【数据法学】Wenlong Li：书评：《重塑大数据时代的资本主义》

B D A I L C 

 欢 迎 关 注 

书评：《重塑大数据时代的资本主义》

文 / Wenlong Li

译 / 中国政法大学法学院硕士研究生  姜开锋

继超级畅销书《大数据时代：生活、工作与思维的大变革》（以下简称《大数据时代》）之后[1]，牛津互联网研究所教授Viktor Mayer-Schönberger继续从事着关于当代技术问题的研究。在新书《重塑大数据时代的资本主义》（以下简称《重塑资本主义》）中，他重点关注资本主义的演变，对自己之前的观点进行了丰富和重构。与五年前撰写的《大数据时代》不同，《重塑资本主义》采用了社会经济学的视角，并将大数据分析与人工智能、机器学习等其他技术联系了起来。

和之前一样，本书的写作过程中，Mayer-Schönberger还是和经验丰富的《经济学人》记者Thomas Ramge合作撰稿。Thomas的第一手观察资料以及他高超的叙事手法对这本书的可读性做出了重大贡献。书中通过丰富的例子、故事和轶闻展开了引人入胜的讨论。这有助于读者理解两位作者在书中所阐述的“市场转型”（the transition of market）和“多维影响”（multidimensional implications）。

两位作者各自的专业知识在写作过程中实现了优势互补，使得本书不仅对于各个领域的学者而言具有极高的价值；想要了解信息在数据驱动型经济中的作用的普通读者也可以从本书中获取有益的知识。

两位作者都是市场的忠实信徒，他们的论点——丰富的数据流将促进市场的运行和转型——贯穿于整本书中。

第一章

书中第一章（标题为“重塑资本主义”）是对全书所有核心论点的总结。

第二章

第二章（标题为“顺畅的协调机制”）提出了评估市场（和公司）效率的基本依据，即协调人类活动的能力。作者主张，从本质上来讲，应将市场视为一种协调人类活动的分散式的手段。就这一点而言，市场取得了明显的成功；但由于受到信息匮乏和决策水平低下的影响，所取得的成功是有限的。相比之下，公司则是另外一种模式；它具有集中的结构，早在19世纪初叶就已显示出其竞争优势。《重塑资本主义》坚定地看好市场所代表的分散模式在大数据、人工智能和机器学习时代的前景，该书认为，数据充裕型市场（data-rich markets）将成为协调人类活动的主导方式；长远来看，集中式的（即便是高度自动化的）公司将逐渐消失。

在接下来的内容中，该书对这两种协调人类活动的模式之间的竞争进行了详细说明，每一种模式的说明都占用了两章的篇幅。先是对市场进行论述：第三章（标题为“资金和市场”）解释了传统市场取得短暂成功的原因，第四章（标题为“数据充裕型市场”）揭示了从基于资金的市场到数据充裕型市场的转变。作者解释了资金所扮演的信息传递角色——有关我们偏好的各类信息被压缩、凝练，反映于市场价格之中，而价格对于市场参与者来讲，则是一项非常容易传递和处理的单一的参数。作为信息的传递者，资金使传统市场出现了短暂的繁荣，但它也限制了市场在协调人类活动时实现最优化的可能。

第三章

在第三章中，作者论证了传统的、基于资金的市场所存在的两个主要问题。在各类信息被压缩、凝练于价格的过程当中，我们丢弃了其中的大部分信息，因为当时无法完全掌握这些信息。另外，这一过程可能有助于我们解决信息过量的问题，但却不能帮助我们提高信息处理的能力。也就是说，在大数据分析、人工智能和机器学习出现之前，我们没有办法去处理复杂的信息，也没有办法加快信息处理的进程。

第四章

作者在第四章中提出，当市场中充满了丰富的数据流时，我们将摆脱基于资金的市场所面临的限制。不断进步的技术工具将使我们有能力掌握大量的数据，前文中所提到的信息过度简化的问题可以通过这些工具得到解决。作者还特别提到了技术进展的三个方面的内容，这些新进展为作者所称的“数据资本主义”提供了基础支持。

首先，为了对各种数据进行分类或系统化，数据本体论（data ontology）应当被视为数据充裕型市场中的关键原则。虽然一些权威学者仍在论证权利本体论；但本书作者则认为，从长远来看，“数据驱动的数据本体论”（第70页）将会在许多方面展现出其优势。为了在特定市场中找到最佳的交易伙伴，我们将越来越依赖诸如“算法匹配”之类的技术。虽然这些算法不能消除每一个市场中的信息不对称，但我们的认知限制会变得越来越无关紧要，因为算法有能力也擅长为我们完成这类工作。与之前的《大数据时代》相比，本书的另外一项不同之处在于，它还重点关注了由机器学习技术所推动的自适应系统的发展。第八章进一步展开讨论了这一内容，作者在其中解释了有效的反馈回路（feedback loop）将如何帮助我们克服认知偏差，并为市场参与者提供竞争优势。

公司原本是组织人类活动的主导模式，但市场模式的崛起可能会导致它的衰落。书中接下来的两章转向了对公司的讨论。与之前两章的结构相似，第五章（标题为“公司和控制”）指出了数据充裕型市场对公司所带来的挑战；第六章（标题为“公司的未来”）则为各种公司提出了创造性的解决方案。

第五章

第五章解释了为什么公司所代表的集中式结构曾经在数据稀缺的社会中成果显著，但在数据充裕型的浪潮中却遭到了严重的冲击。第六章引用了大量的案例，对这一问题作了进一步阐释，并总结出了两条截然不同的演变路径：一是不断提升组织团体的各个方面的自动化程度；二是发展出类似市场的组织结构。值得注意的是，这两条路径分别回应了第二章中所提出的传统市场的两个问题。在本章中，作者并没有明确地倾向于某一条路径，只是认为公司的未来可能要依赖两者的最佳结合。

第七章

除了对数据资本主义的进行详细地阐述之外，《重塑资本主义》还探讨了一些政策性的问题。从第七章开始，作者提出了一整套解决方案，内容涉及法律和政策的各个领域。

从结构上来看，第七章（标题为“资本的衰落”）是本书中的两个平行叙述——从资金到数据和从市场到公司——相汇合的地方。考虑到许多市场中，资金在信息和经济方面的作用减弱；作者考察了金融领域的公司所作的努力，它们采用了新的技术工具或者与科技初创企业进行了合并。

第八章

如前所述，第八章（标题为“反馈效应”）进一步阐述了资本主义的第三根支柱（the third pillar of capitalism），即机器学习。该内容最初在第四章中出现过。继工业革命时代出现的“规模效应”和由社交媒体推动的“网络效应”之后，作者提出了第三种效应——“反馈效应”，其特点是先进的机器学习系统使用反馈数据进行自我学习。正如作者所指出的那样，“规模效应降低了成本，网络效应扩大了效益，反馈效应则改进了产品”。（第163页）

为了回应反馈效应的主要问题，即现有的公司对反馈数据的垄断可能会导致系统性的偏见，两位作者创造性地提出了渐进式数据共享方案，要求市场份额达到规定标准的公司随机挑选出部分反馈数据，交给同一市场中的竞争对手（特别是初创企业）。

第九章

第九章（标题为“分拆工作”）没有继续讨论之前的有关市场的话题，作者令人困惑地转变了研究主题，在该章中重新探讨起了自动化及其对人类劳动的影响。考虑到作者在第二章中就偏离了对这一话题的讨论，以及在第六章中所讨论的自动化和数据充裕型之间的相互关系，读者可能会对作者重新提起这个问题感到困惑，对它如何与之前的内容相衔接感到不解。社会上关于自动化将最终取代人类劳动的焦虑引起了广泛的关注，于是这一想象中的威胁成为了本书不可回避的话题。然而，上下文之间的这种关系并不十分清晰。

虽然存在这种结构上的复杂性，但《重塑资本主义》开启了对高度自动化社会进行监管和应对的及时、有益的讨论。在本章中，作者探讨了分配（从“机器人税”到“财富税”再到“数据税”）和参与（工人再培训）方案，建议通过创新税额减免制度将两者结合起来。通过深入思考人类在自动化社会中的作用，作者研究了工作的本质意义，提出了在就业中淡化金钱的思路，为我们重新定义和平衡工作的各个要素提供了启示。这种“分拆工作”的过程使我们联想起普遍基本收入（Universal Basic Income）的提法——一种与分配和参与计划互为补充的激进的理念。

令人鼓舞的是，在对数据资本主义的各个层面进行了多样化、跨学科的叙述之后，《重塑资本主义》一书以人性问题结束。在最后一章（标题为“人类的选择”）中，作者研究了到底是什么使人之所以成为人，以及人类未来将如何生活。

值得注意的是，他们对由人工智能的兴起而重新燃起的未来主义的乌托邦式的愿景作出了回应。在这一愿景中，机器将克服资源稀缺的难题，最终引领我们走向近一个世纪前卡尔ž马克思在工业革命之后所描述的共产主义社会。在提到一直存在的稀缺时，两位作者为他们自己的论点进行了辩护，即我们应该信任市场的复兴而不是自动化的魔力。虽然自动化能够实现把无聊的、初级的工作留给机器去做，但是只有数据充裕型的市场才给我们提供令人愉快的、富有意义的和最终的选择——换句话说，“我们[应该]选择去做出选择”（第219页）。《重塑资本主义》以人性范式的转变作为全书的结束，呼应其最初的主张：“数据充裕型市场的最终目标不是追求个人的十全十美，而是实现个人的价值，这意味着要接纳人类的个性、多样性和偶然的疯狂举动，这才是典型的人类”（第15页）。

《重塑资本主义》的内容几乎涉及到了数据资本主义的每一个有争议的问题，以整体性和历史性的视角对当前日益数字化和自动化的资本主义社会进行了研究。然而，由于该书对市场持强烈的支持态度，这不可避免地弱化了对市场失灵和市场监管的关注。例如，书中所提议的数据共享方案和数据税类似于《通用数据保护条例》（General Data Protection Regulation）中新创建的数据可携带权。遗憾的是，该书没有进一步论证其提案的现实可行性，以及与现有制度的相适性。此外，影响这些提案的可行性的一些技术问题没有在书中得到阐释，比如说协同工作的机制。

虽然存在这些尚待完善之处，但可以说，《重塑资本主义》已经为数据资本主义的出现提供了令人信服的说理。本书的跨学科研究路径将会使各种背景的读者对其产生兴趣，它有助于经济学家、律师、人力资源开发人员、行业领导者和学者超越他们特定的专业知识，更好地了解资金、数据、市场和公司。