在英国,就业空缺数量降至五年来最低点,AI冲击就业的警报持续拉响。在这一背景下,《金融时报》资深记者萨拉·奥康纳出版新书,深入探讨人工智能、自动化与人类劳动之间的深层冲突。
书名源自1969年瑞典矿工罢工时高举的标语——"Vi ar ej maskiner"(我们不是机器)。奥康纳认为,AI对工人尊严和安全的威胁,很大程度上是历史上劳动争议的当代翻版,并非全然崭新的议题。
她走访了位于萨顿科尔德菲尔德的亚马逊EMA4仓库,那里机器人与人类并肩作业,而远在哥斯达黎加和印度的远程工人则负责监看货架视频画面、核查AI摄像系统的准确性。他们每天工作九小时,每周审核多达8000条视频。一条全新的线上流水线就此诞生,但这是否真的意味着进步?
奥康纳将矛头指向"泰勒主义"的幽灵——这种将生产流程拆解为可量化系统的管理理念,已渗透进当今大多数职场。她指出,真正的问题不在于新技术本身,而在于伴随技术而来的种种假设:"看似中立的技术工具,可能正悄悄将某些强势观念从后门带入市场。"
在AI与自动化时代,这些假设中有一条尤为关键:如果机器完成任务的质量稍逊于人类,但成本更低、速度更快,雇主、客户乃至消费者是否愿意接受这种交换?如果你曾被AI写就的混乱家具说明书搞得一头雾水,或在客服聊天机器人的循环中进退两难,你已亲身体验过这种取舍的代价。
不过,雇员和消费者并非毫无反击之力。书中最令人振奋的案例,是美国编剧工会发动罢工,明确划定AI介入剧本创作的边界;以及荷兰护理工作者自发组建合作团队,摆脱严苛时间限制,为患者提供个性化照护。
奥康纳在书末发出警示:"我们或许想将机器打造成人类的模样,但我真正担忧的是——我们可能在不知不觉中,把自己改造成了机器的模样。"令人稍感宽慰的是:这些问题尚无定论,工作的未来仍掌握在我们自己手中。
Q&A
Q1:《我们不是机器》这本书的核心观点是什么?
A:本书的核心观点是,AI和自动化对劳动者的冲击,本质上是历史上人机博弈的延续,而非全新问题。作者萨拉·奥康纳认为,真正值得警惕的不是技术本身,而是技术背后隐藏的管理假设——即将人类劳动视为可被机器替换、优化的系统元素。她担忧的是,在不知不觉中,人类会被迫按照机器的逻辑来重塑自己。
Q2:亚马逊EMA4仓库的工作模式有什么问题?
A:EMA4仓库中,机器人与人类并肩完成拣货和上架工作,同时还配有远在哥斯达黎加和印度的远程工人,专门负责审核AI摄像系统拍摄的货架视频。这些工人每天工作九小时,每周需审核多达8000条视频。这种模式表面上是技术进步,实则在全球范围内创造了新的数字流水线,工人的劳动被高度碎片化和量化,引发对工作尊严与劳动条件的质疑。
Q3:面对AI冲击,普通劳动者有哪些反抗案例?
A:书中提到两个典型案例:一是美国编剧工会发动罢工,明确要求限定AI在剧本创作中的使用范围和方式,保护编剧的创作权益;二是荷兰护理工作者自发组建独立合作团队,摆脱雇主施加的严苛时间限制,得以根据每位患者的实际需求提供个性化照护服务。这些案例表明,劳动者并非完全被动,集体行动仍能有效影响技术应用的边界。
好文章,需要你的鼓励
谷歌推出两款新AI模型:Nano Banana 2 Lite是其最快、最具成本效益的图像生成模型,4秒生成图像,成本仅0.034美元/千像素图;Gemini Omni Flash则支持高质量视频生成与对话式编辑,定价0.10美元/秒。两款模型均已在Google AI Studio和Gemini API平台开放,可串联使用实现从图像到视频的完整多媒体工作流。
香港中文大学(深圳)与字节跳动联合提出FlexiSLM,首个支持动态与可控帧率的语音大模型,在输入输出两端均实现自适应帧合并,6.25赫兹下推理速度提升一倍,语音对话质量超越同规模固定帧率模型。
英国《金融时报》记者萨拉·奥康纳新书探讨人工智能与自动化对工作的冲击。从亚马逊仓库的人机协作到远程视频监控岗位,技术进步带来的不仅是效率提升,更引发对工作尊严的担忧。作者指出,关键问题不在于技术本身,而在于将人类劳动视为可优化系统的管理理念。书中也展现了积极案例:编剧工会罢工争取AI使用规则,荷兰护理工作者自主建立实践模式。未来工作形态仍可由我们塑造。
这项研究提出DataEvolver框架,把被丢弃的"不合格训练图片"转化为改进数据收集策略的反馈,让AI文字图像生成训练数据的构建流程能自我进化,在相同数据量下显著提升文字渲染质量。