Особенно плодотворными и прогрессивными в этом направлении оказались работы французских мыслителей и ученых. Философы Гастон Башляр и Анри Лефевр предложили, например, метод ритм-анализа для изучения социальных ритмов в городском пространстве (Лефевр их разделил на четыре типа – аритмия, полиритмия, эуритмия и изоритмия)[546]. Сходным образом французская археология подходила к изучению расширенных форм социального поведения в древних цивилизациях. Так, например, палеоантрополог Андре Леруа-Гуран и его коллеги ввели понятие операционной цепи (chaîne opératoire), объясняющее, как доисторические люди создавали предметы быта[547]. Кульминацией давней традиции диаграмматизации социального поведения во французской мысли стал знаменитый «Постскриптум к обществам контроля» Жиля Делёза. Философ утверждал, что власть больше не занимается дисциплиной индивидов и вместо этого контролирует дивидуумы – фрагменты расширенного и деконструированного социального тела[548].
Силовые поля Левина, городские ритмы Лефевра и дивидуумы Делёза можно рассматривать как предсказания принципов алгоритмического управления, создававшиеся сетевым обществом и его колоссальными центрами обработки данных с конца 1990‑х годов. Запуск в 1998‑м алгоритма Google PageRank – метода организации и поиска в хаотичном гипертексте сети – условно считается первой крупномасштабной обработкой «больших данных» цифровыми сетями[549]. Техники сетевого картирования стали в настоящее время повсеместными: Facebook, например, использует протокол Open Graph для количественной оценки сетей человеческих отношений, которые подпитывают экономику внимания социальных сетей[550]. Вооруженные силы США используют собственные спорные методы анализа жизненных паттернов для картирования социальных сетей в зонах боевых действий и выявления целей для ударов беспилотников, которые, как известно, уносят жизни ни в чем не повинных мирных жителей[551]. Недавно платформы гиг-экономики и гиганты логистики, такие как Uber, Deliveroo, Wolt и Amazon, начали отслеживать пассажиров и водителей с помощью приложений геолокации[552]. Все эти методы – часть новой области аналитики людей (также известной как социальная физика и психографика), которая представляет собой ничто иное, как применение статистики, анализа данных и машинного обучения к проблеме рабочей силы в постиндустриальном обществе[553].
Автоматизация психометрии, или всеобщий интеллект
Если не рассматривать такие привлекательные понятия как «паттерн», «гештальт» и «модель» в экономической перспективе (Хайек эту возможность не упустил), их использование может легко превратиться в самореферентное культуралистское упражнение. Разделение труда, разработка машин и алгоритмов – не абстрактные формы сами по себе, а средства измерения труда и социального поведения, а также различения людей в соответствии с их производительными способностями. Как показывают принципы Бэббиджа (см. главу 2), любое разделение труда влечет за собой метрику: измерение производительности и эффективности работников с одной стороны, и суждение о классах навыков, что предполагает неявную социальную иерархию – с другой. Метрики труда введены для оценки того, что производительно, а что нет, – оценки, использующейся для манипулирования социальной асимметрией, которой назначен денежный эквивалент. В современную эпоху фабрики, казармы и госпитали дисциплинировали и организовывали тела и умы людей похожими методами (это понимали различные мыслители, включая Мишеля Фуко).
В конце XIX века метрология труда и поведения нашла союзника в новой области статистики. Психометрия стремилась измерять навыки решения базовых задач и статистически сравнивать результаты когнитивных тестов, а не измерять физическую работоспособность, чем ранее занималась психофизика[554]. В психометрии – части спорного наследия Альфреда Бине, Чарльза Спирмена и Луиса Терстоуна – лежит одна из главных генеалогических линий статистики, которая никогда не была нейтральной дисциплиной и всегда концентрировалась на «измерении человека», институтах норм поведения и подавлении аномалий[555]. Превращение показателей труда в психометрию труда стало ключевым переходным моментом как в управлении, так и в технологическом развитии в XX веке. Показательно, что при разработке первого перцептрона искусственной нейронной сети Фрэнк Розенблатт вдохновлялся не только теориями нейропластичности, но и инструментами многомерного анализа, которые психометрия импортировала в американскую психологию в 1950‑х годах (см. главу 9).
Я показал, что проект ИИ возник из автоматизации психометрии трудового и социального поведения, а не из стремления разгадать «загадку» разумности. Резюмируя историю ИИ, скажу, что механизация «всеобщего интеллекта» индустриальной эпохи, породившая «искусственный интеллект» XXI века, стала возможной благодаря статистическому измерению навыков, например фактору общего интеллекта (Спирмен), и его последующей автоматизации в искусственных нейронных сетях. Если в индустриальную эпоху машина считалась воплощением науки, знаний и «всеобщего интеллекта» (general intellect) рабочих, то в информационный век искусственные нейронные сети стали первыми машинами кодирования «общего интеллекта» (general intelligence) в форме статистических инструментов, предназначенных, в частности, для автоматизации распознавания паттернов как одной из ключевых задач «искусственного интеллекта». Другими словами, нынешняя форма ИИ (машинное обучение) представляет собой автоматизацию статистических показателей, которые были первоначально введены для количественной оценки когнитивных, социальных и трудовых способностей. Применение психометрии с помощью информационных технологий нельзя назвать уникальной чертой машинного обучения. Скандал с данными Facebook и Cambridge Analytica в 2018 году, в ходе которого выяснилось, что консалтинговая фирма получила возможность собирать личные данные миллионов людей без их согласия, напоминает: крупномасштабная психометрика все еще используется корпоративными и государственными субъектами, стремящимися предсказать коллективное поведение и манипулировать им[556].
Поскольку глубокие искусственные нейронные сети произошли от статистических инструментов биометрии XIX века, неудивительно, что недавно они превратились в передовые техники надзора, например распознавание лиц и анализ жизненных паттернов. Критически настроенные исследователи ИИ, в частности Руха Беньямин и Уэнди Чан (Цюань Сицин), разоблачили расистское происхождение этих методов идентификации и профилирования, которые, как и психометрия, представляют собой техническое доказательство социальной предвзятости ИИ[557]. Исследователи выявили в самой основе машинного обучения дискриминационную силу и показали, как это согласуется с современными аппаратами нормативности, включая пользующиеся дурной репутацией медицинские, психиатрические и уголовные таксономии[558].
Метрология интеллекта, разработанная в конце XIX века, с ее явной и неявной повесткой социальной и расовой сегрегации, до сих пор лежит в основе ИИ, внося дисциплину в сферу труда и воссоздавая производительные иерархии знаний. Таким образом, значение ИИ заключается не только в автоматизации труда, но и в косвенном укреплении социальных иерархий. Косвенно утверждая, что можно автоматизировать, а что нет, ИИ на каждом этапе развития навязывает новую метрику разумности. Но сопоставление человеческого и машинного интеллекта предполагает также суждение о том, какое человеческое поведение или социальная группа более разумны и каких работников можно заменить, а каких нет. В итоге ИИ – это инструмент для установления стандартов механического интеллекта, которые распространяют, более или менее явно, социальные иерархии знаний и навыков. Как и любая предыдущая форма автоматизации, ИИ не заменяет рабочих, а вытесняет и реструктурирует их в соответствии с новым социальным порядком.
Автоматизация автоматизации
При внимательном рассмотрении того, как статистические инструменты, задуманные для оценки когнитивных навыков и различения производительности людей, превратились в алгоритмы, становится очевидным более глубокий аспект автоматизации. Изучение метрологии труда и поведения фактически показывает, что в некоторых случаях автоматизация возникает в результате превращения самих средств измерения в кинетические технологии. Инструменты для количественной оценки труда и социальной дискриминации сами по себе стали «роботами». Еще до появления психометрии Бэббидж применил часы, которыми измеряли труд на фабрике, в Разностной машине для автоматизации умственного труда (см. главу 2). Кибернетики, в частности Норберт Винер, по-прежнему считали часы ключевой моделью как для мозга, так и для электронных вычислительных машин. Историк науки Хеннинг Шмидген отмечал, что хронометрия нервных стимулов способствовала укреплению метрологии мозга и модели нейронных сетей Мак-Каллока и Питтса[559]. Таким образом, представленная в этой книге теория автоматизации говорит о том, что машины возникли не только из логики управления трудом, но и благодаря инструментам и показателям количественной оценки человеческой жизни в целом и повышения ее производительности.