微粒社会

    [德] 克里斯多夫·库克里克 著

    黄昆 夏柯 译

    中信出版社目录

    前言

    第一章 差异革命

    上帝视角下我们的工作

    奥巴马团队的秘密武器

    微粒化的民主

    量化自我

    平等危机

    新型社会物理学

    第二章 智能革命

    当机器人拥有智能

    不平等的幽灵

    未来的工作

    与机器共同进化

    我们将变得更加聪明却更紧张

    我们如何适应机器的世界

    我们将怎样丧失性别

    第三章 控制革命

    性、毒品和大众音乐

    从最大限度地利用到最大限度地解析

    在机器世界欲罢不能预测机器

    评价型社会

    专家的终结

    不测性政策

    第四章 超负荷的制度

    双重进程：解析—解体

    法律的发展进程

    被隐藏的繁荣

    使不可见者可见

    关于数据保护

    从鬼脸到幽灵提问

    微粒化的国家

    第五章 微粒人

    受辱的时代

    新型人类

    迷失

    玩游戏的我们

    不可预测的移情前言

    当薇薇娜·明4岁的儿子菲利克斯患上幼儿糖尿病时，她立即意识到

    是时候做点什么了——她要精确掌握儿子患病的过程，而在此之前还没

    有人这么做过。

    薇薇娜所不知道的是，她因此将儿子带入了一个全新的世界。

    糖尿病可能引起两种危害病症：如果血糖值过低，菲利克斯的行为

    将很快失控，大脑运转速度会下降，并且变得有侵略性；如果血糖值过

    高，他就几乎无法与人交流，陷入呆滞，薇薇娜描述说：“他就像一个

    自闭症患者。”这两种病症都将耗费菲利克斯宝贵的生命，并影响他的

    成长。

    薇薇娜和她的夫人诺玛(这是一个同性恋家庭)打算尽可能准确地

    弄清楚菲利克斯在什么时候、在哪些情况下血糖会升高或者降低。她们

    在Excel(电子表格程序)中详细地记录着菲利克斯的每顿饭：早餐，一块96克的全麦面包片，其中碳水化合物的含量为30%，还有17克花生

    奶油，其中含有碳水化合物2.1克。她们还会记录菲利克斯的活跃程

    度，比如他什么时候玩耍，什么时候又变得呆滞。她们还拜托幼儿园的

    老师提供有关菲利克斯行为的详尽信息。

    但是对于薇薇娜和诺玛而言，这些还不够，原因在于她们两人在数

    据处理上都是经过训练的。薇薇娜是加州大学伯克利分校的一名神经学

    科学家，同时还在为一家名为吉尔德的新创猎头公司工作。该公司借助

    详细的数据分析为高科技公司搜寻潜在的人才。诺玛也在加州大学伯克

    利分校工作，主要研究数字化技术如何提升教学质量。

    因此她们给菲利克斯配备了她们所能找到的最精确的数字化血糖测量仪，同时全天候记录他的心律，还为他佩戴了一个测量仪测量他的压

    力症状，如出汗、皮肤过敏等，并且通过一个带有传感器的微型臂带

    Fitbit记录菲利克斯的每一个动态。

    于是，菲利克斯成了得到最完善测量的4岁儿童。

    测量得来的数据会被他的双亲运用一套复杂的算法加以处理，科学

    地说，是运用包含多维度因素的贝叶斯模型 [1]

    处理数据。

    在终于搜集到足够多的数据后，薇薇娜和诺玛回到了一个在不知不

    觉中慢慢变得落后的世界。在此之前，她们认为菲利克斯的医生非常权

    威也很友好。但是那些医学专家在面对如此大量的数据时却表现得非常

    惊慌和恼怒，而且他们坚持按照标准程序进行诊断治疗。为此，薇薇娜

    和诺玛需要在接下来的三个月时间里特意挑出一周，将菲利克斯的血糖

    值每天三次地记录到一张纸上。“您是在开玩笑吗，医生？”薇薇娜反问

    道，“我们现在拥有的，是精确到每分钟的、更详尽的数据!”

    当薇薇娜(按医生的要求)把那张记有21条数据的纸拿给医生时，这些医生才肯弯下腰，“眯起眼睛”，在这些数据的基础上制订他们的治

    疗方案。薇薇娜生气了。因为最精确的数据就在医生手上，而他们却选

    择了忽略。不仅仅是数据——医生忽略了她们的儿子!以及她们在此期

    间掌握的菲利克斯的患病信息。

    就好像，有两个菲利克斯存在着。

    其中一个菲利克斯生活在一个并不准确、只被粗略测量的世界，在

    这个世界中，对糖尿病的治疗靠的是一张纸。唯一确定的是菲利克斯正

    在遭受一种与血糖有关的严重疾病的折磨。菲利克斯在这个世界中只是

    一个粗略的轮廓，一幅不清晰的影像。而在另外一个世界中，菲利克斯好像出现在一张视网膜屏幕上，是

    被高度解析的，连微小的细节都清晰可辨。甚至他身体的内部动态，也

    能轻而易举地得到持续的观察和分析。

    纸上的菲利克斯由医生根据平均值诊断病情，而这一平均值是他们

    依据从大量病患身上搜集到的、为数不多的数据计算而来。对于这个小

    男孩的诊治会或多或少地与对于其他患儿的诊治一样。实际上，接受诊

    治的不是菲利克斯，而是平均值。

    相反，数字化的菲利克斯将得到一个度身定做的诊断，一个独一无

    二的诊断。根据她们的数据分析，薇薇娜和诺玛可以为胰岛素注射器编

    程，使她们的儿子在血糖升高或者降低之前，得到准确剂量的自动注

    射。在此期间她们已经精确预测到，这样的治疗会给菲利克斯带来比从

    前多40%的舒适时间，使他从富有侵略性和呆滞的状态中解脱出来。这

    意味着他有更多的时光来过精神专注的正常生活。

    纸上的菲利克斯来自我们所谓的“现代”世界。在这个世界中，我们

    积累了巨量的知识并实现了极大的技术飞跃：从工业革命直到太空飞

    行，不一而足。但是现在我们看到，这些知识是多么的粗糙。数据稀

    少，虽然每个人都被视作个体，但不过是与平均值——现代的计量单位

    ——有所偏离而已。

    而数字化的菲利克斯生活在一个新型的社会里。这种新型的社会是

    高度解析的，而且不再关注平均值，因为它有了更好的东西：高密度

    的、更详细的认知。这会从根本上改变我们的生活方式、我们的世界观

    以及我们对自身的理解。

    这种新型的社会我称之为：微粒社会。计算机科学家将“粒度”这个概念理解为解析的程度，数据的精确度

    越高，粒度就越低。由于数字化进程的发展，我们所有人都在一步步地

    进入精细解析的社会。

    因为数字化主要意味着我们将用新的方式测量自己以及我们的社

    会。我们的身体、我们的社会关系、自然界，以及政治和经济——一切

    都将以比之前更加精细、精确、透彻的方式被获取、分析和评价。

    我们正在经历的，是一场新型的“解析—解体”。

    来自诸如脸谱网或移动网络等社交网络和其他网络的数据向我们展

    示的，是被高度解析的我们所在的社会。借助传感器，我们能够观察到

    从苔藓生长到鸟类孵化瞬间的整个自然界的最细微图景；借助数字化书

    籍，语言学家可以重新检测我们拥有的词汇量。在本书的其他章节我们

    还会碰到许多类似的例子，从被重新解析的企业到选战，再到道路交通

    系统的转变，以及机器人产业的成功推进。

    这场新型的“解析—解体”将创造一个全新的世界。法国历史学家费

    尔南·布罗代尔曾经提到“可能的事物清单” [2]

    这个概念。这份清单目前

    正在急剧地改变和扩充，同时产生了迄今难以想象的可能：随着我们感

    知现实精确度的提高，现实本身也在发生变化。

    这个新世界的轮廓可以用以下三种革命描绘：

    第一种即差异革命 。这场新型的“解析—解体”使迄今隐藏的差异

    得以显现，包括人与人之间的差异。我们将完全地被个别化、单体化

    [3]

    ——而这些差异将再度激化社会并被利用。我们将遭遇一场平等危

    机，这场平等危机现在已经在改变我们的工作环境和我们的民主(参见

    第一章)。

    第二种即智能革命 。智能机器的大规模使用将导致知识、技术和经济机会的重新分配——这种重新分配不仅仅发生在人与人之间，也发

    生在人与机器之间。而从中受益的，主要是那些懂得如何与智能机器交

    流与合作的人。对于其他人来说，这关系到他们的工作和生存。因为机

    器越智能，这种经济上的不平等就将越严重(参见第二章)。

    第三种即控制革命 。微粒化过程将会使社会中的我们被重新分

    类、评价和比较——甚至被看透。因为与精细解析的数据相比，我们的

    生活还是相当粗糙的，这将使对我们的行为做出精确的预测成为可能。

    我们将不再像在现代世界中那样被最大限度地利用，而是被最大限度地

    解析。这会引发一个关于公正的根本性问题，并使民主原则面临受损的

    危险(参见第三章)。

    我认为在这三种革命中显露出来的这场新型的“解析—解体”，会在

    数字化进程中产生决定性的影响。已经有非常多的作品探讨了数字化技

    术的社会影响，有的从网络化的重要视角出发，有的从数据量的视角出

    发(比如《大数据时代》这本书)，还有的从失控和控制妄想的角度出

    发，还有的作品认为借助数字化技术我们所有人都将变得越来越聪明。

    所有这些视角都很重要而且相互关联，但是根据我的观察，所有这

    些探讨都没有涉及数字化发展进程的核心，而是聚焦于新的粒度引发的

    种种现象。新的粒度才是根本性的事物，所有的其他现象都是由其衍生

    而来。对此我们可以通过数字化的菲利克斯看清楚。

    因为菲利克斯几乎没有被网络化，他带来的数据量用一个USB(通

    用串行总线)硬盘就可以轻松容纳，而且他没有失控，正相反，他自身

    的控制能力得到了极大提升。而他是否因此在总体上看起来“更聪明”，还需要验证。但毫无疑问的是，他是数字化社会中的一员，原因很简单

    ——他的生活已经被高度解析了。

    菲利克斯在每个工作日的早晨都会有一次明显的血糖值升高，而血

    糖值变动曲线会在每周二变得特别陡峭而达到峰值。他的双亲对此感到非常的惊异，因为每天的早餐都是一样的，但在周末却根本看不到血糖

    值有明显升高。

    后来她们发现，这是因为菲利克斯现在转到了学前班，他害怕上

    课，尤其害怕周二那天上课的一位老师。恐惧可以使血糖值升高。这一

    结果是通过数据提取和分析得出的。仅仅依靠一张纸上的记录做标准分

    析，医生不会发现有什么问题，而菲利克斯每周二还是会陷入呆滞状

    态。

    菲利克斯因此被卷入了差异革命。如果我们想象还有另外一个菲利

    克斯——数字化的菲利克斯2号，那么这种差异性的爆发就很容易理解

    了。

    我们假设数字化的菲利克斯2号生活在柏林，而且像他的美国病友

    一样在4岁的时候患上了幼儿糖尿病。他的父母像薇薇娜和诺玛一样测

    量他的各项数据，而且使用的是同样的仪器和同样的程序算法，进行同

    样的记录。

    但是在同样的情况下很有可能出现完全不同的病症。数字化的菲利

    克斯2号可能会因害怕周五下午的足球训练而被记录下在这一天出现了

    血糖值升高，也可能是在其他时间因为完全不同的原因。

    若是我们将两份病历重叠对比，或许它们之间的差异会大到我们很

    难说这是相同的疾病。科研人员早已开始仔细观察这种效应：他们认为

    我们所有人都患上了“罕见的疾病”，即每个病人被检测得越精确，他们

    之间以及他们的病症之间的差异就会越突出——那种与他人罹患了同样

    疾病的幻觉就会破碎得越多。

    但是我们面对的不仅仅是罕见的疾病，还有罕见的身体。每个人身

    体的独特性都可以如此详细地被掌握，这会使与其他机体的对比越发困

    难，或者说这种比较越来越不能说明什么。根据数字化的菲利克斯1号和数字化的菲利克斯2号(还可以有其他

    数不清的、同样被精确检测的患儿)计算出一个平均值是没有意义的。

    即使我们现在已经知道这个平均值，它也不会向我们透露关于每一个菲

    利克斯的更多的信息。平均值，这个现代的计量单位，不会使我们更加

    机智，反而会使我们更加愚蠢。“平均值已死”，经济学家泰勒·科文在

    一篇有关于此的文章中这样说。数字化的菲利克斯们埋葬了平均值。至

    今为止的特例——那种被精确阐明的个体——会成为新的标准，而当前

    的标准将变得无关紧要。

    医学界已经注意到差异性的爆发这个重大问题。心脏病学家、遗传

    学家埃里克·特普尔认为：“现代医学的整个分类系统都必须要重写

    了。”作为对当前医疗方法——仅仅根据两类糖尿病就确诊个体的患病

    类别，或者仅仅根据正在发生癌变的器官就确定癌症类别——的替代，未来的医学将会是一种“个性的科学”。未来的医学将采用全新的检测方

    法、认知及概念。

    但是什么是“个性的科学”？按照我们目前的标准，“个性的科学”本

    身就是自相矛盾的。科学并非建立在个体的基础上，而是建立在群体、普遍的规律以及平均值之上。这种新的科学会是什么样，目前完全不清

    楚，但是我们知道它不可避免地会出现。它将同时包括智能革命和控制

    革命，因为只有借助灵巧的机器智能我们才能深入了解菲利克斯，也因

    此可以以一种全新的方式控制他的身体和生活。

    那么，欢迎来到微粒社会!在微粒社会中，将会有很多事物——虽

    然不是所有——与我们所熟悉的社会中的不同，甚至变得面目全非，比

    如医学或者法律。而肯定会有所不同的是我们对自身的认知。

    因此，新型的“解析—解体”也就不难理解了，它描绘了一个双重的

    进程：一方面是对我们人以及我们身边发生的所有现象的数字化高度解析；另一方面是制度的解体，这些制度是在粗粒化的世界中发展起来

    的，现在却因为没法跟得上形势而显得碍手碍脚。

    这些制度包括法律、科学及科学方法、性别划分、我们当前的民主

    制度、福利国家制度以及其他制度，它们是解决社会问题和其他问题的

    固定方法，当问题改变时，它们也得跟着改变。它们将解体并得到重

    构。这类重构在历史上一直是必要的，目前它们正在很多领域同时发生

    着。

    这场新型的“解析—解体”的第二个方面我将在本书第二部分加以阐

    述。在此我将专注于以下两个关键的发展方向：

    一方面是超负荷的制度。许多以前我们曾经依赖的东西，正在数

    字化时代支离破碎：一部分法律制度、数据保护制度、教育体系，还有

    看起来理所当然的制度，比如被视作经济能力证明的国民生产总值。由

    此带来的后果将是影响广泛而深远的(参见第四章)。

    另一方面是我们将迫切需要一种对人的新的认知。我们将不仅被

    迫改变我们的制度，还要改变对自我的认知。由于人与机器之间的界限

    将越发模糊，我认为，我们倾向于放弃将自己理解为理性的人，而将自

    己塑造成不可揣度的、玩世不恭的、易受干扰且会干扰他人的人。我们

    将从“理性人”变成“微粒人”——这是一个决定性的转变，随着这个转变

    的发生，我们将会在这个数字和程序算法的世界里发展出一种新的人性

    形态(参见第五章)。

    在数字化的菲利克斯案例中，“解析—解体”的第二重含义——制度

    的解体和我们对自身认知的解体——涉及的主要是医生们。在疾病与康

    复问题上，迄今为止医生都是不可置疑的权威，面对相对少量的可用数

    据，他们主要依赖于以往的病例。而他们即将面对的，是由病人搜集的海量的细节性信息，这些信息往往比医生曾经所能获取的所有东西都更

    有用。

    医生与病人间的权力分配正在发生变化，医学专家的地位正在崩

    塌，他们将被迫与瓦解他们权威的数字化机器共事。因此，虽然他们绝

    不会显得多余，但是他们的角色会被彻底改变——解体并且不得不被重

    构。

    或许人们可以用一幅大大简化的图景描绘微粒社会：此前的社会好

    像由无数的台球组成，随着时间的推移，我们慢慢学会将其构建成一个

    可以负重的结构。现在这些台球逐渐地由微小的铅丸替代，这将急剧地

    改变社会的集聚状态和静力学结构，同时迫使我们找寻新的路径，以便

    在这些细小的微粒中建构一种稳定的秩序。

    这将是接下来数十年我们的任务。而要完成这一任务，我们只能转

    变自己的思路，因为来自群体和粗粒化时代的陈旧答案，将不再有用。

    将数字化社会视作一种经历着“解析—解体”双重进程的社会的巨大

    优势在于，我们可以赞美那些数字化技术带来的进步和好处(菲利克斯

    对此肯定是赞同的)，同时不至于对所面临的巨大问题视而不见。

    这两种视角通常被一种古怪的意见分歧分离开来：美国作者对数字

    化社会持赞赏态度，而欧洲的作者则对此持怀疑态度。就好像这种差异

    是地缘性的。而我尝试给予这两种视角探讨的空间，因为不然我们就无

    法理解微粒社会。赞赏和惊慌，正是要旨所在。

    我也不会对每种分歧都表明我的愤怒，我相信拥有冷静头脑的人才

    可以做出更深入的分析。而且我不会将责任归咎他人。因为这样的话，除了想象中的罪犯，你在本书中将不会读到任何关于新自由主义的内

    容，这或许就太浅薄了。

    我也不会以谷歌、脸谱网、亚马逊等巨头对民众的阴谋为出发点，即使它们身上有很多需要指出批评的问题。假如真的要有所怪罪，我也

    坚定地认为国家和政府才是更大的无赖，因为它们不仅不控制特工组

    织，还常常过分地将自己视作数据保护的特例。但是即便是它们，也无

    法解释当前发生的事情。

    一旦我们将责任归咎于个体行为者，我们就会误以为只要我们清除

    了幕后操纵者，问题就会消失。如今，我们面临的是彻底的结构变革，而这种结构变革是不可能由个体行为者负责的。

    但是在骨子里我是乐观的，即我们能够成功应对目前朝我们袭来的

    那些革命。这种乐观源于我们人类已经经历了三场类似的“灾难”(社会

    学家尼可拉斯·鲁曼如此称呼)：语言的产生、文字的发明以及印刷术

    的传播。它们当中的每一个都决定性地改变了社会的粒度，并迫使人类

    对自我和世界形成了全新的认知。

    比如印刷术，曾戏剧性地将各种各样的观点和世界观解析得比以前

    更加细微、更加对立，这样就分解了那种中世纪的、等级制的、以上帝

    为中心的世界观，并将人类塑造成了现代的、以自我为中心的、不安分

    的主体——直到今天，我们都还是如此。

    这条路曾经充满矛盾和斗争——在微粒社会，事情也不会有什么不

    同。艰苦卓绝的时代正在到来。我们将要看到的这个新世界，是一

    个“极端事物的世界” [4]。我们人类也要新增一种“极端的”自我理解，在这种理解中我们是柔弱的、敏感的，也因此是更具人性的。

    因此本书谈论的不是数字化技术本身，而是数字化技术会让我们自

    己、我们的生活和我们的社会发生怎样的改变，以及数字化技术会将我们置于何种挑战面前，无论是针对个人的还是针对社会的挑战。一旦解

    析差异化的能力迅速提高，如何确保人们的平等？如何保证我们所有人

    都能参与目前正在进行的智能革命？如何使数字化的程序算法体现我们

    的价值观？如何让人类区别于那些越来越聪明的机器？

    这些问题没有简单的答案。但是在写作本书的过程中，在与研究

    者、企业家、医学专家和法学家的对话交流中，一些曾经令我百思不得

    其解的问题现在变得清晰了：我们将置身其中的、那个正在发生新

    型“解析—解体”的世界，虽然存在着诸多的陷阱和危险，但是它也将促

    使我们更加深入地研究人之所以为人的本质。我们迎面走向的，不是人

    性的丧失和机器人化，相反，我们所走向的，是对人类更精确的认识。

    新型机器和新的程序算法正在向我们发起挑战，为了能够成功应对，我

    们必须改变自己，而我们的优势恰恰就在这里——我们是能够重新创造

    自我的人。

    那么我们将成为什么样的人呢？新的轮廓正在逐渐显现，虽然目前

    还不是清晰可辨。但是我想尝试用几句话来描绘你和我在这个微粒社会

    中将会成为什么样的人，其中一些描绘是互相矛盾的，还有一些描绘只

    有在阅读完本书后才能明白。但是你大致可以将自己设想为这样的微粒

    人：

    你将不再是个性的，而是独一无二的。

    你将生活在一个更加不平等的世界。

    你将受到全新标准的评价。

    你将分散你自己。

    你的收入将更多或者明显更少。

    你在没有机器帮助的情况下将无法理解自己。你将生活在一个更加简单的环境中。

    你将受到不同于其他所有人的对待。

    你将变得更加敏感、更加不可预测以及更加玩世不恭。

    前景很美好，不是吗？

    [1] 也叫贝叶斯预测模型，是运用贝叶斯统计(该统计以美国统计学家托马斯·贝叶斯之名

    命名)进行的一种预测，是一种以动态模型为研究对象的时间序列预测方法。——译者注

    [2] “可能的事物清单”指的是技术与社会制度的变革会产生一些新的事物，同时也会使一些

    事物消失。数字化变革正是如此，数字化技术会产生新的事物，同时也会让一些旧制度、旧事

    物瓦解消失。——译者注

    [3] 德文原文是singularisiert，意思是极端差异化。作者认为这是一个新现象，应该有对应

    的新概念。具体可参见第一章对单体问题的详细论述。——译者注

    [4] 根据作者的解释，“极端事物的世界”即数字化技术没有消除现代社会中的不平等，没有

    消除权力集中于少数人，而是倾向于促进不平等的深化和权力的集中。——译者注第一章

    差异革命

    为什么我们会具有罕见的身体和大脑上帝视角下我们的工作

    对于从事传统企业咨询的那些人，本·韦伯只会嗤之以鼻。“他们读

    读企业的组织架构信息，给企业员工做做访谈，然后就能给出精妙的建

    议，将一切推倒重来。”这位年轻却已经秃顶的领导人是波士顿咨询企

    业“社会韵律解决方案”的创始人，他接着笑道：“他们只是在黑暗中摸

    索而已。”

    韦伯有不同的做法。为了了解一家企业如何运作，他使用了一些灰

    色的小盒子。这些塑料盒子和扑克牌盒子一样大，重30克，里面装满了

    传感器。韦伯称它们为“社会测尺”。在它们的帮助下，韦伯能够比以前

    更好地量化企业的工作文化。这些小盒子每分钟最多能够提供100条有

    关企业雇员行为和交流的数据。同事间交谈了多久，他们相互间的距离

    以及他们在哪里聊天，韦伯对这些信息的记录精确到了秒。仪器也同时

    记录下了雇员们各自的身体姿势以及他们的活跃程度，甚至他们说话时

    的腔调都被记录了下来，无论是愤怒、紧张还是高兴，雇员们的情绪状

    态都可以被自动计算出来。

    听起来这家公司像是一座被监视的囚牢，但是韦伯的团队采取了巧

    妙的措施保护隐私。韦伯说，在“社会测尺”进驻的企业里，只要向员工

    们解释清楚，超过90%的人都会自愿参与测量，因为他们自己也可以从

    测量结果中受益。

    2007年，“社会测尺”研究在科隆城市银行市场营销部进行，这是在

    全世界展开的第一批“社会测尺”研究之一。在20天的时间里，市场营销

    部的雇员携带着这些装有传感器的盒子，以此量化他们之间的交流。这

    些数据被严格地以匿名的方式整理加工，并且只做了概要性的展示。尽

    管如此，一个清晰的模式还是显现了出来：部门领导主要与其中两组雇员(研发部和运营部)交谈，而把另外两组雇员(服务部和顾客维护

    部)晾在一边。如此一来，雇员中广泛弥漫着一种不确定的感觉，部门

    内的交流严重不畅，工作效率也受此拖累。在传感器收集到的数据的帮

    助下，部门得到重组，而稍后的测量数据显示，部门内的交流明显更为

    平衡，而这一点也体现在更高的工作满意度上。

    在此期间，本·韦伯的项目大有进展。他分析了数十家公司的几千

    名雇员，而他梦想着有朝一日会有成千上万名公司雇员携带他的“社会

    测尺”，这样的话，透视工作世界的X光图就会越来越精确。本·韦伯称

    其为“上帝视角下我们的组织”。

    在这样的视角下，暴露出来的是各式各样的差异。团队之间、公司

    之间、雇员之间的差异都会暴露出来。在这种数据显微镜下，呈现的是

    巨大的差异性。按照韦伯的说法，没有一个团队是和其他团队一样的。

    一个团队的内部交流很适度，另一个团队的内部交流则显示出森严的等

    级，还有一个团队将自己的部分成员无情地排除在外。来自“社会测

    尺”的数据越是准确，越是高度解析，不同团队、不同公司就越不会相

    互混淆。

    对不同个体来说同样如此。诸如“旁观者”或者“独行者”等模糊的类

    型标签将在这种无情的数据分析下毫不费力地被消解。这些标签背后通

    常隐藏着大相径庭的交流特征。某个怪人是从不和别人交谈呢，还是说

    话总是断断续续从而造成交流不畅呢？他是因驳斥其他人而不受欢迎，还是直接就被忽视了呢？对此，数据可以给出细致入微的解释。

    韦伯还发现一个许多公司都有的重要支柱——那些虽然不显眼却能

    够显著提高同事生产效率的雇员——直到目前完全被忽视。这些人之所

    以能够起到这样的作用，显然是因为他们特别善于将自己的知识传授给

    同事。这些企业中的“顶梁柱”是由一个在每次测量中都显得很特殊的数

    据信息暴露出来的，这些人是如此的富有价值，却又如此容易遭到忽

    视。在“社会测尺”的帮助下，职场中的“数字化的菲利克斯”得以显现。

    这些微型的仪器记录了每个人与他人不可混淆的信息——每一秒都异于

    他人的行为、交流以及情绪特征。它以微粒化的方式让我们领会到，没

    有人会和其他人相同。但这确实是革命性的吗？其实现在的我们也能感

    受到人与人之间的不同。每个雇员当然都知道哪些同事效率高而哪些效

    率低，谁会推动会议的进行、谁又总会埋怨着阻碍。我们也清楚每个人

    的特点和怪癖，可能比机器的感受更准确——毕竟，我们人类也能够对

    现实进行细致入微的观察，我们对自己周遭的情况同样洞若观火。

    事实确实如此，但我们的印象显然是不可信的。我们对情况的判断

    变化无常，对其的描述又显得模糊不清——而且大多数时候我们会从自

    身利益出发。我们当然可以感知一个人行为的独特，但是我们并不能准

    确地命名这种独特，并适当地将其测量归类。

    目前用来了解和分析社会及世界的通行方法也是如此。这里所指的

    主要是各式各样的社会调查，如民意调查研究或者焦点小组 [1]。比

    如，在企业中受到欢迎的，是那些针对企业氛围、管理者管理质量，或

    者工作满意度的问卷调查。这些调查并不是错误或糟糕的，但是它们仅

    仅抓住了现实中的某个特定片段。更准确地说，这种方法刚好创造出了

    它想要抓取的东西。

    20世纪早期民意调查刚开始开展时，普通公众面临着一种他们需要

    学习的新情况：原来他们应该对所有事物都持有自己的看法，不管是对

    政府、一款新式香皂，还是对流行电影。这在当时完全不是理所当然

    的，正如美国最著名的民意调查专家乔治·盖洛普在1940年所写的那

    样：“农民、工人、仆人都必须要像企业家或是专家那样，在政治上有

    自己的表达。”而在此之前，没有人如此要求过这些“普通人”。民意调

    查让普通公众成了有观点的人，量化创造了被量化的东西。

    但是这类量化一直以来都不是非常精确的。相应地，由此“产生”的那些个体也同样是模糊的。比如，一个针对企业氛围的问卷调查必须向

    所有雇员提出同样的问题，否则它在统计学意义上就没有使用价值。在

    这里，重要的不是个体的回答，而是将个人意见汇总成一幅全景图像。

    同样的情形也发生在人口普查或民意问卷中：为了一项民意的最终产

    生，个体要被消除，不会被计算在内。

    到目前为止，社会科学方法还有另外一个特点：它们获取的几乎只

    是人们说了什么，而这些内容往往符合社会的期望。而人们的实际行为

    直到现在仍然难以把握。与之相反，韦伯的“社会测尺”记录的不是人们

    说了什么，而是人们说话的多少以及他们是怎么说的。这些“社会测

    尺”并不搜集人们所持的观点以及思考的内容，而是记录他们的行为

    (尽管我们也可以询问雇员们的意见)。传感器记录的是动态动作、行

    为以及由此产生的一系列相互作用。在这种新的、被高度解析的现实图

    像中，微粒化的主体得以显现。

    因此，“个体”这个概念不再恰当。“个体”是问卷和民意调查中的

    人，是统计中间值和平均值代表的人。与之相对，数字化方法创造出

    的，就是我所说的“单体” [2]。这样的人，不仅我们宣称他们是独特和

    不可混淆的，他们也能够通过量化过程自证。至于这些人是在上网时由

    浏览器记录他们的行为，还是戴着Fitbit慢跑穿过城市公园，又或者是在

    工作中受到本·韦伯的“社会测尺”的观察，其实质都是完全一样的。

    我并不想就此宣称，通过数字化的视角观察人类就比当前类比化的

    视角更好或者更正确。韦伯的传感器也有很多看不到的东西，它们也会

    扭曲，也会片面，但是它们前所未有地将人们之间的不同更多地强调了

    出来，它们使我们单体化了。今后我们将只能把自己作为极端差异化的

    单体加以理解。差异革命的含义正在于此。

    这场革命将使我们的生活变得艰难——不只是因为使得这种革命得

    以发生的无时无刻的监控，当然还有其他原因。一方面，我们将面对看起来“客观”的测量，这种测量的说服力在于，它们对所有人都是平等

    的，并且看起来不受主观臆断的影响。但实际上人们通常并不清楚事实

    是否果真如此，因为谁又真正理解那些传感器和程序算法的确切运行方

    式呢？但数据确实带着客观的冲击力前所未有地出现了，同时还要避免

    使人类的感知产生扭曲。

    目前显露出来的差异，不仅是微粒化的，而且也难以质疑。社会场

    景通常由参与者们各自不同的观察构成，一切始终带有“某种主观性”，并且在一定范围内是可商量的。然而仪器突然带着“上帝视角”闯了进

    来，所有的差异被无情地、坚定不移地公开。这就好像将一个可怕的陌

    生人请到了家里，还要任其摆布。

    另一方面，这种来自机器的观察将极大地加速社会关系的发展。数

    据将毫无延迟地被提交并加以分析利用，如有需要还能立刻再反馈到社

    会网络中去——实时反馈。比如韦伯的同事塔米·科伊姆就开发了一种

    被称为“会议调解器”的产品，它可以将技术仪器的实时观察再反馈到正

    在进行的会议当中。如果小组讨论中的某个人表现得过于消极，那么在

    休息的间隙他就会得到有关个人表现的数据分析并被要求做出改变。如

    果一位参会者几乎不和她对面的人有目光交流，那么她就会得到一封反

    馈邮件建议她在接下来的会议中更加投入。如果领导在所有下属面前过

    于强势，他就会立刻收到由算法得出的要求克制的提醒。

    这些反应快速的机器将引起一种巨大的压力。我们将遭受“深度”观

    察，而鉴于数据带有我们认定的“客观性”，这种观察的结果我们难以反

    驳，并将迫使我们快速做出改变。第一批“会议调解器”的实验表明，参

    与者感觉这种观察是一把双刃剑。一方面，他们感激机器提出的实用性

    指导；另一方面，他们将其视为一种苛求，既陌生又奇怪，同时使人恼

    怒。

    在前言部分，我谈到了一个“极端化”的世界，我们正身处其中。

    而“社会测尺”与“会议调解器”就是例子：与目前的情况相比，我们将处于极端的压力之下，将自己预设为灵活的、可变的并且可以自我优化

    的。这样的自我预设得之于机器，但我们对机器行为的理解非常有限。

    没有雇员知道，机器中是否被编入了一种代表某方利益(诸如雇主方利

    益)的程序，而“会议调解器”的建议到底是有帮助的还是原本就是一种

    没有得到许可的操控。简而言之，机器给我们的交流带来了不安。而我

    们必须学着忍受这种不确定性。

    谴责诸如“会议调解器”之类的机器的使用，或许是不明智的，因为

    如果正确应用，它们能够使我们的生活变得轻松，同时还可以缓和矛

    盾。但是不管怎样，我们必须学会借助这些智能机器校正我们的行为，同时忍受前所未有的精确观察。

    人们已经尝试从中看到一种越发严重的孤独，一种数字化的疏远与

    孤立——进而对其进行控诉。我们的确将变得无法与他人混淆，但也将

    因此丧失在群体中的依靠。这是一种熟悉的、用来反对现代的差异化论

    据，早在19世纪反对第一波个性化浪潮时就已经被运用过。但是就单体

    化进程而言，这样的论据却比以往更加不适用。

    数字化差异的悖论之一在于，它恰恰是一种不断深化的网络化的结

    果。韦伯能将每个人的独特性量化，是因为这种独特性是在人们之间无

    数次的互动中体现出来的。这一点适用于所有数字化性质的个体化：每

    个人在脸谱网上都有使他或她成为一个单体的独一无二的数据特征，但

    是这种特征的显现多亏了朋友圈以及朋友之间的相互联系。

    医学专家埃里克·特普尔对此写道：“这是一个令人着迷的悖论，我

    们今天对个性的理解要仰仗被网络化的科学——能够收集和处理的数据

    越多，与众不同的个体形象就越清晰。”我们并没有淹没于数据的汪洋

    大海，尽管这一点时而被提及。更具有实际意义的是：数据越多，我们

    的特征就越清晰可见；数据越丰富，单体就越多；网络化程度越高，个

    体化程度也就越高。因此单个行为只有从整体层面看才具有说服力：它是在一种充满意

    义的联系中进行的。单个行为往往要在相互联系的情景中被解读，否则

    这些数据就是苍白而无意义的。这样韦伯才能更有把握地预测一个雇员

    是否会离职(因为通常他的离开在很早之前就已经在交际上有所体现，因此会留下这方面的数据踪迹)。在企业竞争中，韦伯通常也能预测到

    哪些团队会获胜——即使之前没有看到过该团队或者没有与之进行过沟

    通，有数据特征就足够了。

    现在韦伯甚至能够看到成功的团队、员工与其他团队、员工的区别

    何在。计算机已经计算出理想状态的模型，用于比对和衡量某个团队。

    有4个因素会影响一个团队的成功。第一，优秀团队成员间的沟通非常

    适度，他们之间的交流也不全是绕过领导进行的；第二，团队成员能够

    像他们自己讲话时那样认真地倾听别人的意见，而且在此过程中，他们

    互相有眼神交流，而不像其他团队那样没有眼神交流；第三，至少有一

    半的团队交流是在正式会议之外进行的；第四，团队成员会在团队外部

    积极地搜寻新的信息，而这些信息能够再反馈到团队中去。换言之，团

    队中的成员有着充沛的精力，积极投入且乐于发现。这是一种相当优秀

    而又少见的特质。

    那么，高超的艺术就在于，如何将劣质的团队打造成优秀的团队。

    韦伯认为，在这个过程中，细节常常至关重要。数据的解析前所未有地

    使我们看清楚了这些微粒化的细节。“管理层最重要的决定，其实通常

    是应该将饮水机放在哪里。”韦伯解释道。这样的挑战对他来说充满了

    乐趣：起决定性作用的并非是大的结构变革，而是诸如饮水机这样看起

    来无关紧要的琐事。因为大多数的交流正是发生在饮水机旁，群体的能

    量正是在那里被激发出来。如果把饮水机放在杂物间，只是因为那里还

    有空间，工作效率就会受到影响。同样重要的还有餐厅餐桌的大小或休

    息时间的长短。

    然而所有数据都表明，存在一种推动企业发展的神奇力量：个人间的联系。面对面的交谈往往发生在餐厅里、走廊上、咖啡机旁，对此很

    多经理并不喜欢，他们认为多一些工作少一些闲聊才能提高工作效率。

    但韦伯能够向他们证明相反的观点：更多的闲聊比更多的工作更重要。

    比如他在一家大型银行的客服中心就发现了这一点。在那里，雇员

    们没有共同的休息间歇，因为要一直有人应答电话。利用搜集到的数

    据，韦伯促使银行让各个小组有了15分钟的共同休息时间。仅仅从应答

    电话的数量来看，工作效率就已经有了大幅的提升，而员工的工作满意

    度也同样有了提高。当这一做法在这家银行的所有客服中心被实施之

    后，这个每天一次的休息间歇为银行带来了每年超过千万美元的额外利

    润。

    在一家信息技术企业，韦伯有了另外一个发现。在这家拥有54名雇

    员的企业中，每位雇员在与某4位同事中的任何一位进行交流之后，工

    作效率总会有特别明显的提高。虽然那4位雇员本身并不是特别有效

    率，但他们能够帮助其他人提高效率，而他们对公司的贡献从未得到相

    应的承认。

    “数据告诉我们如何才能创造一种企业文化，为人们提供支持和更

    好的工作环境。”韦伯热情洋溢地说道。与其进行规模庞大的结构变

    革，企业不如尝试小的改变，然后观察员工的情绪和工作效率有没有改

    变。如果没有，那就尽管尝试其他的办法，直到奏效为止。企业将像自

    身产生的数据一样具有可塑性。数据的粒度将塑造微粒化的行为。

    做出这些改变的目的始终是：“我们要增加随机交流的机会，并为

    更多的自发交流创造条件。”真是这样吗？那些(本应)使我们变得可

    以被预测的数据，最终竟然增加了偶然性与突发性？

    最理想的情况下，数据会使我们更加清楚并更加精确地定义自己的

    需要，我们究竟需要什么来让自己感到舒适。数据同时将揭示我们自

    身，并使得生活环境尽可能确切地适应我们的需求成为可能。这就是微粒社会的终极理想。

    而在最糟糕的情况下，这种精确观察将会改变所有自发的细微活动

    和行为方式。拉斯韦加斯的一家赌场利用摄像机监控赌台主持人与女侍

    者的微笑频率，并在他们笑得不够多时予以警告。连锁超市特易购为其

    工人佩戴臂带，以此监控他们装载货物的效率。邮政服务商通过

    GPS(全球定位系统)监控其邮车司机的行车路线。在上述这些案例

    中，也会产生单体化的数据特征，只不过它们在这里被用于监控各个员

    工并约束其不受管理层欢迎的行为。

    本·韦伯发现，在经过最初的犹豫之后，特别看重“社会测尺”的常

    常是普通雇员，因为他们突然发现能够利用数据支撑他们对管理层的不

    满。领导们也会被看得清清楚楚，因为数据会揭示他们的工作能力。数

    字化的解析不一定只有利于掌权者。但是有必要采取预防措施，公平分

    配这种掌控的权利。

    但是所有人，不管是领导还是下属，都将面对新的评价标准，这些

    标准将比以往更加精确和无情。精确的数字将探明我们有多大的价值，我们在推动一家企业的发展上发挥了多大的作用，以及我们究竟做了什

    么使生产效率得到了提高。我们将面临一种“超精英体制”的威胁，在这

    种体制之下，每一次表达、每一项行动都将会就其产生的经济价值被加

    以研究。收入差距的扩大现在已经不仅仅发生在社会上层与下层之间，而且发生在工薪阶层内部。那些做着相同工作的雇员，原本微小的薪水

    差距正在扩大，原因之一显然在于对每个人工作效率越发精确的把握。

    这一趋势在未来将会继续强化。粒度的法则也将在这个领域发挥作用：

    我们测量得越精确，不平等就越发明显。不仅对于我们的工作来说是如

    此，对于我们的民主来说也是一样。

    [1] 焦点小组，是由美国社会学家罗伯特·K. 默顿发明的一种调查方法。主要是由经过训练

    的主持人组织的、由诸多成员参与的小组讨论，目的在于在开放的交流中获取对某一个问题的

    深入认识。——译者注[2] 在本书中，单体即指因数字化技术测量而体现出极端差异与独特性的个体。相应地，文

    章后面提到的单体化，即是这种数字化技术使得其所测量的对象极端差异化。——译者注奥巴马团队的秘密武器

    当巴拉克·奥巴马在2012年宣布再次参选美国总统时，没有几个大

    选研究专家认为他有望获胜。奥巴马在2010年国会中期选举中获得的支

    持率非常低，超过15的支持者转而支持他人。而民调也显示，大量的

    选民不停地重复一个词：失望。没有第二个人像他那样曾经激起了民众

    的希望，现在却让他们处于极度的失望之中。此外，自从“二战”之后，除了罗纳德·里根总统，还没有一任总统能在失业率超过6%的情况下再

    次当选。而在奥巴马的第一届总统任期内，失业率通常都在接近8%的

    水平。

    当奥巴马于2012年12月17日晚间再次出现在电视屏幕上时，他得到

    的是竞选总统连任成功的欢呼，而许多专家几乎未曾预料到他的胜利：

    这位现任总统比他的挑战者米特·罗姆尼多赢得了500万张选票，罗姆尼

    作为竞选总统的热门人选，甚至从未考虑过要准备一场竞选失利的演

    说。除此之外，与他梦幻般的首次选战相比，奥巴马在此次竞选中招募

    了更多的志愿者，竞选募捐资金超过10亿美元，超过任何一个候选人。

    这当中到底发生了什么？奥巴马是如何在众多观察者的严密观察下

    取得选战胜利的？原来奥巴马采用了一种全新的选战方式：对选民进行

    数字化的解析，在此之前，还没有其他的政治家这样做过。他领导了微

    粒化社会中的首次选战。

    为了准备这场革命性的选战，奥巴马在位于芝加哥的选战总部召集

    了数字化先锋：大约300名统计学家、编程人员与数据分析员，这些专

    家级人物之前曾供职于谷歌、脸谱网、推特和亚马逊等数字化巨头。除

    此之外，还有三位专业扑克玩家和一位来自哈佛大学的生物物理学家。

    奥巴马的数据团队在最短的时间内成为美国最大的数据团队——在整个选战期间，仅这支数据团队的花费就超过了1亿美元。

    奥巴马的数据团队中有很多怪人。比如哈珀·里德，作为“Obama for

    America”(美国的奥巴马)项目的技术负责人，他引人注目的大胡子不

    由得让人联想起威廉二世，他还打了巨大的耳洞。而他上传到脸谱网的

    照片同样让他名声在外，这张他在浴盆里赤身裸体的照片下还有他的评

    论：“别傻看啦，有什么好看的!”选战胜利之后，里德是奥巴马首批拥

    抱的人之一。

    接近50名数据分析员被关在一个没有窗户、灯光惨淡的空间里，这

    个空间被他们称为“洞穴”。“洞穴”位于奥巴马竞选总部——芝加哥湖边

    保德信广场的一处摩天大厦里。“洞穴”团队很快在奥巴马整个竞选团队

    的其他成员心中获得了神话级的地位，因为那里非常的不正式。“洞

    穴”团队中的很多成员穿着破洞牛仔裤和T恤，留有大胡子。像其他的革

    命一样，微粒革命也是由这些留有胡须的年轻人推动的。

    每天下午4点半，“洞穴”团队会关掉暗淡的灯光，然后迪斯科灯光

    闪起，成员们会跟着《江南Style》或竞选音乐疯狂地跳上5分钟热舞，之后所有人继续默默工作。这通常发生在下午4点—6点。

    “洞穴”团队的负责人是只有29岁的丹尼尔·瓦格纳，他与奥巴马竞

    选行动总负责人吉姆·梅西纳一起筹划，想要搜集更多的关于选民的信

    息。瓦格纳认为特定选民群体的平均值意义不大，更重要的是尽可能多

    的单个选民的信息。

    瓦格纳以令人惊讶的精确性获得了成功。虽然并不是所有严格保密

    的选战数据的细节都已公之于众，但是公布出来的信息足以让我们知道

    选战时发生了什么。根据已知的信息，瓦格纳的数据库里有1.66亿名选

    民的信息，每个人约有10 000—20 000条数据：姓名、住址、电话号

    码、以前的选举投票、民调中的回答、政治主张、收入与消费的数据、脸谱网与推特上的朋友，还有其他更多的细节性数据。以前的选战候选人也拥有大量的数据，但是那些数据大部分都是支

    离破碎的：募捐收集者有一份数据，上门收集选票者又有一份，网站经

    营者还有一份。奥巴马打开了这个宝库，将这些数据整合在一起，并且

    可能另外购买了一些细节性的数据，然后使用最新的方法精确地利用这

    些数据。关于奥巴马选战，一位知情人士后来评论说：“奥巴马的数据

    量和数据整合达到了一个新的深度。”

    在这种巨大的数据资源的基础上，瓦格纳的数据处理程序计算出了

    有关每名选民的多种指数。比如一种数值从1到100的“说服指数”，据此

    可以知道一名选民投票给奥巴马的可能性。还有一种指数能够透露一名

    选民是否会参与投票。另外一种指数能够说明，是否值得去联系某名选

    民以及说服他参与投票。还有一项关键指数，它能够预测，一个奥巴马

    的支持者与某个秉持异见的选民进行私人谈话，是否可以鼓动他把选票

    投给民主党人。

    选战开始前的8个月，瓦格纳从这些数据洪流中滤取出1 500万名选

    民，这1 500万名选民是奥巴马竞选团队应该集中研究争取的，因为他

    们被认为可以通过说服的方式争取过来，他们是1 500万名尚未决定选

    谁，还在中间摇摆、犹豫不决的选民。他们是选战天平上能够决定胜负

    的小砝码。除此之外的其他大部分选民对奥巴马并不感兴趣，因为他们

    要么不会参与选举，要么就是已经有了自己固定的党派，要么就是罗姆

    尼的支持者。

    但是即使有了这样一个庞大的数据库，奥巴马的竞选团队成员还是

    感觉不太牢靠，因为这个数据库只是静态的。他们更需要每天最新的选

    民数据。因此，竞选团队每天傍晚都会给大约30 000名选民打电话，详

    细询问他们最新的选举倾向。这些回答很快就会流回数据库。在奥巴马

    输掉第一次与罗姆尼的电视对决论战时，他的竞选团队成员立即注意到

    这样做的效果：女性选民首先开始倾向于支持奥巴马了。

    所有竞选助手的手机上都装有相应的移动应用程序，利用这些移动应用程序，他们可以将每一名与他们交流过的选民的看法立即反馈到竞

    选总部。在这种情况下，对选民情况的了解几乎每分钟都在更新，而且

    这些数据会不断地得到进一步的处理。奥巴马竞选运动的负责人吉姆·

    梅西纳热情地介绍说：“我们每晚都要处理66 000条最新的选民数据。”

    在此之前，世界上还没有其他的选民被这样精确地量化，被这样精

    确地解析。奥巴马的数据分析员所关注的不再是某个选民群体中的个

    体，他们追寻的是每名选民的特征，是选民的独特性。他们并不是将选

    民个体化而是将其单体化。奥巴马将一个由个体组成的国家变成了一个

    由单体组成的国家。

    利用这些数据分析，竞选团队成员影响了选民。一位奥巴马竞选团

    队的内部人士在选战胜利后公开表示：“我们能够预测，哪些人会通过

    互联网投票，哪些人会通过邮局投票。我们也可以预测，哪些人会自愿

    成为竞选助手。”曾经详细报道过总统的“制胜实验室”的记者萨沙·伊森

    贝格评论说：“奥巴马的竞选团队不仅知道你是谁，它还知道如何能够

    把你变成你应该成为的人。”

    数字化的力量在于，可以将群体中的公民或者消费者单体化，然后

    有目的地去影响他们。从这种意义上说，奥巴马是第一任数字化总统。

    他改变了民主的运作方式。他所引发的革命由三部分组成：首先，奥巴

    马将其选民单体化；然后，他持续不断地从选民那里得到反馈；最后他

    让选民的私人交流为其所用。

    目前，竞选策略专家通常只会粗略地划分选民群体：市郊的女性白

    种人选民、年龄在30—49岁之间的男性选民、有工作的单亲选民。自从

    约翰·肯尼迪总统将选民如此划分之后，就产生了一种“可说服值”的概

    念，但这一概念在实际中被解读得相当随意。人们只询问很少一部分选

    民，以此推断大部分剩余选民的信息。抽样与预测，这就是现代的方

    法。这种方法就好像在放大一张以低像素拍摄的照片。将照片从10个像

    素扩大到1 000个像素，这时人们得到的不是新的细节性信息，而只是

    模糊一片。原本只是用来显示一个人的一个像素现在要显示1 000个

    人，对于这1 000个人来说等于把某种基本的相似性强加给了他们。这

    种做法并不是很现实，却是我们曾经拥有的最好的方法。

    随着时间的推移，选民群体的分类越来越细致。开始的时候只有一

    种分类：工人、中产阶层和上层。据20世纪80年代在德国发展而来并被

    广泛使用的“希奴斯目标群体分类学” [1]

    ，按照生活环境的差异可以将

    选民划分成从保守的创建者到演员中的精英等十大类。美国的数据巨头

    BlueKai正在将3亿美国人分成30 000个不同的类别，以此有针对性地投

    放广告。

    瓦格纳的团队将这种新的可能性带入政治领域。他们放弃了继续将

    目前的选民群体进一步分类，最终到达个体层面的做法，即首先选

    定“市郊的女性白种人选民”，然后从那里向下计算直达个体。这与原有

    的方法是一致的，即专业术语中所讲的“自上而下”：首先确定分类群

    体，然后再到个体。利用这种方法，人们从来都没有得到过精确的图

    像，因为起点群体本身就只是一种统计学上的抽象假定概念。

    瓦格纳采取的是相反的方法：自下而上。在数据来源上，他没有首

    先搜集群体数据然后整合个体数据，而是直接利用单体数据进行计算，群体数据不在其考虑范围之内。如果人们对个体的特征有足够的了解，群体的平均值就无关紧要了。

    这种单体化的结果恰恰是整个竞选运动的机敏性所在，这种机敏灵

    活让竞选对手彻底迷惑了。罗姆尼的一位助手事后抱怨说：“奥巴马竞

    选团队的工作能够覆盖那些我们甚至都不知道他们存在的选民。”而另

    外一个助手谈及奥巴马“令人捉摸不定的战略”时，气语中流露出来的几

    乎全是惊讶。奥巴马团队将对选民的解析转化为选战行动的灵活性。比如，奥巴马的电视广告就更有目标针对性，也因此比对手更有效

    果。这位民主党人的竞选广告常常出现在夜间，并且会出现在广告插播

    率较低的电视节目中，因为这些广告对于选民尤其有针对性，而且特别

    容易让选民接收到。奥巴马的团队也曾把竞选广告插播到诸如《混乱分

    子》或者《行尸走肉》一类粗俗的、政治家避之不及的电视连续剧中。

    假如奥巴马没有将他的政治信息高度解析的话，那么所有这一切可

    能都是没有用的。为此奥巴马利用了谷歌、脸谱网以及其他高科技企业

    数年来广泛使用的一项技术——所谓的AB测试：随机挑选出一些用

    户，向他们展示不同版本的同一网页，然后检测这些用户会在哪一个页

    面上停留更长时间、购买更多东西或者捐助更多钱。谷歌公司每年要进

    行数千次这样的测试。一项经典的此类测试是在搜索引擎页面中寻找真

    正的蓝色，而被选中的搜索引擎页面上有40种不同的色彩。

    奥巴马的竞选团队不停地测试其官方竞选网页上的每一项内容，并

    据此将其改造成史上经过最透彻研究的筹款网页：每一种颜色、每一张

    图片以及每一句话都会经过上百次的测试。比如哪一种呼吁能够带来更

    多的捐款：是“请您现在报名吧!”，还是“加入我们吧!”，或者是“来

    了解更多吧!”？答案是：“来了解更多吧!”这句呼吁会比“请您现在报

    名吧!”多带来18.6%的捐款。为什么会这样呢？恐怕没人知道。但是无

    所谓，哪一条起作用，哪一条就是成功的。

    竞选专家对自己的误判感到特别的震惊。他们曾经几乎一致地认

    为，一段奥巴马演讲的视频会比一张图片带来更多的上最年轻的第一名，而自2014年3月起他

    正式成为史上最厉害的国际象棋选手。他以2 881分的埃洛值 [1]

    超过加

    里·卡斯帕罗夫的纪录整整30分。

    假如在30年以前，这个挪威少年几乎没有可能成为一个象棋神童。

    他会生活在一个没有卓越象棋传统的国家，而且没有合适的训练伙伴。

    但在苏联情况可能就不一样了，莫斯科曾经有世界上最丰富的国际象棋

    对弈档案，并且曾有一支完整的象棋大师教练队伍，接收并训练年轻

    的、有天赋的选手。

    首先成就马格努斯，使他的象棋梦变成现实的是计算机：“我十一

    二岁的时候就已经在计算机上备战比赛并且在网上对弈了。”除此之

    外，他还购买了内存450万场赛局的DVD(高密度数字视频光盘)，他

    可以据此学习分析。马格努斯的进步在没有计算机的情况下是不可想象

    的——这也是大多数顶级选手的现状。同样的情况也发生在扑克选手身

    上，这些杰出的、由计算机训练出来的新生代明星已经有了一个自己的

    名字：die Robotrons。

    计算机科学家、杰出的国际象棋选手肯尼思·里根想知道，今天的

    国际象棋选手是否真的获得了更高的埃洛值，国际象棋比赛的水平是否

    因此真的有了提升——或者说，选手们是否从某种形式的评价通胀中受

    益了。但是由于并非所有的赛局都被保存并流传下来，那怎么计算100

    年前的象棋选手的实力呢？里根想到的办法是，让所有的棋手与同样的

    对手比赛，这个对手就是当前被称为“李普卡”的最好的象棋程序。因为

    那些早已逝世的象棋选手不能与李普卡对抗，里根使用了一个技巧：在多达数千个赛局中，他计算出李普卡可能选择的棋步，然后比较哪些棋

    步是逝世棋手真正选择过的。这样里根似乎确定了之前时代的下棋水平

    与李普卡的差距，然后再将其与当今的水平比较。

    结果是明确的：今天的棋手要比之前的棋手水平更高。象棋的水平

    有了提升，并且当今的棋手获得了比前辈们更高的埃洛值。或者反过来

    说：之前统治这个领域的棋手，今天几乎没有可能挤进世界顶级棋手的

    行列。

    这种水平发生飞跃的原因首先在于那些能够带来顶级成绩的信息现

    在随处可得，不再仅仅存在于莫斯科的档案中了。借助互联网，世界上

    任何地方的孩子，即使是在遥远的印度乡村的孩子，也可以与世界上最

    强大的计算机程序一较高下，而且可以和最好的象棋选手交流。地理位

    置不再是决定命运的因素。天才的潜能能够更好地被激发出来，同时全

    球化的竞争正在加剧并迫使所有人付出更多的努力。

    但是计算机不只分配了已知的东西，它也教会了那些棋手新的东

    西。基于计算机“思考”比赛的特别方式，人类可以更好地掌握之前牺牲

    掉的棋子对于赢得之后的比赛可能会有怎样的价值。马格努斯·卡尔森

    因此认为，通过计算机获得的学习效果可以快速打破他少年时的纪

    录：“技术的进步将会成就世界各地越来越年轻的顶级棋手。”

    其他的科学领域会不会发生类似的情况呢？我们并不知道。由此，对于数字化技术会使我们变得更加聪明还是更加愚笨这个问题，一直存

    在激烈的争论。双方都征引研究以证明各自的立场：一会儿说我们可能

    在数字化转折的风暴中丧失集中注意力的能力，一会儿说数字化的短信

    息能够丰富我们的语言表达，一会儿说记忆向数字化工具的转移将使大

    脑的创造性思考变得轻松。可能是这样也可能不是——确定的只是这些

    研究会使我们更加接近问题的答案。

    我之所以这样说，一个简单的原因就是：这个问题的提出本身就是错误的。这个问题提出的前提是，智能完全不受当时环境的影响。但这

    是可疑的。如果测试现在的学生，我们会发现他们虽然不像前几代学生

    能够熟练地记住某些特定的内容，却能更好地记住那些他们能够找到这

    些知识的地方或是借以想起这些知识的关键词，那么这些学生是更笨了

    还是更聪明了呢？如果说他们更笨了，是因为他们将某些知识移出他们

    的头脑了吗？如果说更聪明了，是因为他们真的变聪明了吗？他们的记

    忆能力在某一领域正在减弱，而在另外的领域正在增强，我们可以从中

    推断出什么呢？

    如今，在自己的头脑中记住尽可能多的东西，绝对是有意义的。这

    曾经是聪明的一种象征，因为记住需要的信息在以前通常是困难的。于

    是学校鼓励熟记，而学者会因为能够旁征博引而受到赞赏。但是这种能

    力只不过是对之前口述文化所带来的记忆能力的再次模仿而已：古希腊

    英雄史诗的说唱诗人或者印度乡村的行吟木偶戏演员会讥笑现代人的记

    忆能力。因此，我们会说千年之后人们的记忆能力发生了巨大的衰退

    吗？如果答案是肯定的，我们是不是将会看到某种衰落呢？

    在当今流行的理论中，大脑通常被描述成适应各自要求的肌肉器

    官。它强化了面向需求的方面，正在变得可塑且具有适应能力，而且它

    喜欢这种训练。我们没有理由接受这种想法：只因为我们兜里装着一台

    智能手机，人类千百年来的认知训练就会走到尽头。事实完全相反：智

    能设备的出现并不意味着大脑时代的终结，而是更能有助于大脑能力的

    充分发挥。未来，我们需要训练越来越聪明的机器。我们需要设计、建

    造这些越发智能的机器，并学会与它们相处。它们也将训练、挑战我

    们，将我们带到我们的极限——也就是达到训练的预期效果。为什么与

    一种(在某些特定领域)占据优势的智能相连，会使我们变得越来越笨

    呢？这样一来，不是所有刚入学的孩子都将失去他们的智能吗？哈佛大

    学不就成了一座愚民的教育机构了吗？

    但是未来的这种训练也将带给我们一些新的挑战。因为我们的周围将首次充斥着数字化的东西，那些比我们学习速度更快而且进化得更快

    的东西。人类迄今仍感觉自己具有进化上的优越性，但是在智能革命

    中，在数字化机器面前，人类将相形见绌。在对抗机器的学习速度方

    面，人类连最小的胜出机会都没有。

    人类通过模仿和训练进行学习，而且每一个人都不一样。进行学习

    的地方是学校，而且学校规定，每个学生要努力掌握之前熟悉的东西：

    二项式方程、英语中的不规则动词以及化学元素周期表。可以确定的

    是，我们也在学习并将知识储存在诸如大学和公司之类的机构里，这样

    一来今天设计汽油发动机的工程师就不必是个天才，而在150年前这几

    乎是一个不可完成的挑战。但是我们所有人必须单独且耗费时间去掌握

    那些使得我们有资格参与技术进步的知识，而鉴于我们生命的长度，用

    来获取这种知识经验的时间也是有限的。

    数字化设备并没有这些限制。它们可以相互传送新的经验——这个

    过程叫作“升级更新”。一位有经验的飞行员在其职业生涯中最多会积累

    20 000个小时的飞行时间，而数字化的自动驾驶仪可以在飞机上连续工

    作10万个小时，所有安装自动驾驶仪的飞机的飞行时间，相加甚至可能

    达到上百万个小时。而且这种新型飞机可以通过更新硬盘实现升级。这

    对于自动驾驶汽车、机器人、数字化的生产过程以及日常产品同样适

    用：谷歌和脸谱网每天多次更新它们的程序，在程序员群体中大受欢迎

    的Github平台每天更新数十次。每一次，计算机都会从“经验”中“学

    习”，而这些“经验”都不是它们在自己的经历中获得的。

    数字知识以及处理库的容量正在以巨大的速度增加，而这也将有利

    于数字化产品的微粒化：这些产品由模块组成，这些模块通过“接口”与

    产品相连，组成一个完整的东西——每一个单独的模块都会不断地更新

    和升级。以智能手机为例，智能手机上几乎每天都会有一个或多个应用

    需要更新。同样的事情目前正发生在汽车身上，汽车的电子器件不断更

    新换代：无论何时售出的汽车的功能都可能和它刚出厂时大不相同。设计师们已经在谈论，未来将不会再有固定不变的产品，因为这些

    产品随时都可能更新。数字化特性意味着持续的暂时性。这种持续的暂

    时性将会成为常态。如果一款产品不会一直更新，它很快就会沦为过时

    的废物。这就是微粒社会的悖论之一：只有那些不断变化的东西才会留

    存下来，正是持续的改变使得社会不再一成不变。由于所有呼吁数字化

    进程刹车的倡议都可能无疾而终，我们将被迫调整自己以适应这种创新

    和智能爆炸。

    这种智能会像闪电般疾速扩展到很多地方，而且它还会因此而激

    化。因为在微粒社会中，智能会在某个地方或者某个躯体中失去它

    的“锚”。在原来的世界中，人和机器会受制于本来就知道的数据，不管

    这些数据是储存在大脑里还是硬盘中。而在新的联网世界中，智能摆脱

    了这些限制。比如苹果公司的语音软件Siri会将用户的问题和指令打包

    成一个轻便的数据包，然后发送到位于某个地方的服务器上，在那里，这些数据会得到分析、解答，之后再发送回去。手机只是导向更高智能

    的一个接入点，这种更高的智能就存在于世界上的某个地方。

    这种形式的智能正随着“嵌入式智能”的概念普及开来。所谓“嵌入

    式智能”就是被插入的智能，这并不意味着智能会自己嵌入，它是因为

    我们将自己与来自不同地方的智能连接起来而被嵌入。但是这种新形式

    的智能存在一个巨大的弊端：那些灵敏的系统虽然是分散的，却是被集

    中管理的。所有苹果手机中的数据都将被苹果的中心服务器搜集，与所

    有的搜索请求都将汇总到谷歌一样(所有这些迟早都将一起被搜集到美

    国国家安全局那里)。会被重新分配的不只是智能，还有控制管理。

    [1] 英文为ELO-Zahl，是由美国科学家埃洛发明的一套国际象棋评价体系。——译者注我们如何适应机器的世界

    机器凭借自身的聪明才智，可以在一目了然的、清晰定义的环境中

    运行得轻松自如。对于计算机而言，最理想的环境就是棋盘：棋盘是正

    方形的，而且只有不多的棋子，棋子的路径也是清晰的。真实的世界常

    常要复杂得多，而这种复杂性却在很多的职业活动中使人类获得了一种

    优势，但是同时也导致我们希望将这种复杂性简化，以使数字化机器能

    够更容易地操作运行。比如在道路交通领域。

    2012年，德国北威州贝尔格施—格拉德巴赫市的联邦道路事务局的

    一个项目团队曾建议，应该更加清晰和明亮地标志出机动车道边缘，拆

    除全国范围内不正规的围栏，设置道路隔离带，从而使得未来的自动驾

    驶汽车能够更好地定位，并且能够随时保证一种“风险最小化的状态”。

    另一项有用的举措是大面积的道路监控摄像。这样做的目的似乎并不是

    监测自动驾驶汽车，而是监测无法预知的行人的行为，从而及时警告这

    些自动驾驶汽车提防行人。

    这种迫使世界不断适应机器的压力，将会随着机器越来越广泛的普

    及而不断增大。起居室将会为吸尘器机器人而简化，园圃同样会为了收

    割机而有所调整。这并不是新出现的现象，从20世纪50年代起，人们就

    已经为了机器而优化耕地和种植地点，许多城市也曾为汽车而改建。这

    种趋势还将急剧加速并渗透所有的生活领域。自1961年通用汽车首次使

    用工业机器人以来，即使在工厂中，机器人通常也是被放置在巨型的笼

    子中，以免它们威胁到人类(至迟在1979年时，福特汽车工厂里的一位

    工人因机器人死亡，这种做法就被视为明智的决定)。

    现在笼子被拆除了。德国的宝马汽车公司正在位于美国斯帕坦堡的

    装配工厂中实践人机协作：机器人在车门上涂上某种黏合剂，然后将其传送给负责安装车门的工人。为避免发生事故，这些机器人配备了若干

    传感器，但是工人同时也必须具有感知机器运动的能力，以免妨碍它们

    的工作。引进机器人的主要原因不仅在于更高的生产效率，还因为人类

    的弱点。宝马公司创新主管斯特凡·巴切尔说：“我们的工人会变老，虽

    然退休年龄在提高，但是我们希望我们的雇员能够长时间地健康工作。

    我们计划通过机器人帮助工人。”为此，机器人和人类要统一到一个共

    同的世界中，双方要相互熟悉。

    讽刺的是，在这种简化过程中，人类应对复杂情形的特殊天赋将受

    损：在这个为了机器而不断优化的世界中，我们长期以来一直拥有而且

    曾经极其重要的能力将会贬值。我们本身将会改变。我们将怎样丧失性别

    智能革命也要求人类在行为上做出改变。我们不仅要适应世界，也

    要适应机器。数字化的工作岗位比工业时代的传统职业要求更高程度的

    合作和专注。随着数字网络的出现，特别是软件行业的出现，团队规模

    不断扩大。计算机游戏《侠盗猎车手V》背后总计有超过1 000名设计师

    和作者，工程师和程序员花了5年时间设计这款游戏，同时投入了大约

    2.5亿美元——而仅仅在这款游戏发布后的三天时间内，就赚了10亿美

    元。

    机械制造工程也将变得更加复杂，如同英士国际商学院新加坡校区

    的曼努埃尔·索萨推断的那样。索萨之所以做出这样的推断，是因为他

    追踪研究了普拉特·惠特尼集团 [1]

    的一款飞机推进装置的制造过程：整

    个制造过程需要54个研发团队以及6个统筹团队通力合作，这些团队要

    将推进装置不同部分的超过600个部件整合到一起。研究还表明，要是

    一些关键部件没有被注意到的话，会产生巨大的额外成本，拖慢制造进

    度。教训就是：最小的疏忽，哪怕和一个工程师的交流不足或者未能解

    决的团队矛盾，都将造成严重的后果。

    或者换一种说法：企业越来越无力承担不受信任的雇员所造成的损

    失。一位雇员的价值直接取决于其专注性、团队合作能力和灵活性。在

    谷歌公司，每位雇员的平均年度营业额大约为100万美元，利润约为20

    万美元。而麦当劳每位雇员的平均营业额是60 000美元，利润约为10

    000美元。因此，一位谷歌公司的雇员所能造成的损失也要比其他地方

    的雇员大得多。同时，企业的成功越来越少地依赖于公司上层的指令，而是更多地依赖于雇员的自主性以及良好的创意。

    毫不令人意外，谷歌运营着一个世界范围内最完善的人力资源筛选系统，这个系统能够从每年250万份申请中筛选出几百名完美的申请

    者。谷歌甚至还计算出，一名出色的工程师将比一名普通的工程师为公

    司多创造最高达300倍的价值。相应地，公司也需要进行大量投入，以

    确保这些“顶尖玩家”拥有良好的状态。位于加利福尼亚州山景城的谷歌

    总部拥有难以想象的餐厅、宽敞的运动场和办公室，这些场地总是在不

    断翻新，以测试它们怎样才能最大限度地激发雇员的合作和创新意愿。

    积极进取、渴望自我实现、不断进行自我提升，这些新型数字精英

    身上具有的特点，正是目标选择过程的结果。与之相适应的管理机制看

    起来友好而且十分人性化，但在分配工作时又显得冷酷无情。因此，谷

    歌、脸谱网、苹果公司的雇员所具有的特点将会引领潮流：未来的雇员

    将是受过良好教育的、工作积极性很高的、自主的、坚定不移的、不惧

    挑战也不安于现状的人。微粒化的职场中的顶尖精英将是由紧张的、高

    教育水平的、极端高效率以及独立的雇员组成。

    一些观察家据此推断，未来将属于女性。因为女性能够更好地适应

    崭新而美丽的硅谷世界，无论是底层的服务工作还是顶层的服务工作，团队合作能力都将受到青睐。早在20世纪90年代，萨迪·普兰特就在其

    著作《0+1》中为女性的光明未来欢呼：“控制论就是女性化。”亚历山

    大·加洛韦则认为，那种普遍的——因此不具有性别标记的——计算机

    代码将可能引起“男权与父权制的覆灭”。

    过去几十年，女性在就业市场上的地位相对于男性已经有了显著的

    改善这一事实至少证实了这种观点。如今的女性常常会得到更好的教

    育，而且被认为更加可靠、更富有协作性、能够更加顺从地完成工作。

    对此，什么是陈词滥调而什么不是，很难说清楚。毕竟绝大多数的数字

    化创业公司是由男性创立的，而且即使在数字化世界中，顶级职位仍然

    像过去一样紧紧地掌握在男性手中。

    比这种对陈词滥调的乏味总结更有意思的是这种想法：微粒化的职

    场中存在多大程度的性别特殊性，即由女士担任理发师、护士以及售货员，由男士担任机械师、厨师以及画师。被数字化和自动化的职业越

    多，性别差异的影响看起来就越小。

    原有的性别划分的前提是，社会被划分成一个公共的、非道德的、男性的领域和一个私人的、道德的、女性的领域。按照这种划分，在其

    中一个领域中，由男性主导经济、政治和战争，男人的行为举止虽然糟

    糕，但负责着创新和进步；而在另外一个领域，女性主导爱情、道德和

    家庭，她们降低了现代性的破坏性，却为此被迫放弃了教育和商业意

    识。人们因此相信，社会一方面是一个由非道德的系统如经济、法律、政治和科学组成的世界，另一方面也是一个由爱情、家庭和宗教组成的

    内部系统的世界。一些事实说明，这种逻辑将在粒度时代土崩瓦解——

    这将有利于形成更加精细的结构化网络。在微粒化的关系之下，男性与

    女性的简单性别差异还能带来哪些影响呢？

    令人期待的是，这种单纯的性别划分已被证实过于粗略，个体性格

    特征的单体化混合将会受到重视。这也意味着，因“男性”和“女性”划分

    而来的社会压力将会减轻，而性别作为类别将会丧失价值。

    目前 ......