De algoritmes van Big Tech zouden onvermijdelijk tot stilstand komen zonder de miljarden uren menselijke interpretatiearbeid die we dagelijks leveren. Spreek niet van artificiële intelligentie, maar van interpretatiemachines.

Sinds de 19e eeuw heeft de politieke strijd er herhaaldelijk toe geleid dat linkse bewegingen houvast gingen zoeken in de almaar toenemende nieuwe tegenstellingen van de kapitalistische industriële mechanisering en haar verhouding tot arbeid en energie. Die onderzoeken en experimenten, waaraan ook Karl Marx, een van hun grote pioniers, ternauwernood was toegekomen, blijven echter fragmentarisch en omstreden.¹ De crisissen die nu worden veroorzaakt en verergerd door de eenentwintigste-eeuwse digitale mechanisering, stellen enerzijds links voor nieuwe raadsels maar bieden anderzijds wel kansen om een nieuw licht te werpen op deze langere geschiedenis van de automatisering.

Een digitale sluier over arbeid

In dit essay zetten we drie argumenten uiteen als antwoord op die uitdagingen. Ten eerste: met het oog op de organisatie van bewegingen kan het nuttiger zijn de nadruk te leggen op de continuïteit tussen waardecreatie in het industriële tijdperk en in het digitale tijdperk, dan alleen de aandacht te richten op de verschillen. Ten tweede: de tegenstelling tussen levende en dode arbeid, die Marx in de 19e eeuw signaleerde, blijft niet alleen aanwezig tot in de uithoeken van de huidige digitale economie, maar blijft ook van fundamenteel belang om zowel de crisis te begrijpen als de kansen te ontwaren om radicale politieke verandering te realiseren. Ten derde: het zou voor links strategisch zinvoller kunnen zijn de opmerkelijke vernieuwingen van Big Tech van de afgelopen tien jaar op het vlak van automatisering te benaderen als een nieuw niveau van mechanisering van interpretatief werk, dan zich neer te leggen bij mystificerende etiketten als kunstmatige intelligentie [ook AI, artificial intelligence].

De tegenstelling tussen de dode kennis van het kapitaal, weergegeven in algoritmen en computers, en de levende kennis van de arbeid is geen nieuwe vorm van antagonisme die de traditionele tegenstelling tussen dode arbeid en levende arbeid, inherent aan het industriële kapitalisme vervangt.² Het gaat in wezen om dezelfde tegenstelling. In de 19e eeuw begonnen de kapitalisten te dromen dat het proces van arbeidsdeling in combinatie met de door fossiele brandstoffen aangedreven mechanisering, de vroege stadia vertegenwoordigde van een asymptotische evolutie naar een hypothetische eindtoestand van het kapitalisme waarin alle arbeiders volledig en voor altijd zouden kunnen worden gedekwalificeerd, alle menselijke arbeid zou kunnen worden vervangen, overbodig en waardeloos gemaakt en onder welwillend machinetoezicht tot rust zou mogen komen. Alle kennis zou dan kunnen worden overgebracht naar zichzelf voorzienende machines, die al dan niet onder controle zouden blijven van de kapitalisten, wier gedrevenheid, vindingrijkheid en zelfdiscipline zogezegd aan de basis van hun ontstaan zou liggen. Hadden de arbeidersbewegingen met die fantasie ingestemd, het zou je reinste zelfmoord zijn geweest.

De continuïteit tussen waardecreatie in het industriële en het digitale tijdperk onderstrepen kan nuttiger zijn dan alleen de aandacht te richten op de verschillen.

Vandaag de dag zou het evenzeer contraproductief zijn om mee te gaan in wat Aaron Benanav het nieuwe automatiseringsdiscours noemt, dat aanhang vindt bij zowel liberale, rechtse als linkse analisten die beweren dat “we op het punt staan een grotendeels geautomatiseerde maatschappij te bereiken, waarin bijna al het werk zal worden uitgevoerd door uit zichzelf bewegende machines en intelligente computers” en de mens op stal kan worden gezet terwijl het kapitalisme (of het volledig geautomatiseerde communisme) voortbolt.³

Daarom kan het vanuit een links perspectief nuttig zijn om het jargon van kunstmatige intelligentie te vermijden en de term interpretatiemachine te gebruiken.⁴ Sinds de tijd van Charles Babbage heeft het woord intelligentie vooral gediend om proletarisch werk te verhullen, klassen-, rassen- en genderverschillen te bekrachtigen en sociaal toezicht te rechtvaardigen.

Al in de 19e eeuw gingen de pogingen van de elite om machines intelligent te doen lijken hand in hand met pogingen om de menselijke vaardigheden die hen begeleiden te degraderen en onzichtbaar te maken, alsook met projecten om de ideologische constructie van de orthodoxe economie uit te bouwen.⁵ Het woord artificieel heeft intussen grotendeels dezelfde reactionaire lading als zijn tegenhanger natuurlijk. In zoverre er al zoiets bestaat, is intelligentie altijd kunstmatig geweest; omgekeerd is elke intelligentie die kunstmatig wordt genoemd waarschijnlijk zo natuurlijk als het maar kan, als zij überhaupt nuttig is. De term interpretatiemachine, die een kritische benadering van de digitale ontwikkelingen van de 21e eeuw aanmoedigt, erkent impliciet die politieke en historische realiteiten, terwijl de uitdrukking kunstmatige intelligentie ze veeleer verbergt.

De mechanisering van interpretatie

Kapitalistische arbeid heeft, net als alle andere soorten arbeid, altijd met interpretatie te maken gehad en kan niet anders dan volledig cognitief, symbolisch en affectief zijn, tot en met het zwaaien van de hamer van de meest vernederde of gedekwalificeerde arbeider aan de montageband. Specifieke vaardigheden die worden aangeduid met termen als geschoolde arbeid, geestelijk werk, kenniswerk, symbolische analyse of immateriële arbeid zijn nooit veel meer dan een dun laagje glazuur op de enorme veelkleurige taart van alledaagse interpretatieve capaciteiten die een rol spelen bij de handelingen van niet alleen elke zogenaamde ongeschoolde arbeider die de meest handmatige arbeid verricht, maar ook van bijna elk menselijk wezen ouder dan vijf jaar.⁶

Meer nog dan om het even welk bijzonder smakelijk dessert, gaat het om het hele menu, dat bestaat uit enkele van de diepste, hardst bevochten menselijke vermogens,⁷ die het kapitaal nu, gehoorzaam aan zijn eigen tegenstellingen, almaar meer zowel wil hebben als verorberen. De generieke interpretatieve vaardigheden die het kapitaal vandaag nastreeft, zijn bijvoorbeeld: nieuwe gevallen van oude categorieën of voorbeelden herkennen, vertalen, de weg vinden, aanvoelen, zoeken naar en opdelven van kennis als onderdeel van leerprocessen, onthouden, weten hoe een regel flexibel kan worden gevolgd en begrijpen welke vragen moeten worden gesteld om de duur van gesprekken te verlengen, relaties gladstrijken, de context verduidelijken, misverstanden uit de weg te ruimen of met succes diverse onbekenden peilen. Maar ook spelen, plagen, grapjes maken, rotzooien, metaforen of analogieën formuleren enzovoort.⁸

Geen van deze schijnbaar alledaagse activiteiten vormt op zich een vak of beroep in de gangbare betekenis van de afgelopen 500 jaar (wever, papiermaker, advocaat,…). Maar ze vormen wel een noodzakelijk onderdeel van elk daarvan. Het is inderdaad de uitoefening van die bekwaamheden die, eenmaal in het kapitaal geïntegreerd, ongetwijfeld de kern vormt van de levende arbeid die Marx stelde tegenover de dode arbeid die in machines en repetitieve mechanische procedures wordt gerealiseerd. Ludwig Wittgenstein vatte ze samen in één zinspreuk: “weten hoe je verder moet”.⁹ Ze zijn altijd van essentieel belang geweest om de regels van het kapitaal, de arbeidsverdeling, de machines en algoritmen te laten functioneren zoals vereist om meerwaarde te accumuleren.

Men dient het jargon van kunstmatige intelligentie te vermijden en de term “interpretatiemachine” te gebruiken.

Sinds de industriële revolutie weet iedereen dat het ene na het andere beroep mettertijd zal worden weg-geautomatiseerd (administratief bediende, dokwerker), terwijl andere zullen ontstaan (rioolreiniger, software-ingenieur). Zo kunnen banen in bijvoorbeeld de VS gemechaniseerd en worden gedelokaliseerd om vervolgens in Indonesië of Vietnam weer op te duiken. De vrouwen in Europa laten de keuken voor wat hij is en gaan dure machines bedienen die containers verschepen, terwijl inwonende nannies uit de Filipijnen hun kinderen helpen grootbrengen.¹⁰ Hoe vanzelfsprekend het kan zijn voor een individuele kapitalist dat de verplaatsing of verzwakking van een stel mechanisch werkende arbeiders “de onmiddellijke bron van de toename van winst” is, stelt Marx in Boek III van Het Kapitaal, dit zal ergens in het systeem moeten gecompenseerd worden door de injectie van nieuwe levende arbeid in de vorm van oude of nieuwe beroepen om een daling van de winstmarge te voorkomen.¹¹ Dit proces van de reorganisatie van de organische samenstelling van het kapitaal¹² — de turbulente herverdelingen en verhogingen van levende arbeid over heel de wereld die maken dat meerwaarde kan versluisd worden van minder gemechaniseerde sectoren naar meer gemechaniseerde — dit proces dus is dermate meedogenloos dat de staat is moeten tussenkomen om de verstoringen die uiteindelijk gevolgen hebben voor het kapitaal zelf, te helpen gladstrijken.

Het enige nieuwe aan die dynamiek in de 21e eeuw is misschien wel de mate waarin niet alleen individuele beroepen maar ook verschillende aspecten van de kern van de levende arbeid zelf worden gemechaniseerd — wat onvermijdelijk weer gepaard gaat met stijgingen in de aanwerving van levende menselijke arbeidskrachten op talrijke plaatsen in het systeem. Vooral in de voorbije tien jaar is bijna elke vaardigheid op bovenstaande lijst tot op zekere hoogte met succes geautomatiseerd.

De nieuwe automatiseringsgolf

Die nieuwe automatiseringsgolf werd aangemoedigd door een ongekende perfecte storm die drie technische ontwikkelingen bijeenbrengt in een krachtig synergetisch pakket.

• Een daarvan is deep learning-software, die zichzelf voortdurend kan aanleren welke algoritmen of recepten het best voorspellen wat ze wil voorspellen, zolang er voldoende gegevens worden toegediend.
• Op de tweede plaats komen de computerbewaking van het publiek, CAPTCHA’s genaamd (Completely Automated Public Turing Tests to Tell Computers and Humans Apart), online quizzen en andere mechanismen die arbeid bemachtigen voor de opbouw en voortdurende uitbreiding van de vereiste enorme bibliotheken of voorraden gedigitaliseerde stukjes informatie uit niet-gedigitaliseerde stromen van menselijke cultuur — bijvoorbeeld gelabelde en gecodeerde JPEG-afbeeldingen. Hieronder vallen ook apparaten waarmee beeldherkenningssoftware of Google Translate parasiteren op het vrijwillige, bijna onbewuste taalwerk van honderden miljoenen smartphonegebruikers die roddels of kiekjes uitwisselen op Facebook of andere platforms.
• Een derde ingrediënt is de grote toename van de verwerkingssnelheid en -capaciteit van computers, waardoor het mogelijk wordt om die groeiende bergen big data met behulp van deep learning-algoritmen in adembenemend korte tijd om te zetten in goedkope, nauwkeurige, microgerichte voorspellingen.

Die drie innovaties hebben de ambities weer aangewakkerd om niet alleen dit of dat specifieke beroep en niet alleen deze of gene gespecialiseerde interpretatievaardigheid te automatiseren, maar ook de levende arbeid als zodanig, in die mate dat computerwetenschapsprofeten als Andrew Ng van Baidu en Stanford naar AI verwijzen als de nieuwe elektriciteit, terwijl The Economist gedigitaliseerde gegevens beschouwt als de nieuwe olie.¹³ Interpretatiemachines worden klaargestoomd als een nieuwe infrastructuur die uiteindelijk een vanzelfsprekende achtergrond zal vormen voor nog meer kapitalistische activiteit over de hele wereld, maar ook als een aparte economische sector die van andere kan worden afgesplitst, net zoals in de 20e eeuw gebeurde met een energiesector. Wij gaan ervan uit dat interpretatiemachines onvermijdelijk zullen inbreken in de tewerkstelling van bedienden, zorgwerkers of arbeiders en werkers in het algemeen.¹⁴

Zo kunnen vertrouwen wekkende machines bijvoorbeeld in de ogen van liberalistische technovisionairen drastisch de nood verminderen aan bankiers en advocaten maar ook aan rechtbanken, regulators, notarissen, auditeurs, registratiebeambten, fondsbeheerders, vastgoedbeheerders, expeditiemedewerkers, beoordelaars van kredietwaardigheid, verzekeraars, politie, en complete lagen van de beroepen op het vlak van milieuverantwoording en natuurbehoud, en een groot deel van de staat zelf, en overal de transactiekosten wegsnoeien.¹⁵ In combinatie met zoekmachines zouden zij hele lagen van de door mensen uitgevoerde administratieve en ondersteunende taken kunnen elimineren.

De wereldwijde uitwisseling van de kleinste en meest exotische brokjes eigendom kunnen tot een winstgevende activiteit herleid worden, gaande van de allerkleinste kiemdodende substantie, afgescheiden door een of andere Amazonekikker, tot de informele rechten op een halve hectare grond in een sloppenwijk in Kenia of de individuele schulden van een straatventer in Mumbai. Door geautomatiseerde verificatie en vereffening zou het ook de overdracht van goederen langs wereldwijde en grensoverschrijdende handelscorridors kunnen versnellen. Navigatiemachines zouden bovendien het werk van vrachtwagenchauffeurs en pakjesbezorgers en een reeks andere logistieke en transportmedewerkers kunnen automatiseren.

Intensieve mechanisering van herkenning, zoeken, anticipatie en oriëntatie openen ook mogelijkheden voor de verdere automatisering van wat Ursula Huws en anderen “consumptiearbeid” hebben genoemd.¹⁶ Zodra de vaardigheden van het winkelend publiek zijn ontleed en de verdeelde arbeid naar behoren is uitbesteed aan interpretatieapparatuur, kunnen consumenten worden gemechaniseerd tot tientallen miljoenen virtuele jij’s¹⁷ die aan bedrijven worden verkocht.

Machines die tegelijk nauwkeurig en voldoende goedkoop de reacties op specifieke goederen van zoveel afzonderlijke personen kunnen voorspellen, zouden niet alleen artikelen kunnen voorstellen — wat ze nu al doen — maar die ook naar de klant verzenden nog vóór hij of zij ze heeft besteld, zonder veel risico dat ze verontwaardigd worden teruggestuurd. Zo zou nog een obstakel voor de hoge circulatiesnelheid kunnen blootgelegd en verwijderd worden.

Van het oude in het nieuwe

Je raakt makkelijk verblind door de omvang en de reikwijdte van dergelijke inspanningen die de meest generieke vormen van levende arbeid mechaniseren tot dode arbeid, die hun beslag krijgen in de amalgamen van reusachtige datacentra, neurale netwerksoftware, wereldwijde glasvezel- en satellietverbindingen, en smartphones en miljarden andere wereldwijde sensoren. Maar nu het kapitaal, met massale staatsbemoeienis in de rug, de “informatie”-weg inslaat, is het van cruciaal belang te weten dat het daarbij geen enkele van zijn fundamentele tegenstellingen achter zich laat.

Ten eerste is er niets nieuws aan de mechanisering van het interpreteren als zodanig, maar alleen aan de omvang, snelheid en heimelijkheid van de vooruitgang ervan in de voorbije tien jaar. Het kapitaal isoleert en automatiseert al eeuwenlang deze of gene van de kleinere interpretatieve vaardigheden die in de arbeid en de daaraan verbonden fysieke werktuigen en toestellen besloten liggen, ten dele om minder kwetsbaar te zijn voor kleine groepen arbeiders die het bevel voeren over grote of gevaarlijke machines.

Vanaf het midden van de achttiende eeuw werden mechanische bestuurders van stoommachines ontworpen om de snelheid van de stoomstroom te herkennen en te regelen zoals geen mens kon. Daarmee werd een tijdperk ingeluid van de machine als infomechanisch relais tussen stromen energie en informatie.¹⁸ Stoomkracht maakte het op zijn beurt mogelijk dat andere apparaten, zoals textielmachines, met bovenmenselijke snelheid konden categoriseren, meten en reageren op variaties in hun eigen input. Thermostaten (in de 19e eeuw warmteregelaars genoemd)¹⁹ konden nauwkeuriger dan mensen aanvoelen hoe warm iets was, en hun bevindingen sneller doorgeven aan ovens of ketels die opgeleid waren om ze te lezen. Soortgelijke interpretatievaardigheden werden later geautomatiseerd in veel verschillende machines, van volkstellingsmachines tot dvd-spelers.

Ten tweede volgen de interpretatiemachines van vandaag nauwgezet het patroon van de oudere industriële machines, in die zin dat zij nauwelijks doen alsof ze precies doen wat hun menselijke modellen doen. Strikt genomen dupliceren machines geen vaardigheden. In plaats daarvan identificeren, isoleren en activeren zij kopieën van bepaalde fragmenten van menselijke actie, versterken en reproduceren die herhaaldelijk met hoge snelheid om uniforme massaproducten te produceren, aan de hand van een pakket van door de thermodynamica georganiseerde energie. Die machines vereisen echter nauwgezet toezicht van mensen met andere vaardigheden — waaronder zorg- en schoonmaakvaardigheden — om meerwaarde te produceren, te bewaren of te laten circuleren. De capaciteiten om dit nieuwe werk te verrichten worden doorgaans gedevalueerd en gedegradeerd naarmate de kapitalistische vernieuwing verdere grenzen opzoekt.

Een vertaalmachine als Google Translate hoest zinnen op, maar dat is niet hetzelfde als wat menselijke tolken en vertalers doen.

Zo was de 19e-eeuwse spinmachine nooit ontworpen om alles te doen wat een menselijke spinster deed wanneer zij aan het spinnen was: verder bouwen op bepaalde aangeleerde routines van oog, vinger, draad, hout en arm; rekening houden met de behoeften van de markt of haar gezin; met anderen omgaan; een gezin of gemeenschap onderhouden; enzovoort. De spinmachine was veel beperkter en kon enkel strak herhalen. Wat ze deed was ook fysiek gevaarlijker, in die zin dat ze werd aangedreven door hoeveelheden kracht waar de individuele ambachtsvrouw geen raad mee zou geweten hebben. En dat vereiste een grondige reorganisatie van de landschappen om machineklare energie te winnen en te vervoeren alvorens die, via fabricage, om te zetten in onbruikbare afval. Wie de spinmachine bediende, moest op haar beurt haar eigen interpretatievermogen anders aanwenden om zich aan te passen aan het eenvoudige, versnelde ritme van heel het proces en de krachtige machine draaiende te houden. Daarvoor moest ze haar reserve aan veerkracht aanspreken die vaak snel uitgeput raakte.

Op dezelfde manier hoest een vertaalmachine uit de 21e eeuw zoals Google Translate zinnen op, maar dat is niet hetzelfde als wat menselijke tolken en vertalers doen. In plaats daarvan surft Google Translate via het internet op miljarden gedigitaliseerde gegevensstrengen die zinnen produceren uit de onmetelijke hoeveelheden van het levende werk van vroegere en huidige generaties van mensen en niet-mensen. Vervolgens worden die big data door de computer bewerkt en die bewerkingen zijn nog oneindiger repetitief dan bij de spinmachine.

Het resultaat zijn massa’s goedkope voorspellingen over welke equivalenties van zin tot zin waarschijnlijk het meest aanvaardbaar zouden zijn voor menselijke vertalers, vooral die uit het internationale zakenleven. En zij corrigeert constant haar eigen procedures op basis van nieuwe digitaliseringen die gratis ter beschikking worden gesteld door gebruikers van elektronische apparatuur overal ter wereld.

De digitale afvalberg en haar menselijke opruimers

Nogmaals, dergelijke machines doen niet — en zijn ook niet bedoeld om te doen — wat bijvoorbeeld planners doen wanneer zij trachten de toekomst te voorzien. Om te beginnen produceren zij een veel groter aantal voorspellingen. Zij transformeren voorbije levende arbeid in een bevroren of dode vorm veel sneller, uitgebreider en nauwkeuriger dan enige arbeidsverdeling met behulp van een handmatig stel regels. Hun voorspellingen zijn doorgaans ook beter dan die van de mens over het eigen gedrag. Bovendien zijn ze in staat waarnemers te verrassen met sprongen die niet-geprogrammeerd lijken, zoals zowel Charles Babbage als Alan Turing in hun tijd al hadden aangetoond.²⁰ Maar ze oefenen ook niet de Wittgensteiniaanse vaardigheid van “verder gaan” uit, die een geheel eigen kenmerk is van levende arbeid. Dat wordt pijnlijk duidelijk wanneer ze door onverwachte gebeurtenissen zoals de COVID-19-pandemie in een onontsnapbare vicieuze cyclus terechtkomen.²¹

Ook de relatie van Google Translate met thermodynamische energie is vergelijkbaar met die van de spinmachine. Met zijn gigantische, door de overheid gesubsidieerde servercentra, transmissienetwerken en op big data gebaseerde natuurlijke taalverwerkingsmodellen heeft ook Google Translate hoeveelheden elektriciteit nodig waar menselijke vertalers geen raad mee zouden weten, wat er opnieuw op wijst dat professioneel beheer van mens en natuur in gebieden waar fossiele brandstoffen worden gewonnen, een noodzaak is.²²

In het geheel neemt het wereldwijde digitale energieverbruik jaarlijks met ongeveer negen procent toe. Deels als gevolg daarvan vergt de almaar grotere afvalberg van de interpretatiemachines, net als die van de 19e-eeuwse industrie, nog meer legers van bezoldigde en onbezoldigde menselijke en niet-menselijke arbeiders om de boel op te ruimen. Voor het werk van de menselijke spinners of vertalers was dat eenvoudigweg niet nodig.²³ Naar verwacht zullen ook die arbeiders na verloop van tijd verslijten in die zin dat ze, om welke reden dan ook, niet langer voldoende goedkoop de diensten kunnen leveren die het kapitaal nodig heeft.²⁴ Net als bij de spinmachine blijft geen enkele activiteit constant tijdens het mechaniseringsproces; integendeel, de hele wereld verandert.

Laten we die parallellen eens van naderbij bekijken. Het kapitalistische proces dat de menselijke activiteit opsplitst en de stereotiepe herhalingen aanwakkert van de fragmenten die zowel in de spinmachine als in Google Translate zichtbaar zijn, is niet uit het niets ontstaan. Voor Charles Babbage, de uitvinder van de Analytical Engine en een van de 19e-eeuwse grootouders van de kunstmatige intelligentie, waren industriële machines niet meer dan een manier om de eerdere missie van arbeidsverdeling voort te zetten. Dit hield in dat de integrale vaardigheden van ambachtslieden, vooral die met wat Babbage hogere of mentale vaardigheden noemde, werden opgesplitst in eenvoudiger, dommere, meer kwantificeerbare, meer gesuperviseerde en controleerbare componenten.

Dit bood talrijke voordelen. Uit de amorfe arbeidskracht waarmee de kapitalist te maken kreeg, konden meetbare hoeveelheden taken worden gepuurd die hij kon kopen. Zo konden de werkgevers makkelijker vermijden dat ze moesten betalen voor meer dan de precieze hoeveelheid van vaardigheid of kracht die zij noodzakelijk achtten voor elk productieproces dat zij als bevoorrechten mochten identificeren, beschrijven en in onderdelen opsplitsen. Zo konden ze de kosten en de verloren tijd van de werkers met een leercontract verminderen. Ze konden het aanbod van werknemers die moesten concurreren voor de daaruit voortvloeiende, minder geschoolde banen, vergroten en hen zo goedkoper, beter vervangbaar en overbodig maken. Ondoorzichtige netwerken van relaties en taken onder het personeel konden worden omgevormd, vereenvoudigd en herverdeeld volgens de lijnen van een hub-spoke-structuur, met meesterfabrikanten in het disciplinair centrum. De intelligentie en het eigendom ervan konden zoveel mogelijk op dezelfde manier worden gecentraliseerd, zoals het Taylorisme en het managerialisme in de 20e eeuw zijn blijven proberen. Elk fragment van de opgesplitste activiteiten kon dan zogenaamd worden vervangen door machinebewegingen, waardoor de mogelijk grotere vraag naar het toegenomen aanbod van ongeschoolde arbeid zou worden gematigd en het onderscheid tussen de bazen in het centrum en de arbeiders in de periferie verder op de spits zou worden gedreven.²⁵

De machine zou, in de woorden van Babbage’s briljante collega Ada Lovelace, “het wezen worden dat de concepten van intelligentie uitvoert”²⁶ die afkomstig zijn van de meester. Het zou “de klassenstrijd op de werkvloer veroordelen tot de status van onwetenschappelijk bijgeloof”, zoals Caffentzis Andrew Ure verwoordt.²⁷ Meerwaarde zou kunnen worden beschouwd als iets dat voortvloeit uit machines die het product waren van de eigen gedigitaliseerde intelligentie van het kapitaal in combinatie met stoomkracht, in plaats van uit de onbetaalde uitoefening van het biologisch en sociaal ontwikkelde vermogen van arbeiders om op een niet-mechanische manier “verder te gaan” op basis van slechts een paar voorbeelden.

Een tijdelijke verdringing van menselijke arbeid

Marx, Babbage’s “scherpste Londense lezer”,²⁸ begreep dat die fantasie over de creatie van meerwaarde, al veel van de Victoriaanse werkelijkheid had geherstructureerd. Hij erkende dat de productieve verschuiving van combinaties van ambachten naar combinaties van centraliseerbare processen het aantal arbeiders dat gelijktijdig [kan] worden uitgebuit met behulp van hetzelfde kapitaal deed toenemen en de arbeidstijd verminderde die nodig was voor de reproductie van de arbeidskracht, waardoor in feite de loonsom opnieuw naar beneden ging, de onderhandelingspositie en onafhankelijkheid van de arbeiders werden ondermijnd en er kapitaal vrijkwam voor andere doeleinden. Maar hij benadrukte ook dat de nieuwe gemechaniseerde hub-spoke-structuur niet statisch maar dynamisch was, en onherroepelijk door tegenstellingen werd verscheurd. Het door de machines gegenereerde overschot aan levende arbeidskrachten nam niet lineair en onbeperkt toe in verhouding tot de verspreiding van de machines. De machines zelf waren dynamisch.

De gemechaniseerde “transformatie van gildemeesters en hun gezellen in kapitalisten en loonarbeiders”, voegde Marx eraan toe, mag niet worden verward met een universele, langdurige “verdringing van de loonarbeiders zelf door de toepassing van kapitaal en wetenschappelijke kennis”.²⁹ Meer machines en de daarmee samenhangende tendens van de dalende winstvoet maakten dat het kapitaal met tussenpozen nieuwe massa’s levende (inclusief reproductieve) arbeid nodig had in een of ander domein van het systeem, via de omzetting van waarde in prijs,³⁰ ongeacht hoe het kapitaal de vaardigheid en intelligentie van de arbeid interpreteerde.

Hier moeten we opnieuw de nadruk leggen op de niet toevallige rol van de thermodynamica in de kapitalistische projecten van zowel de negentiende als de 21e eeuw. Zoals Marx opmerkte, was het de groei van de arbeidsdeling die uitnodigde tot een “bewegende kracht die sterker was dan die van de mens”, niet andersom. Die nieuwe energie, die werd georganiseerd door de thermodynamica en nagenoeg synoniem was met een systematische, productieve reorganisatie van de omgeving rond een degradatielogica³¹ — was op haar beurt essentieel om het kapitaal in staat te stellen de vaardigheden van nog meer werkers te onderwerpen die have en goed waren ontnomen en van hun grond verjaagd. Grond- en fabriekseigenaars konden nu makkelijk hun arbeidskracht kopen met het oog op de centralisatie van demontage, reorganisatie en controle, wat “gecombineerde arbeid” faciliteerde (wat Marx enigszins verwarrend “eenvoudige coöperatie” noemde) op almaar dichter bevolkte werkvloeren.³²

Net zoals we in een volledige visualisatie van de spinmachine niet alleen zouden moeten zien hoe kinderen moesten manoeuvreren tussen de snel roterende bobijnen en slaven op de katoenplantages moesten werken met schoffels maar ook hoe mijnwerkers moesten rondkruipen in talrijke van stof vergeven gangen, zo ook zou een volledige visualisatie van de huidige interpretatiemachine ons niet alleen de personeelsleden van datacentra tonen die tensorverwerkende eenheden vervangen en Congolese mijnwerkers die het slachtoffer zijn van misbruik, maar ook de onderbrekingen van de stroming van grote rivieren overal ter wereld.

Hoe meer machines het kapitaal aan het werk zette, hoe meer arbeiders het nodig had die geen machines waren.

Het blijvende karakter van die kenmerken van de kapitalistische mechanisering wordt alvast bevestigd door het feit dat we de aanhalingstekens rond die doelbewust gekozen werkwoorden die we hierboven hebben gebruikt voor de beschrijving van 19e-eeuwse thermostaten of het bestuur van stoommachines (herkennen, vertalen, meten, weten), ook duidelijk moeten plaatsen bij de beschrijving van wat eenentwintigste-eeuwse interpretatiemachines doen. Het mag dan al waar zijn dat vroege critici van AI het helemaal bij het verkeerde eind hadden toen zij beweerden dat een computer nooit een wereldkampioen schaken zou kunnen verslaan of een meesterlijke en harmonieuze vertaling van een bladzijde Proustiaans proza zou kunnen afleveren.³³ Het is ook waar dat de profeten van de kunstmatige intelligentie het helemaal bij het rechte eind bleken te hebben toen zij voorspelden dat de toekomst van de interpretatieapparatuur niet lag in pogingen om de ervaring van deskundigen in machines te coderen,³⁴ noch om machines net zo te laten werken als de menselijke geest. Volgens hen moest men vooral de kunstmatige neurale netwerken hun gang laten gaan³⁵ door het onophoudelijk en energie-intensief verwerken van gigantische massa’s data die voortdurend worden geproduceerd door de arbeidsintensieve processen over de hele wereld.

Maar noch de incidentele mislukkingen in visie, noch de triomfen veranderen het feit dat het vooruitzicht van de vervanging van levende menselijke arbeid in het proces van kapitaalaccumulatie — en daarmee de opheffing van de door Marx geïdentificeerde tegenstelling tussen levende en dode arbeid — zo ver in het verschiet blijft liggen, dat het vrijwel irrelevant is voor toekomstige strategieën van antikapitalistisch verzet.

Interpretatieve arbeid vandaag

We kunnen met een gerust gemoed concluderen dat de zogenaamde kunstmatige intelligentie voorlopig levende arbeid niet sneller overbodig zal maken dan de 19e-eeuwse industriële machines. Dat was ook nooit de bedoeling, noch toen noch vandaag, hoe luid kapitalistische ideologen af en toe het tegendeel mogen beweren. Het kapitaal heeft niet echt behoefte aan machinale arbeidskrachten die de functies van veelzijdige interpretatiedeskundigen kunnen vervullen, en kan zich dat waarschijnlijk ook niet veroorloven.³⁶ Het krijgt al genoeg van de menselijke soort tegen spotprijzen. En dus verzamelen computerwetenschapper Hamid R. Ekbia en antropologe Bonnie Nardi bewijs dat de recente vooruitgang in AI niet zozeer een bijkomende stap naar volledige automatisering betekent maar een complexere strategie van heteromation (term van Bonnie Nardi waarmee ze verwijst naar menselijke arbeid die verborgen zit in vaak niet betaalde automatische arbeid), of het persen van economische waarde uit vrije of laagbetaalde arbeid in door computers aangestuurde netwerken die zo versnipperd is en geanonimiseerd wordt dat de werkers kunnen worden behandeld als non-persons — het zoveelste trucje van het kapitaal om het hoofd te bieden aan de dalende tendens van de winstvoet.³⁷

“Automatisering versus menselijke arbeid is een valse tweedeling”, bevestigen Mary L. Gray en Siddharth Suri van Microsoft in een vergelijkende studie over Silicon Valley en hoe diens zogenaamde intelligente apparaten continu de input vergen van de geestelijke arbeid van miljoenen menselijke helpers die op de meeste vlakken ook aardig slimmer blijven.³⁸ Geoffrey Hinton, de alom gerespecteerde computerwetenschapper die bekend staat als de peetvader van deep learning, houdt koppig vast aan het idee dat de niet-gesuperviseerde machine die zelfstandig leert zonder de input van levende menselijke arbeid, op een dag werkelijkheid zal worden. Maar zelfs hij gelooft niet langer dat echte kunstmatige intelligentie het resultaat kan zijn van de verdere ontwikkeling van de huidige energie- en data-intensieve simulatietechnieken.

De interpretatiemachines van de 21e eeuw, net als de industriële machines van de 19e eeuw, functioneren dus louter om de uitbuiting van de levende arbeid te herverdelen, om te vormen en uit te breiden, in plaats van ze geleidelijk uit te bannen. Maar hoe doen ze dat precies? Levende interpretatieve arbeid blijft van fundamenteel belang voor de productieve handelingen van de specifieke machines zelf, van minuut tot minuut en van week tot week. 19e-eeuwse spinmachines vereisten zowel mentale als fysieke finesse van de kindarbeiders die behendig van de ene stampende machine naar de andere moesten springen om tussen de roterende spoelen katoenafval op te ruimen.³⁹ Om met enig succes via arbeidsverdelingen en op fossiele brandstoffen draaiende warmtemotoren vakmanschap te kunnen reorganiseren, ontmantelen en mechaniseren, heeft het kapitaal almaar meer gebruik moeten maken van die niet-gemechaniseerde interpretatieve arbeid. Zelfs bij de kleinste bewegingen zouden industriële machines eenvoudigweg kapot gegaan of op hol geslagen zijn, waardoor ze nutteloos werden voor het kapitaal, tenzij er voortdurend verse levende arbeid werd geïnjecteerd. Die levende arbeid kon lokaal zijn of uit verre oorden worden aangeleverd. Hoe meer machines het kapitaal aan het werk zette, hoe meer arbeiders het nodig had die geen machines waren. Hoe meer dode arbeidskracht voorhanden was, hoe meer levende arbeidskracht het kapitaal nodig had.

Ook de 21e-eeuwse systemen van kunstmatige intelligentie die apps als Facebook en Uber mogelijk maken, zijn afhankelijk van een pool van arbeidskrachten die altijd aan staat zodat continu voorzien wordt in menselijke input om teksten te censureren, de beeldgegevensbank te updaten, identiteitsbewijzen te controleren enzovoort.⁴⁰ De Clearview-machine voor gezichtsherkenning zou niet kunnen werken zonder het vaak miskende, onbetaalde werk van mensen die miljarden foto”s labelen op het internet in ruil voor netwerkprivilegies.⁴¹

Voorspelmachines

De algoritmes van Facebook voor de productie van verkoopbare voorspellingen die de circulatietijd moeten verkorten door het doorklikpercentage voor gerichte reclame te verhogen — ongeacht hoeveel tientallen duizenden servers in reuzegrote, gekoelde datacentra het bedrijf in dienst heeft genomen om ze uit te voeren — zouden ondertussen tot stilstand komen zonder de miljarden uren menselijke interpretatieve arbeid van zijn gebruikers, dag na dag, wanneer ze bijvoorbeeld commentaar posten, door statusupdates scrollen of gewoon hun weg zoeken van woonwijk naar woonwijk.⁴²

Facebook mag dan al zo’n 48.000 werkers hebben met een normaal arbeidscontract in ruil voor loon, het kan ook gebruik maken van de 2,6 miljard gebruikers die de voorwaarden hebben aanvaard en zodoende hun routinematige, levende, gegevensverwerkende arbeid ruilen voor het gebruik van interactieplatforms. Het is dan ook niet verwonderlijk dat de verhouding tussen de marktkapitalisatie en het aantal werknemers bij Facebook 20,5 miljoen dollar per betaalde werknemer bedraagt — ter vergelijking: voor General Motors is het 231.000 dollar.⁴³ Welke eeuw we ook onder de loep nemen, interpretatieve vaardigheden blijven de gemeenschappelijke kern van de levende arbeid onder het kapitalisme.

In dit verband is het belangrijkste verschil tussen de twee eeuwen dat, dankzij die deep learning-algoritmen, snelle processors en geavanceerde bewakingstechnologieën in combinatie met goedkope thermodynamische energie, het kapitaal nu rechtstreeks, en op dagelijkse basis, veel meer van de quintiljoenen minuscule momenten kan verzamelen van de uitoefening van de geïntegreerde interpretatieve vaardigheden die de wereldwijde menselijke bevolking als baby’s en jonge kinderen heeft verworven.

Door ze om te zetten in big data, kan het kapitaal ze toevoegen aan de winstelementen waarover Marx meer dan 150 jaar geleden schreef in het eerste deel van Het Kapitaal. Zoals thermodynamisch aangedreven industriële machines vanaf de 19e eeuw hebben bijgedragen tot de verspreiding van de loonarbeid over de hele wereld⁴⁴, zo maken de interpretatiemachines uit de 21e eeuw het mogelijk en noodzakelijk om niet alleen méér loonarbeiders aan te werven, maar ook te putten uit de diepere krochten van de onbetaalde menselijke arbeid. Even duidelijk als in de 19e eeuw is de instandhouding en dus ook de reproductie van de waarde van de producten van arbeid uit het verleden slechts het resultaat van hun contact met levende arbeid.⁴⁵

De uitbuiting van interpretatieve arbeid

Een vaak over het hoofd geziene vorm van levende menselijke arbeid die de 21e-eeuwse mechaniseringsgolf van de interpretatie in stand houdt, is de arbeid die zulke arbeid zelf onzichtbaar maakt. Dit onzichtbaar maken beperkt zich niet tot de taken die IT-ideologen blijven vervullen wanneer ze de vaardigheden van vrouwen, gekoloniseerde volkeren, de arbeidersklasse, of gewone mensen in het algemeen denigreren. Een bijzondere uitdaging voor de arbeidersbewegingen is dat die gedupeerden dat werk ook zelf doen, maar toch hun vermogen om levende arbeid te verrichten toeschrijven aan machines.⁴⁶ Al in de 19e eeuw merkte Marx op dat het voor het industriële kapitaal noodzakelijk was dat de arbeiders in een situatie werden geplaatst waarin zij uiteindelijk de intellectuele vermogens van de arbeiders zelf aan de industriële machines zouden toekennen.

Dit bedrijfsmodel wordt vandaag sterk uitgebreid met de verspreiding van geavanceerde interpretatiemachines. In 2017 deden gebruikers van geauto­matiseerde Google-instructies voor grillig aangelegde steden hetzelfde toen de machines werden geconfronteerd met kruispunten waar straten iets verschuiven om dan langs ietwat andere lijnen verder te gaan. Google raadde de gebruikers meestal aan om af te slaan naar de dwarsstraat en een paar meter verder te rijden, om vervolgens terug te keren naar de straat die ze in feite nooit hadden verlaten. De gebruikers moesten een beetje geïmproviseerd maar niet erkend interpretatiewerk verrichten om de machine te corrigeren die het toen nog moeilijk had met open begrippen als afslaan en gewoon rechtdoor gaan aan het kruispunt. (Een dergelijke bug kan in principe worden geëlimineerd door de toepassing van meer gegevens, meer algoritmen en meer energie, maar er zullen onvermijdelijk nieuwe bugs opduiken.)

Op dezelfde manier wordt bij auto’s zonder bestuurder meestal over het hoofd gezien dat de ontwikkeling ervan in hoge mate afhankelijk is geweest van de arbeidsintensieve heraanleg van Mountain View, Californië tot een veilige plaats om met die voertuigen te navigeren, om het met de woorden van een AI-expert te zeggen.⁴⁷ In dergelijke voorbeelden is alleen het werk van de computer zichtbaar, terwijl, zoals Marx al opmerkte, “de mens een stap opzij zet”.

De nieuwe interpretatiemachines versterken onvermijdelijk de nog oudere aanvallen van het kapitaal op de levensomstandigheden van de wereldbevolking.

Collins zegt dat computer- en mobiele telefooninterfaces niet dienen om komaf te maken met dit soort levende arbeid. Zij zijn er om die te verbergen door mechanische middelen te vinden waarmee alleen de meest alledaagse, ondoordachte interpretatieve vaardigheden die bijna iedereen bezit, kunnen uitgebuit worden. Goed ontworpen interfaces zoals Windows, computermuizen, internetbrowsers en spellingshulp maken dat de gebruikers zich niet bewust zijn van hun eigen, almaar grotere hoeveelheid onbetaalde levende arbeid in hun contacten met interpretatiemachines, en bevorderen zo de kapitalistische missie die onbetaalde arbeid uit het zicht wil houden en tegelijkertijd het imago oppoetsen van de autonoom werkende machine en de ideologie van de volledige automatisering, die beweert dat machines een asymptotische weg zijn ingeslagen van de vervanging van de mens in de kapitaalaccumulatie. Net als de 19e-eeuwse fabriek zijn AI-interfaces apparatuur die arbeiders onwetend wil houden van de geheime springveren die de machine [reguleren] en de algemene krachten van hun geest wil onderdrukken, zodat hen de vruchten van hun eigen arbeid door honderden vernuftige trucs afhandig worden gemaakt.⁴⁸

Toch kunnen menselijke arbeiders, zoals George Caffentzis schrijft, “altijd het kapitaal vernietigen in zijn meest belichaamde en kwetsbare vorm: de machine”.⁴⁹ Het kapitaal, dat arbeidskrachten nodig heeft, zoekt en vaak creëert die het niet helemaal kan controleren, en commons die het met gevaar voor zichzelf afbakent, kan de werktuigen van zijn almaar terugkerende ondergang nooit helemaal weghouden uit de handen van zijn doodgravers. Dat is evenzeer een onderdeel van het spel van de nieuwe interpretatiemachines als van de oude industriële machines. Als de risico”s van snelle afschrijving niet worden onderkend, kunnen de investeringen van IT-bedrijven in het constante kapitaal van (bijvoorbeeld) servercentra, big data-opslag, glasvezellijnen, sensorverwerkingseenheden en deep learning-architectuur leiden tot een enorme ontwaarding.

Wat zijn de specifieke tegenstellingen die de interpretatiemechanisatie teisteren en hoe zou een historisch perspectief de volksbewegingen kunnen helpen daar van binnenuit aan te werken? Alvast één tegenstelling vloeit voort uit het feit dat de nieuwe interpretatiemachines onvermijdelijk de al veel langer bestaande aanvallen van het kapitaal op de levensomstandigheden van de meerderheid van de wereldbevolking versterken: hun bodems, hun water, hun relaties met planten en dieren, hun vermogen om zich te onttrekken aan het oog van de staat en haar repressie en gemeenschappelijke rijkdom te creëren.

De giftige symbiose tussen de mechanisering van de interpretatie en de niet-duurzame ontwikkeling van energie en ertsen, bijvoorbeeld, stuit op almaar meer verzet in de opofferingszones van ontginning en infrastructuurontwikkeling, terwijl de bewoners ervan zich wellicht niet bijzonder druk maken over de specifieke uitbuiting van spookarbeiders die de interpretatiemachines bedienen. Zo zullen ook de grenzen van de iSlavenarbeid die nodig is om winstgevende IT-hardware-assemblagezones te exploiteren, naar verwachting verder afkalven, met nieuwe crises tot gevolg. Dan zijn er nog de onderdrukte eisen die nu en dan de kop opsteken en de keerzijde vormen van de pogingen van het kapitaal om nieuwe delen van de levende arbeid onzichtbaar te maken, alsook de al zichtbare reacties tegen het almaar meer gemechaniseerde toezicht dat deel uitmaakt van zowel zakelijke, militaire als bureaucratische plannen — en dit alles evolueert samen met de dwingende inspanningen van het kapitaal om levende arbeid te vervangen.

Sommige tegenstellingen zijn misschien wat minder uitgesproken, bijvoorbeeld die tussen de eeuwige behoefte van het kapitaal aan levende Wittgensteiniaanse vaardigheden om “verder te kunnen gaan” en zijn gelijktijdige aanval erop via de mechanisering van interpretatie. Shoshana Zuboff heeft bewijs verzameld dat het bewakingskapitaal constant zoekt naar manieren om wat zij treffend de voorspellingsproducten van het kapitaal noemt, te verbeteren — in haar woorden: om “voorspelling en waarneming almaar dichter bij elkaar te brengen”.⁵⁰ Dat betekent dat de digitale architecturen waarmee meerwaarde wordt onttrokken aan de wereldwijde uitoefening van Wittgensteiniaanse vermogens, moeten worden uitgebreid en gediversifieerd. Daarbij moet onbewust worden gestreefd naar het tegenstrijdige ideaal van engineering dat werkend publiek zelf zozeer op machines gaat lijken dat de meerwaarde opdroogt.

Welke tegenstrijdigheden zullen opspelen, en wanneer, hoe, en waar, blijft tot op zekere hoogte een open vraag. Bovendien zijn enkele intrinsieke kenmerken van verzet bijna ingebakken in de interpretatiemechanisering: het bijna moeiteloze karakter van veel van het interpretatiewerk dat door de grote IT-bedrijven wordt geoogst en dat voor bijna alle volwassenen natuurlijk is; de daaruit voortvloeiende, bijna ingebouwde onzichtbaarheid van het werk en het gemak waarmee de werknemers het zelf aan de machines toeschrijven; en ook de extreme wereldwijde spreiding van de arbeidskrachten die de machines bedienen. Bij elke serieuze evaluatie van de toekomst van het verzet zal echter zorgvuldig in aanmerking moeten worden genomen hoe de huidige interpretatiemachines passen in de langere geschiedenis van het kapitaal.

Dank aan Hendro Sangkoyo, Soumitra Ghosh, Leo Panitch en Greg Albo voor hun commentaar. Oorspronkelijk Engelstalig gepubliceerd in Socialist Register 2021: Beyond Digital Capitalism. New ways of living, Vol. 57, eds. Leo Panitch en Greg Albo, oktober 2020. Hier gepubliceerd in ingekorte en bewerkte staat.

1. Voor recente positieve stappen vooruit, zie bijvoorbeeld George Caffentzis, In Letters of Blood and Fire: Work, Machines and the Crisis of Capitalism, Oakland: PM Press, 2013 ; Andreas Malm, Fossil Capital: The Rise of Steam Power and the Roots of Global Warming, Londen: Verso, 2016 ; Matthew Huber, “Energizing Historical Materialism: Fossil Fuels, Space and the Capitalist Mode of Production”, Geoforum, 40 (1), 2009, p. 105-15 ; Cara New Daggett, The Birth of Energy: Fossil Fuels, Thermodynamics and the Politics of Work, Durham: Duke University Press, 2019 ; en Alf Hornborg, The Power of the Machine: Global Inequalities of Economy, Technology and Environment, Lanham, MD: AltaMira, 2001.
2. Carlo Vercellone, “The Hypothesis of Cognitive Capitalism”, paper gepresenteerd op de Historical Materialism Annual Conference, Birkbeck College en SOAS, Londen, 4-5 november 2005, p. 10, cursivering toegevoegd.
3. Aaron Benanav, “Automation and the Future of Work — 2”, New Left Review 120 (november/december), 2019, p. 117-46, 117 ; “Automation and the Future of Work — 1”, New Left Review 119 (september/oktober), 2019, p. 5-38, 6. Voor enkele gelijkenissen tussen dit automatiseringsdiscours en de terugkerende, tegenstrijdige kapitalistische fantasieën over perpetuum mobile-machines en circulaire economieën, zie Larry Lohmann, Blockchain Machines, Earth Beings and the Labour of Trust, Sturminster Newton, The Corner House, 2019, beschikbaar op: www.thecornerhouse.org.uk.
4. Deze strategie heeft een lange geschiedenis, van C. S. Peirce’s gebruik van de term logische machine in de 19e eeuw tot de computerwetenschapper Mihai Nadin die aandrong op een semiotische machine in de eenentwintigste. Zie Peirce, “Logical Machines”, American Journal of Psychology, 1 (1), 1887, p. . 165-70 ; Nadin, “Semiotic Machine”, The Public Journal of Semiotics, 1 (1), 2007, p. 57-75 en Winfried Nöth, “Semiotic Machines”, Cybernetics and Human Knowing, 9 (1), 2002, p. 5-21.
5. Simon Schaffer, “Babbage”s Intelligence”, Critical Inquiry, 21 (1), 1994, p. 203-27 ; Schaffer, “Babbage’s Dancer and the Impresarios of Mechanism”, in Cultural Babbage: Technology, Time and Invention, Londen: Faber, 1996, p. 53-80.
6. Matteo Pasquinelli herinnert hier aan ietwat van de langere geschiedenis van linkse discussies rond dit punt in “On the Origins of Marx”s General Intellect”, Radical Philosophy, 2.06, Winter 2019, p. 43-56. Zie ook zijn “Italian Operaismo and the Information Machine”, Theory, Culture and Society, 32 (3), 2015, p. 49-68.
7. Hamid R. Ekbia en Bonnie Nardi, Heteromation, and other Stories of Computers and Capitalism, Cambridge, MA: MIT Press, 2017, p. 140.
8. Johan Huizinga, Homo Ludens: A Study of the Play Element in Culture, Londen, Routledge, 1949.
9. Ludwig Wittgenstein, Philosophical Investigations, Vertaald door Elizabeth Anscombe, Oxford: Blackwell, 1953.
10. Arlie Hochschild, “Love and Gold”, in L. Ricciutelli, ed., Women, Power and Justice: A Global Perspective, Londen: Zed Books, 2005.
11. Karl Marx, Het Kapitaal, Volume 3, vertaald door C.A. Danneels en Adrien Verlee, “Hoofdstuk 9 Vorming van een algemene winstvoet (gemiddelde winstvoet) en transformatie van de warenwaarden in productieprijzen”. Geraadpleegd op het Marxistisch Internet Archief.
12. Caffentzis, In Letters of Blood and Fire, p. 45.
13. Shana Lynch, “Andrew Ng: Why AI Is the New Electricity”, Insights of Stanford Business, 11 maart 2017, zie: www.gsb.stanford.edu ; Kiran Bhageshpur, “Data is the New Oil — and that’s a Good Thing”, Forbes Technology Council, 15 november 2019, beschikbaar op: www.forbes.com.
14. Zie bijvoorbeeld de studies die zijn uitgevoerd door het Oxford Martin School Programme on the Future of Work, www.oxfordmartin.ox.ac.uk/future-of-work.
15. Lohmann, “Blockchain Machines”.
16. Batya Weinbaum en Amy Bridges, “The other Side of the Paycheck: Monopoly Capital and the Structure of Consumption”, Monthly Review, 28 (3), 1976 ; Ursula Huws, “The Underpinnings of Class in the Digital Age,” in Leo Panitch, Greg Albo, en Vivek Chibber, eds, Socialist Register 2014: Registering Class, Londen: Merlin Press, 2013, p. 80-107.
17. Don Tapscott, “Understand Blockchain in under 7 Minutes”, Lloyds Bank, YouTube, 22 maart 2018.
18. Pasquinelli, “Italian Operaismo”, p. 63, waarin hij postuum gepubliceerd werk van Gilbert Simondon aanhaalt.
19. Andrew Ure, “On the Thermostat or Heat Governor”, Philosophical Transactions of the Royal Society of London, 1831.
20. Simon Schaffer, “Babbage”s Dancer”. Al in de jaren 1830 boekte Babbage public-relationssuccessen door een machine te demonstreren die in staat leek om, net als in een van Wittgensteins denkbeeldige regelspelletjes, op onverwachte manieren “verder te gaan”. Ook Turing benadrukte dit verschijnsel in zijn polemieken uit de jaren veertig en begin de jaren vijftig.
21. Will Douglas Heaven, “Our Weird Behavior during the Pandemic is Messing with AI Models”, MIT Technology Review, 11 mei 2020, beschikbaar op: www.technologyreview.com.
22. Zo kan de CO2-uitstoot als gevolg van alleen al de training (niet het gebruik) van één diepgaand lerend natuurlijk taalverwerkingsmodel oplopen tot 284 ton, vijf keer zoveel als een auto die een heel leven lang meegaat (Emma Strubell, Ananya Ganesh en Andrew McCallum, “Energy and Policy Considerations for Deep Learning in NLP”, 57th Annual Meeting of the Association for Computational Linguistics, Florence, Italië, juli 2019, beschikbaar op: arxiv.org/abs/1906.02243). Net als bij industriële massaproductie is machinale vertaling efficiënter dan menselijke vertaling in zeer ruime contexten. Naar schatting zouden goed opgeleide mensen 100 megawattuur nodig hebben om 500 miljoen Duitse zinnen in het Engels te vertalen (een half miljoen mensen die bijna drie weken lang voltijds werken). Daarentegen kostte het een typisch neuraal machinevertalingssysteem dat is getraind met behulp van gegevens die zijn geproduceerd door het Europese Paracrawl-project (paracrawl.eu) slechts zeven megawattuur gedurende drie dagen (William Waites, “Efficiency, Energy Use and Sustainability in Machine Translation”, The Language Data Network, 20 december 2019, blog. taus.net/efficiency-energy-use-and-sustainability-in-machine-translation). Als echter maar een kleine klus zou moeten geklaard worden, zoals bij de conventionele productie van grondstoffen, zou het zinloos zijn een dergelijk energieverslindend apparaat te gebruiken, mits er menselijke vertalers beschikbaar zijn.
23. Nathan Ensmenger, “The Environmental History of Computing”, Technology and Culture, 59 (4), 2018, p. S7-S33. En dan hebben we het nog niet eens over de verspilling van mensen en hun talenten, zoals beschreven door Marx in Het Kapitaal en nu bijvoorbeeld door Jack Linchuan Qiu in Goodbye iSlave: A Manifesto for Digital Abolition, Urbana: University of Illinois Press, 2016 en David N. Pellow en Lisa Sun-Hee Park in The Silicon Valley of Dreams: Environmental Injustice, Immigrant Workers and the High-Tech Global Economy, New York: New York University Press, 2002.
24. Jason W. Moore, Capitalism in the Web of Life: Ecology and the Accumulation of Capital, Londen: Verso, 2015.
25. Charles Babbage, On the Economy of Machinery and Manufacture, Londen: Charles Knight, 1832.
26. Geciteerd in Simon Schaffer, “OK Computer”, in M. Hagner, ed., Ecce Cortex: Beitraege zur Geschichte des modernen Gehirns Göttingen: Wallstein Verlag, 1999, p. 254-85.
27. Caffentzis, In Letters of Blood and Fire, p. 153.
28. Schaffer, “Babbage’s Intelligence”, p. 205.
29. Ibid.
30. Karl Marx, Het Kapitaal, Vol. 3, ibid.
31. Larry Lohmann, “Bioenergy, Thermodynamics and Inequalities”, in M. Backhouse en F. Rodriguez, eds., Bioeconomy and Global Inequalities: Knowledge, Land, Labor, Biomass, Energy, and Politics, Palgrave Macmillan, binnenkort verkrijgbaar, www.thecornerhouse.org.uk ; Larry Lohmann en Nicholas Hildyard, Energy, Work and Finance, Sturminster Newton: The Corner House, 2014, beschikbaar op: www.thecornerhouse.org.uk.
32. Bruno Tinel, “Why and How Do Capitalists Divide Labour? From Marglin and back again through Babbage and Marx”, Review of Political Economy, 25 (2), 2013, p. 254-72. De nieuwe thermodynamische energie werd natuurlijk ook aangewend voor de versnelde opschuiving van de winningsgrens om nog meer arbeiders te onderwerpen. Zie Moore, Capitalism in the Web of Life.
33. Hubert L. Dreyfus, What Computers Can ’t Do, New York: Harper and Row, 1972 ; John Haugeland, Artificial Intelligence: The Very Idea, Cambridge, MA: MIT Press, 1985, blz. 173-6.
34. Jane Mayer, “The Reclusive Hedge-Fund Tycoon Behind the Trump Presidency: How Robert Mercer Exploited America”s Populist Insurgency”, The New Yorker, 17 maart 2017 ; David Silver, Thomas Hubert, Julian Schrittwieser et al., “A General Reinforcement Learning Algorithm that Masters Chess, Shogi and Go through Self-Play”, Science, 362 (6419), 2018, p. 1140-4.
35. David Runciman, “AI”, London Review of Books, 40 (2), 25 januari 2018.
36. Peirce, “Logical Machines” ; Ted Chiang, The Lifecycle of Software Objects, Burton, MI: Subterranean Press, 2010 ; Ekbia en Nardi, Heteromation, p. 145.
37. Ekbia en Nardi, Heteromation.
38. Axios, “Artificial Intelligence Pioneer Says We Need to Start Over”, Communications of the Association for Computing Machinery, 18 september 2018. Backpropagation, een veelgebruikt algoritme voor het trainen van feedforward neurale netwerken en een van de hoofdbestanddelen van de huidige pogingen om interpretatie te mechaniseren, geeft gewoon “geen goed beeld van de manier waarop de hersenen werken”, schrijft computerwetenschapper Sridhar Mahadevan, een van Hintons volgelingen. Zie “Why is Geoffrey Hinton Suspicious of Backpropagation and Wants AI to Start Over? ”, Quora, 21 september 2017, beschikbaar op: www.quora.com.
39. Gray en Suri, Ghostwork, p. 43.
40. Ibid., p. xxiii, 170.
41. “Clearview AI”, Wikipedia ; Clearview, “Computer Vision for a Safer World”, n.d., clearview.ai ; Kashmir Hill, “The Secretive Company That Might End Privacy as We Know It”, New York Times, 18 januari 2020.
42. Het belang van machines die deze schijnbaar triviale vorm van werk in bulk kunnen aanboren, wordt geïllustreerd door de bevinding van onderzoekers bij Microsofts zoekmachine Bing ; “zelfs een verbetering van de nauwkeurigheid met 0,1 procent bij onze productie [van voorspellingen] zou honderden miljoenen dollars aan extra inkomsten opleveren” door gebruikers de meest effectieve gerichte advertenties te sturen (geciteerd in Zuboff, The Age of Surveillance Capitalism, p. 85). In 2015 gebruikte 90 procent van de Amerikaanse smartphonebezitters apps waarvoor locatiegegevens nodig waren (blz. 221).
43. Scott Galloway, The Four: The Hidden DNA of Amazon, Apple, Facebook and Google, New York: Penguin, 2017, p. 6.
44. Huber, “Energizing Historical Materialism”, p. 110.
45. Marx, Het Kapitaal, Vol. 3, Hoofdstuk 24: “Veruitwendiging van de kapitaalsverhoudingen in de vorm van rentegevend kapitaal”. Zie Marxistisch Internet Archief.
46. Collins en Kusch, The Shape of Actions: Hamid R. Ekbia, “Heteronomous Humans and Autonomous Agents: Toward Artificial Relational Intelligence”, in J. Fodor and I. Ruda, eds., Beyond Artificial Intelligence: The Disappearing Human-Machine Divide. Topics in Intelligent Engineering and Infomatics, vol. 9, Heidelberg: Springer, p. 63-78.
47. Nathan Ensmenger, presentatie voor het Leverhulme Centre for the Future of Intelligence, “The Future of Artificial Intelligence: Views from History”, paneldiscussie aan de universiteit van Cambridge, 29 november 2018, beschikbaar op: www.youtube.com.
48. William Thompson, An Inquiry Into the Principles of the Distribution of Wealth Most Conducive to Humane Happiness Applied to the Newly Proposed System of Voluntary Equality of Wealth, Londen, Longman, 1824, geciteerd in Pasquinelli, “On the Origins”, p. 50.
49. Caffentzis, In Letters of Blood and Fire, p. 46.
50. Zuboff, Surveillance Capitalism.