作。扎法尔的哥哥学金融，在海得拉巴富裕

    市郊的一家银行当出纳。扎法尔学IT，获得的学位相当于当地技术学

    院工程学学士。

    在海得拉巴，科技公司的工作都交给了英语流利的人，尤其是掌

    握了英式或美式英语发音的求职者。像扎法尔这样的年轻穆斯林男

    性，很少有机会练习英语口语，而且只接受过有限的工程训练，所以

    处于不利地位。他花了大约一年时间申请海得拉巴几家大型公司的客

    服中心岗位和技术支持岗位，但从没有通过面试。所以在看到一篇关

    于按需平台LeadGenius的新闻文章时，他就申请了。

    LeadGenius提供企业间服务(B2B)，向推销员提供销售线索。其

    他公司也出售销售线索，但LeadGenius的天才之处在于其工人的创造

    力和见解。你可以这样想：一次基本的网页搜索可以得到潜在新客户

    的联系信息，但是人工智能无法确定这些信息是否有用。此时就需要

    人类参与进来。一个人可以浏览任意两家企业的信息，比如营业了多

    久，是否有其他店址，老板是否官司缠身，从而帮助推销员决定哪家

    企业更可能是好的推销目标。在按需工作中很难培养一支被重视的工

    人队伍，但LeadGenius做到了这一点，它在微任务(琐碎的、重复

    的、有点机械化的工作)和宏任务(需要经过深思熟虑的工作)之间

    架起了一座桥梁。26

    扎法尔发现，在LeadGenius上注册签约与其他幽灵工作网站很

    像。作为一个新人，他需要点击“申请”按钮，创建“候选人账户”。他要做一项打字和校对测试，填写一些个人信息——年龄、性

    别、住址。他要提交一份简历。LeadGenius着重告诉每一位求职者，非正式的工作经历也会得到法律的认可，比如为家人工作——这一个

    小小的举动表明，该公司的许多工人生活在工作不那么正式的地方。

    LeadGenius的招聘与其他按需平台的不同之处在于，接下来要由

    已经上升到高层级的工人进行一轮严格的面试。整个过程可能需要长

    达三周的时间。只有当应聘者通过了面试和一些额外的测试，招聘者

    才会发出工作邀请。

    如果接受了工作邀请，新工人将参加有薪酬的视频培训和视频后

    的测试。为工人支付培训费用也是LeadGenius与其他供应商和开放幽

    灵工作平台的不同之处。所有新工人最开始有90天的试用期，但如果

    他们熬过了最初的90天，满足平台的要求，包括每周登录以及与团队

    保持至少20个小时的联系，按时完成轮班，他们的时薪就会自动上涨

    8%。

    为了能够每周工作20个小时，员工必须自备电脑和网络，能够使

    用微软的Word、Excel和谷歌的Docs等办公软件，并且能熟练使用

    Skype等即时通信和语音聊天软件。扎法尔在自己买的笔记本电脑上工

    作。他喜欢在家里不同的地方办公，弹性地选择休息或工作，而不是

    在用作家庭办公室的门厅里一直面对着台式电脑。

    和扎法尔一样，LeadGenius上85%的工人年龄在18岁至37岁之间。

    27

    LeadGenius上的按需工人叫“调研员”(researchers)，其中有学

    士学位的比例略高于70%。在全球范围内，女性占平台工人总数的

    49%，尽管在我们调查的印度工人中，男性比女性多10%。LeadGenius

    上近75%的工人还在至少一个其他平台上做按需工作。起初申请

    LeadGenius的时候，扎法尔还在全职为MTurk工作，但是已经有一个多

    月没有达到每天挣20美元的目标。根据LeadGenius的数据，每三个调

    研员中就有一个需要养一家三口甚至更多人。我们发现，在LeadGenius上，超过60%的工人无法单靠这个平台满足基本需求，还需

    要至少有一种其他收入来源。

    LeadGenius拥有一支全球性的工人队伍。该公司最大的调研员团

    队位于印度和菲律宾。调研员的工资取决于他们找到的销售线索在商

    业市场上的价值。和UHRS一样，工人获得的报酬同时取决于两个要

    素：第一，所谓的劳动套利(labour arbitrage)，即一家企业能以

    多低的成本，招募那些参与全球贸易的、工资水平较低的国家的工人

    去做同等质量的工作；第二，同样重要的是企业提供的产品或服务的

    “本土化”程度如何。随着越来越多的公司试图把他们的产品销往全

    球市场，这就需要了解当地语言、习语以及特殊风俗习惯的当地工

    人。28

    LeadGenius组织调研员团队的方法与组织传统劳动力类似。责任

    层级较高的人，比如培训师、初级经理和项目经理，决定了整个公司

    职业发展的轨迹。更高级别的工人组成团队，处理特定客户的需求，这些需求经常需要进行大量的网页搜索，以搜集、分类和细化销售线

    索。

    团队会经过组织，如此所有成员都会在同一个时区工作，通常也

    会在同一个国家。项目经理也住在同一个时区，以便回答工人的问

    题。工人必须能够每周工作20到40个小时。除非有紧急情况，否则一

    旦他们加入项目团队，就至少要待够30天。工人的工作由项目经理评

    估。在合理的范围内，他们在一定时间内获得技能或知识的速度还有

    上升的空间。如果他们提交的工作不完整或者有错误，就会得到一次

    警告。如果三个月内得到三次警告，工人就会被平台开除。

    大多数项目中，工人都会看到一个数据面板，上面有预先加载的

    线索任务请求，就像MTurk和UHRS一样。在某些情况下，LeadGenius的

    商业客户会让工人访问他们的内部网站，以保护数据的私密和安全。

    工人、经理以及那些直接与项目相连的客户能够相互通信，数据面板是所有通信的中心。如果出了问题，工人可以向经理寻求帮助，并且

    工人可以在后台运行实时聊天软件，以便相互交谈，就好像他们在零

    售店工作一样。扎法尔花了一个又一个小时迅速而艰难地做决策，决

    定给团队发哪条销售线索。

    由于LeadGenius提供企业间服务，日常工作可能很难想象，所以

    可以参考下面这个例子。美国的律师事务所通过LeadGenius这样的付

    费平台收集公共记录中的人名。扎法尔这样的工人先认领一个城市，比如马萨诸塞州的剑桥城，然后上网搜索当地报纸，查找与违法者有

    关的帖子。这些人也许是因为酒后驾车被捕，也许是因为拖欠了赡养

    费。当潜在雇主在网上寻找求职者时，这些不太光彩的细节可能会暴

    露出来。LeadGenius的工人编制了一份详尽的名单，列出了所有因涉

    嫌违法而被公开的人，然后他们把这份名单交给一位律师，律师开始

    挨个给名单上的人打电话，提出可以从搜索结果中删除他们的记录，条件是付钱。正如一名工人告诉我们，这是一种会持续提供新工作的

    潜在顾客开发流程，因为“人们总是会犯下他们之后想要掩盖的罪

    行”。你可能会说，这是伴随着互联网出现的一种新型的诉讼教唆行

    为。它需要智能搜索技术，这是计算机无法独自完成的。

    工人会列出自己一天的空闲时间，当这一时间用尽之时，一天的

    工作就会结束——LeadGenius把这称为轮班。而且，就像我们在其他

    工人中发现的一样，LeadGenius的团队成员结束轮班后，会与住在当

    地社区的同事见面。

    LeadGenius每隔一个周二，在加利福尼亚州(这家初创公司总部

    所在地)时间中午之前，会使用数字支付服务PayPal和Payoneer甚至

    比特币支付工人薪酬。但是，就像MTurk和UHRS，得到的报酬需要直接

    存款，所以工人必须冒一次险，把自己的银行账户与另一个公司连通

    以便进行全球转账，这个公司的总部位于地球的另一端，由他可能永

    远不会见面或交谈的人运营。通过为LeadGenius工作，扎法尔给自己的婚礼攒下了足够的钱，还请了将近一个月的假。他的母亲因为一场三轮机动车事故而身体虚

    弱，扎法尔还外出三周照顾母亲。母亲恢复健康后，他很快回到了

    LeadGenius。公司保证留给他一个名额，只要他想回来。扎法尔在结

    婚前拒绝了LeadGenius的一个初级经理职位，因为他的未婚妻不希望

    他在新婚燕尔时还要上夜班，也不能接受这个职位需要工作30个小

    时。

    Amara：翻译语言的幽灵工作

    凯伦37岁，拥有比较文学学士学位。她和丈夫、3岁的儿子以及10

    个月大的女儿住在俄勒冈州波特兰市。Amara是一个基于网络的交互界

    面，可以把视频和字幕链接起来，这并不是凯伦的第一份线上工作。

    几年前，她通过供应商管理系统Lionbridge为谷歌(她怀疑是谷歌)

    做搜索引擎评估。她还为按需虚拟助理服务Fancy Hands工作过。这项

    工作包括即时在线客服和处理文本请求，这些请求可能是其他人发布

    的任何事情，从安排航班到购买家具，不一而足。但这类工作都不长

    久，所以需要不停地寻找类似的任务。

    第二个孩子出生后，凯伦开始寻找更有创造性的工作。她为一家

    媒体公司(她称之为“内容农场”)撰写和编辑指南性质的文章，客

    户包括eHow和Livestrong.com。凯伦说，在与主管进行了几次紧张的

    电子邮件交流后，她被这家媒体公司“解雇”了。主管认为她的工作

    “不能令人满意”，但没有告诉她下一个任务该如何改进。严格来

    说，自由职业者是不可能被“解雇”的，但是，正如凯伦所说，“不

    管法律意义上如何，那感觉就像是被解雇了一样”。然后，她在克雷

    格列表网站上搜索其他文案编辑工作时，看到了一则Amara的招聘广

    告。Amara提供翻译视频和添加字幕的服务，它把幽灵工作的机制与管

    理翻译视频的剪辑和重组的自动化功能结合在一起。Amara模糊了重复

    性的微任务和大规模的宏任务之间的界限，后者要求工人为项目带来

    创造性的见解。Amara提供的工作也挑战了社会上大多数人认为的有偿

    工作与志愿服务或义务劳动之间有明显区别的观念。

    Amara的经营理念可以追溯到2006年。当时，几个朋友尼古拉斯·

    雷维尔(Nicholas Reville)、蒂凡尼·程(Tiffiniy Cheng)、霍

    姆斯·威尔逊(Holmes Wilson)和迪安·詹森(Dean Jansen)都在

    非营利机构网络共享文化基金会(PCF)工作，Amara是他们的智慧结

    晶。29

    PCF有一小笔拨款用于开发可让人更容易地在网上分享视频和创

    意作品，同时没有看门人或广告商来控制内容的各种工具。当时，只

    有RealPlayer播放器和Windows媒体播放器支持在线播放视频。2011

    年，PCF在其早期软件的基础上推出了Amara，这是一个基于网络的平

    台，可帮助人们集体在屏幕上播放的视频中把语言翻译添加到对话和

    场景里去。

    2011年春天，就在PCF的Amara上线之后不久，激进分子就用它翻

    译记录人权危机的视频，尤其是在“阿拉伯之春”与福岛核反应堆事

    故期间。Amara因此成为众人瞩目的焦点。电影制片人和非营利机构

    TED演讲的创始人找到了PCF，想让其为那些想要给全球观众提供字幕

    的媒体创作者和TED演讲者提供“快速字幕”30

    到2013年年中，PCF的

    执行董事尼古拉斯·雷维尔和经验丰富的技术策略师阿勒里·阿尔卡

    拉(Aleli Alcala)共同创立了“按需Amara”(AOD)来填补这一有

    利可图的市场。Amara体现了幽灵工作崛起的两个现实。第一，幽灵工

    作不仅存在，而且将长久存在，这否定了一种说法，即把人类从需要

    创造力的工作流程中完全抛弃是很容易的。第二，Amara也让人们看

    到，逐渐有一些企业希望明确承认幽灵工作背后更有价值的组成是人

    类，而不是软件。凯伦以志愿者的身份加入Amara，为YouTube视频、短纪录片以及

    失聪和重听社区的大学课程配字幕。宏任务吸引她的原因和我们了解

    到的吸引其他Amara工人的原因一样。凯伦喜欢做全职妈妈，但也渴望

    找到和同事进行成年人交流的途径。当她转向按需Amara工作时，她对

    这份工作已经很熟悉了，但不同的是现在开始有报酬了。

    Amara的工资标准取决于对特定语言的需求。使用更常用的语言翻

    译视频内容并添加字幕，尤其是那些更富裕国家的语言，会获得更高

    的溢价。例如，凯伦把视频中的文字和语言翻译成英文并添加字幕的

    话，每翻译1小时视频，Amara会给她68美元。凯伦第一次配字幕时，她花了1个小时才完成1分钟视频。但她不断练习，速度越来越快，她

    的薪水也达到了平均水平。

    为了获得平均薪酬，Amara上的工人为英文内容添加字幕，每分钟

    视频就能挣1美元。现在凯伦每次只翻译时长15分钟的视频，但这样工

    作一小时能挣15美元多一点，几乎是她在当地星巴克煮咖啡的两倍。

    而且凯伦不需要全职工作就能拿到这么多薪水。但凯伦说，这份工作

    最棒的是团队合作。

    早期尝试线上工作时，凯伦形单影只。但现在她与一个团队合作

    制作视频字幕。按需Amara把处理单个视频的团队分成小组，小组的规

    模取决于语言和翻译项目的体量。如果是一部即将参加国际电影节的

    正片长度的电影，Amara会指派几个团队负责人来监督这个项目，发出

    工作请求并组建团队。这就是凯伦最近接手的一项工作。

    一旦组建了团队，Amara的每一个人都会收到正式的邀请。感兴趣

    的成员可以反馈自己的空闲时间。只要团队成员接受邀请，他们就可

    以选择任何可供处理的视频，并与团队中的人共享剪辑或注释。Amara

    的团队成员基本上是平等的，既制作原创字幕，又编辑其他团队成员

    制作的翻译。在Amara上，接近75%的人年龄在18岁到37岁之间，超过60%是女性

    (这与我们研究过的其他所有平台相反)。31

    78%以上的成员拥有学士

    或更高学位(40%以上拥有硕士或更高学位)。80%的Amara工人依靠这

    个平台，以及至少一种其他收入来满足自己的需求。而对于接近70%的

    工人来说，Amara是他们用来获取按需工作的唯一幽灵工作平台。

    Amara上的大部分团队沟通也是通过电子邮件或实时聊天频道进行

    的。团队成员可以创建个人简介，这样他们的姓名、照片和简历就可

    以与同一个项目的人共享。凯伦说，团队成员之间的整体气氛是友好

    的；有些人甚至会彼此发友善的电子邮件。总而言之，这与她早期的

    按需工作经历截然不同。

    除此之外，Amara和其他工作平台之间还有一个很大的差别。如果

    团队成员开始做一个任务(视频)，然后意识到任务的要求太高，或

    者自己不感兴趣，他可以随时把任务退回去。凯伦回忆说，接受任务

    后，她只拒绝过一次。那是萨缪尔·贝克特(6)

    的戏剧。“Amara需要

    给它配字幕。这项工作太难了!剧中人物的语速非常快，而对话我完

    全听不明白。总得有人给它配字幕，但我无法想象。”凯伦得到了报

    酬，因为她花了时间研究怎样做：正好是5分钟回顾视频的时间。领取

    任务和放弃任务既简单又没有压力，这可以鼓励团队成员尝试那些看

    上去可能有些吓人的主题。

    Amara不辞辛劳地开发软件，不仅方便工人使用，而且很有趣。毕

    竟，它首先需要吸引志愿者。Amara给团队成员提供了他们用来翻译和

    添加字幕需要的软件。为了给视频添加字幕，詹森和威尔逊以流行的

    舞蹈视频游戏《劲舞革命》(Dance Dance Revolution)为模型开发

    软件，并且增加了一些功能，包括醒目的按钮和简洁的界面。安装这

    个软件后，使用跳格键(Tab键)浏览视频资料变得很容易。当团队成

    员观看视频剪辑时，他们把对话的翻译或动作描述的翻译输入到屏幕

    上的文本窗口。然后他们点击字幕，拖动到Amara编辑器中，把字幕添加到视频片段上。他们也可以随时暂停和开始，“你只需要按下两个

    键，就可以让字幕滚动或暂停，使其与视频同步。这是一个很棒的项

    目。”可以说这就像玩电子游戏一样简单。

    从某些方面看，自动识别语言和翻译很容易，因为人们已经习惯

    了日常生活中的Siri、Cortana和Alexa等工具(7)。人类语言的自动识

    别和翻译是人工智能的一个基本组成部分，它发展成一个新领域，叫

    作“自然语言处理”(natural language processing)。自然语言处

    理很大程度上得益于互联网收集了大量人们用各种语言写作和说话的

    例子。然而，对计算机程序来说，抓取视频中的对白仍然是一项艰巨

    的任务，更别说翻译成其他语言了。公平地说，这也需要一个团队来

    实现。

    Amara是一家非营利机构，它挑战了风险资本对优步等公司的无限

    热情，以及随之而来的一波创业浪潮，那些创业公司都标榜自己是各

    自市场“优步化”的代表。LeadGenius和Amara代表了另一种商业模

    式，承认他们不仅仅出售匹配软件。他们的业务是依靠人类的创造

    力。他们还使用幽灵工作完成比给图片贴标签更宏大的任务。至少在

    今天，这些宏任务仍然超出了自动化的能力范围。

    Upwork：全职雇员管理宏任务

    在将工人与另一家公司的任务进行匹配时，LeadGenius和Amara的

    商业实践使人们的注意力不禁转向了人机合作环路中的另一类也很难

    被看到的人。他们便是那些请求者——小企业的个体户或大公司的全

    职雇员——通过幽灵工作平台寻找和雇用帮手来缓解自己的工作负

    担。他们不过是另一群陷入幽灵工作的人，忙着处理办公桌上亟须完

    成的新项目。类似Upwork这样的商业平台以及越来越多的竞争对手采取了一种

    混合的方式来管理幽灵工作。他们允许客户访问API，从而实现自动化

    的雇佣、评估和支付，这与MTurk没有什么不同。但它们也允许个人或

    公司手动在网站上提交任务，并与工人进行更多互动，从而使完成的

    琐事看起来更像是发生在几个办公室隔间里，而不是高度原子化的微

    任务。这些网站上常见的任务包括平面设计、视频制作和内容创作，但也有更多工程型的任务，比如网站制作和软件开发，这些任务的时

    薪可达100美元以上。更宏大、更复杂的任务需要更多的互动，因此

    Upwork允许请求者与工人实时聊天和互通电子邮件，这对更复杂的任

    务非常有用。尽管如此，平台本身仍然是工人和请求者之间互动的中

    间人，这也使双方相互疏离。这可能会消解请求者眼中工人的人性，就好像工人只是平台软件的一部分。Upwork等平台表明，自动化和半

    自动化流程现在已经在分配和管理从简单到复杂的全部工作。

    也许讽刺的是，我们在Upwork等网站上遇到了一些人，他们本身

    就是全职雇员，却也在网站上雇用工人。他们求助于幽灵工作平台，把各种宏任务分包出去。大多数情况下，他们这么做有四种原因，而

    且所有在工作中感觉人手不足或不堪重负的人应该都很了解。第一，就像他们可能会在克雷格列表或巨兽网(Monster.com)上发布临时招

    聘广告一样，全职雇员也会使用按需平台，因为公司内部没有人具备

    项目所需的专业知识。这方面的专业知识涉及面很广，从撰写文案到

    分析引擎的振动，各种类型都有。正如一位工程公司的高级经理所

    说，他通常会雇用按需工人来做详细施工设计。“我在寻找了解大型

    感应电动机的振动分析专家。我找的是既擅长设计又擅长工程的

    人。”一家线上教育公司的营销经理想找人做内容设计、撰稿和动画

    制作，他说“如果内部无法完成，我们会找一名自由职业者来完成这

    项工作。但也有些情况，我们自己不会做，所以别无选择，只能雇自

    由职业者”。第二，相比于通过传统的劳务中介招募工人，雇用按需工人的速

    度快得多，成本和管理费用也更低。对于那些想要提高盈亏底线、实

    现利润最大化的公司，这是最诱人的特点。一家营销公司的沟通交流

    专家估计了雇用按需工人节约的成本，并且指出：“与自由职业者合

    作最重要的一点是，他们交付价值的成本最低。因为我们不需要提供

    福利，也不用分配办公空间，我们可以节省40%的成本。”营销经理也

    可以立即估算出节约的成本：“如果你去(劳务)中介谈一个项目，他们可能要收2 500美元；但如果你去Upwork，可能只需花700到800美

    元就可以搞定。”

    第三，雇用按需工人最常见的一个原因是工作量突然增加。这种

    情况下，公司的全职雇员可能在新任务到来时正忙于其他工作，因此

    会雇用一名按需工人作为额外的帮手。营销经理说：“如果有一个快

    速周转项目，我们会雇用自由职业者。如果我们的内部团队没空，或

    者我们同时有很多工作要做，也会雇用自由职业者。”雇用按需工人

    的全职雇员表示，工作量增加有多种原因，包括季节性因素或项目很

    快要到截止日期，某些情况下两者兼而有之。一家直邮公司的项目经

    理说：“我们的业务是周期性的，甚至是季节性的。所以在高峰时

    期，每个人都满负荷工作。这时我们就会提议，雇一名自由职业

    者。”

    我们的受访者说，他们雇用按需工人的最后一个原因是，工人的

    工作质量比招聘机构雇用的承包商更高，在某些情况下，甚至比全职

    雇员更高。一家广告公司的营销经理说：“我发现在很多情况下，他

    们的表现都比内部雇员好。”工作质量高有以下几个原因：第一，按

    需工人为自己工作，并希望接下来继续合作。我们将看到，雇用按需

    工人有一些缺点，人事经理克服这些缺点的普遍做法是，维持一批值

    得信赖的、可以反复雇用的按需工人。按需工人也意识到这一点，为

    了被纳入受信任的人才库，他们会高质量地完成工作。可以说，来自

    新请求者的每个任务都是一场选拔赛，胜利者将进入他们的可复用名单。高质量工作结果的第二个原因是，按需劳工市场上存在就业竞

    争。工人必须掌握最新的技能才能获得工作，相反，全职雇员即使技

    能过时，也不会有严重的后果。一家医疗保健公司的项目经理表示：

    “我认为，最优秀的技术工人来自(自由职业)这一领域。这个领域

    会吸纳特殊的人，他们更加多元化，更愿意学习更多的系统和更新的

    方法。我认为自由职业能磨炼技能，让你保持敏锐和警觉……他们的

    技能令他们在公司更受欢迎。”

    尽管真诚地欣赏工人的高超技巧和职业操守，但请求者之间也有

    一种默契，有时他们会说，外包出去的那些任务，如果在情况允许的

    条件下，也会自己完成。很多情况下，在产生宏任务的人和完成宏任

    务的人之间做出区分是相当武断的。如果全职雇员所做的工作和他交

    给按需工人的工作没有太大的差别，那么为什么全职雇员似乎拥有所

    有的福利补贴，而分发这项任务却不需承担任何风险呢？

    去人性化的工作

    随着幽灵工作迅速而隐秘地取代了全职工作，它正在颠覆人们一

    个世纪以来，把全职长期就业当作文化中不言而喻的共识和中产阶级

    生活的稳定基石的努力。

    人机合作环路中的人类似乎是可以替换的。如前所述，拜API所

    赐，工人被表示为一串字母和数字，而不是一个名字和一张脸。在这

    个去人性化的领域，提供幽灵工作的公司几乎不知道他们的劳动力是

    由怎样的人构成。这种去人性化可以归咎于一些后勤组织方面的原

    因。有人可能会说，群体规模太庞大，看不到个体的脸。但重要的

    是，不能掩盖这样一个事实，即去人性化是有意为之，而不是幽灵经

    济的无心之错。按需服务平台可能不想了解其中的工人，也不想过度关心，这是

    有法律原因的。上述对各种幽灵工作的研究表明，我们很难忽视人类

    在人工智能的崛起中扮演的重要角色。

    在引言里我们讨论过，CrowdFlower是卢卡斯·贝瓦尔德(Lukas

    Biewald)和克里斯·范·佩尔特(Chris Van Pelt)创立于2007年的

    众包和数据挖掘公司，也是优步“自拍安全认证”背后的公司。该公

    司还有其他的大客户，比如eBay、Mozilla、Twitter和Facebook。

    CrowdFlower上的按需工人会完成一些微任务，比如审批照片、客户服

    务及内容审核。2012年，CrowdFlower的工人克里斯托弗·奥蒂

    (Christopher Otey)对该公司提起诉讼，指责平台上针对劳工的行

    径。奥蒂和另一名工人玛丽·格雷思(Mary Greth)被指定为诉讼的

    原告，但在诉讼结束以前，估计有19 992名CrowdFlower工人登记了该

    诉讼。据奥蒂说，他提出的诉讼依据是，CrowdFlower设定的工作要求

    跟全职雇员相同，但薪酬和福利却跟独立承包人差不多。谈到在

    CrowdFlower上的工作时，奥蒂说：“我无法掌控我所做的工作。这一

    切都是在他们的平台上完成的，我不能选择自己的时间。只要他们有

    任务，我就必须完成。他们几乎全方面地控制了所有工作。”鉴于

    CrowdFlower设定的工作条件，按照《公平劳动标准法》(Fair Labor

    Standards Act)，奥蒂认为，CrowdFlower欠他和其他工人一份底

    薪。CrowdFlower的法律团队反驳说，由于CrowdFlower上的工人是

    “自由承包人”，所以并不适用《公平劳动标准法》。最终，2015

    年，CrowdFlower支付了585 507美元平息了诉讼，但工人的雇佣地位

    问题仍然没有解决。

    自2015年以来，购买和销售按需工作的公司一直小心翼翼地维护

    着单纯提供在线集合场所的形象，它们只是在有任务要人做和愿意且

    有能力做任务的人之间提供匹配服务，并没有在做其他事情。按需幽

    灵工作平台视自己为中立方，辩称他们只是软件，充当中间人，管理

    着经济学家所谓的“双边市场”。它们把平台市场一端寻找工人的请求者和另一端寻找工作的工人

    联系起来。而且，由于没有固定的工作时间、工作地点，也没有关于

    谁是正式主管的协议，因此很难衡量这个蓬勃发展的行业中有多少幽

    灵工作，也不清楚谁在为此买单，以及哪些工人在完成任务。经济学

    家、诺贝尔奖得主罗纳德·科斯(Ronald Coase)很久以前就指出，交易成本是企业存在的根本原因。但随着新的按需系统出现，这种成

    本似乎正在消失。平台可以与请求者、工人保持距离，从而逃避正式

    雇主的法律责任。

    自动化的最后一英里悖论表明，利用幽灵工作提供服务的这种变

    革趋势正愈演愈烈。32

    到目前为止，已有数百家企业提供按需幽灵工

    作，以评估、分类、注释和完善消费者每时每刻在线产生的万亿字节

    的“大数据”，而且，那些承接更大任务的公司数量正在激增，这些

    任务至少部分由API管理。33

    尽管如此，把幽灵工作当成消费品的这种

    做法会使幽灵工作得不到任何保护。

    对于那些参与其中的人，要完全看到并重视广泛的幽灵工作是很

    困难的。让问题更加复杂的是，工人自己不知道如何把他们的工作或

    他们作为工人的身份进行归类，因此更难搞清楚按需工人真正想要的

    或需要的是什么。由于没有共同的工作场所、工作时间和职业身份来

    定位自身，那些按需工人形成了由各种兴趣组成的非正式的社群和社

    交圈。这是网络环境的一个常见特征：人们在各自的社交网络中进进

    出出，根据他们每天拥有的时间，被不同的人和项目吸引。组织正式

    的就业机会，平等地优化安排和支持以使每个工人都有能力选择工作

    时间、工作对象以及承担哪些项目，这是前所未有的。通常这种特权

    只留给最优秀的全职雇员。每个人都必须把自己的生活塞进朝九晚五

    的苦差事，或者让位给愿意朝九晚五的人。

    企业利用看似消耗性的、可替代的劳动力资源完成全职雇员职责

    之外的琐事，这并不新鲜。可以说，幽灵工作只是由来已久的历史潮流的最新翻版。

    (1) 克雷格列表(Craigslist)，位于美国旧金山的分类广告网站。

    (2) Yelp，总部位于旧金山的跨国公司，主营本地搜索、商业评论，类似于中国

    的“大众点评”。

    (3) 即401(k)退休福利计划，私营企业的雇员可以把工资的一部分划入退休账

    户，等到退休之后再领取。这种方式可以享受税收优惠。

    (4) Netflix and chill，互联网俚语，指邀请别人一起看网飞的电影，进而发

    生性关系。

    (5) Glassdoor是美国一家运营企业点评与职位搜索的职场社区，用户可在上面

    匿名点评公司。

    (6) 萨缪尔·贝克特(Samuel Beckett，1906-1989)，20世纪爱尔兰、法国

    作家，以戏剧的成就最高，是荒诞派戏剧的代表人物，代表作是《等待戈

    多》。1969年获得诺贝尔文学奖。

    (7) 分别是苹果、微软、亚马逊的智能助理，可以识别语音。第二章 自动化的最后一英里悖论简史

    1935年的《美国国家劳动关系法》(National Labor Relations

    Act，以下简称《瓦格纳法》)是美国第一部保障工人等成立工会、集

    体谈判和为争取更好的工作条件而罢工等权利的联邦立法，由纽约参

    议员罗伯特·瓦格纳(Robert F. Wagner)起草。大多数人认为，《瓦格纳法》是美国首次公开强制执行的针对现代就业的社会契约和

    安全保障。但是，界定工人的权利并将其纳入国家结构的做法，实际

    上是从一个世纪前开始的。

    《瓦格纳法》设法处理的19世纪工厂工人，和今天未受其保护的

    按需工人，两者的命运之间，连着一条几乎看不见的细线。20世纪

    初，新英格兰的农民家庭把布条做成花哨的蝴蝶结，这些工作与本书

    中的幽灵工作具有相同的遗留问题。一个多世纪以前，他们也基本上

    没有受到《瓦格纳法》的保护。全职工作与其他工作之间那条明确的

    断层线，也与加利福尼亚州20世纪60年代计算火箭运载卫星所需喷气

    燃料最佳重量的年轻女性有关。如今，这条线延伸到世界各地的临时

    劳动力库。自互联网发明以来，这些临时劳动力库一直承担着管理数

    据库和组建呼叫中心的任务，还为《财富》杂志上的世界五百强公司

    处理账目。

    为什么全职就业仍然是衡量成功的文化标准，这对当今的按需工

    人产生了多大的压力？要理解这一点，我们需要回顾过去。这一章我

    们回到19世纪末，并跨越整个20世纪。每一个突出的技术革新时刻都

    表明，政治领袖、经济权力掮客、劳工代言人以及当时的社会规范是

    怎样再度造成了需要专业技能的工作(机器无法胜任的工作)和非技

    术性工作(走向自动化的临时工作)之间的分歧。在早期，工业资本主义和制造业依靠流水线上的工人来维持工厂

    运转。但是制造商也需要很多人力手工完成一些工作，这些工作不能

    并入到机械加工过程中。

    只有辅以有组织的劳工以及工人的集体行动，半自动化工业制造

    里的全职工作才能得以存在和运作。不幸的是，全职就业的稳定和社

    会认同也使企业在利益的驱使下更容易把计件工作以及后来其他形式

    的临时工或合同工视为消耗品，即不值得保护的工作。投资哪些工

    人，不投资哪些工人，取决于谁在做这些工作，以及这些工作是“需

    要专业技能的”还是自动化时机已经成熟的“非技术性工作”。因

    此，人们认为冷战时期的工程师——主要是男性和受过高级培训的专

    业人士，天生就比填补企业秘书职位空缺的女性“计算员”更专业，更有价值。

    20世纪70年代开始，受季度利润报告推动的企业更可能把全职雇

    员视为负债，而非资产。1

    企业利用互联网技术，如分布式数据库和派

    遣员工而将任何可能的事情外包出去，致使全职雇员怀疑他们的工作

    是否会被全球的承包人或者坐在大厅另一端的小隔间里的“长期临时

    工”(permatemp)所取代。企业越来越依赖临时工，这一举措赢得了

    胜利，并重新定义了在这一过程中被视为“消耗性劳动力”的人。过

    去一个世纪里，工人们的故事讲述了“全职就业”这个词的含义以及

    这个含义的来源。这些故事也有助于解释，为什么当行业专注于将工

    作自动化时，反而会刺激对幽灵工作的需求，从而撕毁雇主和工人之

    间的社会契约。

    早期的消耗性劳动力

    《瓦格纳法》并不是美国第一部成文劳动法。南北战争以前，法

    律规定了在奴隶制度下哪些人必须被迫无偿工作，哪些人有权获得劳

    动报酬。北方的一些加工铁矿石、棉花等原材料的城市，通过生产由奴隶劳动补贴的商品致富。奴隶被视为财产，是一群可替代的劳动

    力，一旦他们完成了自己的工作，就会被牺牲掉。于美国所有地区，无论奴隶州还是自由州，资本主义的扩张和工业革命的发展，都依赖

    于将奴隶定义为临时劳动力的做法。2

    只有白人男性业主有权为付出的

    时间索要报酬。3

    在1865年南北战争结束前的美国，受委托工作的人有

    权获得工资这个简单的事实并不是天经地义的。

    南北战争结束后，尽管工业资本主义和赚取工资的机会迅速发展

    和增加，但这个饱受战争蹂躏的国家的绝大多数人，仍然生活在自给

    自足的农业与工业化之间模糊不清的过渡地带中。一个人自己的劳动

    实际上是为了养家糊口，人们在一块土地上勉强生活。家家户户都把

    自己能省下的粮食卖掉，再加上出售鸡蛋、羊毛，提供缝纫技术和清

    理土地的收入，这些构成了日常生活收入的主要部分。平安地渡过干

    旱、洪水、歉收和饥荒就已经占据了大多数人的全部时间。

    有工资的工作前景促使许多家庭从仅能维持生计的农场搬出，尤

    其是南方的农场，前往东海岸繁荣的港口城市。这些城市表现出一种

    可能性，即收入足以支付照明、取暖和食物的费用。来自南方的自由

    黑人，以及新涌入的欧洲移民，构成了新一批的廉价劳动力，使得北

    方的工厂主更容易扩张，同时还能将工人的工资保持在较低的水平。4

    贫穷但身体健全的移民和前奴隶群体大量涌入，加上这个年轻国家第

    一批资助现代工业资本主义的寡头出现，在这一背景下，流水线和计

    件工作的混合体诞生了。

    流水线和计件工作

    安置在流水线上的工人，并没有一夜之间就比有组织的技工和匠

    人速度更快。5

    花了一百多年时间，传送带和机械滑轮绕着原地执行零

    散任务的工人蜿蜒游走的工厂形态才成为标准。但很少有人注意到，即使在多数制造业转移到大规模生产线之后，有些工作，无论从字面

    上还是象征意义上说，仍然停留在流水线之外。

    工业革命时期的第一家所谓制造厂能够生产枪支、锁、椅子、糖

    果、鞋和衣服，其生产速度是任何手工行会或行业专家团体的10到20

    倍。但在不同情况下，这些大规模生产的手工消费品还是需要人来完

    成最后的收尾工作。这并不是一种新的生产方式。长期以来，行会使

    用学徒和分包助手制度来最大限度利用工匠大师的工作。新的流水线

    推进了行会中普遍存在的分包做法，但有一点不同：工厂主同时掌控

    着原材料和劳动力“供应链”。单个工人不再相互协调生产。他们被

    告知应该站在哪里、做什么，以及如何把劳动转化为最终的成品。就

    这样，流水线不仅没有在人和机器之间引入新的劳动分工，反而使人

    们失去了对自己工作节奏的掌控，以及相互协调和委托他人工作的能

    力。6

    随着工业革命的开始，机器开始使某些如纺织品这样的商品生产

    自动化，计件工作变得非常有效。计件工作(也叫“工业化家庭作

    业”“分包工作”“家庭手工业制”或“佣金制”)是在机器达到极

    限时，由人来制造或加工产品的一部分。计件工作被拆解为可分配的

    小任务，可以在工作场所之外完成，不需要停止生产，也不需要从工

    厂转移资源。7

    流水线依赖于旧的劳动分工。大部分计件劳动力是生活

    在城市边缘的妇女和儿童。8

    实际上，工业中的计件工作是第一代有偿

    的按需幽灵工作。

    当时，大多数熨压机和蒸汽缝纫机是由妇女和女孩操作的。9

    她们

    是缝补纽扣、窗帘环、衬衫花饰和腰带的“精工”。10

    精加工搬到工

    厂的围墙内只是为了进行规模较大的操作。生产了大多数纺织品的小

    型服装制造业，仍然依赖于农业社区“佣金制”的工作模式。

    工场间不是一间拥挤的房子，更典型的场景是一种当时被称为

    “拼命干的系统”，后来也叫“血汗工厂”，直到今天仍然存在。相反，工场间是一间农舍，缝纫机占据了起居室的每一寸空间，家庭的

    每一个成员，从父亲到小孩，都在做与布料有关的事。这些家庭付钱

    让司机搬运裁好的布匹，根据路程远近，每拉12匹布，司机就能得到

    分成。司机成了计件工作的中间人，穿行于匹兹堡等工业中心城市范

    围内很难走的乡村道路之间。他们避开了“挤满鸡和孩子的木棚

    屋”。11

    司机从匹兹堡开车进来时，能听到脚踩缝纫机的金属撞击声

    和急速运转的呼呼声。

    当时的经济学家和工业理论家认为，计件工作在技术上是低效

    的，随着生产规模扩大会逐渐消失。例如，发明于1770年的珍妮多轴

    纺纱机是由水力驱动的单台机器，多达120个线轴连接在一个木制框架

    上，用曲柄转动以纺纱、抻长和合股。这台机器能够制造出相当于数

    十双手工作数百个小时，所创造出的同样数量的用于织造的布料。伊

    莱·惠特尼(Eli Whitney)于1792年发明的轧棉机，可以为棉花脱籽

    以备珍妮纺纱机使用，其比一个人手工轧棉快25倍。工业革命初期，这两项发明共同推动了棉花的生产并使棉花消费成为主流。大多数追

    踪工业生产增长的分析家认为，机械化与科学地应用技术管理更专业

    的劳动力，这两者结合起来会使计件工人最终消失。

    这些分析家都没有考虑过，自动化可能会在短期内造成对临时劳

    动力的需求激增。以棉花为例，南北战争开始时，美国奴隶主需要的

    奴隶是当时奴隶数量的5倍，因为棉花需求激增，奴隶主迫切需要人类

    继续完成机器做不了的事。像珍妮纺纱机这样的技术并没有消除对人

    力的需求，甚至还将劳动力需求重新分配给了一组新的临时工。在纺

    织厂，孩子成为有价值的计件工人，因为他们的小手可以从移动的线

    轴之间伸过去，清理掉使机器慢下来的棉絮和其他杂物。但是与这些

    机器一同工作的能力被认为是“非技术性的”，尽管它填补了自动化

    这最后一英里的差距。人们认为操纵珍妮纺纱机的工作属于体力劳动，根本不需要思

    考，但早期关于儿童灵巧地从一台振动剧烈的机器移动到另一台机器

    的记录表明，这项工作需要智力和身体上的技巧。毫无疑问，计件工

    作将随着工厂的机械化而消失，曾经由行会推动的手工生产和童工将

    成为历史。或者，正如整个欧洲已经经历的那样，工会最终会阻止工

    人把自己的劳动分包出去，从而将计件工人纳入怀中，就像在熟练工

    人行会制度下所做的那样。然而，对计件工作的叫板从来没有完全把

    它从生产循环中排除，尤其是在那些买不起最新机器的小工厂里。12

    正如匹兹堡一家服装店老板在1907年说的那样：“如果让女性进入工

    厂，我们的成本会高很多。因为我们将不得不另租一层楼来安放她们

    的机器；我们还得购买这些机器，可能还得使用煤气和暖气，然后可

    能还不得不支付她们更多的报酬。”13

    事实证明，工会并不比工厂老板更积极地认识到妇女临时劳动力

    的价值，无论是在工厂还是在家庭。1891年成立的美国联合服装工会

    (United Garment Workers)是最大、最激进的工会，它试图根除其

    眼中的“外包工的威胁”，并让他们成为“该工会发展的一个连贯部

    分”，但毫无成效。14

    工会组织者专注于让年轻女性填补工厂的空

    缺。但是这些方法并没有解决甚至没有注意到女性经常通过计件做合

    同工这一问题。对于年轻的未婚女性而言，工厂工作在道德上仍然被

    认为是可疑的，而从实际上来说，工厂工作也令她们放弃了其他的全

    职工作，如烹饪、清洁、在家照顾孩子和老人。

    如果年轻女性在美国联合服装工会名下的工场工作，她们能赚到

    两倍于周薪4.5美元的工资，而且不用再做操作缝纫机这类繁重的活。

    但是，工会的策略并没有优先考虑或意识到，女性放弃合同工作或以

    家庭为基础的计件工作会面临的特定负担或成本。工会很快放弃了让

    年轻女性填补工厂空缺这一执念。没有人会想到，提倡家庭性别平等

    以减少妇女的家务负担，可能是使妇女加入劳动大军的必要策略。15

    相反，他们致力于阻碍可以加快工作节奏的新技术的应用上。一些工会确实设法停止了计件工作，迫使场主为技术工人和非技术工人创造

    更稳定、收入更高的就业机会。一贯地，工会的核心成员和拥有健全

    身体的白人男性是第一批有机会找到不那么危险工作的人，有时是唯

    一一批。16

    20世纪头20年，美国各地的报纸充斥着这样的报道：肉类加工厂

    机器故障导致儿童四肢严重受损，纺织工人被锁在着火的工厂车间

    里，为制作火柴棒而采磷的工人被有毒烟雾笼罩。各州颁布了自己的

    法规，强制企业赔偿受损害的工人。这些零零碎碎的法律只凸显出，在工业时代，忽略临时工是一种多么普遍的做法。但是，直到美国大

    萧条期间出现普遍的经济恐慌，劳工组织才得到他们需要的广泛的公

    众支持，进而推动对工作场所的联邦监管。

    发明周末

    1935年的《瓦格纳法》为工人在法律上挑战雇主开辟了道路。在

    那之前，厂主和矿主雇用私人武装威胁和殴打工人，工人们则因工作

    条件危险而翘班并回家准备战斗，双方的对峙日益加剧。《瓦格纳

    法》是停止这种对峙的第一步。该法还设立了国家劳动关系委员会

    (National Labor Relations Board)作为中立的第三方，确保雇主

    不会干涉雇员组建工会或与管理层谈判的权利。

    重要的是，《瓦格纳法》并没有涵盖农业和家政服务等多个行业

    的工人。对于那些被认为是“监督者”的雇员，或者联邦、州、地方

    政府雇用的工人，该法也不适用。它还排除了被视为独立承包人的劳

    动者，如家政工人、农场工人以及小企业主的亲戚。《瓦格纳法》的

    时机是关键。它的目标是迅速扩张但日益危险的制造业和采矿业。到

    1930年，工业作业场所的事故已经造成全国几十名工人死亡。《瓦格

    纳法》也是在大萧条的巅峰期通过的。大萧条由1929年的股市崩盘引

    发，当时超过1 500万人，或略多于20%的美国成年劳动力失业了，除了家庭提供的保障外一无所有。普通公民可以在每一个街角看到不公

    平工作条件的代价。

    《瓦格纳法》的势头为进一步改革打开了大门。可以这样说，1938年倡导通过《公平劳动标准法》(FLAS)的劳工组织发明了“周

    末”，强制规定每周工作40个小时，并保证最低工资——每小时25美

    分，相当于今天的4.5美元左右，这在一个国家的历史上是首次。如果

    工人每周工作超过40个小时，该法还要求雇主支付“1.5倍”的加班

    费。除了在农场或家庭工场，不得招募未成年人从事危险的工作。在

    这项立法之前，儿童因为身材矮小，是某些最危险工作的首选人员。

    但《公平劳动标准法》的一个关键要素也解释了为什么这么多临时工

    不受该法保护，而这将为扩大对合同工的依赖铺平道路。

    《公平劳动标准法》适用于“受一位雇主雇用的独立个体”。这

    当然说得通，因为绝大多数经济扩张都涉及危险的工资工作，这些工

    作产生于生产流水线和对地下原材料的开采。不幸的是，计件工作正

    处于联邦监管制度的漏洞之中。《公平劳动标准法》通过时，有组织

    的劳工对于把计件工作当成独立的合同工进行保护并无兴趣。任何厂

    外的或远离车间的工作都会日积月累地危及有固定工作场所工人工会

    会员的数量，或者剥夺大多数工人的工作。如果有组织的劳工不能说

    服大量妇女放弃以家庭为基础的计件工作，并搬到城市去做工会工

    作，那么他们就会将把重点放在那些这样做的男人身上。

    1935年的《瓦格纳法》以及三年后的《公平劳动标准法》通过

    后，工会在采矿业和制造业建立了自己的基础。当时，美国有近2 500

    万工人加入了工会。但在接下来的十年里，由于第二次世界大战，工

    会向其他行业扩张的努力陷入停滞。战争使年轻人从工厂转移到欧洲

    前线。工会觉得他们失去了核心成员。一些工会与雇主达成协议，同

    意将罢工和集体谈判推迟到战后。著名的铆钉女工(Rosie the

    Riveter)可以很容易地替代临时工，在战争期间保持金属、运输和化学工业的活力。一旦她的兄弟或爱人从战场上回来，家人就希望她回

    归家庭。正因如此，工会认为，在男人重新成为全职工作的主要经济

    支柱之前，没有必要扩大工人的权利。17

    战争一结束，制造业就增加了玻璃、塑料和金属等新产品的生产

    线，工会也重新开始运作。到1946年，500万美国人参加了大规模的罢

    工，联合抵制非工会组织的工场，此外还有未经授权的罢工，涉及所

    有制造业。18

    全美汽车工人联合会(UAW)的主席沃尔特·路则

    (Walter Reuther)在战后组织了一系列罢工，第一次是在1945年，超过30万名通用汽车的工人参加了罢工。接下来他又花了五年时间组

    织大规模罢工以及与通用、福特、克莱斯勒谈判。到1950年，路则的

    《底特律协约》(Treaty of Detroit)改变了全职员工对雇主的期

    望。汽车行业的工人获得了生活津贴(COLA)，涉及年薪、全额退休

    养老金、社会保险、假期以及医疗和失业福利。19

    作为交换，汽车制

    造商得到承诺，五年内不组织年度罢工、保留完全的生产权力，后者

    对未来的工人最为致命。工人将不再能够质疑日程安排、工具设计或

    工厂改造，而这些都旨在通过自动化流程分解全职工人的任务。

    《底特律协约》在把退休计划和健康福利与美国的全职就业挂钩

    的过程中发挥了重要作用。虽然这些福利都不是来自联邦政府的授

    权，不能为其他雇员提供这种社会保障，但底特律工人的成功给其他

    行业的雇员带来了新的希望。但它也为制造企业扫清了障碍，让他们

    得以专注于重组工厂，只要创新方法允许，他们就想尽快把机器搬进

    去，把工人搬出来。不幸的是，就在全美汽车工人联合会赢得了争取

    更好就业条件战斗的同时，其他行业的企业也在组织自己的反击战，全面挑战工会运动。

    1947年，共和党主导的国会推动通过了由参议员罗伯特·塔夫脱

    (Robert A. Taft)和众议员小弗雷德·哈特莱(Fred A. Hartley

    Jr.)起草的《劳资关系法》(Labor-Management Relations Act)，无视杜鲁门总统对该法案的否决。在全美制造商协会(National

    Association of Manufacturers)院外游说力量的支持下，《塔夫脱

    –哈特莱法》将矛头直接对准了“二战”后日益壮大的工会力量。

    《塔夫脱–哈特莱法》直到今天基本上仍然有效，它禁止针对管理层

    有关工人分配的决定而进行的“司法管辖范围内的罢工”或停工。这

    使得工会更难组织起来反对雇主使用技术裁减人类劳动力。而这反过

    来又让工人不可能考虑到失去一群同事将如何影响自己的工作流程，更别说表达自己的意见了。20

    除了这个插入工会组织的楔子外，工作场所也不能再像“闭门工

    场”一样运作，这意味着公司可以招募新员工，扩增底层管理人员和

    技术人员职位，而这些雇员没有资格加入工会，从而扩充了非工会雇

    员的队伍。与此同时，与《公平劳动标准法》的规定相反，该法案允

    许老板在工作场所传递反工会的信息。随着《塔夫脱–哈特莱法》开

    始生效，考虑到该法案波及的范围，国会中的保守派联合起来，要求

    对《瓦格纳法》做出一个看似不起眼的修订。事实证明，针对《瓦格

    纳法》的这一调整对工会在非工会工人中做工作的损害，不亚于《塔

    夫脱–哈特莱法》，尽管它似乎只针对报童。

    1944年，新闻业巨头威廉·蓝道夫·赫斯特(William Randolph

    Hearst)在最高法院输掉了一场官司，他未能说服法官，报童和老板

    一样，都属于合同工，不受《公平劳动标准法》的雇佣劳工保护。值

    得注意的是，报童不只是传布新闻，他们是报纸的主要销售人员，在

    熙熙攘攘的街道上穿行，常常面临身体上的危险。21

    最高法院认为，《公平劳动标准法》的宗旨适用于任何经济上依赖于另一个实体并为

    其生产的人。22

    最高法院认定，街角报童在《公平劳动标准法》下理

    应得到工作场所保护，这将使赫斯特集团蒙受损失。于是该集团开始

    游说，希望根据《塔夫脱–哈特莱法》对《瓦格纳法》的修正缩小

    “雇员”的定义。赫斯特积极推动，将独立合同工排除在外，这些合

    同工要么不在工作场所工作，要么被视为业务运营的外围。国会对原来的《瓦格纳法》的修订反而要求法院使用严格的测试来划分“普通

    法”规定的雇佣状态，而不是假设企业雇佣员工工作就应该给工人应

    得的公平劳动和就业福利。

    在当时，被雇用的员工和被委托进行独立工作的工人之间的区别

    似乎更加明显。当时，占主导地位的就业模式是围绕着一个有形的工

    作场所、40个小时轮班工作，以及雇主与忠诚雇员之间可能长达50年

    的关系。老板和雇员可能会一起变老。但最高法院对《公平劳动标准

    法》的解释，为设想另一种工作模式留下了空间。法院要求企业对工

    人负责，无论他们在哪里工作，工作时间多长。最终，赫斯特如愿以

    偿。1944年，最高法院决定将《公平劳动标准法》解释为适用于所有

    工人，但《塔夫脱–哈特莱法》对全职工作和独立合同工作的明确严

    格的检测和分类，关上了另一种模式的大门。这一变化也创造了一个

    新的非工会的消耗性劳动力阶层，他们对迅速扩张的服务业和当前在

    电信业、航天业和零售业蓬勃发展的所谓信息经济更有价值。总而言

    之，从广告到太空探索的各种产品和服务的销售，不必投资长期雇

    员，就能实现增长。

    把我们送上月球的临时计算员

    那些被视为“非技术的”、处于工会体力劳动之外的工人，对他

    们的劳动保护就像水滴石穿一样受到侵蚀，不断发挥和利用社会对

    “谁的工作需要保护，谁值得被保护”的假设。在《公平劳动标准

    法》和《塔夫脱–哈特莱法》的豁免范围内，隐藏着一些线索，它们

    揭示了20世纪中期的一些假设，即哪些劳动力需要失业保障，以及什

    么——或谁——似乎不受自动化的影响。例如，《公平劳动标准法》

    排除了志愿服务，这在今天可能是普遍存在的没有薪水的大学生实

    习。志愿服务者被当成学徒，是建立职业身份的核心。自中世纪以

    来，神学、医学和法学，即所谓的“博学专业”(learnedprofession)，被视为受教育阶级特有的路径。这些需要专业技能的

    职业不需要工作场所保护，他们的高学历使他们免受经济不稳定的影

    响。这就是为什么对于那些想要离开煤矿或工厂的人来说，大学教育

    被视为通往中产阶级的大门。

    大多数医生、律师和神职人员都可被看作小型企业，通常是个体

    经营的、没有工会组织的专业人士，通过私人开业集中资源。至少在

    现代工业资本主义的早期，这些职业的工作条件似乎与《公平劳动标

    准法》的议题无关。因此，《公平劳动标准法》适用于“受一位雇主

    雇佣的独立个体”，但不适用于独立合同工或接受培训从而进入专业

    阶层的志愿服务者。这两种类型的工人都被认为是中间状态的角色。

    独立合同工被当成锤子或自动铅笔对待，只是为了完成一项紧迫的任

    务。相比之下，实习生则被培养成有朝一日能进入大办公室的人。

    到20世纪初，任何由高级培训、认证和专业行为准则所塑造的职

    业都被视为技术职业。工厂里去技术化的工人变成了工会工人的代名

    词，其职位和工作场所受到联邦法规的保护。任何在《公平劳动标准

    法》中被视为“非豁免身份”(non-exempt)的工人，都可以在最大

    工作时间之外获得加班费。23

    但这些规定中也有例外。领薪水的文员

    和行政人员虽然是工资最低的雇员，但法律规定他们的工作时间可以

    超过40个小时，而且没有资格获取加班费。在办公室从事创造性或非

    常规工作的专业人士也属于豁免员工。24

    这些豁免有助于解释，独立

    的、临时的劳动力如何成为一支提供人事和临时服务的常备军，以及

    如何成为一个利润丰厚的产业。大多数豁免都写在合约里，临时劳工

    在阴影中增长，第二次世界大战结束时，他们支持专业人士发展了信

    息服务行业，如会计、科研、法律、工程和金融等。25

    法学和医学教

    育仍然是社会梦寐以求的和唯一通往高技能白领职业的大门。但是，各种行政服务的扩大意味着“博学专业”不再是获得经济机会和社会

    地位的唯一途径。26

    它们都伴随着一个新的标价：就职保障。以弗吉尼亚州兰利市的兰利纪念航空实验室(Langley Memorial

    Aeronautical Laboratory)的计算员为例。从17世纪初开始，“计算

    员”(computer)一词被用来描述做手工计算的人。27

    到1946年，成

    千上万的年轻女性被招募和训练成“计算员”，为美国公务委员会

    (Civil Service Commission)在全国各地的类似于兰利机场

    (Langley Field)的研究中心工作。28

    从破译纳粹德国发出的编码信

    息，到计算试验火箭产生的推力，以及如何调整它们的重量和高度从

    而加速，她们都在幕后充当计算处理器的角色。29

    兰利的第一个女性

    计算员库于1935年开放。根据《公平劳动标准法》，联邦政府陆军部

    被授权雇用独立合同工担任公务员。

    到1946年，兰利机场的园区已经重组为美国国家航空航天局

    (NASA)的前身——国家航空咨询委员会(National Advisory

    Committee for Aeronautics，NACA)，只有少数女性拥有“数学家”

    的头衔。30

    战后数年里，她们中的绝大多数仍然被认定为低收入的

    “次专业人员”，包括非洲裔美国工程师凯瑟琳·约翰逊(Katherine

    Johnson)，2016年的热门电影《隐藏人物》(Hidden Figures)的主

    角，她负责继续计算“阿波罗13号”的“发射窗口期”。31

    计算员的

    较低收入和职级，降低了实验室的成本。主管可以辩称这种初级的、以合同为基础的任务是合理的，因为所有被聘用的女性都不会被视为

    受过高中或职业培训的“专业人员”。约翰逊与同事、计算员主管多

    萝西·沃恩(Dorothy Vaughan)都以P-1等级被雇用，而沃恩管理的

    “西区计算部门”(West Area Computers)完全由黑人组成。P-1等

    级保证这些女性每年可获得2 000美元的收入，相比于在南方实行种族

    隔离的高中担任教师，这一收入是她们预期的两倍多。但雇佣条款清

    楚地表明，她们在兰利并不被视为有价值的工人。她们被雇佣的期限

    是“根据需要而定，但不超过目前战争持续的时间，也不超过战争结

    束后的六个月”。32在最初的几年里，合同工没有休假的机会。只要美国与苏联的太

    空竞赛还在进行，那么假日也是工作日。33

    约翰逊和沃恩最终通过了

    职称评定，成为全职雇员。但当兰利机场以男性为主的职业工程师对

    IBM 704感到满意时，大多数计算员就像自由合同工那样被解雇了。尽

    管IBM 704很容易过热，它依然成为第一台能够可靠运行的计算机，但

    其结果还需要数百名女性确认。IBM大型机在兰利出现后，工程师花了

    近10年时间才开始将工作完全交给机器，现场只保留一组计算员，对

    机器输出的结果进行二次检查。这使得约翰逊和沃恩这样的女性只会

    偶尔变得必要，但又不可或缺。兰利也不例外，同样陷入了这种自相

    矛盾的境地。

    20世纪四五十年代，帕萨迪纳的NASA喷气推进实验室(Jet

    Propulsion Lab)招募人类计算员作为合同工或临时工，就像兰利机

    场的女性一样。她们在喷气推进实验室做了所有的计算，涉及美国最

    早的导弹发射和飞越太平洋的轰炸机飞行，以及美国的第一颗卫星和

    制导月球任务。她们甚至给出了火星探测车“火星漫游者”的第一个

    发射计划。34

    与兰利的合同工一样，喷气推进实验室大多数女性的职

    业发展非常有限。大多数人在第二次世界大战期间通过公共事业振兴

    署(Works Progress Administration)以带薪临时工的身份开始工

    作。喷气推进实验室在周围大学的数学系和物理系张贴了招聘兼职的

    广告，用大写字母写着“急需计算员”(COMPUTERS URGENTLY

    NEEDED)。35

    标题下的职位描述清楚地表明，目标受众是年轻女性：

    “计算员不需要高级经验和高学历，但应该具备数学和计算机器方面

    的才能和兴趣。”36

    在那个年代，如果一份办公室工作不要求高学

    历，那就意味着它对女性开放。一般来说，女性和她们的白领雇主一

    样不希望女性的一份工作在高中毕业(或者更少见的是大学毕业)和

    结婚之间的几年里持续太久。由于没有防范婚姻歧视的法律，这一点

    变得更加容易。就像美国另一边的兰利一样，对于喷气推进实验室的

    管理人员来说，一旦女性员工透露了结婚或怀孕的计划，就可以解雇她们，这是完全合法的。以合同制雇佣的工人，就像通过联邦政府合

    同支付工资的计算员一样，不被视为值得培养的有价值的雇员。他们

    被认为是可以替换的，几乎没有什么技能，预计在项目结束后就会离

    开。

    幽灵工作的早期形式在整个20世纪继续蓬勃发展。快进到20世纪

    80年代，当时凯利女孩服务公司(Kelly Girl Service)和万宝盛华

    (Manpower)等临时招聘机构外包的工人数量，超过了大多数公司保

    留的全职员工。20世纪90年代，万宝盛华的临时工数量超 ......