توضیح مترجم:
مدتی قبل مقاله ای را ترجمه کردم تحت عنوان ” عصر سرمایه داری حراستی[1] ” که مورد توجه بسیاری قرار گرفت. در همین زمینه، نیک کولدری[2] جامعه شناس و متخصص علوم ارتباطات نیز پژوهش های گسترده ای انجام داده است. مطلبی که در دست دارید نقطه نظرات وی بر اساس یکی از سخنرانی های اوست[3].
سخنرانی: نیک کولدری
برگردان: مینا آگاه
در مورد داده ها رویداد بزرگی در جریان است . داده فقط از منظر حجم، آنطور که در اصطلاح “کلان داده” می آید، بزرگ نیست. آنچه اکنون رخ می دهد، تغییری بزرگ است که به کمک داده ها صورت می گیرد. ما این را حداقل از افشاگری اسنودن در تابستان ۲۰۱۳ می دانستیم. داستان واقعی این افشاگری آن چیزی نبود که رسانه ها درباره ی مراقبت و حراست از مردم عادی و یا غیرعادی مثلا خانم مرکل توسط آژانس امنیت ملی[4] و ستاد ارتباطات دولت[5] بر آن تاکید کردند. داستان واقعی عبارت از این بود که شرکت های دیجیتال تا چه حد از ما اطلاعات جمع کرده اند و چرا دولت ها منافع خود را از دل آن ها جستجو می کنند. داستان درباره ی چیزی ست که مقام امنیتی خبره ی آمریکا، بوریس اشنیر[6] آن را مشارکت عمومی- خصوصی در حراست نامیده است. می خواهم در این سخنرانی، عمیق تر به این مسئله بپردازم و نشان دهم که در عالم داده ها چه چیزی جریان دارد. من آن را در کتاب در حال چاپی به نام هزینه ی ارتباط، که با همکار مکزیکی آمریکائی ام یولیس مجیاس[7]نوشته ایم، شرح داده ام. این کتاب سال آینده روانه ی بازار خواهد شد. (امیدوارم ادامه ی سخنرانی مانع سفارش دادن کتاب نشود، چرا که هم اکنون برای سفارش دادن آماده است. قول می دهم که این آخرین بازاریابی ام برای کتاب باشد).
موضوع اصلی کتاب ما آن است که در حالی که جمع آوری داده[8] اینطور طبیعی و اینطور ویژگی بنیادی زندگی روزمره به نظر می آید، در جامعه ی دیجیتال چه اتفاقی می افتد. به نظر ما، آنطور که بسیاری از نویسندگان ادعا کرده اند، این فقط یک گسترش یا حتی یک فاز جدید نیست. بلکه چیزی بزرگتر است. این در اصل مرحله ی جدیدی از استعمار است که دارد به موقع، سوخت لازم برای مرحله ی بعدی سرمایه داری را ایجاد می کند. شکل کامل این سرمایه داری را هنوز نمی توانیم پیش بینی کنیم.
این را ما وقتی متوجه خواهیم شد که بازه ی زمانی را از سی الی چهل سال گذشته، که در آن بطور حتم سرمایه داری هرچه بیشتر زندگی روزانه ی ما را دربرگرفته، به پانصد سال گذشته یعنی رابطه ی سرمایه داری با استعمار بازگردانیم. ما درباره ی استعمار از دید عملکرد اساسی تاریخی آن حرف می زنیم و این عبارت است از به تملک درآوردن منابعی عظیم که از سال های ۱۵۰۰ شروع و تا ۴۰۰ سال بعد ادامه یافت. این دورانی بود که حجم عظیمی از زمین ها و البته همراه برده گانی که به مدت طولانی به منظور بیرون کشیدن ارزش از آن زمین ها لازم بود، به تملک گرفته شد.
منابعی که امروز به تملک درآمده ، خود ما هستیم، یعنی زندگی بشری که با تمام گستردگی و عمقش به عنوان یک ارزش از طریق داده ها عصاره کشی می شود. اینکه وارد فاز جدیدی از استعمار می شویم که هدف آن نوع بشر است، خبر بدی است، اما برخی اخبار خوب هم هست. اول این که این دوره ی استعمار تازه شروع شده – منظور من از تازه، بیست سال اخیر است. دوم این که ما امروز از این که استعمار در طول تاریخ چه کرده و چگونه طی قرن ها سوخت سرمایه داری صنعتی را بوجود آورده اطلاع داریم . ما در غرب باید به کسانی که حافظه شان از ضربه ی استعمار بسیار قوی تر از ماست، خوب گوش دهیم. و سوم اینکه ما مطمئنا می دانیم سرمایه داری چیست؛ زیرا که بیشتر یا در تمام عمرمان در آن زندگی کرده ایم، اما باید بیاد آوریم قربانیان اولیه ی تاریخ استعمار، این دو امتیاز اخیر را نداشتند.
برای حس اینکه، با تفسیر رابطه موجود ما با داده ها، در یک بازه ی زمانی طولانی تر، ممکن است چه چیزی بدستمان بیاید، اجازه بدهید به اوایل سال جاری و لحظه ای کلیدی در درک جامع رابطه ما با داده های کلان برگردیم. منظور من، رسوایی فیس بوک و کمبریج آنالیتیکا است که خبر آن اواسط مارس ۲۰۱۸ انتشار یافت. این رسوائی بسیاری را برانگیخت تا ببینند بطور معمول چه داده هایی از آن ها و یا درباره ی آن ها توسط برنامه هایی مانند فیسبوک و یا موتورهای جستجو مانند گوگل جمع آوری می شود. بسیاری شوکه شدند، هرچند که بسیاری هم از قبل این را می دانستند.
وقتی که این افتضاح بالا آمد، کریستوفر وایلی[9] یعنی ادوارد اسنودن این دوران که کارمند سابق کمبریج آنالیتیکال بود، درباره برنامه ی کمبریج آنالیتیکا برای گسترش عملیات خود در هند، در توئیترش نوشت: شکل تازه‌ی استعمار نوین این چنین است.
شما ممکن است بگوئید: صبرکن. خوب این که خیلی ساده است. بله. همه ی ما می دانیم میراث استعمار قدیمی در جغرافیای سرمایه داری جهانی، در قدرت مسلط امروزه ی فرهنگ آمریکا، در تقسیم نژادی در آمریکا، برزیل و بسیار کشورهای دیگر، هنوز ادامه دارد. جابجاییِ تقریبا هر شکل از عدم تعادل قدرت امروزه را می توان به نوعی به میراث استعمار تاریخی ارجاع داد و توسط یک منتقد و یا منتقد دیگر به آن استعمارنو گفت. بله شاید نوع قدرتی را که فیس بوک در جستجوی آزمودن آن در آفریقا از طریق فیس بوک مجانی است، بتوان یک حرکت نو استعماری خواند که از عدم تقارن قدرت سرمایه بین آفریقا و آمریکا بهره می برد. اما این بدین معنا نیست که چیزی که امروزه اتفاق می افتد، نوع جدیدی از استعمار است.
کار ساده ای ست که کلمه ” استعمار” را از جمله در رابطه با همه چیزهای دیجیتال به عنوان یک استعاره بکار برد، اما یولیسس و من وقتی درباره ی استعمار داده ها حرف می زنیم، منظورمان استفاده از آن به عنوان یک استعاره نیست. ما مدعی هستیم امروزه کاری که با داده ها می کنند، عملا خیلی فراتر از تملک منابعی همچون تسخیر طلا و سرزمین ها در دوران استعمار تاریخی است. چنگ انداختن به قلمروی دیجیتال پیامدهای بسیار فراتری از دوران استعمار دارد و خود واقعیت یک زندگی استعماری، و نه استعاره ی آن، ضروری می سازد که ما از خواب بیدار شویم.
به واژه ی ” شرایط استفاده” فکر کنید که ما در هر دانلود کردن یک آپ یا یک برنامه امضا می کنیم. منظور من چند روز بعد از روشدن رسوائی کمبریج آنالیتیکال نیست – در مواقع عادی – هیچکس شرایط را نمی خواند و فقط ” قبول” را کلیک می کنیم، زیرا می خواهیم که از آن آپ یا برنامه استفاده کنیم. در بعضی مواقع، قبول کردن ما فرض گرفته شده و سوال هم پرسیده نمی شود، هرچند که قانون جی دی پی آر (مقررات محافظت از داده‌های عمومی) تلاش می کند که بر این فرض غلبه کند.
بعضی وقت ها کارفرماها ما را تشویق می کنند که برای نظارت بر سلامت خود از دستبند هوشمند[10] استفاده کنیم. این ما را مجبور می کند شرط و شروط های دستبند هوشمند را چه دوست داشته باشیم چه نه قبول کنیم. یا لازم باشد که با شرط و شروط استخراج داده ها توسط یک شرکت بیمه یا عرضه کننده ی لوازم خانگی هوشمند در خانه ی خود موافقت کنیم. با قبول کردن این شرط ها، ما وارد یک سری روابط می شویم که اولیسس و من آن را روابط داده ها[11] می نامیم. آنها به اطلاعاتی دسترسی پیدا می کنند که ما فقط قسمت بسیار اندکی از آن را درک می کنیم. این که ما چگونه می توانیم این همه را با مقاومتی بسیار اندک قبول کنیم، خود معمائی است؛ اما اجازه دهید با عینک استعمار تاریخی به آن نگاه کنیم.
بگذارید به سندی مراجعه کنیم که در روزهای اول فتح آمریکای لاتین توسط اسپانیا مورد استفاده قرار می گرفت – یعنی آنچه “درخواست” نامیده می شد. این سند در سال ۱۵۱۳ توسط دادگاه اسپانیا نوشته شد. اکنون تقریبا ۵۰۰ سال گذشته است. فاتحین به فاصله یکی ی دو مایل خارج از دهی که طلای آن را می خواستند، می ایستادند و این سند را در نیمه شب به زبان اسپانیائی، زبانی که می دانستند اهالی محل آن را درک نمی کنند، بلند می خواندند. بخشی از آن عبارتست از: ” اگر شما درخواست ما را نپذیرید، به شما تضمین می دهم که به کمک خداوند، ما با قدرت تمام به ملک شما وارد می شویم و با هر روشی که بتوانیم علیه شما می جنگیم و شما را به تسلیم و اطاعت از کلیسا و خاندان سلطنتی وا می داریم. ما اموال شما را خواهیم گرفت و هر نوع آسیب و بدبختی ای که بتوانیم بر سر شما خواهیم آورد.” آنوقت صبح روز بعد آبه ده حمله کرده و طلایی که می خواستند بر می داشتند. برای انجام این کار، هر نوع خشونتی که لازم بود، و معمولا حتی بیشتر از حد لازم، می کردند.
شما بلافاصله متوجه یک تفاوت می شوید. بله، ما واقعا کلمه ” پذیرفتن” را کلیک می کنیم و بنابراین برای برداشتن طلای ما به خشونتی نیاز نیست. این زمانی ست که ما از آپ یا برنامه استفاده می کنیم که شرط و شروط هایی را به ما نشان داده است. من به این موضوع که چرا این همه در یک لحظه اتفاق می افتد، برمی گردم. اول اجازه دهید با دقت بیشتری جنبه های کلیدی استعمار تاریخی را نسبت به استعمار داده های امروزه ترسیم کنیم.
حرکت اساسی و عملکرد تاریخی استعمار را می توان به چهار سطح مختلف خلاصه کرد. تصاحب منابع، ایجاد روابط اجتماعی جدید برای تثبیت آن تصاحب، و تمرکز شدید ثروتی که از تصاحب منابع کسب می شود و نهایتا ایدئولوژی هایی که بکار برده می شود تا داستان های متفاوتی از آنچه رخ می دهد، بیان شود. آشکارا ترین آن ها ایدئولوژی “تمدن” است.
ما درست همین چهار سطح را در استعمار داده ها می بینیم:
اول: تصاحب منابع که این بار خود زندگی بشر و تجربه و پراتیک انسانی ست و ورودی مستقیمی به سرمایه می شود. اکثرا به ما گفته می شود این یک سخن کلیشه ایست. آن ها فقط یک خروجی بی ارزش اند؛ چیزی که بطور طبیعی آنجا بوده تا به نوعی گرفته شود. این توضیح تمام مکانیزم هایی که برای جمع آوری، مرتب کردن، استخراج و پردازش این منابع طبیعی لازم است را به راحتی نادیده می گیرد.
دوم: پردازش داده ها روابط اجتماعی را استعماری می کند. یعنی همزمان، تمام روابط اجتماعی شکل روابط داده ها را می گیرند تا استخراج داده ها برای ایجاد ارزش به حداکثر برسد.
سوم: ارزش هنگفت اقتصادی استخراج شده در ثروت عظیم شرکت های استعماری مانند فیس بوک، گوگل، آمازون و نظیر آن ها، جمع شده که من و یولیسس آن را بخش (اقتصادی) کمیت پذیرکردن اجتماعی[12] می نامیم.
و نهایتا وجود ایدئولوژی های استعماری جدیدی که در پی آن است آنچه را اتفاق می افتد، پنهان کند. این دیگر ایده ی ” تمدن” نیست، بلکه این ایده است که “ما باید همواره در ارتباط باشیم”، که همه چیز باید به شکل داده در بیاید تا ما برای مثال بتوانیم پیام ها و محصولات شخصی شده ی بیشتری دریافت کنیم، و این ایده که تمام این ها از جمله ردگیری به نوعی اجتناب ناپذیرند.
ما می توانیم ببینیم که تمام چهار بعد استعمار تاریخی در زندگی ما، توسط داده ها، عمل می کند. اما یک تفاوت حیاتی وجود دارد. برخلاف سال های ۱۵۰۰، زمانی که استعمار بدون پشتوانه ی دو سه قرن سرمایه داری ظهور پیدا کرد، استعمار جدید بر قله ی نظم اجتماعی سرمایه داری که از قبل وجود دارد ایستاده است. و برای همین هم است که بطورکلی برای این که موثر باشد، به آن خشونت نیاز ندارد.
ما درباره ی این نظم اجتماعی در حال ظهور چگونه باید فکر کنیم. کارل مارکس نشان داد که نظم اجتماعی سرمایه داری صنعتی بنیانش را بر روابط کاری و رابطه ی عمیق ما با کالا دارد که این رابطه ی کاری را به نظر ما به شکل طبیعی در می آورد. اما مارکس که تئوریسین اجتماعی بسیار برجسته ی بود – اگر گفته ی وی را درست تفسیر کنیم – به امکان دیگری هم مجوز داده است. نظم اجتماعی سرمایه داری ممکن است در بعضی از مواقع در آینده بر اساس فرم دیگری از مفهوم به غیر از روابط کاری صورت بگیرد. شاید این شکل دیگر همین روابط داده ها باشد که هم اکنون به آن اشاره کردم و از قبل وارد زندگی هر روزه ی ما شده، و به قدری عادی شده که بیشتر اوقات نه یک تملک، بلکه فقط یک نوع تسهیلات به نظر می آید.
این شاید مهمترین اتفاقی است که امروزه با داده ها در جریان است. جوهره ی استعماری داده ها به قدری بزرگ است که تقریبا از چشم ما پنهان می ماند. و این شاید یک استراتژی جدید شرکتی است. رویای تازه شرکتی که می توانید در بیشتر کشورها، صدای آن را از اتاق هر هیئت مدیره ای بشنوید. یولیسس و من باور داریم که اغلب آن ها چیزی مورد داده سازی اطلاعات[13] آشکار نمی کنند. و این رویای ضمیمه کردن هر نقطه ای از زمان و مکان به سرمایه و مشابه سازی روابط اجتماعی در برنامه های دیجیتال و سایر جاهاست بطوریکه این ضمیمه سازی به سرمایه کاملا طبیعی به نظر آید. از این طریق نظمی اجتماعی می سازند که زندگی بشر را بدون هیچ محدودیت ممکن، به سرمایه تبدیل می کند. این میزان ضمیمه سازی زندگی بشر، یعنی زندگی ما، چنگ انداختن نیروی سرمایه بر سرزمین هایی ست که در تاریخ بشر بی سابقه است. اجرای این ضمیمه سازی، به خشونتی که غصب بسیار ارزشمند طلا در آمریکای لاتین لازم داشت، نیازی ندارد، زیرا ما در یک شبکه ی فراگیر از روابط اجتماعی احاطه شده ایم که اگر تایید کنیم، فرم جدید روابط داده ها می تواند بر بستر آن بر پا شود.
ما به این تفکر عادت کرده ایم که بطور کلی بدیلی برای سرمایه داری وجود ندارد، اما سوال کلیدی این است که آیا بدیلی برای این نوع سرمایه داری داده محور وجود دارد؟ بیاد داشته باشیم که تا ۲۰ سال پیش چنین بدیلی وجود داشت. ما در آن زندگی می کردیم. برای کمی واقعی تر کردن این نکات کلی، می خواهم در بقیه ی سخنرانی ام، به یکی از ابعاد کلیدی ای که استعمار داده ها در آن پیاده می شود یعنی دنیای اجتماعی بپردازم. مارکس با صراحت کامل می گوید سرمایه فقط به واسطه ی تحمیل به دنیا پیش نرفت، بلکه از طریق روابط اجتماعی – مانند روابط ما با کالا – و چیزی که وی آن را “بت واره‌گی” کالا نامید و همچنین نظم اجتماعی ای که از کانال آن روابط ساخته شد، عمل کرد. کارل پولانی تاریخدانِ اقتصاد نشان داد که چگونه پیدایش سرمایه داری صنعتی در قرن ۱۸ و قرن ۱۹ بدون تغییر ژرف در بافت اجتماعی ممکن نبود. وی بطور روشنی نوشت که اقتصاد بازار تنها می توانست در یک جامعه ی بازاری وجود داشته باشد. به همین دلیل، باید از طریق محرک های مصنوعی واقعا قوی که جامعه را اداره می کند، خلق می شد. این اتفاق افتاده است. پلانی[14] دلیل می آورد که نهادهای بسیاری در قرن نوزده و اوایل قرن بیستم، در عرصه های کار، زمین و مالی در طول زمان بازسازماندهی شد تا تقریبا تمام معاملات تبدیل به معاملات پولی شوند. به تدریج یک جنبش ضد این اقدامات نیز شکل گرفت که اصلاحات اجتماعی را مطرح می کرد تا نظم خشن سرمایه داری صنعتی را کمی انسانی تر کند.
امروزه در رابطه با داده ها ما در وسط اولین مرحله موازی با فرایند آن استعمار تاریخی قرار داریم. جنبش تقابل هنوز شکل نگرفته است. ما تاکنون بسیاری از معامله ها را تبدیل به داد و ستد داده ها کرده ایم. به این معنی که معامله ها به نحوی شکل داده شده اند تا استخراج ارزش اقتصادی را از کانال داده ها بهینه سازند. رابطه ی اساسی بین داده ها که من جلوتر به آن اشاره کردم، ساده ترین شکل آن است. این شکل جدید روابط اجتماعی، بدون مقاومت زیادی، می تواند پیش برده شود. این نه فقط به واسطه ی آن است که بر اساس نظمی از قبل خواسته شده بوسیله ی سرمایه داری ساخته شده، بلکه همچنین به علت تغییر در چگونگی شناخت و درک ما از دنیای اجتماعی پیش رفته است – دنیایی که از روابط ما با یکدیگر ساخته شده است.
در جریان مسائل مربوط به داده ها اتفاق دیگری به شکل بی سابقه رخ داده و آن به دانش مربوط است. به این فکر کنید که در همه ی اعصار گذشته، دانش ابزاری بود که ما از کانال آن، دنیای اطراف خود را می شناختیم. ممکن بود آن دانش ارزش اقتصادی داشته باشد، اما ارزش آن از ارزش اقتصادی آن جدا بود. اما اکنون شرکت ها و موسسات بی شمار کلان داده از شکل جدیدی از دانش اجتماعی، حتی از شکل جدیدی از دانش بشری سخن می گویند که درست از همان چیزی تولید می شود که سرمایه از آن ارزش اقتصادی ایجاد می کند. و این داده هایی ست که با وارد شدن به روابط داده ها ارائه می دهیم. اگر این انتقال به نتیجه ی دلخواهش برسد، که ممکن است چند سالی طول بکشد، دانش و ارزش اقتصادی، جامعه و بازار در هم آمیخته می شود؛ بطوری که استراتژی ها برای استخراج منافع اقتصادی می تواند به شکلی غیر صادقانه پیشنهادی برای برای گسترش دانش نمایش داده شود.
اجازه دهید به جزئیات بیشتری درباره ی این موضوع بپردازم. مشاهده و بررسی روندی گسترده که از طریق آن دانش اجتماعی تولید می شود، کاری همواره سخت است. دشواری خاصی که امروزه وجود دارد این است که ما هنوز با میراث بینشی قدیمی نسبت به چگونگی تولید دانش اجتماعی زندگی می کنیم که در قرن نوزدهم ایجاد شده است – البته این شیوه تا حدی به وحشت از سرمایه داری اولیه جواب می داده. مدل قدیمی دانش اجتماعی بر اساس جمع آوری آمار عمومی بوده است که عمدتا توسط دولت از طریق نظرسنجی صورت گرفته. این پاسخ ها توسط انسانها جواب داده می شد و توسط بشر هم تفسیر می شده است. استفاده از آمار در آنچه در قرن نوزده به عنوان مدل جدید برای درک دنیای اجتماعی ظهور پیدا کرد، و شاید برای اولین بار دنیای اجتماعی را کشف کرد، بسیار بحث انگیز بود. به هرحال به عنوان یک مدل از دانش اجتماعی جنبه های ذیل را داشت که همانطور که خواهیم دید در کلان داده ها به اشتراک گرفته نمی شود.
اول این که تامین مالی و جمع آوری آن علنی بود و در بیشتر کشورها از کانال سرشماری صورت می گرفت. این طور که من تشخیص دادم در آلمان کمی بحث انگیزتر بوده است.
دوم این که علنی تجزیه و تحلیل می شد و برای استفاده در اختیار دولت و سازمان های مدنی که خواستار اصلاح اجتماعی بودند، قرار می گرفت. برای مثال با تجزیه و تحلیل آماری بود که ما درک خود را از فقر، به عنوان پدیده ای دارای علل اجتماعی ارتقا دادیم تا از فقر را برای مثال به عنوان مصیبت وحشتناکی که بطور تصادفی ایجاد می شود و بانی آن خداوند بوده و خیریه هم چاره ی آن است، فاصله بگیریم.
سوم این که این دانش از طرف عموم مورد بحث و مجادله قرار می گرفته است. حتی چارلز دیکنز وارد این بحث شد که آیا پیش بینی آماری می تواند اراده‌ی آزاد در نوع بشر را ثابت کند یا خیر. و این دانش کم و بیش پاسخگوی عموم هم بوده و به چالش کشیده شده است. من برای یک لحظه هم این را نمی گویم که دولت های قرن نوزده و اوایل قرن بیستم دولت های ایده آل و بی ایرادی بودند. البته که اینطور نیست. اما عمومی بودن دانشی که آن ها به آن تکیه می کردند، تا این اواخر، تا حدود بیست سال پیش، میراث ما بوده، تمام سیاست اجتماعی ما را – شاید برخی موارد تا امروز – شکل می داده است.
شرکت های بازرگانی در قرن نوزدهم تازه شروع کرده بودند خود را به عنوان موسسه به ثبت برسانند. بنابراین در آن زمان آن ها یک خریدار بودند و نه فروشنده ی این دانش اجتماعی. آن ها برای مشارکت کردن در آن به دولت وابسته بودند. تنها استثنا صنعت بیمه بود که از همان دوران نخستین امتیازی خاص بدست آورد تا از کسانی که برای بیمه مراجعه می کردند، جزئیاتی را سوال کند. حتی آن ها نیز همانطور که دان بالک در تاریخ اخیر شرکت های بیمه ی آمریکا می گوید از مدل های تقریبا ساده ی آماری ای استفاده می کردند که هنگام سوء استفاده شرکت بیمه، امکان چالش برای مردم عادی وجود داشت. برای مثال آمریکائی-آفریقایی ها موردی را با موفقیت به دیوان عالی آمریکا کشاندند تا چگونگی برخورد شرکت های بیمه با پایگاه نژادی آن ها در شیوه‌ی محاسبه‌ی حق بیمه را به چالش بکشند. که این خود جنبه ی دیگری از مدل قدیمی دانش اجتماعی را نشان می دهد که نسبتا شفاف بود. این علم قدیمی، با تمام کاستی ها، مدل قابل دوامی از دانش عمومی را برای پایه گذاری اصلاحات اجتماعی تثبیت کرد. مدلی که عملا نیروهای بازار و تاثیرات آن ها را بر زندگی بشر به چالش کشید.
اما مدل دانش اجتماعی که اکنون پدید می آید، کلان داده ها اساس نظرسنجی آن است و توسط گروهی از کامپیوترهای موازی بررسی می شود که آن ها را “ماشین یادگیری” یا یادگیری ماشینی می نامند[15]. بله، به آن یادگیری ماشین می گویند، اما حتما می دانید که با استناد به کارهایی صورت می گیرد که انسان انجام داده تا کار کامپیوترها را سازمان بدهد و اصلاح کند. بدین ترتیب است که کامپیوترها یاد می گیرند چگونه برای مثال صورت بشر را از یک کدو تنبل تمیز بدهند.
این روش جدید ایجاد و بررسی دانش اجتماعی بطور خصوصی تامین مالی می شود و صورت می گیرد و ، بطور خصوصی تجزیه و تحلیل می شود، و بطور خصوصی بیشتر اوقات در اتاق های شرکت ها مورد بحث و جدل قرار می گیرند و مطمئنا بطور خصوصی قابل دسترسی ست و بسیار مشکل می شود که آن ها را خارج از دیوارهای این شرکت ها به چالش کشید. و علاوه بر آن به واسطه ی پیچیده گی فوق العاده و تکرار انبوهی که “یادگیری ماشینی” به آن وابسته است این دانش و فرایندهایش تا حد زیادی مبهم است و شفاف نیست.
روزنامه نگاران دور بودن و فاصله داشتن این دانش اجتماعی جدید از درک روزانه ی جهانی را مورد اشاره قرارداده اند. به این ماجرا دقت کنید:
در اوایل دهه گذشته، مدیران اجرائی اوبر مهمانی ای گرفته بودند تا درباره ی چیزی که آن ها ” ‘از دید خدا[16]” می نامند، صحبت کنند. برنامه ای به نمایش گذاشته شد که تمام ماشین های اوبر را در تمام سطح شهر و اطراف سانفرانسیسکو ردیابی می کرد. این برنامه محل هایی را که مسافرین حضور داشتند و حرکت می کردند نشان می داد. بعضی وقت ها برای تفریح، آن ها گزینه‌ی ناشناس بودن مسافر را حذف می کردند و آدم هایی با نام و نشان را نشان می دادند از کجا به کجا می روند – شاید این کار اوبر را فقط یک بازی بدانیم.
اجازه دهید سراغ شرکت آمریکائی دیگری بروم که کمتر معروف است – شاتس پاتر[17]شرکت تحلیل داده ها ست که به وزارت دادگستری و بخش جلوگیری از جرم و جنایت خدمات می دهد. زمانی یک قاضی آمریکائی مدیرعامل شاتس پاتر را به چالش گرفت و از او خواست جزئیات الگوریتمی را به دادگاه ارائه دهد که قضات بر اساس آن تصمیم گیری می کنند. مدیر شرکت خودداری کرد. مدیر عامل شاتس پاتر گفت: “این مثل آن می ماند که کسی مثلا دسترسی به عضویت نت فلیکس (کلوپی برای تماشای فیلم) کسی دیگر را طلب کند. من می دانم که شما این کار را نمی کنید”.
اما دانشی که شرکت هایی مثل شاتس پاتر از میان حوزه اجتماعی بدست می آورند، مشابه با عضویت نت فلیکس نیست. اگر جامعه ی جهانی هنوز جهانی عموم است، چیزی که برای دو قرن ما اینطور فرض کرده ایم، این دانش درباره ی جامعه ی جهانی مشترک ماست و باید پاسخگوی عموم باشد؛ در دسترس عموم باشد؛ و قابل مباحثه باشد. من هنوز به جنبه ی دیگری اشاره نکردم، جنبه ای که تعدادی از نویسندگان در مورد معضلات الگوریتم دانش اجتماعی دریافته اند. این (نظر سنجی و تحقیق) براساس صحبت کردن با مردم و پرسیدن اینکه چه فکری می کنند، چگونه عکس العمل نشان می دهند، چگونه دنیائی که در آن سهیم هستند را تفسیر می کنند، نیست – چیزی که آمارگران اجتماعی از گذشته می کردند. هدفِ هوش مصنوعی و علت جلب توجه ی زیاد شرکت ها و دولت ها، دسترسی به قدرت پردازش و منابعی است که ” یادگیری ماشین” به آن وابسته است. یکی از اهداف اصلی هوش مصنوعی پیدا کردن متغیرهای تقریبی[18] است؛ متغیرهای تقریبی ای که بعد از جستجوی بی شمار در لایه لایه ی طرح‌واره ها پدید می آیند؛ متغیرهای تقریبی ای که وقتی دو چیز به یکدیگر همبستگی دارند، جایگزین خوبی برای پیش بینی رفتار آن ها نسبت به یکدیگر ایجاد می کند. اما در اینجا معنی “خوب” روشن نیست. به همین علت، قضات در سیستم قضائی، مانند قضات آمریکائی که بطور فزاینده بر عرضه کننده های خصوصی خدمات برآمده از اینگونه الگوریتم ها تکیه دارند، می پرسند آن محصولات براساس چه چیزی ساخته شده اند؛ و همانطور که دیدیم، جوابی دریافت نمی کنند.
معمولا این دولت است که از این قضاوت الگوریتمی که بیشترین توجه ها را جلب کرده، استفاده می کند . برای مثال، در چین، تشخیص چهره به عنوان یک فن‌آوری برای دولت ملی و محلی امری بسیار طبیعی شده است. هدف داشتن پایگاه داده ها از چهره ی همه ی شهروندان تا سال ۲۰۲۰ است. این فن‌آوری همچنین به یک وسیله معمولی برای معاملات اقتصاد تبدیل شده است. ممکن است خوانده باشید که در شانگهای شما می توانید هزینه ی مرغ سوخاری خود را فقط با یک لبخند به دوربین بپردازید. بله، لبخند زدن همیشه کمک می کند. زنجیره ی کالیفرنیایی برگر آمریکا اخیرا گزارش داده که این روش را به آمریکا خواهد آورد. تشخیص چهره قسمت بسیار کوچکی از این مسئله است که چگونه روش های شناخت الگوریتمی دارد همه قلمروی تعامل اجتماعی را به استعمار می گیرد.
ما می توانیم به بازاریابی نگاه کنیم – برای مثال، آگهی هایی که با آنلاین شدن شما برایتان تنظیم می شوند و بالا می آیند. یا مثلا در بیمه که وقتی مانیتوری را بر روی داشبورد نصب کنید، ممکن است حق بیمه ی کمتری به شما تعلق گیرد. یا حمل و نقل که یک ضبط کننده ی جزئیات وجود دارد که اکنون بیشتر رانندگان کامیون باید آن را در ماشین خود داشته باشند؛ و البته خود علم مدیریت. برای مثال نشان هایی که روانشناس دانشگاه ام آی تی، سندی پنتلند[19] پیشنهاد می کند تا برای نظارت به روابط متقابل کارکنان و کمک به درک فرهنگ کار در شرکت در محل های کار آن ها نصب شود. این ها عرصه هایی در زندگی روزمره ی ماست که فکر می کردیم قسمتی از اقتصاد و استخراج ارزش است و شاید برای ما زیاد شوک آور نباشد. اما عرصه های دیگری نیز هستند که دامنه ی استعمار داده ها با شدت بیشتری گسترش می یابد. قبل از همه، ابزار و لوازم زندگی مثل فریزر و ماشین لباسشوئی که از طریق چیزنت[20] بطور فزاینده ای درگیر روابط داده ها می شوند. بازاریاب ها خیلی وقت ها پیش فکرشان از این فراتر رفته تا چیزی را که آن ها مدیریت ارتباط با محصول می نامند را در تمام کالاهای مصرفی نصب کنند تا رفتار مصرف کننده گان بعد از خرید آن محصول را زیر نظر بگیرند؛ آیا آن ها مصرف را ادامه می دهند یا نه . ماشینی مانند تسلا در این زمینه سیستم جالبی را بکارگرفته است.
در بسیاری از کشورها مردم از طریق ابزاری مانند دستبند هوشمند[21] خودردیابی را انتخاب و حتی بر سر آن به رقابت می پردازند. در صنعت بازاریابی، بکارگیری ابزار ردیابی بر روی بدن در قدم های اول خود به نظر می رسد. مدلی دارد تبلیغ می شود که تراشه های کامپیوتر را زیر پوست نصب می کند تا به عنوان یک کارت شناسائی، رفت و آمد شما را در محیط های تحت کنترل تسریع کند. یکی از طرفداران این نوع تراشه ها در سوئد می گوید: تمام ابزارهایی که ما امروز به خود وصل می کنیم درعرض پنج تا ده سال آینده قابل کاشتن در بدن می شوند .
استعمار داده ها حتی به عرصه ای ممکن است وارد شود که ما امید داشتیم استخراج ارزش اقتصادی از آن صورت نگیرد و آن نهادهایی ست که زندگی اجتماعی را قانونمند می کند. در آمریکا جدلی بر سر استفاده از الگوریتم در دادگاه ها و سیستم قضایی که ما را به آن ارجاع می دهند، در حال گسترش است. اخیرا متوجه شدیم که دولت محلی در انگلستان به علت کمبود مالی برای ارزیابی در خطر قرار داشتن کودک و اینکه آیا ضروریست زیر نظر مددکاران اجتماعی قرار گیرد یا نه، از الگوریتم ها استفاده می کند. در تمام این روش ها که می توانم به شمارش آن ها ادامه دهم، ما در حال همکاری با نظام حراستی خصوصی- دولتی هستیم که بروس اشنایر[22] می گوید مهار کار جهان را در دست دارد.
اما از نقطه نظر بازاریابی که راهبری تولید کننده گان را در دست دارد، این بدان معنی نیست که آن ها بیرون از چرخه ی این دانش اجتماعی جدید قرار می گیرند، بلکه، آن ها جهان اجتماعی را بدست آورده اند تا با آن بده و بستان کنند و بر آن اثر بگذارند. در تصور آن ها جهان دارد گسترش می یابد یا باید گفته شود ژرف تر می شود. یکی از جنبه هایی که ما همیشه فکر می کردیم مربوط به زندگی داخلی ما است، به نوعی به سطح زندگی خارجی ما کشیده شده تا بتوانند به دامش بیندازند.
در صنعت بازاریابی، به تملک چیزهای مربوط به زندگی ما به عنوان امری پیش پا افتاده برخورد می شود. بگذارید دو مثال بزنم. در گزارشی در مورد فن آوری آینده برای انواع پوشدنی ها[23] شرکت پی دبلیو سی[24] دنیایی را تصویر کرد که :”برچسب برندها نیز می توانند در تماس لباس با نقاط مختلف بدن اطلاعات جمع آوری و بلافاصله برای فروشنده ی لباس بفرستند. آن ها می گویند که این دنیای جدید می تواند بدون محدودیت فرصت های جدید بیافریند. این حسگرها برای مثال می گویند که شما احساس تشنگی دارید، پس یک کوپن برای تخفیف خرید آب (از اولین محل) برای شما فرستاده می شود.
در گزارش مشاوران به صنعت بیمه، چیزنت فرصتی برای بیمه شناخته شده است. ما متوجه می شویم بیمه گران می توانند: “از اینترنت چیزها استفاده کنند و به روابطی دست بیابند تا همه جانبه تر با مشتریان ارتباط برقرار کرده و روی رفتار آن ها تاثیر بگذارند”. من نمی گویم که نویسندگان این گزارش و کسانی که به آن ها امید بسته اند، استعمارگرانی شیطانی هستند و در پی آن هستند که عمدا زندگی بشر را به خشونت بکشند. بدون شک آن ها از این اتهام وحشت زده می شوند – ممکن است بعضی از افراد در این اتاق هم از این مثال ها وحشت زده شده باشند. من این چیزها را می گویم، زیرا آن ها ایدئولوژی استعمار داده ها را تا این حد درونی ساخته اند و به تملک گرفتن مورد نیازشان را نهادینه کرده اند.
بگذارید فرض کنیم که این تغییر و تبدیل عظیم دانش اجتماعی برای همه یکسان عمل می کند. تحقیق مهم ویرجینیا یوبانکس[25] و دیگران نشان می دهد که این عمدتا جمعیت آسیب پذیر و فقیر است که با قضاوت براساس داده های پنهان شده توسط بخش های مختلف دولت، عرضه کننده گان خدمات، اعتبار دهنده گان و شرکت های بیمه و مشابه آن ها آسیب می بینند. و این همین مردم اند که کمترین توانائی برای مقاومت را دارند. برای برخورد قانونی به این اقدامات پول لازم است . زمانی که آن ها جویای کار هستند، تنها کارهای با دستمزد پائینی می توانند پیداکنند که احتمالا با فشار برای قبول حراست بیشتری نسبت به شغل های با موقعیت های شغلی بالا همراه است. دنیای اجتماعی ای که دارد ظهور پیدا می کند و آسیب پذیران را مجبور به قبول حراست مداوم می کند، به احتمال قوی نقش مهمی در نابرابری خواهد داشت.
این خطر وجود دارد که به نظر رسد در این نقد گذشته را بی سروصدا ایده آل می سازیم که البته جمعیتی در آن قربانی می شدند، فاقد ابتکار و خلاقیت می شدند و در سکوت، از منابع محروم می شدند. من اینطور فکر نمی کنم.
ما در مورد این که همزمان با پیاده کردن این نوع جدید دانش اجتماعی چه چیزی در خطر است بسیار دقیق شده ایم و حداقل سه جواب برای این مسئله داریم.
اول اینکه ما در خطریم؛ ممکن است نتوانیم مدل های قدیمی دانش اجتماعی و مقولاتی که آن ها بدست آوردند را حفظ و نگهداری کنیم و آن ها را از دست بدهیم. برای مثال این ایده که فقر پدیده ای است دارای ریشه و علل اجتماعی و فقط با توجه به تمام عوامل اجتماعی- سیاسی ای که بر اساس آمار بدان وابسته است، قابل درک است. همانطور که مریام فورکارد سخنران قبل از من اینجا گفته:” اکنون در آمریکا، تمام عقلانیت برای این که کلمه ی ” فقیر” را با واژه ی مطلوب تری جایگزین کنیم تا از منظر اجتماعی و مطابق با درک ما، نشان داده شود آن ها دچار محرومیت شده اند، این با فکر که اعتبار فقط باید انحصارا وابسته به رفتار مربوط به اعتبار شخص باشد، جابجا شده است. یعنی این که مردم را باید نسبت به مخاطره ای سنجید که در برابر سیستم تجاری می گذارند- البته با ردگیری توسط الگوریتم های غیر شخصی.
دوم: ما در خطر از دست دادن شکل های قدیمی تجربه و تخصص و قضاوتی هستیم که مورد احترام مدل جدید دانش اجتماعی نیست. نظریه پردازان های آمریکائی بررسی کننده ی فرایند الگوریتمیک در دولت محلی و دادگاه ها، به این نتیجه رسیده اند که خطر الگوریتم های غیرشفاف، آنطور که آن ها می گویند، توان تصمیم گیری خدمتگزاران بخش عمومی را با ایجاد فاصله بین تصمیم ها و شواهد جمع آوری شده و مبنا قرار گرفته از تو خالی می کنند.
سومین و شاید خطرناک ترین آن ها این خطر است که عادت داشتن به این توقع که تمام دانش های اجتماعی سراسر دنیا باید بر چیزی تکیه داشته باشد که مردم می گویند و آنگونه دنیا را تفسیر کند که مردم عملا می کنند را از دست بدهیم. این بدین معنی است که دانش باید بر بستر صدای ما شکل بگیرد، و نه ماشین ها. تنها چنین نگاهی به دنیای اجتماعی می تواند این فکر را عقلانی کند که دمکراسی ارزش آن را دارد که برایش تلاش کنیم. ما ممکن است حس با ارزش خود نسبت به دمکراسی را از دست بدهیم. در واقعیت های روزمره حداقل چیزی هست که ما می فهمیم.
تصادفی نیست که در چین یعنی کشوری که این نوع دمکراسی در آن وجودندارد، تاکید زیادی بر بدست آوردن راهبری جهانی هوش مصنوعی تا سال ۲۰۳۰ شده است. شاید ما باید ژو بو[26]، عضو آکادمی علوم نظامی چین را وقتی در ماه سپتامبر در فایننشیال تایمز مطرح کرد:” جاده سعادت و کامیابی دیگر فقط از کانال لیبرال دمکراسی نمی گذرد.” جدی بگیریم . همچنین ممکن است تصادفی نباشد که ژورنالیست ها گزارش می دهند: پیوندی است بین شخصیت های رهبری کننده ی جریان بهره برداری از هوش مصنوعی آمریکایی مانند پیتر تیل[27] بنیان گذار شرکت پالانتیر[28] با متفکران جناح راست افراطی که وفاداری به دمکراسی را کنار گذاشته اند.
مثال های دیگری را هم مانند کشور استونی می شود برشمرد که روش برخورد آن به جامعه ی دیجیتال مورد توجه قرار گرفته است. در این کشور دولت تضمین کننده ی مدیریت داده های شخصی ای است که شاید نه مالکیت بلکه کنترل آن در دست افراد باقی می ماند. البته این بینش استونیایی فقط روابط افراد با دولت را پوشش می دهد و بازار گسترده ی داده هایی را که مانند بیشتر جاهای دیگر یکی از خصیصه های بخش شرکتی در استونی است، پوشش نمی دهد.
و نهایتا من به عنوان یک آکادمیسین باید پیچیدگی عجیب علوم اجتماعی امروزه را در این رشد و توسعه به اطلاع برسانم. منظورم طیفی از تحقیقات جدید درباره ی پدیده های اجتماعی، از رفتار اقتصادی گرفته تا نظریه های فرهنگی ست که بیشتر در پی به چالش کشیدن است و یا حتی به تمسخر ایده ی عقلانیت بشر گرایش دارد تا دفاع از آن. این، فاصله چندان زیادی با ادعای مورد تاکید بازاریابان ندارد که آن ها از طریق هوش مصنوعی مشتریان خود را بهتر از خود آن ها می شناسند.
پیامی که من می خواهم امشب به شما بدهم این است که دنیای اجتماعی دیجیتال دارد همه چیز در اطراف ما را از نو می سازد. این کار نه از طریق یک توطئه ی شیطانی، بلکه از طریق ترکیب عملی عقلانیت جدید شرکتی و تغییراتی صورت می گیرد که این عقلانیت، آن را در چگونگی زندگی روزانه ی ما تشویق می کند. ما در این تغییر و تحول، با آن ها همراه خواهیم بود، مگر زمانی که انتخاب کنیم نباشیم. این بازسازی دنیای اجتماعی درگیر فرایندی شده که مخزن دانش اجتماعی را دوباره و این بار با نوع دیگری از اطلاعات پر می کند. اطلاعاتی که کمتر پاسخگوی نهادهای سیاسی، اجتماعی و یا حتی بشری است. زمانی ما فکر می کردیم دانش اجتماعی جوابگوی آن ها بوده است.
هیچکدام از این ها تصادفی یا فقط ازبخت بد نیست. این تغییر و تحول ها دقیقا ابزاری هستند که حرکت گسترده تر استعمار داده ها از طریق آن تقویت می شود و تداوم می یابد. تحول کلیدی در عصر ما از برهه ی جدیدی از سرمایه داری خبر می دهد که دامنه ی کامل آن را هنوز نمی توانیم پیش بینی کنیم. این امر، یعنی تحول در دانش اجتماعی، به دنیای اجتماعی نیاز دارد تا یک چیز دیگر را از درون خالی کند. منظورم خالی کردن فضا از موضوع بشریتی ست که از تعاملات آن دنیای اجتماعی ساخته شده است. اما برای اینکه در چنان دنیایی زندگی کنیم، باید با به دام افتادن موافقت کنیم. و بدتر آنکه از کانال چنین ردگیری هایی، به فضائی آسیب می زنیم که بستر امکان وجود آزادی است.
فرض کنید که ما هنوز دنباله روی درک هگل از آزادی باشیم. او آزادی را، آزادی با خود بودن شخص در دیگران بیان کرده است. زمانی که من با دستبند هوشمند و زیرساخت خارجی مدیریت داده های آن همراهم، دیگر کاملا با خود یا در کنار خود نیستم، چرا که چیز دیگری میان من با خودم هست.
اما جای امید هم هست. ما در قدم های اولیه ی این تغییرات شگرف در جامعه ی دیجیتال هستیم. ما می توانیم دانسته ی خود از تاریخ استعمار و سرمایه داری و آگاهی خود از اشکال روابط داده ها که از قبل شکل گرفته را بکار گیریم و غیرقابل اجتناب بودن این تحولات را زیر سئوال ببریم و ضروری بودن آن را به چالش بگیریم. ما باید متصور امکان داشتن ارتباط با یکدیگر از طریق هایی غیر از این مسیر باشیم. هزینه ی ارتباط شاید هنوز تا یک دهه بعد قابل مذاکره ی مجدد باشد.
در این زمینه، جنگ در چین به همان میزان خواهد بود که در آمریکای شمالی و اروپا. درواقع، این اولین جنگ فرهنگی، اقتصادی و سیاسی ست که چین و نه غرب شرایط آن را تنظیم می کند. چشم انداز نظم بر اساس داده ها در چین که من طرح کلی اش را گفتم، از قبل، و بدون جنجال در بیانیه های سیاسی دولت چین اعلام شده است. برای مثال دولت چین در سیستم اعتبار اجتماعی کشور که در غرب توجه بسیار به آن جلب شده، به وضوح گفته: هدف هوش مصنوعی این نیست که آزادی را بهبود دهد و یا برای درک از خود بهتر باشد، بلکه گفته شده هدف بهبود نظم اجتماعی و اقتصادی است. و این نظم اجتماعی ای نیست که ما در دموکراسی غربی بر اساس آزادی می شناسیم. این نظم عمدتا بر پایه ی همان سیستم فن آوری ارتباط بر اساس کامپیوتر ست که ما آن را در غرب نصب کرده ایم. در حقیقت نوع در جریان تر و هوشمندانه تر آن است. ما داریم وارد جنگی تاریخی برای ارزش های آزادی می شویم که ما فکر می کردیم دمکراسی برایمان بوجود آورده است. این جنگ، در مراحل اولیه به همان اندازه جنگی برای شکل دادن تصورات است که جنگی برای راه حل سیاسی یا تطبیق فن آوری.
اولین سئوالی که پرسیده می شود این نیست که ما چگونه زیرساخت هایی متفاوت برای اقتصاد و برای ارتباطات اجتماعی می سازیم، بلکه آن است که آیا این آینده ی همان جامعه ی دیجیتالی است که ما تصور می کردیم و یا واقعا می خواهیم. اگر این نیست، ما باید شروع به تصور آینده ای متفاوت کنیم و این آسان نیست.
من با تاریخدان یووال حراری[29] موافقم که اخیرا نوشته : مقابله با ایدئولوژی داده ئیسم[30] ” نه تنها بزرگترین چالش علمی قرن بیست و یکم است، بلکه فوری ترین پروژه سیاسی و اقتصادی آن است”. در واقع چالش حتی بزرگتری هم هست. زیرا تغییر اجتماعی ای را که من به آن پرداختم و جریان دارد، نیرویی پیش می برد که عمدتا پنهان است. بنا به گفته ی نویسنده ی محبوب آلمانی من دبلیو جی زبالد : این خطر هست که مصیبت پیش رو با سکوت همراه شود و تقریبا بدون هرگونه ادعا انجام گیرد.
پس اکنون وقتش است که چشمانمان کاملا باز باشد و ببینیم چه اتفاقی دارد برای داده ها می افتد. به این علت است که من و یولیسس کتاب خود را نوشتیم و این نوشته بر اساس کارهای بسیار بزرگ نویسندگان بسیاری است. در واقع زمان زمان کار کردن و تفکر کردن با یکدیگر است تا با این چالش ژرف روبرو شویم. اما باید بدانیم زمان کم است. سپاس.
[1] http://www.iran-chabar.de/article.jsp?essayId=92761
[2] Nick Couldry http://www.nickcouldry.org/
استاد ارتباطات اجتماعی در دانشگاه اقتصاد لندن. وی جامعه شناس فرهنگ رسانه هاست و همچنین نوشته های زیادی در مورد اخلاق و فلسفه ی بکارگیری رسانه ها دارد.
[3] نیک کولدری خود در مقاله ای تفاوت نظرش با شوشانا زوبوف را اینطور بیان کرده است: “… زندگی بشر به عنوان بخشی از بازسازی فضاهای تجربه اجتماعی تصاحب شده تا بتواند بطور مستقیم به سرمایه الحاق شود. در این ادعا، ما در برخی از زمینه ها با استدلال های به خوبی شناخته شده ی شوشانا زوبوف در “سرمایه داری حراستی” اشتراک نظر داریم، اما همچنین تفاوت هایی اساسی نیز با وی داریم که بطور خلاصه در سه نکته قابل ذکر است:
اول اینکه، تغییر و تحول در آنچه می توان آن را به عنوان درونداد سرمایه تلقی کرد، فراتر از آنی ست که می توان در شبکه های اجتماعی مشاهده کرد. کاری که با داده ها می شود، بسیار گسترده تر از سروکار داشتن با تعداد اندکی شرکت سرکش سرمایه دار حراستی ست که به بیراهه می روند و می توان با اصلاحشان مشکل را حل کرد.
تنها یک مثال تاریخی برای چنین جابجائی از منابع برای استثمار اقتصادی وجود دارد، و آن ظهور کلونیالیسم (استعمار) در اواخر قرن پانزده و اوایل قرن شانزده است.
دوم این که تفکر دوباره درباره ی فرایندهای اطلاعات در طول پنج قرن گذشته به ما اجازه می دهد که پیامد های آن را در آینده ی سرمایه داری در زمینه ی گسترده تری کشف کنیم. باید یادآوری کنیم که از نظر تاریخی، سرمایه داری صنعتی خود به کمک سود و بازپیکربندی اقتصاد-سیاسی جامعه در اثر دوران استعماری ممکن شد.
و سوم اینکه، ساختار استعماری دو جنبه ی اصلی تحول امروزه را روشن و برجسته می کند که در غیر این صورت، موازی به نظر خواهند آمد: اولی، انقیاد نوع بشر که به چنین میزانی برای تملک منابع ضروریست (روابط انقیادی با نیروهای خارجی که از نظر تاریخی برای استعمار محوری بود) و دومی، بسترسازی کل این تحول در یک عقلانیت عام که نوعی دیدگاه مبتنی بر برتری کلان داده نسبت به دانش را اعمال می کند. (درست مانند استعمارگران که اساس تملک خود را بر برتری عقلانیت غرب قرارمی دادند). “
[4] National Security Agency NSA
[5] Government Communications Headquarters GCHQ,
[6] Bruce Schneier
[7] Ulises A. Mejias
[8] data harvesting
[9] Christopher Wylie
[10] Fitbit
[11] Data Relations
[12]social quanitification sector
[13] Datafication:Datafication is a technological trend turning many aspects of our life into data
[14] Palani
[15] Machine learningیکی از شاخه‌های وسیع و پرکاربرد هوش مصنوعی ا
[16] God View
[17] Shotspotter
[18] Proxies
[19] Sandy Pentland
[20] اینترنت چیزها به اختصار آی‌آوتی (به انگلیسی: IoT، مخفف Internet of Things) یا چیزنت که گاهی اینترنت اشیاء (به انگلیسی Internet of Objects) نیز برای آن به کار می‌رود، به‌طور کلی اشاره دارد به بسیاری از چیزها شامل اشیا و وسایل محیط پیرامون‌مان که به شبکه اینترنت متصل شده و توسط اپلیکیشن‌های موجود در تلفن‌های هوشمند و تبلت قابل کنترل و مدیریت هستند. (ویکیپدیا)
[21] Fitbit
[22] Bruce Schneier
[23] Wearable technology
فن آوری نوینی ست که بوسیله ی آن از بدن ما از طریق وسایل الکترونیکی ریز قرار گرفته در پارچه ی لباس یا نصب شده بر بدن اطلاعات جمع آوری می شود.
[24] PricewaterhouseCoopers
[25] Virginia Eubanks is an Associate Professor of Political Science at the University at Albany, SUNY
[26] Zhu Bo
[27] پیتر آندرئاس تیل (به انگلیسی: Peter Thiel) کارآفرین و سوداگر آمریکایی بنیانگذار پِی‌پال و از سرمایه گذاران اولیه ی فیس بوک
[28] Palantir Technologies
[29] Yuval Harari
[30] Dataism