人工智能地图集

《人工智能地图集》拒绝从算法或“机器能否思考”开始讨论 AI。Kate Crawford 把视线拉到更大的地理尺度：矿山、物流、数据中心、仓库、众包平台、训练数据集、警察机构与军事系统。她的核心论点是，AI 既不人工，也不真正独立地智能；它依赖从地球抽取的矿物和能源、从人身上抽取的劳动与数据，以及少数公司和国家机构集中起来的决策权。所谓“云”并不轻盈，它有土地、水、电、废物和身体成本。

全书依次经过“地球、劳动、数据、分类、情感、国家”，像地质剖面一样揭开系统的层层基础。硬件需要锂等矿产、全球制造与高耗能基础设施，设备退役后又把污染转移到电子废物处理地。这个物质视角改变了 AI 伦理的单位：不能只检查模型输出是否偏见，还要计算一个系统从开采、训练、部署到废弃的完整生命周期，以及环境损害为何常由远离技术利润中心的社群承担。

“自动化”背后同样堆叠着不可见的劳动。仓储工人被指标和传感器管理，众包工人为图像加标签、清理数据、审核内容，而使用者的每一次点击和表达也可能成为训练原料。这些工作往往低薪、碎片化并跨越全球，女性、移民和其他边缘劳动者更容易处在风险与议价能力不对等的位置。Crawford 因此反转“机器取代人”的叙事：AI 通常不是消除劳动，而是重新分割劳动，让最耗损的部分从产品界面和企业账目中消失。

数据也不是等待机器发现的自然资源。收集者决定什么可以进入数据集，标注者把连续而含混的人类差异压进固定类别，模型再把这些分类变成看似客观的预测。Crawford 从训练图像和分类史追踪种族、性别、能力与正常性的等级如何进入技术。对“情感识别”的批判尤其重要：从面部动作推断内在情绪，把有争议的心理理论包装成可扩张产品，也让学校、雇主和边境机构获得检查身体、怀疑诚实的工具。

当这些系统进入国家治理，问题不只是某个工程团队需要更多多样性。预测警务、福利审查、边境控制和军事目标选择，会把历史记录转化为未来干预的理由；受到更多监控的群体产生更多记录，记录又被当作风险证据，形成自我强化的循环。女性主义的数据正义在此必须超越“修复偏差”：它要问一种系统是否应当存在、谁能拒绝、谁可以审计、哪些判断不应交给机器，以及公共机构为何把强制权委托给不透明的商业基础设施。

地图也是本书的方法和限制。它善于连接平时被分开的地点与尺度，使读者看见一部智能音箱背后的矿石、装配、家庭数据、平台和废弃物；但地图必然选择路径。全书以美国科技公司和国家权力为主要轴线，对不同地区的监管、工人组织、社区技术和替代性设计着墨较少。它强有力地诊断抽取，却较少提供如何治理每一层供应链的具体制度方案。快速变化的生成式 AI 也已扩大模型规模，不过这种变化不是让本书过时，反而强化了它关于资源、劳动和权力的基本问题。

对 FemRes 读者而言，《人工智能地图集》最有价值的地方，是把“AI 对女性是否公平”扩展为一整条政治经济链：谁的土地被开采，谁标注和审核，谁的数据未经同意被收集，谁被分类，谁能以模型结果实施国家强制？阅读任何 AI 产品宣传时，都可以沿这条链逆向追踪。与《人工不智能》《算法压迫》《数据女性主义》及数字劳动研究并读，这本书提醒我们：更公正的 AI 不能只靠更准确的模型，而需要重新分配决定技术目的、资源和边界的权力。