您所在的位置:首页 >> 在线阅览 >> 2020年第1期 >> 正文

大数据与监视型资本主义

陈本皓

【内容提要】 本文首先介绍了监视型资本主义的概念,描述信息时代的资本是如何通过收集个人数据,无视私隐,筛选用户,在不受法律监控的情况下进行帝国式扩展的。进而,本文提出数据的附身性和数码资本错位这两个特征,用以分析技术如何在数据收集和应用上激活数据的私人财产属性,以及资本如何利用价值错位和技术优势去诱使用户参与这一资本增值的进程。数据的附身性揭示了个体如何被卷入大数据时代的生产关系,数码资本错位揭示了资本具体实现监视型资本主义的技术。这两个概念将完善监视型资本主义这一理论体系,进一步展现这个时代隐蔽的不平等状况。

  卡克尔(Cukier, 2011)使用大数据(big data)一词来形容数据全面爆发的时代。他归纳了以往的信息技术发展,认为新工具的发明使得原来不可利用的数据变得可以被挖掘,并预测了大数据时代的繁荣。尽管他同时谈及了信息时代对私隐的侵犯,但总体上对于大数据带来的利益大加推崇。对于大数据,波意欧(Breur, 2016)的解释是它是一些庞大而又复杂的数据集,不适合使用传统的数据软件进行分析,然而其巨大的潜力,又使得对它的开发需求极大。如美国奥巴马政府跟随大数据潮流,白宫在2012年发表《大数据研究和发展倡议》(White House, 2012),内容涉及大数据领域的2亿美元投资以及6个部门的协作;2014年,中国政府估计国内大数据市场规模约为84亿元(国务院,2015);2017年,中国大数据的核心产值规模被估为234亿元,相关产业规模为4700亿元(中国信息通信研究院,2018)。

  对于技术的飞速发展,学术界一直保持着警惕和批判的态度。马尔库塞是这种思想的早期较有影响者,他认为政治和技术的合谋造成了技术理性霸权,支配的合理性是政治技术社会的本质(马尔库塞,2006:210)。斯迈思(Smythe, 1977)针对电视观众提出“受众商品”的概念,认为“垄断资本主义之下无休闲”。米奇·李(Lee, 2011)继承这一概念,分析谷歌关键词广告(Google AdWords)的运作机制,并认为其沿用了传统媒体营销的同一逻辑。黄铉辰和马太(Hyunjin & Mcallister, 2011)同样通过分析谷歌来解读企业对网站用户的劳动剥削。蒂齐纳(Terranova, 2000)批判互联网自由劳动的虚假状况,揭示免费劳动生产的信息被售卖和剥削的事实。曼泽欧利(Manzerolle, 2010)以“web 2.0”为例,认为互联网公司通过使用自由、个人主义等意识形态来进行市场营销。从技术讨论开始,到电视时代的观察,再到现今的互联网时代被巨头控制的反思,学者们对技术的社会批判一直没有停止。

  沿袭这种批判精神,本文将介绍祖波夫(S. Zuboff)提出的关于以大数据的运用为特征的监视型资本主义理论。在她看来,这个新类型的资本主义肆无忌惮地收集个人数据用于分析、转卖、社会筛选,最终实现公司的巨额盈利。企业强调科技对用户的便捷,把商业行为上升到人类的未来发展层面,成就虚伪的意识形态。资本依然是技术时代的主题,不管技术再怎样飞跃,本质上它依然服务于资本。(Zuboff, 2015)然而,大数据不仅在颠覆我们所信赖的技术和制度价值,如互联网的公共性、市场的良性竞争,也在形塑新的领域和价值观。同时,监视性资本主义(surveillance capitalism)这一概念目前还局限于关注资本主义的整体框架建构,忽视了个体对大数据的日常体验,没法表达从经验到世界观的过渡从而触及资本主义的价值核心。因此,本文将分析民间私隐、广告追踪和网络平台的“杀熟”行为,提出数据的附身性、数码资本错位这两个网络时代的特征,前者强调数据与个人的关系,从大数据的收集及运用来解析数据的私人属性如何在这个系统中被激活,进而说明为何数据无法脱离个体;后者在日常体验上分析资本在这个技术时代所占据的优势,从态度、价值、规则上的错位对这些优势进行阐述。在从整体性层面阐述监视性资本主义的同时,本文也拓展了这一概念在日常体验部分的细节,从微观到宏观层面塑造其深度和广度,使其更具立体性。

一、监视型资本主义

  监视型资本主义主要指依托于以大数据为基础的互联网进行的商业操作系统。在这个环境中,个人的信息是企业资本的增值核心。谷歌(Google)、脸书(Facebook)这类本质上依靠广告盈利的公司在网络上监控并挖掘个人所留下的信息,并将其用于独家分析及算法产品,最终通过宣扬广告精准发放用买家竞价的模式将这些数据售出,整个过程构建立了一种监视型产业的模板。这个模板陆续被世界上大部分的网络公司所仿制,最终形成了监视型资本主义。(Zuboff, 2015)

  监视型资本主义所搜集的信息由四个部分组成:第一,来自网络经济交易的内容;第二,来源于埋藏在物体、身体和各个地方的感应器,如运动记录仪和家庭监视器;第三,源于政府和企业的数据库,包括和银行、医疗、信用等相关的内容;第四,用户在网络上留下的资料,康斯坦提欧和卡利尼科斯(Constantiou & Kallinikos, 2015)将它们称为“日常操作”(everydayness)。由于大数据本身是对个人在电脑上操作的数据进行捕捉所累积起来的数据库,这些琐碎和瞬间即逝的信息因此变得很重要,它们包括脸书的“赞”、谷歌的搜索、邮件、文字资料、照片、音乐、商业模式、购买、移动,甚至是每一次点击、拼错的单词,等等。这些数据被搜索、数据化、抽象、累积、分析、打包、销售,然后再度接受分析,并再销售出去(Zuboff, 2015)。利维(S. Levy)预见了大数据对监视型资本公司的助力,在他看来,任何增加互联网使用的因素最终都会壮大谷歌,“互联网吸引的注目将会无情地增长谷歌的广告销售……因为对广告词而言预测和分析是十分关键的,每一个比特的数据,不管多琐碎,都拥有潜在的价值”(Levy, 2009)。

  在西方国家,这种通过数据挖掘信息价值的做法越来越遭到质疑。一开始这些原始数据被比喻为原油级别的可再生资源。(Jacob, 2017)然而,不同于自然矿产,这些支撑巨头们财报的数据涉及个人信息,在关于财富分配的传统概念中并没有对这类新兴资源的解释。祖波夫提出了四点批评:第一,大数据收集具有单向性,使用这些数据的公司没有征得数据生产者的同意,单方面地用于自身盈利;第二,大数据的使用实际上处于法律的守护范围之外,即便侵犯了他人的利益;第三,互联网公司将用户的注意力往效率和功能上转移,让他们理所当然地放弃私隐;第四,高度的竞争使人们不得不使用那些公司提供的最新软件,而在使用这些软件的同时便不自觉地加入了监视型资本主义。(Zuboff, 2015)

  辛那蒙(Cinnamon, 2017)继承了监视型资本主义这个概念,讨论新技术伦理的正义问题。他引入了弗雷泽(Nancy Fraser)构建的非常规正义(abnormal justice)理论,指出有三个核心构成了参与的不平等(parity of participation):第一,不平等分配(maldistribution),指缺乏资源或技术使得人们无法平等地参与到整个进程中;第二,错误认知(misrecognition),指某些团体通过技术压迫来为自己谋取更高的社会地位,这种不平等让处于劣势的人们无法塑造或更改自己的身份;第三,错位代表(misrepresentation),指利益相关的群体无法指定他们的政治代表,或因制度限制而无法发声(Fraser, 2008)。在辛那蒙看来,这套非传统正义的理论架构可以对新伦理问题和现象进行甄别和定性,即便是以大数据为代表的监视型资本主义也能代入其中。

  不平等分配在数据生产者无法参与到财富增长分配的过程中得到了体现。是平台和公司,而不是制造数据的用户获得了最终的经济利益,引用马克思的劳动理论,劳动者们无法享受到他们的劳动果实。

  错误认知源于并非所有人都能平等地接触到大数据和进行分析。世界几大网络巨头公司如脸书、谷歌、亚马逊、苹果及微软通过垄断技术人才的优势,霸占了这方面资源(Battelle, 2017),技术的不平等会导致资源的不平等。根据曼诺威克(L. Manovich)的判断,监视型资本主义将会带来新的社会分层,产生三个数据阶层,即创造数据者、收集数据者和分析数据者,其社会后果将超过分配不公带来的不平等分配问题。(Manovich, 2012; Andrejevic, 2014)

  错位代表主要针对少数民族、社会边缘群体、流浪者应有的政治权利。这些群体在某些转移到网络的政治活动里,既无法指定他们的政治代表,也没法参与这个进程,成为沉默的人群。如某些用于政治决策的大型网络调查或人口普查基本把非网民或贫困人口排除在外。同时,法律在全球不同区域的限制有时也将人们排除在正当的制度保护之外,如网络巨头利用跨国的司法权属地问题逃避责任的案例:2015年,脸书因未经他人同意在广告中使用别人的名字而在英国的法院遭到起诉,然而由于司法管辖权问题,脸书辩称广告发放的论坛位于加利福尼亚,法院因此无法对位于美国加州总部的脸书执行惩罚。(Cinnamon, 2017)

  辛那蒙的概念直接指向了大数据时代的后果和价值核心。如果在马克思的劳动理论体系中寻找其对应物,可以看出不平等分配对应生产关系导致的结果,错误识别指向生产工具的占有,错位代表则指向政治层面的关系。尽管并非一一对应,但是可以判断这些“非传统正义”概念依然和经典马克思主义理论有紧密关系。马克思主义的思想核心在于揭示和实践,将一种潜在的不平等显性化,在此过程中“资本主义”这一概念既是承载这种揭示的框架,又是不平等的实质。同理,监视性资本主义也致力于揭示目前被藏匿的不平等体系,但是资本将这些不平等藏匿的技术,辛那蒙并没有继续说明。

  归结起来,监视型资本主义这一概念为目前的大数据运作进行了定性,在传统的马克思主义概念范畴里,即便是象征着未来的科技,在资本家手里依然是逐利的工具。祖波夫(Zuboff, 2015)使用“巨头们”(Big Others)来比喻几大网络公司,试图用类似乔治·威尔逊的政治隐喻“老大哥”(Big Brother)去唤醒民众对这种无所不在的监视的注意。尽管它不属于政治,但理应进入政治的视野。

二、大数据时代的特性

  祖波夫的概念为理解大数据模式的互联网资本运作奠定了基础。然而,她的文章仅强调资本开拓在新的领域所起的作用,忽视了大数据应用对以往旧的理念的颠覆性效果,并且也缺乏从经验层面来理解我们在日常生活中对数据模式的感受,而这恰恰是补充监视型资本主义这一概念的核心要素,这涉及我们将如何把日常经验和整个互联网资本体制连接起来,进而打开一个新的资本世界观的理解方式。我将提出数据的附身性和数码资本错位作为网络时代的特征:采用客观的材料、事例来论证为何个人在网上留下的操作和信息在大数据时代无法如同普通的资产一样可以被放弃,即数据的附身性;数码资本错位则基于材料和生活经验,结合辛那蒙的非传统正义,以强调资本如何在我们所无法触及的层面获得对个体的榨取优势,补充揭示新型资本主义所需要的技术说明。

  (一)数据的附身性

  毫无疑问,网络上弥漫的庞大数据是极大的资源,用户对网络平台上的个人数据缺乏控制权,这些数据资源的占有仅仅属于几个巨头公司。下面将分析信息从收集到使用的流程来揭示数据和个人的关系。

  1. 信息收集的个人库

  2017年,中央电视台的记者发现信息贩子只需要手机号码,便能提供照片、身份证号码、户籍所在住址、民族、所属派出所、实时位置,甚至打车出行证明。(姜莹,2017)由于个人信息在网络上都是互有关联的,特别是手机号和身份证的绑定导致它成为网络的身份认定核心。根据中国银联发布的《2016移动支付安全调查报告》,64%的被调查者曾使用手机号码同时注册多个账户,包括金融类账户、社交类账户和消费类账户等,其中遭遇过电信诈骗并发生损失的比例过半,高于整体平均水平。(中国银联,2016)很多网站和手机软件(APP)都推荐用手机号注册,如果公司之间信息互通的话,手机号将成为个人生活数据的终极入口。这一进入个人全面信息的入口是信息平台提供的便利所自然形成的,用户使用手机号注册的账户越多,依赖这些软件或网站提供的服务越频繁,就越意味着往该入口不断塞入并构建成一个没有私隐的个人宝库,也就是用户画像(portrait)丰满化。相比起国家制度要求提供的标准化个人信息,这种成长型的信息库内含的财富以及相应的风险更大。

  以上仅仅是其中一个例子,目前中国占有高价值的数据来源基本有几个类别:第一,百度、阿里巴巴、腾讯这类流量巨大的平台,小米、京东等平台互联网企业也有可观的数据储存;第二,中国的运营商数据,理论上运营商可以从信道上监听到各网站和APP的用户访问行为。由于中国的运营商是地方割据的经营制度,要将各地的用户行为数据集中有一定的限制,故出现犯罪团伙通过与全国十余省市多家运营商签订营销广告系统服务合同,非法从运营商流量池中获取用户数据的事件(《史上最大数据泄露案告破 上市公司竟窃取30亿用户信息》,2018);第三,以购买的方式获得数据,正如之前提及的网络黑市数据,当然也有正规出售数据分析的公司。

  互联网公司以个人身份为根基来收集数据,丰满用户的画像,本质上是针对个体的。尽管大数据计算可以在统计的意义上使用网络收集的信息,但它更需要趋向精准的个案化来获取盈利,后者的意义对资本而言远比前者重要。这种群体的个案化提供了一个潜在的想象图景,即这项技术能对每个个体进行独立的判断,在利益驱动下将前往统计学所无法达至的高峰。

  2. 数据运用的个体化

  既然信息的收集需要围绕着个体,那么数据的运用必然沿用同样的逻辑。以下采取跨网页、跨设备的广告追踪,以及网络销售的价格歧视来展示大数据如何用于个体。

  (1)广告追踪

  在传统的信息追踪技术中,网站会使用用户在浏览器留下的储存在本地终端上的数据(cookie)来阅读其历史记录。(Schartz, 2001)然而这只是对终端的阅读,在大数据时期,用户的“cookie”会被上传到云端,成为网络公司的资源。利用这些信息,网络巨头们达成了同盟,一条在搜索引擎上的关键词,立马就会转化为其他平台的相关广告推送。脸书灯塔(Facebook Beacon)①广告系统甚至在一开始就会向公司报告用户在第三方网站上的操作,即便他们没有在脸书的平台上登录过。(Perez, 2007)谷歌的广告系统(Google AdWords)同样如此,它们的广告投放包括谷歌搜索、谷歌地图,还有上百个非谷歌的搜索合作伙伴网站,这让广告显示能与用户的搜索内容匹配(Google, 2017)。这意味着信息商业化的同盟,资本在网络上无处不在且站在同一立场,消费者无处可逃。

  实际追踪使用的技术也变得极为复杂。如一家专门提供跨设备追踪技术的公司银推(Silver Push)在广告中植入了不可听的高频音频,通过扫描用户在使用手机、平板、电视、电脑或可穿戴设备时的操作来进行个体追踪,引起了美国联邦贸易委员会(FTC)的注意(Dan, 2015);画布指纹追踪技术(canvas fingerprinting)是将用户上网的界面进行记录,即便用户不停更换IP地址也能锁定个体,在“cookie”的使用被大量用户禁止的现在,它成为网站追踪用户的新宠(Acaret, 2014);“无穷cookie”(ever cookie)使用各种手段把“cookie”转存到别的地方,等原“cookie”被删除后,可以从备份中再次恢复“cookie”值(Soltani,et,2010)。这些追踪技术的本质是对用户在不同平台、不同网页、不同IP地址上的操作进行配对,确定是其本人,再根据用户的记录来决定向其发放广告。

  广告与用户的配对也是一门学问。基本的人口学信息如种族、经济状况、性别、年龄、教育层面、收入水平和就业等资料是必要的,而一些心理层面的信息如顾客价值观、性格、态度、观点、生活方式和兴趣等将会被加进计算之中。(Jansen, et al., 2013)同时,一些行为变量如浏览器历史、购买历史、近期活动等也会进入考量之内。经过信息的层层筛选和配对,企业能够将广告投放到有购买意向的顾客,减少投放的浪费。(Iyer, 2005)

  对于消费者而言,广告商针对一定人群的社会分类不见得能引起他们的注意,可是一旦个人在一个地方的操作与其他地方被关联起来,互联网的资本特性迟早会被他们意识到。特定广告的推送在本质上属于社会筛别,网络公司根据用户的兴趣推广相关商品,以获得更高的广告转化率,这是谷歌、脸书们开创的网络时代生存模式,反映了它们作为广告公司的本质。会跟踪用户的广告也使得我们在这个时代的隐私进一步消失。

  (2)网络销售“杀熟”②

  大数据“杀熟”,是网络销售平台利用手中拥有的用户数据资料对客户进行筛选,从而定价的行为,在这个过程中商家对老用户倾向给出偏高的商品价格,挖掘其消费能力得以盈利。这种所谓的“杀熟”是在一个暗箱操作中进行的,并和我们对建立双方的信赖关系和良好的企业形象的商业伦理的惯常印象相反。大数据“杀熟”的出现,意味着对市场伦理的一种颠覆。

  关于大数据“杀熟”,最近的案例发生在京东平台。2019年,通过百度搜索“京东杀熟”,可以获得约1430000个搜索结果,而关于该词的报道基本与大数据绑定。京东平台对老用户提价的暴露史最早可以追溯到2016年5月,一个用户在豆瓣上反映他在使用钻石账号购买一个商品时比银牌账号还要贵。(Kafka, 2016)2018年这类反映开始增多,购买了会员账号的用户分配到的商品价格甚至高于非会员账号的价格。(移动智观察,2018)在知乎上,有一篇《如何评价大数据“杀熟”?》(2018)的帖子,共有992个回答,6137436人次浏览,在该帖子中回答者们列举了大数据“杀熟”的机理、具体事例、潜在危险,包括从旅行、订票到网络购物等。

  所谓的“杀熟”行为,在经济学中属于价格歧视的一种,斯蒂格勒(G. Stigler)将价格歧视(price discrimination)定义为用差距甚少的价格销售类似的商品,在这个条件下的销售都归为价格歧视之内。(Stigler, 1987)对不同的客户给出不同的价格待遇,尽可能地在顾客的可承受范围内获取更多的利益。然而,这个承受能力在传统的技术时代并不容易获得。直到大数据时代,用户的各种个人资料被企业掌握后,价格歧视这种策略在与技术结合后才达至巅峰。庞大的数据加上强大的计算能力,使得网络商家能瞬间给用户匹配一个让自身利润最大化的价格,中和了市场竞争带来的价格下降压力。

  网络销售平台的价格歧视始祖应该是亚马逊。2000年,为了应对快速扩张的经营压力,亚马逊利用手头的客户数据进行动态定价试验。例如,《泰特斯》(Titus)的碟片售价,新顾客为22.74美元,老顾客却是26.24美元,以此增加商品的毛利润,一个月后此事被暴露。面对勃然大怒的顾客们,亚马逊最后让首席执行官出来道歉结束此事。(Feinberg, 2002)然而,“杀熟”行为并不违法,即便是采取了信息不对称的手段,它依然不属于法律管辖的范围。

  这类企业正在应用大数据完成对市场经济的反噬,本来预期的市场竞争将导致消费者受益,正在网络平台上经历一个反向的验证。而这正是大数据与网络技术结合的特征.

  3. 小结

  从企业对信息的收集和使用方式来看,数据无法离开用户本身。数据的附身性意味着它与其生产者之间的黏性,散布在互联网的碎片,最终会在大数据体系的引导下指向自身。与一般的废弃物不一样,我们无法简单地让渡它的所有权。这些漂流在网络上的信息碎片一旦进入大数据系统,首先被激活的就是用户的身份属性。由于信息使用的目的最终是为了精准地盈利,因此需要这个产业从上游到下游达成整齐的规划,从诱导用户在平台留下个人信息,主动去其他网站记录个人操作,侵入家庭私人摄像机,到在手机后台获取权限等一系列行为,它们从上游开始建构用户的个体信息库。企业在完成信息库的构建后,会将其作为资源进行买卖,或者直接使用。但无论其用法如何,最终的落点还是用户本身。可以明确的是,在大数据时代,数据和用户本身是无法分离的,大数据的使用方式决定了数据的私人属性,它应该是属于用户的财产,然而,却被企业和公司当成资本来发展。大众的私人信息被利用,大众却没有参与到这个惊人的财富增长过程当中,仅仅被当成工具,而非资源拥有者。

  (二)数码资本错位

  监视型资本主义确实是一种新型的不平等的资本体系,可这种不平等无法被直接察觉,因为它一开始就没有进入传统正义观的视野之内,无法被形容,甚至描述。辛那蒙使用不平等分配、错误认知、错位代表这三个特征来形容目前大数据技术所造成的情况。不平等分配可以被归于生产关系的范畴,具体指生产者和资本家之间对于劳动成果的不平等分配,这一劳动关系在一些运作下甚至都没有被意识到,更不用说进入严肃讨论。错误认知指向生产工具的占有,本质上让数据作为资本成立的劳动者有两部分:一部分是庞大的用户,生产出大量数据,最后连同自身也被打包出售进入销售链条,他们既是生产者,同时也是生产资料,更是最后的产品;另一部分是资本家雇佣的高科技工作者,这些雇员们进入了劳资体系之内,享有能将大数据转化为资本的高配置硬件和脑力团队,而配置和技术的差距,使得一般用户没法如同雇员一样能将庞大的数据转化为生产的资本。错位代表是指在大数据体系中的边缘政治代表被主流和权力挟持,由于技术性垄断,他们在网络平台上没法表达出自己的意见。(Cinnamon, 2017)很明显,前两个特征指向经济运转体系,最后一个特征则指向政治关系。这三个特征都致力于让资本体系中隐藏的生产者和资本家的关系浮出水面。然而,最关键的资本如何用技术将这些关系藏匿,他没有做进一步说明。为了补充这一论证的空白,我将用“数码资本错位”这个概念来描述这些导致不公平的技术。

  错位(mismatch)一词,直观地说就是对应不上的意思,可以指人们对同一个物体的判断或价值没有对应上,或是双方在进行博弈行为时单方面的优势,在大数据时代这两种情况兼有。用数码资本错位来形容这种状况,很大程度上是由于该状况是技术和资本的结盟导致的,其中既有开辟新领域造成的价值误认,也有传统资本相对于大众在法律、专业技术上占有的优势。数码资本错位不仅仅存在于社会分配和政治体系,更存在于日常操作、规则和价值中,这些错位允许资本占有先机,造成我们所认为的不平等。

  1. 价值的错位

  毫无疑问,数据是有价值的,然而这个价值需要被体验过,或者被理解才能获得普遍承认。也就是说,数据价值需要在一定的资本运作中才能体现。目前只有互联网企业才有能力将它们兑现,不管是自我保留用于广告推销或是分析后打包转卖,只有进入特定体系中,数据才能作为资本成立。也正是如此,如果数据背后的买卖市场没有被大面积揭露,个人永远无法意识到数据本身具有何等的意义。

  对于用户而言,使用网站或手机APP提供的服务所涉及的是效率和效用。追求更高的产出,探索更多的功能和娱乐,这两点几乎成了整个互联网发展软件的原则,而在这个过程中用户留下的操作痕迹几乎就是副产品,网络公司会将它们收集起来上传到分析中心。这种被记录和收集的过程,是用户无法意识到的,或者认为是无关紧要的。在这个新的操作互动中,个体被抽离了单独的时空,进入了一个更为庞大的资本体系内,在那里他所做的一切都会被记录、分析、转卖、使用。就像吉登斯(1998)所言,被“抽离”了。然而,这个过程和抽离理论的“符号系统”与“专家系统”并不一样。在大数据时代特有的“抽离”中,个体被一个高度集权的系统所观察。与传统的“抽离”系统将个人化为抽象相反,在这里信息会变得具体、个案化。这种复杂并带有隐瞒性质的抽离机制,使我们在沿用传统的逻辑去面对收集数据的软件或网站时处于蒙蔽状态,形成了态度上的错位。

  另外,价值的错位在于不同主体对它的定位。在用户这里,数据是操作的副产品,是无法变现的个人属性,在互联网公司那里就变成资本。数据公司用正常用户所理解的服务来交换他们的隐私。然而,在对数据价值的估量存在鸿沟的情况下,并没有公平可言。用户最多也就能察觉到个人数据被利用时的损害,不能真正如大公司一样将其变成增长财富的资本。数据在日常中是“理所当然”的,只有在出事的时候才能意识到它的重要性。风险性,而不是盈利性,占据了大众对数据理解的主流。在此,数据的资本价值在体验上遇到了无法跨越的鸿沟,一般用户只能将其当成是需要防御和保护的对象,只有在看到互联网巨头惊人的盈利数字时,人们才会意识到当数据作为资本时能够产生何等惊人的价值。

  这种价值的错位,也是被刻意维持的。网络公司只有在公布财报和吸引投资时才会强调它们所拥有的数据,给用户提供服务时却对此类内容进行各种隐瞒并强迫其接受不合理条约。如安装软件时强制要求开启各种手机后台权限,但是这些权限和软件使用之间并没有直接甚至间接的关系,如果不同意就无法使用;在需要呈现法律条文时则直接提供跳过的选项。作为一种降低风险的策略,它们没有强调数据对自身的利益,而是刻意将其重要性降低,当成是服务中需要产生的“副产品”,默认维持目前这种对数据价值理解上的差别。毕竟维持这种“价值差的理解”状况,能使它们不用将数据就是财富这个事实摆在用户面前,如果这种意识产生了,用户将会重新审视自己提供的权限,并开始思考为何数据公司利用他们的资料获利,而他们却在不知情的情况下一无所得。

  2. 规则的错位

  对数据价值的理解错位是造成监视型资本主义不平等的核心,另一个错位体现在规则上。很明显,用户和公司的位置从来不对等,一个是规则制定者,拥有精英人才储备,界面呈现、消费规则、权利义务等信息都牢牢掌握在手;另一个是规则应对者,只能用自己有限的经验,在面对软件或网站时做出信息不全的判断。这种天然的位置决定了个体反应的滞后性,使其在面对资本时毫无力量。

  (1)单向的输出

  马尔库塞(2006:210,213)在《单向度的人》里提及过电视统治文明,人们单方面的接收由统治阶级和资本主义文明所提供的生活和价值观,落入意识形态制造的伪象。尽管网络技术以开放和交互著称,但本质上个人面对的购物界面是由程序员制作的,他们可以在后台轻而易举地修改程序,使每个人在面对自己的屏幕时获得不同的视觉呈现。互联网名义上的公共性反而造成了错觉,表面上似乎都在访问同一家网站,实际上看到的却不是同样的界面。无法确认他者的在场感和公共性,自然,所谓的公共平台也是虚拟的。在大数据应用之前,网络购物尚可说属于点对面的模式,毕竟商家无法确认拜访的个体信息,需要以面对未知群体的无差别态度提供服务,一旦精确到个体数据匹配,完全就变成点对点了。大数据模式完全能威胁到网络已经建立的公共性,使每个人沉浸在虚幻的自我空间而不自知。

  (2)信息不对称

  相对于掌握了大量个人数据并拥有高级计算能力的企业,顾客基本上是弱势的。以网络购物为例,在网络购物兴起的前段时期,用户通常认为自己在是一个透明的平台上进行消费,在这样一个公共区域内他们能获得关于商品和价格的无差别信息。也正因为信息透明造成的竞争性,构建了一个消费者主导的销售平台。然而,大数据操作使得这个所谓的公平平台变成了假象,通过账户分析,网站给用户匹配了一个能让商家获利更多的价格。消费者在不知情的情况下被“挖掘”消费能力,遭受了不平等的对待。这种价格策略不是面向群体的,而是针对个人的,个体面对的是针对个人的规则改变,这使得商家优势进一步放大。只有当顾客在别的平台获知他人讨论或者在不常见的使用情况下,比如切换账号时,才能发现这个潜规则,最终发酵成公共事件才能得到商家的正面回应。

三、讨论与总结

  上文重点分析了数据的附身性和数码资本错位这两个大数据时代的特征,它们和数据的资产属性以及资本的优势地位相关,是监视型资本主义的重要组成部分。

  数据与个人的不可脱离恰恰说明了它的私人财产特性。数据最初是散落在网络各处的原始生产资料,获得加工后变成描绘完整个人信息的成型商品,最终进行销售、转卖,个体在不知情的情况下被卷入了生产销售关系当中。从数据的收集和运用来看,这种个体化的流程是整个资本运作的核心,网络操作跨平台追踪、手机身份定位、权限开放等从上游就确定了收集到的数据的来源身份,之后的广告追踪、消费者“杀熟”等无一不是沿用同一种逻辑。在大数据体系下,网络留下的数据痕迹更像是带着我们指纹的副产品。有价值的是带有身份的数据,而不是纯粹的数据,数据的资产化必然无法离开数据生产者。因此,大数据通向的是个案化时代,而不是如名所示的宏观统计时代。

  数码资本错位补充了监视型资本主义导致不平等这一过程的技术分析空白,资本在收集数据和最终应用的运作中进一步形成优势。大众对于留在网络的数据价值是无法辨识的,在一般认知中数据仅属于需要保护起来的具有风险性的资产。然而,互联网公司成功地将这些在个人手中被动的财产转化成资本,凭借着大量收集的数据获得了极高的市场估价。除此之外,公司相对于个人更是拥有明显优势,如设计针对个人的界面显示,投放各类广告,聘请法律专家撰写条约摆脱法律责任,个体终究无法和公司相抗衡。同时,由于网络公司的寡头属性,传统的市场应对策略失灵,顾客无法用自己的选择来惩罚对方。

  这两个特征是对监视型资本主义分析的重要补充。数据的附身性揭示了个体是如何被卷入生产关系,数码资本错位揭示了资本具体实现监视型资本主义的技术。它们助力将一个不平等体系从资本竭力隐藏的现状中拉出来暴露于公众面前。

  当我们提及资本主义时,抛开其复杂的运作和大资本的背景,本质上就是在谈论公平问题。数据属性的定位不清以及带来的价值模糊,使得我们对这个问题的讨论无从着手。这种新型的资本主义所赖以发展的资本,从一开始就值得质疑。表面上看,主导大数据技术的互联网企业其主要资本是它所掌握的技术和优秀的专业人才,在面对如原油般的原始数据时,它们如同矿业投资者一般深入挖掘数据的价值。可是这个类比实际上是误导。原始数据并不像自然资源一般是独立的天然产物,甚至也不算是废弃物,而是用户操作软件和接入互联网的必要副产品。并且,如前所说,对数据的运用是需要激活数据的私人属性的。在这个意义上,大数据时代下的资本是在利用他者的资产进行谋利和扩张。

  同时,这个所谓的资产,还是在软件和网站的要求下鼓励“生产”出来的。每个网络平台都极力吸引及挽留用户,一个网站或软件的用户越是活跃,其估值就越高。用户们在进入一个新的平台时,都被要求提供部分信息,从性别到生日、爱好等,之后在上面的点赞、留言、发表的帖子等操作痕迹都会被记录下来,沉淀下来的数据会成为公司的“资产”,以及公司估价的重要构成。相比起开采原油的比喻,或许数据公司驱使着用户们为其生产数据的描述更加贴近事实。

  综上,对于监视型资本主义这个概念,相比起揭发其对私隐的侵犯,新形态的变化,更加重要的是如何对其进行描述以触及“公平”这一核心价值观念,并构建起劳动者和资本家的相互关系,还原“资本主义”的基本架构。事实上对于大数据的发展,已经有政府和某些企业开始提出应对策略。如欧盟制定了《一般数据保护法案》(General Data Protection Regulation),赋予欧盟居民对个人数据的控制权利,明确服务商收集、利用欧洲用户个人数据的规则和责任,欧盟居民甚至可以反对公司使用数据的具体方式(European Union, 2016);苹果在手机上开发能够进行自我学习的仿生芯片,用本地硬件的智能化慢慢取代云端的智能化(James, 2017)。政治家们正在利用手中的力量,对监视型资本主义进行施压。

  新兴科技带来的变化依然让人们处于无所适从的状态,在被技术塑形的世界里仿佛连人的思考都被导至一个空洞之地,进入了雅克·埃吕尔(Ellul, 1964)的技术自主论(autonomous technology)的世界当中,在那里,技术有自我发展的能力,能将人排除在技术发展的主动性之外。然而,比起放弃对技术的反思和控制,回归到基本,从价值观开始探索,能够让我们重新审视技术和变化的环境所带来的影响,不任由资本在科技背后操纵大众的思考和认知,对象征着未来的科技保持客观和警惕,让价值观重新把控技术的发展动态,是我们这代人需要的态度。

  

参考文献:

国务院,2015,《促进大数据发展行动纲要》(国发[2015]50号),8月31日。

吉登斯,1998,《现代性与自我认同:现代晚期的自我与社会》,赵旭东、方文译,北京:生活·读书·新知三联书店。

姜莹,2017,《网上“黑市”个人信息随意买卖查身份信息只需提供手机号》,中国新闻网,http://www.chinanews.com/jingwei/02-16/29733.shtml,2019年12月7日访问。

Kafka,2016年,《神了!京东区别对待客户!2个账户2种价格!!!》,豆瓣网,https://www.douban.com/group/topic/86882340/,2019年12月7日访问。

马尔库塞,2006,《单向度的人———发达工业社会意识形态研究》,刘继译,上海译文出版社。

移动智观察, 2018,《 “杀熟”?再起风波的京东这次危险了!》,搜狐网,https://www.sohu.com/a/231502201_117030,2019年12月7日访问。

《史上最大数据泄露案告破 上市公司竟窃取30亿用户信息》,2018,凤凰网,https://finance.ifeng.com/c/7fWN9Z6MHRY,2019年12月7日访问。

《如何评价大数据“杀熟”》,2018,知乎,https://www.zhihu.com/question/268104462,2019年12月7日访问。

中国信息通信研究院, 2018,《大数据白皮书》,中华人民共和国国家互联网信息办公室网站,http://www.cac.gov.cn/2018-04/25/c_1122741894.htm, 2019年12月7日访问。

《中国银联发布2016移动支付安全调查报告》,2017,中国政府网,http://www.gov.cn/xinwen/2017-01/17/content_5160453.htm,2019年12月7日访问。

Acar, G., C. Eubank & S. Englehardt, et al, 2014, “The Web Never Forgets: Persistent Tracking Mechanisms in the Wild,” Conference on Computer and Communications Security, New York: Association for Computing Machinery, pp. 674-689,https://securehomes.esat.kuleuven.be/~gacar/persistent/the_web_never_forgets.pdf, 2019年12月6日访问。

Andrejevic, Mark, 2014, “The Big Data Divide,” International Journal of Communication, Vol. 8, pp. 1673-1689.

Battelle, John, 2017, “The Internet Big Five is Now the World’s Big Five,” Battellemedia, May 17, http://battellemedia.com/archives/2017/05/the-internet-big-five-is now-the-worlds-big-five.php, 2019年12月6日访问。

Breur, Tom, 2016,  “Statistical Power Analysis and the Contemporary ‘Crisis’ in Social Sciences,” Journal of Marketing Analytics, Vol. 4, No. 2-3, pp. 61-65.

Cinnamon, J., 2017, “Social Injustice in Surveillance Capitalism,” Surveillance & Society, Vol. 15, No. 5, pp. 609-625.

Constantiou, I. D. & J. Kallinikos, 2015, “New Games, New Rules: Big Data and the Changing Context of Strategy,” Journal of Information Technology, Vol. 30, No. 1, pp. 44-57.

Cukier, K., 2010, “Data, Data Everywhere: a Special Report on Managing Information,” The Economist, February 25, pp. 3-5.

Ellul, Jacques, 1964, The Technological Society, New York: Random House, pp. 68.

European Union,  2016, “General Data Protection Regulation,” Chapter 3, Section 2, Article 12,https://gdpr-info.eu/, 2019年12月7日访问。

Fraser, Nancy, 2008, “Abnormal Justice,” Critical Inquiry, Vol. 34, No. 3, pp. 393-422.

Feinberg, F. M., A. Krishna & Z. J. Zhang, 2002, “Do We Care What Others Get? A Behaviorist Approach to Targeted Promotions,” Journal of Marketing Research, Vol. 39, No. 3, pp. 277-291.

Goodin, Dan, 2015, “Beware of Ads that Use Inaudible Sound to Link your Phone, TV, Tablet, and PC-Privacy Advocates Warn Feds about Surreptitious Cross-device Tracking,” Ars Techica, Nov. 13, https://arstechnica.com/tech-policy/2015/11/beware-of-ads-that-use-inaudible-sound-to-link-your-phone-tv-tablet-and-pc/,2019年12月6日访问。

Google, “1.2 Google’s Advertising Networks - Google Partners Help,” https://support.google.com, 2019年12月6日访问。

Hyunjin, K. & M. P. Mcallister, 2011, “Selling you and your Clicks: Examining the Audience Commondification of Google,” tripleC:(Cognition, Communication, Co-Operation), Vol. 9, No. 2, Open Access Jo, pp. 141-153.

Iyer, G., D. Soberman & J. Miguel Villas-Boas, 2005, “The Targeting of Advertising,” Marketing Science, Vol. 24, No. 3, pp. 461-476.

Jansen, B. J., K. Moore & S. Carman, 2013, “Evaluating the Performance of Demographic Targeting Using Gender in Sponsored Search,” Information Processing & Management, Vol. 49, No. 1, pp. 286-302.

Lee, Micky, 2011, “Google Ads and the Blindspot Debate,” Media,Culture,and Society, Vol. 33, No. 3, pp. 433-447.

Levy, S., 2009, “Secret of Googlenomics: Data-fueled Recipe Brews Profitability,” Wired, Vol. 17, No. 6, p. 108.

Manovich, Lev, 2012, “Trending: The Promises and the Challenges of Big Social Data,” in Matthew K. Gold (eds.), Debates in the Digital Humanities, Minneapolis: University of Minnesota Press, pp. 460-475.

Manzerolle, V., 2010, “Mobilizing the Audience Commodity: Digital Labour in a Wireless World,” Ephemera Theory & Politics in Organization, Vol. 10, No. 3-4, pp. 455-469.

Perez, J. C., 2007, “Facebook’s Beacon More Intrusive than Previously Thought,” PC World, http://www.pcworld.com/article/140182/facebooks_beacon_more_intrusive_than_previously_thought.html, 2019年12月6日访问。

Schartz, John, 2001, “Giving the Web a Memory Cost its Users Privacy,” New York Times, September 4, http://www.nytimes.com/2001/09/04/technology/04COOK.html,2019年12月6日访问。

Silverman, Jacob, 2017, “Privacy under Surveillance Capitalism,” Social Research, Vol. 84, No. 1, pp. 147-164.

Smythe, D. W., 1977, “Communications: Blindspot of Western Marxism,” Canadian Journal of Political and Society Theory, Vol. 1, No. 3, pp. 1-28.

Soltani, A., et al., 2010, “Flash Cookies and Privacy,” Conference: Intelligent Information Privacy Management, Papers from the 2010 AAAI Spring Symposium, Technical Report SS-10-05, Stanford, California, USA, March 22-24.

Stigler, G., 1987, Theory of Price, New York: Macmillan, p. 3.

Terranova, Tiziana, 2000, “Free Labor: Producing Culture for the Digital Economy,”Social Text, Vol. 63, 2000, pp. 33-58.

Vincent, James, 2017, “The iPhone X’s New Neural Engine Exemplifies Apple’s Approach to AI,” The Verge, https://www.theverge.com/2017/9/13/16300464/apple-iphone-x-ai-neural-engine,2018年12月3日访问。

White House, 2012, “Big Data is a Big Deal”, https://obamawhitehouse.archives.gov/blog/2012/03/29/big-data-big-deal, 2019年12月7日访问。

Zuboff, S., 2015, “Big Other: Surveillance Capitalism and the Prospects of an Information Civilization,” Journal of Information Technology, Vol. 30, No. 1, pp. 75-89.


【注释】

①2007年11月,脸书推出脸书灯塔(Facebook Beacon),为其广告平台的扩张版,能追踪及回报其他网站的资料,包括用户在那些网站的活动资讯。

②“杀熟”是民间俚语,指商家私下在交易中对同一种商品列出不同的价格,其中高价部分专门卖给老顾客。由于老顾客对该商家的信任,在购买中会减少比价和转移购买对象这类增加交易成本的行为,但商家会利用这种心理来谋取更大的利润。


责任编辑: 刘琼