1707567010
微粒社会:数字化时代的社会模式 微粒化的民主
1707567011
1707567012
计算机程序对选民的筛选与竞选候选人和选民在花园门口的握手并不是一回事,因为在握手的过程中,候选人与选民是面对面的,而且至少在谈话过程中存在一种基本的对称性——假如可以忽略选民的微弱优势的话:选民对候选人的了解可能往往要比候选人对某个选民的了解更多。
1707567013
1707567014
相反,由程序算法分配的关注,依靠的是分析者的计算艺术与选民对此并不知情之间的非对称性,根本就谈不上私人谈话中的势均力敌、相互了解。更确切地说,在微粒化的选战中,根本性的民主平等将受到威胁。
1707567015
1707567016
当18、19世纪的民众开始通过斗争获取普遍的选举权时,他们同时也点燃了要求均权的怒火。在选举中,所有人原则上的平等应当得以体现。法国大革命时期最犀利的作家埃马纽埃尔·约瑟夫·西哀士曾经阐述说,选举权属于他们,只是“因为他们所有人都具有的特征,而非因为那些将他们彼此区分的特征”。这种对所有差异的抽象奠定了选举的本质。所有我们据此为人进行分类排序的标准——金钱、名望、社会地位、教育背景——正在逐渐淡薄,最终,除了平等的人民什么都不会留下。
1707567017
1707567018
但是当人民在选举前已经依据单体化特征被非常细致地分类,而且那些举足轻重的选民也受到了候选人的强力招揽的话,这种平等又该如何体现呢?这样的选举结果难道不就是之前所做分类的一种结果吗?
1707567019
1707567020
一部分人对此是赞同的。因为民主的本质主要取决于政治家对选民的了解。这种关联在不久前由年轻的政治科学家、来自耶鲁大学的埃坦·赫什证实。他接触到了奥巴马竞选团队在2008年曾经使用过的包含接近1.7亿名选民信息的名册。这份名册没有瓦格纳于2012年使用的选民名册那么精确,但是已经足够具有启发性,使赫什得出显著的研究结果。
1707567021
1707567022
赫什断定这些数据的形式与精确性——数据的解析——大大影响着选战。这位年轻的研究者同时针对实际情况——美国不同联邦州对于选民数据信息的掌握情况差异很大——进行研究。在有些联邦州,由于严格的法律规定,候选人对选民的了解相对较少;而在另外一些联邦州,候选人却能准确说出某位选民属于哪个党派以及他在过去数年中参与选举的情况,而之前的选举行为是用于推断选民未来态度的最重要信息之一。
1707567023
1707567024
赫什根据经验断定,在那些候选人对选民选举态度知之不多的联邦州,选战信息的表述要大众化得多,而且针对的是广大的各阶层民众。而在那些拥有精确数据的联邦州,候选人投放的是对某些特定群体更加有针对性的信息。更重要的或许还在于:这些信息与在数据贫乏的联邦州投放的信息完全不同。“数据质量与数据的可用性彻底改变了一场选战的策略。”赫什这样总结他的研究结果。换句话说,对选民的解析度越高,与全体民众的交流就越少。赫什接着说:“更多的数据允许政治家集中精力于那些如果没有这些数据他们就不会去关注的选民,同时这也鼓励他们忽略那些如果没有这些数据他们将要与之交流的选民。”
1707567025
1707567026
为了证明他的这些论点,赫什试图论证,选民“看起来”怎么样取决于利用哪种数据视角观察他们。在那些数据低度解析的联邦州,出现了一种十分和谐的情景。在那里,人们会看到一个均衡的群体,所有选民之间非常接近。由于选举策略专家几乎无法找到选民之间的差异,大部分选民被视为“温和的”,即他们无论对民主党还是对共和党都没有特别的倾向,更不是它们的极端支持者,在他们那里根本找不到在美国汹涌澎湃的激烈意识形态斗争的痕迹。
1707567027
1707567028
不过数据越是微粒化,选民之间的距离就会越遥远,直到民主党支持者和共和党支持者被两种突出的特征在数据图的两端区分开来。然后突然间,社会看起来像是深深地分裂了一样。数据从来都不是中立的,数据不会允许以客观的视角观察世界,而是将我们导向某种特定态度。
1707567029
1707567030
公民的平等,至少是在选战中的平等,归根结底还要依赖于政治家的无知。这是一种讽刺但确切的说法。我们也可以换一种说法,即我们当前的民主部分地依赖于选举的不透明。这种不透明减少得越多,我们的国家转变得也就越多。
1707567031
1707567032
对这种微粒化发展持批评态度的人士常常担忧,政治家会越来越忽视与选民的一般交流,取而代之的是针对不同的选民群体许诺不同的好处,以这样的方式破解不透明的联合。对于公民来说,这种现象不一定是明显的,因为各种选举信息会直接抵达目标人群那里。如果这些针对特定人群的信息不再被公开,那么这些针对性信息的准确性将如何检验呢?是不是在电子化的密室中存在着决定选举结果的交流,而这些密室是其他公民无法进入的呢?如果有相当多的选民越来越多地听到这类信息,而他们又特别容易接受这些信息,因为他们已经被这些信息说服了,那么又将产生什么样的后果呢?想要回答这些问题,现在还太早了。对此,哈佛大学的法学教授卡斯·桑斯坦给出了他自己的思考:“倘若没有经验分享,一个异质的社会在处理共同的社会问题上将会面临巨大的困难。”
1707567033
1707567034
面对大量个体数据的冲击,不仅政治,那些有关公正性的基本认知也将改变。对此,法国社会学家皮埃尔·洛桑瓦隆已经指明。当德意志帝国首相俾斯麦在1883年和1884年分别推行疾病保险和意外保险的时候,这两种保险所依据的,正是所有公民在统计学上都能被平等看待。这里重要的不是个体对于导致健康或者疾病的生活变动所承担的责任,而是这种保险风险的计算与分布越过了所有公民,与个体的责任无关。
1707567035
1707567036
平等推动力也是如此。平等推动力所凭借的,正是人们对于公民行为的不甚了解。根据皮埃尔·洛桑瓦隆的说法,这种“无知之幕”[1]对福利国家的运行是必要的。“社会的某种不透明”是所有公民团结起来相互理解而非追寻个体责任的前提条件。无知才会使人团结。
1707567037
1707567038
但是这种“无知之幕”却在微粒社会中破碎了。“如果关于每个个体的可利用信息不断增加的话”,公正性就成问题了。我们对于个体知道得越多,社会的团结度就会下降得越严重。信息是差异的发酵素。每个人以及他们的生活经历差异越多,“最终越难达成一致:人们似乎再也无法聚集成为具有保险能力的‘大众’了”。只有单体人才会为了各自的命运而相互责备。
1707567039
1707567040
因此我们需要找到新的方法,在微粒化的情况下确保平等。需要一系列规定,告知我们哪些信息在选战中以及分配问题上是被许可的,而哪些不是。对此还没有成熟的建议,更遑论完善的解决方案了。我们虽然知道问题是如何产生的,却不知道该如何应对。
1707567041
1707567042
我们有望在德国逃避这种命运。但是很少有人对此表示赞同。在德国,有一位名叫尤利乌斯·范德拉尔的人,他分别于2008年和2012年在奥巴马竞选组织的不同部门工作过。他现在生活在柏林,并为德国的政治家提供咨询服务。“数据在德国也是触手可及的,但是它们还没有得到利用,”这位年轻的德国人说,“而我们在社会层面上还处于另外一种状态。”或者应该说,利用数据还是件很敏感的事,参与选战的候选人能够利用的资金也很少,而且选举权利的差异也比较大。但是如果有谁不怕花钱,在德国,他也能利用巨量的数据资源对选民进行更高程度的解析。
1707567043
1707567044
有些人对此是赞同的:德国299个选区中的60个在上一次联邦议会选举中是由不到6 000票的差距决出胜负的,在其中一个选区这一差距甚至只有49票。在下萨克森州之前的选举中,德国社民党之所以能够获胜,仅仅因为它在其中一个选区以不到300票的优势领先。在德国,按照奥巴马的模式来一场更聪明的、有针对性的选战运动,同样可能一战定胜负。在德国,将技术与心理学因素精确地整合在一起的压力不断增加。范德拉尔说:“我们落后美国10—15年的时间。”而这段时间正是我们的缓冲期!
1707567045
1707567046
[1]“无知之幕”是美国政治哲学家约翰·罗尔斯在其著作《正义论》中提出的一个核心概念。在《正义论》中,罗尔斯描述了一种理想状态,即人虽然可以参与某种社会秩序的决策,却无法知道自己稍后在这种社会秩序中的位置,即处于这种“无知之幕”之后。——译者注
1707567047
1707567048
1707567049
1707567050
1707567052
微粒社会:数字化时代的社会模式 量化自我
1707567053
1707567054
很多人早早就开始积极热烈地投入个人的单体化进程中。拉尔夫·贝鲁萨大约就是这样的人。不久以前,这位来自柏林的39岁的公司职员开始使用一种新型测量仪器测量他的体重、体脂、脉搏跳动以及呼吸中的二氧化碳含量。还有一个血压测量仪器,利用传感器测定他血液中的含氧量。他还戴着一个电子臂带,它能够掌握贝鲁萨的睡眠周期并建议他是否应该去跑步。除此之外,贝鲁萨还记录自己的每日身体状态。但他不是一个“饮食测量仪”,就是那种连自己吃的每一根香蕉和每一片面包都要记录的人。“那没用。”他说。
1707567055
1707567056
因为贝鲁萨很久以前就认识到数字化的测量能够指导他的饮食:只要他的体脂率低于12.8%,他就能吃任何他想吃的东西,甚至包括他喜欢的巧克力;而一旦超过这一数值,他就得非常小心地选择食物了,避免体重急剧增加。为什么这一数值是12.8%呢?贝鲁萨说:“我不知道,但是这个数值是通过长期的观察逐渐摸索清楚的。其他人会有完全不同的界限值。这个界限值只适用于我。”
1707567057
1707567058
如果现在有人觉得拉尔夫·贝鲁萨是一个做作的怪人,他可能就错了。这位强健结实的程序员、拥有博士学位的医学家是一位热情开朗的人,他目前在柏林的查诺克斯公司从事网络广告营销工作,并担任领导职位。可以说,贝鲁萨是一位完完全全的数据人士。推动他对自己进行量化的并非是控制欲而是好奇心:从数据的视角看,我是谁?由于数据的存在,我可能成为谁?我如何有别于他人?贝鲁萨是一位研究者,他的研究领域就是他自己。数据来源与数据提取者在他身上统一成一个整体。因此,他同样属于一项在世界范围内快速发展的运动,这一运动数年来以“量化自我”为口号蔓延开来,实质就是对自我进行量化。
1707567059
[
上一页 ]
[ :1.70756701e+09 ]
[
下一页 ]