Пролетаризация труда в условиях развития искусственного интеллекта

В 2017 г. британский урбанист Адам Гринфилд назвал искусственный интеллект (далее – ИИ) одной из «радикальных технологий», которые влияют на нашу жизнь [1]. Сегодня технологии ИИ1 глубоко интегрированы в повседневные практики: рекомендательные и поисковые алгоритмы, системы финансового прогнозирования, переводчики, навигационные системы и даже функции автокоррекции в текстовых редакторах – все это реализовано на базе тех или иных моделей ИИ. Ощутимо влияние ИИ и в сфере труда – от автоматизации подбора персонала и оценки эффективности работников до роботизации складов, планирования процессов и генерации текстов, кода и изображений.

В связи с развитием ИИ все чаще говорят об очередной научно-технической революции, способной радикально трансформировать экономику и трудовые практики. Так, Педро Домингос представляет ИИ как автономную силу, способную заменить человека не только в исполнении, но и в проектировании действий и человеческого опыта, что ведет к смещению труда с центрального места в организации общества, открывая возможность посттрудового порядка: «Машинное обучение открывает новую главу в долгой, растянувшейся на миллион лет эволюционной саге: с его помощью мир сам почувствует, чего вы хотите, и сам под вас подстроится» [2, c. 13]. Директор-распорядитель МВФ Кристалина Георгиева пишет, что внедрение ИИ затронет почти 40% рабочих мест по всему миру [20]. Ожидания от влияния ИИ на рынок труда настолько велики, что технологии используются в качестве аргумента для введения безусловного базового дохода как средства смягчения последствий автоматизации труда (об этом говорят как различные предприниматели, например Илон Маск или Сэм Альтман [34], так и ученые, например профессор Джеффри Хинтон, рекомендовавший такую меру правительству Великобритании [23]).

Такие ожидания от технологического прогресса не новы. Еще в 1930 г. Дж.М. Кейнс опубликовал эссе «Экономические возможности наших внуков», в котором предсказал сокращение рабочих часов человека до минимума – «3-ча- совая смена или 15-часовая рабочая неделя» [4, с. 65] – в результате технологического развития и экономического роста. Кейнс видел в технологиях источник изобилия и возможность общества, в котором человек озадачен не работой ради выживания, а свободой от работы – «впервые со дня сотворения человек столкнется с реальной, всеобщей проблемой: как использовать свою свободу от насущных экономических нужд, чем занять досуг, … чтобы прожить свою жизнь правильно, разумно и в согласии с самим собой?» [4, с. 65]. Неочевидный для периода Великой депрессии прогноз Кейнса, указывающий на экономический рост, оказался в целом верным [10], а технический прогресс достиг нового уровня (который часто называют четвертой промышленной революцией или научно-технической революцией [29]), однако подавляющему большинству трудящихся остается только мечтать о 15-часовой рабочей неделе. Может ли ИИ стать освободителем человека от труда (по крайней мере в рамках текущей парадигмы его развития) и как меняется сам труд под воздействием внедрения ИИ?

На наш взгляд, рассмотрение этих вопросов следует начинать с корректировки исходной точки анализа – с обращения к тому, как трудовые практики повлияли (и продолжают влиять) на развитие ИИ. Значительная часть дискуссий вокруг ИИ сосредоточена на последствиях автоматизации труда. Гораздо реже обсуждается то, каким образом сам процесс автоматизации труда повлиял на становление ИИ как технологического и социального феномена. Анализ логики развития ИИ через призму автоматизации и алгоритмизации труда позволяет выявить ключевые социальные последствия распространения подобных технологий, в т.ч. связанные с трансформацией форм труда в современных условиях. Для осмысления этой связи между трудом, машинами и формами социального производства целесообразно обратиться к классической марксистской традиции, в рамках которой данный вопрос получил систематическую теоретическую разработку.

ИИ как машина нового типа

Карл Маркс в своих поздних трудах подробно анализировал связь между трудом и машинами. Производительные силы буржуазной формации, по Марксу, постепенно высвобождают труд за счет автоматизации и ускоряют технологическое развитие. Автоматизация и машинное производство приводят к тому, что всеобщее общественное знание превращается в непосредственную производительную силу. Производственный процесс в результате автоматизации все в большей степени определяется не столько непосредственным

РАКУРСЫ СОЦИАЛЬНОЙ ДИНАМИКИ человеческим трудом, сколько овеществленным в машинах и технических системах знанием [5; 6].

Согласно Марксу, разделение труда является ключевым условием для распространения машинного производства, поскольку чем больше труд разбивается на простые и повторяющиеся операции, чем более механизированным становится трудовой процесс, тем проще его автоматизировать. В главе «Машины и крупная промышленность» первого тома «Капитала» Маркс показывает, что именно мануфактурное разделение труда создает предпосылки для механизации и последующей автоматизации производственного процесса. По мере того, как труд упрощается и стандартизируется, растет доля постоянного капитала (машин и оборудования) и снижается роль переменного капитала (человеческого труда). Таким образом, не только механика и наука, но и социальные взаимосвязи и производственные отношения становятся частями машины, которая в свою очередь является не только технической, но и социальной машиной, регулирующей труд рабочих [5].

Современный философ Маттео Пасквинелли развивает марксистский подход к анализу техники. Он указывает на то, что даже наиболее сложные интеллектуальные машины возникают из воспроизведения схем коллективного разделения труда: «Средства производства (не только телеграф и компьютеры, но и искусственные нейронные сети) имитируют – по своему внутреннему устройству – производственные отношения, то есть расширенную организацию труда в обществе» [7, с. 217]. В качестве примера Пасквинелли приводит машину Бэббиджа, которую принято считать прообразом первого компьютера (и по лекалам которой создавались уже электрические вычислительные машины). Сам Бэббидж восхищался принципами механизированного разделения труда, которые он наблюдал на фабриках эпохи промышленной революции и в соответствии с которыми он проектировал свою «аналитическую машину». В книге «Экономика технологий и производств» Бэббидж подчеркивал, что разбиение задач на малые операции позволяет снизить зависимость от высококвалифицированного труда и точно рассчитать количество труда, необходимое на каждом участке работы [11, c. 169–191].

Бэббидж спроектировал свою машину для выполнения повторяющихся вычислений, которые ранее выполнялись вручную «вычислителями» (human computers). Эти вычислители, часто работавшие в крупных учреждениях (например, Адмиралтействе или астрономических обсерваториях), следовали пошаговым алгоритмам при расчете математических таблиц. Машина Бэббиджа заменяла человеческий труд (к тому моменту уже достаточно стандартизированный и формализованный)

автоматическими операциями, по аналогии с разделением труда на мануфактуре. Пасквинелли подчеркивает, что структура аналитической машины Бэббиджа отражала не только механические, но и социальные принципы фабричного производства. Перфокарты, управляющие последовательностью операций машины, аналогичны функциям руководящего персонала, тогда как отдельные модули машины соответствуют работникам, выполняющим четко регламентированные операции на конвейере. Таким образом, машина не только воспроизводит, но и координирует разделение труда, организует производство.

Пасквинелли расширяет тезис Маркса о том, что схема производственных отношений ложится в основу структуры средства производства. По его мысли, информационные машины не являются нейтральными техническими объектами: даже логические формы алгоритмов воспроизводят устойчивые модели социального взаимодействия. Современные модели ИИ в этом смысле воспроизводят логику формирования машины промышленной эпохи: как конструкция промышленных машин формировалась постепенно в процессе рутинных операций и их последовательной корректировки, так и алгоритмы машинного обучения адаптируют свою внутреннюю модель к структурам обучающих данных в ходе итеративного процесса проб и ошибок. В результате «конструкция машины и модель статистического алгоритма следуют аналогичной логике: обе основаны на имитации внешней конфигурации пространства, времени, отношений и операций» [7, с. 341].

Если промышленные машины, воплощая принципы разделения труда и опираясь на накопленный опыт ручного труда, были ориентированы на выполнение ограниченного круга задач, то современные модели ИИ, обучаясь на разнородных массивах данных и обладая большим количеством степеней свободы, способны решать широкий спектр задач. При этом именно социальное и речевое поведение человека, зафиксированное в форме обучающих выборок, становится определяющим для работы моделей машинного обучения, которые тем самым инкорпорируют устойчивые социальные и культурные паттерны.

Пролетаризация труда

Рассмотрение ИИ в качестве машины нового типа позволяет сместить фокус анализа с проблемы замещения человеческого труда на более фундаментальную – проблему трансформации самих форм труда в условиях развития интеллектуальных машин. Распространяя область автоматизации на когнитивные и коммуникативные процессы, современные системы ИИ не устраняют труд, а перестраивают его формы и условия.

Именно в этом контексте становится возможным говорить о специфических механизмах пролетаризации труда в эпоху стремительно меняющихся технологий.

Если инструмент или орудие средневекового мастера можно было считать продолжением его руки, его субъективности, то машина, которой оперирует рабочий эпохи промышленного капитализма, отнюдь не является его продолжением или орудием его труда. Напротив, как отмечает Маркс, по мере развития капитализма уже рабочий становится продолжением машины, деталью производственного процесса, структуру которого определяет устройство системы машин: «Труд …, рассеянный по множеству точек механической системы в виде отдельных живых рабочих и подчиненный совокупному процессу самой системы машин, как фактор, являющийся лишь одним из звеньев системы, единство которой существует не в живых рабочих, а в живой (активной) системе машин» [6, с. 204]. Рабочий превращен в средство для деятельности системы машин, которая воплощает капиталистическую логику: «Система машин выступает как наиболее адекватная форма основного капитала, а основной капитал … – как наиболее адекватная форма капитала вообще» [6, с. 205]. Таким образом, рабочий превращается из субъекта труда в объект капитала.

Причину этой трансформации Маркс видит в изменении порядка владения знанием трудового процесса. Рабочий промышленного капитализма, в отличие от средневекового мастера, уже не владеет процессом производства, не обладает цельным знанием и пониманием своего труда – его знание фрагментировано, в то время как накопленный поколениями мастеров опыт и знание о труде благодаря принципам разделения труда присваивается технонаукой и кристаллизуется в машине. Наука «не существует в сознании рабочего, а посредством машины воздействует на него как чуждая ему сила, как сила самой машины» [6, с. 204]. По мере совершенствования машин знание все больше отчуждается от рабочего. Например, сегодня даже специалисты по машинному обучению не всегда могут объяснить те или иные решения больших нейросетей, а сами нейросети превращаются в черный ящик, не говоря уже о рядовых пользователях, зачастую и не подозревающих о том, что они взаимодействуют с технологиями ИИ (как это происходит в случае с рекомендательными системами, рекламой и т.п.).

В итоге современные работники цифровой экономики утрачивают когнитивную автономию. Курьеры, водители такси, сотрудники службы поддержки, работники аутсорсинговых платформ

РАКУРСЫ СОЦИАЛЬНОЙ ДИНАМИКИ вроде Amazon Mechanical Turk, модераторы социальных сетей, разного рода фрилансеры оказываются встроенными в алгоритмические системы, которые распределяют задания, контролируют их выполнение и задают ритм труда. Сами задания при этом становятся все более фрагментированными по мере развития технологий. Алгоритмы ИИ позволяют разбивать сложные задачи на микрозадания (такие как распознавание изображений, проверка текстов, аннотирование данных), которые распределяются среди тысяч фрилансеров по всему миру. Особенно актуален такой формат в рамках процесса обучения самих алгоритмов ИИ, которым требуется разметка данных, модерация и оценивание их работы. При этом вклад таких работников в обучение моделей не афишируется и не признается как часть когнитивной структуры ИИ. В результате возникает то, что Мэри Грей и Сиддхарт Сури назвали призрачной работой (ghost work) – труд, обеспечивающий ИИ, но лишенный видимости и признания [21].

Все меньше понимая структуру процесса, в который они встроены, работники лишаются возможности принимать самостоятельные решения (т.е. быть авторами своих действий), контролировать результат, получать живую обратную связь о своей работе, социализироваться и солидаризироваться с коллегами. Будучи неспособными объяснить работу системы, приоритеты и логику распределения задач, они лишаются и способности к какой-либо рефлексии о своей работе. Их когнитивная активность все более редуцируется к следованию внешним сигналам, навязанным платформой, будь то маршруты, инструкции или мик-роалгоритмические задания для обучения ИИ. Яркий пример – патенты Amazon на носимые браслеты для работников складов, которые с помощью ультразвука и радиосигналов отслеживают положение руки и через тактильную отдачу (вибрацию) подсказывают, куда класть товар (что дает такой контроль за действиями работников, о котором Фредерик Тейлор не мог и мечтать) [13]. Так рождается новый тип пролетария – когнитивно-пролетаризированный прекарий, для которого отчуждение проявляется не только в эксплуатации его рабочей силы, но и в постепенной утрате знания своего труда и способности действовать автономно, вне инструкций и сигналов от системы. А развитие алгоритмов машинного обучения, позволяющих предсказывать спрос, корректировать цены, оптимизировать распределение задач и автоматически контролировать выполнение, способствует все более широкому распространению гиг-экономики, что повышает спрос на такой труд. В результате ИИ не столько устраняет труд, сколько реорганизует его в новые формы эксплуатации – еще более гибкие, фрагментированные и анонимные, чем в традиционной фабричной системе.

Цифровые гиганты заинтересованы в представлении своих продуктов как высокотехнологичных, «умных» и автоматизированных. Однако за идеологией полной автоматизации на деле скрывается массовая эксплуатация дешевого и социально незащищенного труда под алгоритмическим управлением. Такие платформы, как Uber, Mechanical Turk или Upwork, формально не нанимают работников, а связывают заказчиков и исполнителей. В своих исследованиях современной цифровой экономики Ник Срничек указывает, что работники цифровых платформ не получают статуса работников и социальных гарантий – они не защищены трудовым законодательством, не имеют оплачиваемого отпуска, больничного, страховки и т.д. [9]. Благодаря технологиям ИИ платформы играют роль инфраструктурного посредника, организуя труд вне юридических рамок занятости. Это особенно заметно в странах глобального Юга, где возникает новый класс цифровых рабочих, обслуживающих эту инфраструктуру ИИ: миллионы людей на Филиппинах, в Латинской Америке, в странах Африки выполняют задачи по маркировке изображений, модерации контента и валидации данных для обучения моделей ИИ [28], часто за крайне низкую плату [27].

Впрочем, было бы неверно полагать, что процесс пролетаризации затрагивает исключительно прекарные формы физического или платформенного труда. Современные системы ИИ – прежде всего большие языковые модели – все чаще берут на себя функции, которые ранее рассматривались как исключительная прерогатива человека: написание текстов, перевод, программирование, сочинение музыки и создание визуальных образов. Эти виды деятельности традиционно ассоциировались с когнитивным трудом, в котором ключевую роль играют мышление, интерпретация, рассуждение и воображение. Именно когнитивный труд, в отличие от физического, долгое время считался тем, что отделяет человека от машины – областью субъективности, интенциональности и творческого импульса.

Однако по мере развития машинного обучения и масштабирования вычислительных мощностей когнитивные процессы все в большей степени становятся объектом инженерной реконструкции и стандартизации. Машины начинают воспроизводить решения, которые воспринимаются как разумные или креативные, тем самым расширяя область того, что может быть превращено в форму машинного труда. То, что ранее выступало как индивидуальное знание или профессиональное суждение, все чаще переводится в форму стандартизированных операций и статистических моделей.

В результате граница между машинным и человеческим трудом оказывается нечеткой и подвижной, исторически обусловленной.

Сегодня программисты, маркетологи, юристы, редакторы и дизайнеры все чаще оказываются включены в логику алгоритмической инфраструктуры, где их деятельность сводится к формализации задач, проверке результатов, сгенерированных ИИ, и корректировке заранее заданных шаблонов [16]. Характерным симптомом этой трансформации является распространение практик «вайб-кодинга», при котором программирование сводится к формулированию запросов и итеративному взаимодействию с языковой моделью. В подобных режимах труда знания и навыки отчуждаются от работника и закрепляются в машинной системе, тогда как человек выступает в роли оператора, обеспечивающего воспроизводство заранее заданной логики производства. Тем самым интеллектуальный труд программиста утрачивает часть своей специфичности и включается в более общий процесс стандартизации и упрощения трудовых операций.

Аналогичные тенденции прослеживаются и в сфере творческого труда. Нейросети, способные генерировать тексты, изображения и музыкальные произведения, все чаще встраиваются в производственные процессы культурных индустрий, где творчество принимает форму отбора, комбинирования и редактирования машинных результатов. В этом контексте творческий труд все больше подчиняется требованиям воспроизводимости, масштабируемости и экономии времени, утрачивая статус исключительной и неформализуемой деятельности. И если ранее алгоритмы были инструментами в руках человека (например, текстовые или визуальные редакторы, поисковые системы), то сегодня ИИ все чаще выступает как соавтор или даже заместитель человека.

Алгоритмы ИИ не только трансформируют существующие трудовые практики, но и обусловливают создание новых. Сегодня все больше исследователей указывают, что повседневная пользовательская активность в сети (клики, просмотры, реакции, посты, комментарии и т.п.) функционирует как источник экономической стоимости, не будучи институционально признанной формой труда. При этом именно машинное обучение делает возможным полноценное извлечение этой стоимости. Такой подход получил развитие в традиции постопе-раистской мысли, рассматривающей коммуникацию как форму нематериального труда [25; 31], а также в наследующей ей концепции коммуникативного капитализма Джоди Дин [14; 13]. Как показывает Э.Е. Сафронов, Дин «радикально пересмотрела значение коммуникации, переместив ее в новые информационные сети и представив как событие, лишенное содержания» [8, c. 239], включая таким образом в понятие коммуникации практически любые технологически регистрируемые действия (просмотр рекламы, денежные переводы, перемещения в пространстве, отслеживаемые мобильными приложениями и камерами и т.д.), которые неизбежно поддерживают циркуляцию капитализируемого потока данных. А сам концепт цифрового труда систематически разрабатывается теоретиком медиа Кристианом Фуксом в рамках его марксистского анализа цифровых платформ [19, p. 74–135].

Как будет показано далее, пролетаризация не просто сопутствует такому труду, но является структурным условием его функционирования. Пролетаризованный субъект в данном случае не осознает себя как производителя, формально оставаясь «пользователем» или «участником общения». Отсутствует и понимание последствий такого труда (как именно эти данные будут обработаны и использованы, где они будут храниться). Более того, субъект в данном случае не владеет условиями эффективности своей коммуникации: нет контроля и понимания режима видимости тех или иных материалов в соцсетях или поисковых системах, в которых видимость высказывания не следует из факта публикации и не обеспечивается адресацией, а определяется на основе работы алгоритмов. Как пишет автор концепции «надзорного капитализма» Шошанна Зу-бофф, «эти намеренно скрытные операции [по оцифровке человеческого опыта] превращают нас в изгнанников из нашего собственного поведения, лишенных доступа или контроля над знаниями, извлеченными из нашего опыта» [3, с. 193]. Сама сетевая коммуникация подвергается алгоритмической грамматизации, т.е. разложению непрерывных человеческих практик (таких как речь, внимание, память) на дискретные элементы (клики, лайки, комментарии, время удержания внимания), пригодные для статистического анализа и управления [31, p. 29–34]. Пользователь утрачивает контроль над тем, как его внимание, эмоции и высказывания формируются и направляются: формы выражения предзаданы интерфейсами и оптимизированы под вычислительные цели платформ. Наконец, само внимание и желание пользователя оказываются пролетаризованы. По мере развития рекомендательных систем, а теперь и больших языковых моделей, пользователь постепенно утрачивает навыки вдумчивого поиска, интерпретации и осмысленного выбора – навыки, которые ранее предполагали включенность в социальные и символические контексты производства смысла. Например, культурные предпочтения все реже формируются через участие в сообществах и общение с единомышленниками и все чаще – через автоматизированные рекомендации, основанные на поведенческой статистике. В результате рекомендательные системы не просто экономят когнитивные усилия пользователя, но подменяют процесс формирования вкуса заранее заданными траекториями потребления, трансформируя внимание и желание в управляемые параметры. Рекомендации не просто отражают предпочтения, они их формируют, подменяя процессы индивидуации замкнутыми циклами стимул–реакция. В итоге это приводит к разрушению длительной концентрации внимания, нарративного мышления и коллективной символизации – ключевых элементов savoir-vivre. Стиглер в связи с этим пишет о наступлении эпохи «великой символической нищеты» [32, p. 12]. С точки зрения Зубофф, все вышеперечисленное можно объяснить стремлением современных цифровых корпораций «производить запланированные поведенческие результаты методами модификации поведения, которые [незаметно] работают через беспрецедентные инструментованные цифровые архитектуры», что обеспечивает таким корпорациям рост выручки и лидерство на рынке [3, c. 204].

Исследуя динамику современного капитализма, Срничек пишет, что «развитый капитализм XXI столетия постепенно выстроился вокруг задачи извлечения и использования особого типа сырья – данных» [9, с. 37]. В сходном ключе Зу-бофф рассуждает о характерном для современного капитализма императиве извлечения данных – структурном экономическом требовании постоянного расширения и интенсификации сбора поведенческих данных, в результате чего человек превращается в источник сырья, «человеческий природный ресурс» [3, с. 193]. И если раньше ценность цифровых следов была функционально опосредованной и узкоспециализированной (ограничиваясь рамками задач таргетирования, персонализации и управления вниманием), то сейчас такие данные представляют непосредственную ценность для обучения и улучшения крупных моделей ИИ – как материал, необходимый для воспроизводства человеческого социального и языкового поведения [26]. А чем сильнее развивается машинное обучение, с помощью которого реализуются механизмы удержания пользователя на платформе, тем сильнее будет развиваться эксплуатация цифрового труда и его пролетаризация. В этом отношении цифровой капитализм входит в замкнутый круг самовозрастающей эксплуатации.

Последствия пролетаризации труда

Пролетаризация, сопровождающая внедрение систем ИИ, имеет последствия, выходящие за рамки отдельных профессий и отраслей. Производственные процессы все больше организуются вокруг функционирования и оптимизации машинных систем, в которые человеческий труд встраивается как вспомогательный и обслуживающий элемент. Вместо того чтобы привести к освобождению от труда, автоматизация приводит к его интенсификации: по мере того как производственный процесс организуется вокруг машинной инфраструктуры, человеческое участие не исчезает, а подчиняется все более жестким требованиям эффективности, скорости и адаптивности.

Пролетаризация многих профессий и появление множества низкоквалифицированных и низкооплачиваемых рабочих мест приводит к необходимости трудиться большее количество часов для сохранения уровня заработка. Но еще важнее то, что интенсивность труда вследствие пролетаризации увеличивается. ИИ превращает рабочее поведение в объект статистического управления, оптимизации и мониторинга – и, следовательно, усиливает давление на работника, а не снижает его. Алгоритмы ИИ в сочетании с повсеместными камерами, сенсорами и датчиками делают возможным отслеживание каждого действия работника и оптимизируют эти действия до такой степени, что у работников зачастую не остается времени даже на микро-перерывы [17]. Формируется своего рода «цифровой тейлоризм», угрожающий окончательно подорвать автономию труда. Так, с интеграцией новых роботов рабочий процесс на складах Amazon стал еще более интенсивным: работающие в симбиозе с алгоритмами и машинами сотрудники вынуждены двигаться быстрее, чтобы не отставать от темпа автоматизированных систем, что в итоге приводит к росту травматизма и выгоранию работников [18]. Таким образом, даже если формальное количество часов работы не меняется, возрастает ее объем за счет ускорения темпа работы.

ИИ задает саму норму продуктивности. Человеческое участие теперь должно постоянно подтверждать свою полезность и конкурентоспособность. Это касается и более высококвалифицированных профессий, в рамках которых будет необходимо повышать свою производительность с помощью ИИ, чтобы оставаться конкурентоспособным на рынке труда [30]. Как и другие значимые технологии, ИИ начинает формировать социальную необходимость в своем использовании, постепенно превращаясь из инструмента в структурное условие участия в социальных процессах. А в условиях утраты когнитивной автономии, сопровождающей пролетаризацию, складывается ситуация, которую социальный мыслитель Иван Иллич называет «радикальной монополией», подразумевая монополизацию удовлетворения определенной социальной потребности [22, p. 51–57]. Это может быть потребность в образовании (которую монополизирует школьная система) или потребность в захоронении мертвых (которая монополизируется похоронными агентствами) – общим будет отчуждение знания и навыка в пользу касты профессионалов или новой технологии, а монополия будет подкрепляться социальным устройством вокруг нее. Есть основания полагать, что сейчас мы наблюдаем образование такой монополии вокруг ИИ: совсем скоро труд во многих профессиях без использования ИИ станет немыслим – либо слишком неэффективен, чтобы выдерживать конкуренцию, либо технически невозможен из-за встроенности в алгоритмическую инфраструктуру (как в случае складских работников Amazon или таксистов, вынужденных пользоваться системой распределения заказов и вместе с ней – системой ценообразования).

Заключение

Как было отмечено во введении, ИИ в публичном поле часто преподносится в качестве освободителя человека от труда. Формируется определенный эмансипационный нарратив, в рамках которого труд из политической проблемы превращается в техническую задачу, подлежащую оптимизации. Этому способствует представление ИИ в качестве автономного технологического артефакта, загадочного высшего разума, превосходящего человеческий или, как выражается Домингос, «верховного алгоритма». Описанный здесь подход, представляющий ИИ в качестве результата эволюции автоматизации и разделения труда, позволяет демифологизировать ИИ и заземлить его в плоскости социальных отношений, в которых он и берет свое начало. Это, в свою очередь, позволяет сместить фокус анализа с риторики технологического освобождения на реальные трансформации трудовых практик и форм отчуждения в современном капитализме.

Капитализация различных данных о человеческом поведении позволяет говорить о расширении понятия труда до производства данных. В отношении такого труда пролетаризация действует сразу на нескольких уровнях: отсутствие осознания своих действий как труда; грамматизация коммуникации на цифровых платформах; отсутствие владения результатами своего труда, т.е. данными (включая понимание того, как эти данные впоследствии будут использованы); пролетаризация самого внимания и желания пользователя, потребности которого проектируются алгоритмами. В итоге, теряя понимание своего труда, человек теряет власть над своей жизнью. По мере развития индустрии ИИ растет и потребность в производимых данных. Чем более эффективными становятся алгоритмы машинного обучения, тем более эффективной становится и эксплуатация цифрового труда.

Пролетаризация приводит к механизации, роботизации и фрагментации труда, потере работниками когнитивной автономии и владения процессом труда. Подчиняясь алгоритмическому управлению, труд разбивается на более низкоуровневые операции, тем самым становясь более дешевым и распределенным. Это справедливо как для низкоквалифицированной работы, так и для когнитивного труда, который все чаще принимает форму сопровождения, валидации и корректировки машинных процессов, тогда как сами навыки мышления, интерпретации и выбора постепенно стандартизируются и выносятся за пределы субъекта. Таким образом, ИИ переводит все новые сферы человеческой деятельности в форму стандартизируемых и воспроизводимых операций. А производственные процессы постепенно начинают организовываться вокруг алгоритмической инфраструктуры, что формирует социальную необходимость в использовании ИИ и, следовательно, зависимость от него. Алгоритмический контроль за трудовыми операциями увеличивает темп работы и задает новую норму продуктивности. Все это в конечном счете ведет к интенсификации труда, а отнюдь не к освобождению от него.

Все вышесказанное не означает, что невозможны альтернативные сценарии использования ИИ, в рамках которых технологии служат не воспроизводству отчуждения, а расширению человеческой способности к совместному мышлению и действию. Однако реализация таких сценариев на массовом уровне требует выхода за пределы текущих производственных отношений и пересмотра принципов владения и управления результатами коллективного когнитивного труда, которые используются для создания и обучения моделей ИИ. В противном случае развитие ИИ будет лишь воспроизводить и усиливать те формы пролетаризации, которые оно унаследовало от прошлых этапов капиталистической модернизации.