撰寫者：Twone
數據（data），作為這個時代的新貨幣，不僅流通於市場之中，更流淌在社會關係的血脈裡。
如同漂浮在海洋中的冰山一角，個體數據表面之下隱藏著複雜的社會關係和潛在的權力動態。當不平等的力量使這些冰山碰撞，不僅產生數據的波瀾，還帶來深遠的社會影響。在數據海域裡，怎樣才能確保每個人都能安全航行，繪製一張更公正的數據地圖，守護個體權利的同時，導航出一條明晰的路徑？
繼上週共讀完導言、第一章和第二章後，這次我們共讀的是《激進市場》的第三、第四和第五章，主題分別為移民、投資和大數據。
經過了上週關於 COST / 哈伯格稅的激烈討論之後，本週讀的后三章被 Raw School 同學們表示：“就這？” 真不夠 “激進”。
那麼，就一起來說一說后三章到底都講了些什麼吧。又是為什麼大家會覺得相對於前兩章的制度改革，后三章會顯得有些平淡。
以及，對於上述這三個宏大又與普通人生活息息相關的命題，特別是最後一章節：Data as Labor（數據即勞動），怎麼樣可以更多地延伸和關聯到人們自身的思考。
VIP（個人簽證計劃）：二等公民 & 奴役的合法化？#
這本書在亞馬遜上的評價呈現出兩極分化，打五星的人認為它確實提出了一種不同於現有制度的、新的問題解決可能性；打一星的人則很大程度上是因為這一章節描述的這個政策建議 ——“個人簽證計劃”（Visas Between Individuals Program，簡稱 VIP）。有的人甚至直言這是” 當代奴役合同 “。
所以，什麼是 VIP 呢？我們一起來看一看。
背景：國與國之間不平等日益加深，移民成為多數人的強需求#
16 至 17 世紀，重商主義主導著殖民主義和貿易，強調國家控制經濟以刺激財富積累。在此期間，支持無限制接納外來移民，但對移民國外持警惕態度，因為這減少了本國勞動力的規模。
20 世紀初，國家間不平等加劇，移民的經濟優勢上升，引發複雜態度，包括民族主義和種族主義的出現，引發一些國家關閉邊境或實施移民限制政策。
二戰後，貧富國家之間的不平等加劇，自由化移民的好處顯著增加，特別是在貧窮國家與富裕國家接壤的地區。
而直到如今，移民已經可以成為世界上 “大多數人幸福和繁榮的首要途徑”。
理解了移民的利益與代價，才能理解 VIP 的現實土壤#
從定義上看，富裕國家相較於貧窮國家，在資本方面比勞動力方面更加充裕。這種差異導致貿易和移民活動通常利於富國的資本家和貧窮國的勞動者，但可能對富國的勞動者和貧窮國的資本家產生不利影響。
這個概念非常重要，因為只有理解了資本和勞動力是如何在全球範圍內分布的不平等，才能解釋為什麼作者會提出 “個人簽證計劃”（Visas Between Individuals Program，簡稱 VIP）這種政策建議，來嘗試重新分配全球資本和勞動力的配置。
什麼是 VIP（個人簽證計劃）#
"個人簽證計劃"（Visas Between Individuals Program，簡稱 VIP）是一項通過個體之間的直接擔保來改革現行移民制度的提案。
該計劃允許普通公民直接為外國人提供入境擔保，從而不需要完全依賴政府機構的配額和規定。它的核心理念在於增強移民流動性，主張通過個人選擇和市場機制更高效地匹配移民需求與接收國的機會；它也試圖通過減少官僚主義和提高效率，賦予移民更多的機會和尊嚴。
“契約奴役” 的爭議#
VIP 制度要想實現的一個前提條件是：允許外來務工人員以低於最低工資的條件工作。
這一點尤其受到批評，因為它可能使得移民處於一種不利的勞動條件，這種情形在一些人看來，隱隱與歷史上的 “契約奴役” 相似。
儘管移民可以自由選擇離開，但他們的經濟依賴可能限制了這種自由，從而被視為一種潛在的剝削形式；這可能導致一種新形式的當代奴役。
思考問題：如果你想要移民，你會認為 VIP 相比傳統的移民方式更具有吸引力嗎？#
肢解大章魚：反壟斷的對策#
壟斷者的一千張臉#
“壟斷” 一詞起源於亞里士多德的時代，他從對數學家兼哲學家米利都的泰勒斯的討論中提取並創造了這一概念。泰勒斯通過預見橄欖豐收，並據此壟斷了榨油機市場，展示了哲學在商業實踐中的應用。
然而，到了現代早期，壟斷的形式發生了變化，通常是國家授權某些人脈廣泛的個人或集團主導特定市場。例如，標準石油公司在那個時代的漫畫中被形象地比喻為一隻大章魚，其觸角伸向市場和州議會，形象地描繪了其在多個領域的壟斷地位。
如何肢解大章魚#
作者提出，一個簡單且激進的改革建議能夠避免投資市場的集中化風險：禁止投資機構在單一行業內分散投資，但允許它們跨行業進行投資。
投資機構可以選擇在規模上保持小型，實現行業內外的全面多樣化；或者選擇規模較大，但只在不同行業之間進行部分多樣化。
這種策略可簡化為一條規則：在投資機構可能影響企業治理的情況下，禁止任何投資者在同一公司中持有超過 1% 的市場份額。
同時，指數基金作為一個例外，允許投資者在追求最大程度多樣化和規模化投資。
思考及討論：這種方法是不是殺傷力太弱？#
文中提出，只有政府才能阻擋壟斷的步伐，並且提出了上面簡單的建議。然而，投資機構通常行動隱蔽，即使設立不允許投資者持有單一公司多於 1% 的份額的規定，但是 “章魚” 們一定會找到千萬種辦法來進行規避和操作。
在討論中，Raw School 的同學們並不滿意書中提出的做法。如同章魚有八隻腿，也許切斷了一隻觸角，卻長出了另外三隻新的肢體，也是一種可能。
Data as Labor (DaL)：我們是如何成為了數字經濟中的無形工人？#
這一章節所討論的內容，也許是離所有人最近的一章。
也許你不曾考慮過移民，也不想關心離自己 “過於遙遠” 的壟斷巨頭們，但是此刻坐在螢幕前看著這篇文章的你，一定會被現今社會的數據信息所影響著。
甚至更為直白一些：你此刻的閱讀行為，在機器學習的算法中，已是為本文增添了 “1” 個閱讀量。
大多數人並沒有意識到自己作為 “數據生產者” 這一角色#
我們是如何在不自知的情況下成為數據打工者？認真想一想以下的場景：
為什麼谷歌地圖可以為你更好的規劃行程？
為什麼 Facebook 和 Instagram 會讓你進行便捷的日常分享？
為什麼社交媒體平台例如抖音（tiktok）、小紅書等，可以為你精準推薦你所喜歡的短視頻和內容？
……
上述的科技巨頭們，通過收集我們的用戶行為數據來訓練他們的機器學習和人工智能系統。而這些數據不僅僅是一系列數字，它們是我們勞動的產物，是我們日常活動和互動的直接輸出。
例如，谷歌通過學習我們的行程規劃來優化其地圖服務，而臉書則通過分析我們的社交活動來精準地推送廣告。這些平台利用我們提供的內容 — 從路線選擇到社交互動，再到上傳的每一張圖片和視頻 — 來不斷完善其服務和廣告定位，從而在經濟上獲益。
儘管我們是這一過程的關鍵參與者，大多數人卻並未意識到自己在數字經濟中充當了 “數據供應商” 的角色，而不僅僅是被動的內容消費者。這種認識的缺乏意味著我們未能認識到自己數據的價值和潛力。
數據生產者並沒有得到應有的補償#
在當前的數字經濟中，像臉書、谷歌和微軟這樣的科技巨頭，通過免費收集公眾在網上的數據，賺取了創紀錄的利潤。這些公司利用大眾對人工智能（AI）和機器學習（ML）的認識不足，將用戶的每一次點擊、搜索和互動轉化為價值巨大的數據。然而，儘管數據生產者 —— 也就是普通用戶 —— 是這一過程的關鍵推動者，他們卻很少獲得公平的補償或認可。
這種現象的存在意味著，儘管數字經濟的盈利能力極高，收益卻主要流向了掌握高級技術和資本的少數人手中，而不是廣泛的數據生產者。
這不僅體現了一種收入分配的不平等，也反映了對數據生產者勞動價值的普遍忽視。在這樣的背景下，** 許多人對 AI 導致大規模失業的擔憂加劇，儘管事實上，我們比以往任何時候都更依賴於人類的數據輸入來推動數字經濟的發展。** 這種矛盾揭示了數字經濟結構中的一個深層次問題：數據生產者的勞動被廣泛利用，卻很少得到應有的回報和尊重。
對於數據的不同態度：鑽石 - 水悖論#
在數字時代，數據無處不在，但谷歌首席經濟學家哈爾・范里安提出，真正稀缺的是能夠理解並加工這些數據的人才和計算能力。
這種觀點將數據視為一種廣泛可得的自然資源，像水一樣普遍，其真正價值則在於被技術和資本轉化為有用的資產。
這與古老的鑽石 - 水悖論相呼應。水雖然在日常生活中極其重要卻因普遍而不具備高交換價值，而鑽石儘管用途有限卻價值連城。
雖然數據總體上極具價值，但因為其豐富性，單個數據點的邊際價值並不高，這類似於水的情況。然而，數據的邊際價值並非恆定，它也受到處理數據的問題的重要性的影響。例如在語音識別技術中，達到幾乎完美的準確度比初步提高準確率更加重要，因此最後幾個百分點的準確度提升可能極大地增加了數據的邊際價值。
科技奴隸（technserf）與科技封建主義#
科技封建主義的根本邏輯與古老的封建制度驚人地相似：在封建時代，農奴為貴族提供勞動以換取生存保障和使用土地的權利；同樣地，如今千千萬萬的用戶為科技平台巨頭們提供自己生產數據的市場價值，以換取便利的信息服務。
這種制度下，雖然用戶看似也得到了好處，但其實他們更像是科技的奴隸 —— 在數字公地上耕作而未得到應有的回報。
這種現象不僅體現在服務的直接交換上，更深層的影響表現在對用戶勞動的價值認識上。當用戶意識到他們的在線活動 —— 無論是社交媒體的互動還是內容的創造 —— 實際上為科技巨頭創造了更為廣闊的價值時，他們可能會重新評估這種交換的公平性。
全世界數據工作者團結起來？#
儘管技術發展具有強大的規模經濟特性，但這種發展也帶來了買方壟斷力量，這種力量常常導致勞動力補償不足，阻礙了經濟發展和公平。
這一問題並非新現象，而是貫穿經濟史的一個經典主題，也是馬克思經濟理論的核心思想之一。
正如工業時代的工人需要工會來進行集體談判、確保勞動質量並促進職業發展一樣，數據工作者同樣需要某種形式的組織來幫助他們確保數據的高質量，維護他們的權益，並在不增加個人負擔的情況下有效地駕馭複雜的數字系統。
也許是時候啟動一個全球性的數據工人運動，鼓勵全世界的數據工作者團結起來，共同爭取作為現代數字勞動者的合法權益。
這不僅是一場經濟鬥爭，也是一場關乎公平和技術倫理的戰鬥。
延展思考：作為主權個人，如何回應當下的數據現狀#
《激進市場》這本書完成於 2018 年，然而彼時關於數據和勞動的探討還不像今天這麼猛烈及深刻。短短幾年，不管是 AI，還是大數據，還是人類和信息流的頻繁交互，都已經發生了更為深遠的變化。
被無數信息流充斥著周圍的今天，每個人都或多或少地成為著技術公司、流媒體或平台的數據提供者。人們提供著自己的行為數據，又在被平台的算法進行分析、優化後投送返回給自身，進行新一輪的消費。
你認為 "數據即勞動"（Data as Labor, 簡稱 DaL）是應該被實施的嗎？如果是，該如何公正的評估和補償個人數據的價值？（e.g. 不同用戶產生的數據價值可能存在巨大差異；哪些機制可以確保公正透明的評估貢獻並提供合理的補償）
同時，DaL 的實施過程中，可能遇到的隱私和安全問題有哪些？（e.g. 隱私泄露、數據安全風險等；以及可能可以使用的法律和技術手段進行減輕風險）
還有更多可以深入的思考，如人們可以如何主動買賣自己的數據，而非被動地失去數據控制權；是否需要更公共和集體的形式來治理數據生產，以應對數據化帶來的不公正社會關係和信息傷害……