數據汪洋：模式的肯認，以及企業泛靈論
A sea of data:
Pattern recognition and corporate animism
2021.10
文—希朵・史戴爾（Hito Steyerl） 譯—曾涵生
本文選自《模式區辨》一書（Clemens Apprich et al., Pattern Discrimination, meson press/ University of Minnesota Press, 2018），經作者同意後翻譯刊出。
模式的肯認
模式的肯認，正是在這裡起到作用。上述NSA文章主要在問：我們如何從過量數據裡提取訊號？答案是：「在大型數據組裡面找出模式」（Wikipedia 2017a），而這乃是透過「大型量化數據的分析，把未知、有趣的模式提取出來」（Wikipedia 2017b），例如萃取出「依賴關係」、「集群」，或者「異常」模式等等。阿圖塞那位已然招架不住的警察，彷彿接到了一條救生索；他理應要喚住的人，現在變成了模式生命，脫胎自地理定位、電話記錄、社交媒體肉搜、購物網站cookies等等數據。而這些模式都持續不斷地受到政府、企業、自己的家用車，甚至芭比娃娃的監控。現在，問題變成，攔截到的數據裡，那些震耳欲聾的雜訊，該如何分門別類？怎麼把訊號與雜訊分開？或者毋寧問：訊號、雜訊，一開始是怎麼被分別界定的？
洪席耶（Jacques Rancière）講過一則神話故事（或者我們不如把這類故事稱之為政治寓言），內容即在說這件事情在古希臘時代是怎麼辦到的。當時他們如何從雜訊中區隔出訊號呢？聲音，要是發自家境富裕的當地男性，就被界定為話語，至於女人、兒童、奴隸、外地人發出來的，便屬於含混不清的噪音。這個話語和噪音的區隔，變成一種政治垃圾訊息的篩選器。被認可為說話者的，是合格公民，其餘則屬無關緊要、不理性，潛伏著危險的麻煩製造者。今天，關於分離訊號和雜訊的問題，同樣也具有非常根本的政治意涵。切分訊號與雜訊，意味著不僅要針對模式進行「篩選」，且一開始就要先把這些模式創造出來。在模式的「肯認」中，「異常」究竟意味著什麼？如同阿圖塞警察的姿勢所示，「肯認」創造了主體與臣服、知識、權威，還有，如洪席耶所添加的，那整齊堆砌的人的分類。模式的肯認，可以從很多層面來談，但根本上它是一項政治操作。
詹明信（Fredric Jameson）於1988年時宣稱，妄想症（paranoia，又名偏執）是後現代敘事其中一個主要的文化模式，瀰漫在政治無意識裡頭。【註1】根據詹明信的說法，社會關係之總體（totality），無法在冷戰想像裡以文化形式給予再現；那些空缺被填以妄想、揣測，以及主打著共濟會標誌的古怪情節（Jameson 2009, 15）。然而到了今日，「腦補症」（apophenia）已然取代了妄想症。【註2】
這是怎麼來的？史諾登（Edward Snowden）洩祕事件之後，我們清楚了一件事：許多陰謀論恐怕是真的（cf. Sprenger 2015）；更糟的是，其陰謀程度還敵不過現實。史諾登之後，任何關於祕密計畫的臆測，或者關於陰謀及幕後不法情事的猜想，都已經變得過時。我們再也不必猜測陰謀論的真假了，總有證據可以證明它為真。這並不是說再也沒有祕密。有的。但，那讓監控得以無所不在的同一款結構性條件（亦即漏洞百出、監管程度參差不齊的資訊建築），也持續不斷在助益著底層的爆料（這部分倒有可能完全是捏造）。所有資訊（起碼有不少），一旦以數位方式傳送，就有可能掙脫作者控制；任何資訊都有機會，且機率還不低，在某個時間點被公開，不管那資訊是不是真的（通常不是）。惟一一種合理的妄想，無非是純現實：被所有人（除了少數專家以外）認為絕無可能的劇情，竟然變成真的。
此外，詹明信那裡的總體——即社會關係的綜合——已經開始披上另一種外衣。它並非不在場，恰好相反，它到處都是。總體已經回來了，這次它帶著復仇回歸，化身爲「海量數據」。社會關係，被提煉為通訊錄元數據、關係圖表、傳染病散播圖，或僅僅是一堆假新聞。
上述這種量化版本社會關係的部署，不僅輕鬆寫意地提供予警方勤務之用，也一體適用於：特定受眾廣告、個人化釣魚式標題、眼球追蹤，以及獨家供稿訂閱演算法（proprietary feed algorithms）。此量化版本，既可充任社群媒體形象建檔工具（social profiling），還可作商品利用。社群影響力評分（Klout score）的高分名單、黑人廣告行銷、美國總統的反恐刺殺名單等等，都以類似的數據產權操作為基礎。今天，總體化身為機率的記號系統，涵蓋了你的可肏性（fuckability）和可拋棄性，更別提對你膚色的精準預測。它輯錄了你的組織屬性、交往狀態、癖好，把模式生命轉化為地獄火飛彈帶來的死亡。
這一類總體，往往也是奇點（singularity）的彌賽亞預期必然會有的平行對應。所謂奇點（作為加州意識型態的寵物迷思），指的是人工智慧開始接管人類的起始點。
根據詹明信說法，奇點也是某個不適用一切普通規則的階段之特徵。【註3】在那裡，規則乃是逐案認定；或者毋寧說，是量身定做。奇點是一種關於「世界精神」（Weltgeist）的加州式幻想，這次它駕馭了「致命性自主武器系統」（Lethal Autonomous Weapons System）前來；這套系統之所以管用，是因為有了自主伸張的司法管轄權、法治的稀缺，以及NSA天網計畫的元數據。不過，我們時代真正的奇點，很明顯地，其實是一個半神性的神話體，叫做市場，它集合了一群據說相當自律且超級聰明的組織在替天行道。這才是我們時代真實存在的奇點，大家都說它擁有絕對不容置疑的超人類智慧。
這些應市場而生的總體，乃是由腦補症和模式肯認來負責照應。模式肯認的方程式，盤點了海量的、不起眼的、貌似冷僻的，取自購物網站及大型多人線上遊戲內部的數據組。【註4】線上互動記錄沒有因為太過卑微、不重要，而不被掃描、存檔以及無限期儲存的。一個內部所有事件都彼此獨立的奇點，連結的是一個被機率管理機制所治理的總體。
如果妄想症是標準的冷戰敘事，那麼腦補症發生的背景，恰恰是敘事分崩離析，因果關係必須從垃圾郵件、話術、造假等混沌雜音裡，重新被肯認（或曰發明）的時候。而這也反映在當代的真實性範式裡。傳統用來進行詢問的5W問句（who, what, where, when, and why），已經被大數據處理過程中的7V取代：速度（velocity）、多樣性（variety）、量體（volume）、真實度（veracity）、變異性（variability）、視覺化（ visualization），以及價值（value）。真實度的生產已經不再仰賴驗證了；如同某大數據專家的說法，真實度意味著「『髒數據』（dirty data）從你系統裡」被滌洗乾淨的程度【註5】（Normandeau 2013）。所以什麼是髒數據？這裡有一實例：
博思艾倫諮詢公司（Booz Allen）的蘇利文（Sullivan）團隊，替一家豪華酒店集團分析顧客族群分布資料，當其發現數據顯示某中東富裕國家青少年是其常客的時候，給出了這個案例。
「我們的全球連鎖店裡住了一整群17歲青少年」，蘇利文說。「我們認為，『這不可能是真的』。」（Kopytoff 2014）
於是，這些資料被當成髒數據而遭到漠視，直到有人發現它們事實上是真實的。就其世界觀而言，棕皮膚的青少年，有可能存在；死掉的棕皮膚青少年呢？也是極有可能的。但有錢的棕皮膚青少年呢？太不可能了，必然是髒數據，必然要從系統中清除！從這個分離雜訊和訊號的操作中浮現出來的模式，非常不同於洪席耶那個分配著公民權、理性、特權的政治雜訊篩選器。有錢的棕皮膚青少年，和希臘城邦那些會說話的奴隸及女人一樣，都不可能存在。要是這些研究員發現17歲棕皮膚青少年有可能在他們旅館內被警察射殺的話，他們就不會像原本那樣遲疑，而是想辦法推動精準郵件行銷，承諾為顧客的尊榮死亡提供折扣。
機率大規模地進入了真相的生產，伴隨著毫不令人訝異的效果：從巨量數據中開挖而來的未知模式，在某種程度上吻合了那些早就預期會被找到的模式。不過，從另一方面來說，髒數據其實有點像底層民眾暗中抗拒行為的一個存取區（cache）；他們表達了對自己被計入、被測量的一種回絕：
研究公司Verve一個涵蓋超過2,400名英國消費者的研究，發現有60%在線上提交個人資料的時候，會故意提供錯誤資訊；例如有近四分之一（23%）者說他們偶而給出不正確的出生日期，9%說他們常常，而有5%總是如此。【註6】（Cabrera 2015）
你我對於沒完沒了的線上表格的拒絕配合，日積月累便成了髒數據。只要時機允許，沒有人不說謊的，起碼也不會完全老實。數據採集過程中最「髒」的地方，毫不意外地經常指向（美國的）醫療部門。醫護被特別點出經常不正確地填寫表格，甚至會誇張地把祖父（grandpa）縮寫為gpa，此舉已經深深地迷惑且攪亂了數據的探勘。專業醫護人員替一個未來可能會取代自己地位的系統填寫表格的熱衷，似乎不下於消費者替企業執行文書工作以便企業後來可以垃圾郵件回報他們之熱切。
格雷伯（David Graeber）在《規則的烏托邦：官僚制度的真相與權力誘惑》（The Utopia of Rules）這本書中，提供了一個強迫採集數據的範例，極為感人。他在母親不幸中風後，曾經歷一段不得不替她申請聯邦醫療補助（Medicaid）的慘痛遭遇。
不久之後，由於紐約車輛局隨便某個不知名公務員把我的名字寫作「Daid」，害我得花超過一個月的時間來奔波處理，更別提電信公司店員還把我的姓拼為「格盧伯」（Grueber）。公、私部門官僚的運作方式——不管其歷史性因素是什麼，似乎總在確保裡面會有相當比例的成員無法按預期做自己該做的事情。（Graeber 2015, 71）
格雷伯進一步把此案例稱之為烏托邦思維。官僚建立在烏托邦思維上，正因為後者從自己角度出發，認定人都是完美的。髒數據不過就是現實數據，理由在於現實數據紀錄了現實世界人對抗官僚的搏鬥——後者為一己之私，充分利用了一個數位科技分布不均、漏洞百出的現實世界。格雷伯的母親，在獲准加入聯邦醫療補助計畫前即已過世。填寫完全無意義的表格這種沒完沒了的勞動，可說是一種新型態的家務勞動，因為它完全不被認為是勞動，要嘛就應「自願」提供，要嘛就該讓領低薪的所謂數據工友來做。然而，所有看似行動敏捷、形跡隱祕的演算法——它們優雅地最佳化一切事物，執行著模式和異常的肯認——全都建立在無止盡、無意義，源源供應著被需索的、或者徹底無用的數據勞動上。
髒數據於是變成現實的剩餘物質，存在於那些牢牢掛鉤著理想模型、平均值、柏拉圖理型——受到一個完美虛構世界所啓發的系統：在那世界，棕皮膚青少年的預設值是貧困，醫生就愛配合那意圖徹底消滅醫護的另一方，而試圖爭取福利的人—被定義為異常值—也順理成章地被當成異類看待（不然就是備受冷落）。長年榨取未受認可之勞動所引發的被動抵抗，偶而會讓「髒數據」紀錄到，然而這「訊號」已經部分被機率和既有模型預先判定了。
企業泛靈論
第33正方（33rd square），谷歌的深夢生成器。
螢幕截圖，2015
取自： http://www.33rdsquare.com/2015/06/
googles-inceptionism-lets-us-look-at.html（2018年3月31日）
在這過程中被泄漏出來的，是電腦視覺的預設集（presets），以及固定在電腦硬體裡的意識型態與偏好。結果是什麼呢？一堆亂七八糟、七彩顏色、去掉軀體的碎形眼睛，多數都沒了眼瞼，猙獰地秀出其模式過度辨識之際，持續不懈地監視著它們的觀看者。
谷歌把這個從雜訊中創造圖像或模式的行動，稱為「大腦植入意象法」（inceptionism），它也把這種圖像生產方式稱為「深夢」（deep dream）。不過從一個非常唯物論的角度來看，這些生產出來的單元遠非幻覺。如果說那是夢，那麼這些夢可以將其詮釋為當前技術部署的凝結或錯置。它們揭露了訊號和雜訊是如何被既存的類別和機率所定義。要是你訓練一個神經網絡去「辨識」黑格爾（Hegel）筆下的主人和奴隸，那麼大概會得到：純雜訊神奇變身為Instagram，秀著邁阿密巴塞爾藝術博覽會享用外燴臨時工服務的貴賓預展。
「大腦植入意象法」的天才傑作超乎預期，成功視覺化了產銷合一網絡（prosumer networks）的無意識【註8】：圖像監視著使用者，持續不懈地登錄其眼球運動、行為及偏好，用美學術語來說，就像無助地漂流在一只Hundertwasser咖啡杯仿冒品和一塊暴走中的裝飾藝術風格的橫飾帶（Art Deco frieze）之間。這些圖像所展示的，與其說來自所謂「五眼聯盟」的國家監控，不如說來自「無限眼聯盟」所涵蓋的企業監控、國家監控、深層國家監控、學術排名分數、喜好度測量系統等等，族繁不及備載——班雅明（Walter Benjamin）筆下的「視覺無意識」（optical unconscious），如今已然更新為運算式圖像生產的無意識（Benjamin 1974）。
植入式神經網絡，經由「未給出來的」物件的「辨識」，最終實際上認同了一個美學暨社會關係的新總體。它們把運算式視覺的那些篩選器給視覺化了。預設集被應用在這裡，不管它們「適用」與否：「產生出來的結果很有趣——就算一個相對簡單的神經網絡，都可以拿來對圖像進行過度詮釋，就像我們小時候喜歡看天上的雲，對那些任意形狀進行詮釋一樣。」（Mordvintsev, Olah, and Tyka 2015）
植入式圖像生產和過去化學性甚或電子式相片處理有決定性的不同，在寫實性和真實度方面給出了新的問題意識。如果說過去技術仰賴的是機械或光學的「客觀性」迷思，最終通往光學及幾何學，那麼就植入式圖像生產而言，其視覺彷彿仰賴了模式肯認，以感測技術植入偽柏拉圖理型為基礎，在拍位元組（petabytes）量級的垃圾訊息中運作。視覺的逼真，並非建立在硬體客觀性的信念上，而是立基於大腦機能（或者說被當前所相信的大腦機能）的複製。然而就真實度而言，作出這選擇實在糟糕，沒有人真的以為人腦能夠擔當良好目擊證人的任務。人腦會投射、猜想、發明、加油添醋、遺忘和推測，不時在雲裡面看到臉。可想而知，模擬人腦機能運作的攝影機，給出的證詞相當可疑。複製現實變成在談似然度（likelihood）；肖似（likeness）塌陷，變成機率問題。
一盤肉丸義大利麵回瞪著我們的凝視
影像來源：Thorne Brandt，
取自： https://twitter.com/thornebrandt/status/
617173618238332928?lang=en
瀏覽於：2018年8月1日
圖靈那裡也討論到了相似性——或相關性——是怎麼被當成數學證據看待的。為了挑戰自己的想法，他引用了反方觀點所主張的：機器和機器之間，永遠無法像人類那樣，會在面對草莓配奶油這件事的時候，建立起連結關係。不過他用了複雜的轉折來回應自己給自己的挑戰：是的，一部機器，無法像白人男性可以和白人男性因草莓奶油而連結、黑人男性和黑人男性因草莓奶油而連結那樣，和人類男性產生連結。但是——這是我的結論而非圖靈的——如果機器複製了這個行為，那麼它算是在思考嗎？【註9】
有些人確實認為如此。因為，白男透過草莓奶油而建立連結的這個想法，已經進入了社交網絡分析的核心。這是所謂同類相吸（homophily）的一個完好典型，此一概念在全喜卿（Wendy Chun）那裡有進一步的討論（參見本書全氏所寫章節）。同類相吸，意指人們喜歡和類似的人往來、建立連結。這怎麼會產生數學證據呢？若白男多數同白男共享草莓奶油，這就意味著白男不管同什麼人一起吃草莓奶油，對方大概也是白男。臉書把這些全部捆包成一個概念：你喜歡什麼，你就像什麼；你相像的人喜歡，你就會喜歡。它們就是這樣把草莓奶油賣給你的，也讓谷歌得出結論說你不是機器人。你不是機器人，因為某個喜歡類似東西的人，勾選了框框，說他不是機器人，然後相關性運算指出這適用於你。若把這思維延展到模仿遊戲上，你可以猜到不只所有玩家，而是所有他們的朋友以及社交網絡關係人的性別。遊戲便是由此開始逾越自身界限，慢慢變成真實。
所以眼前有兩款完全相異的遊戲。其中一種，辨認遊戲：若某物看起來像某物，那就是相同物；所有框框都打勾了。另一種，圖靈的模仿遊戲：看起來相像的某物，或可為相同物。某人表現得像男人，那他絕對有可能是男的。然而話說回來，他也有可能不是。在這裡，一部會思考的機器會下定論說，這不是訊問者該在意的。最佳選擇是，禮貌性地重起話題，在冗長且弔詭的言談中討論天氣。
腦補症
大腦植入意象法證明了，就算在一個儘管沒有模式但有形體被偵測到的地方，模式肯認依然存在。這過程稱為腦補症；【註10】從雲朵裡辨識出生物就是一個最明顯的例子。腦補症定義如下：從隨機數據中產出任意模式的感知過程。如同布雷頓（Benjamin Bratton）近來所主張，腦補症說的是：「從那些不具直接關聯性、僅存在牢不可分的感知同時性（perceptual simultaneity）的諸多源頭裡，拉出關聯和推論。」（Bratton 2013）
現今的數據汪洋裡，那些被「肯認」到的模式，不過是迷信的胡說八道嗎？腦補症是占卜算命的更新版嗎？班雅明論述攝影術之為預言的這段話非常著名：「我們城市的每個角落，不都是犯罪現場嗎？每位路人不都是作案者？攝影師作為占卜官與腸卜師的後代，其任務不就是用照片揭發罪行、舉發罪犯嗎？」（Benjamin 1974, 25）
話雖如此，二十世紀的攝影師和二十一世紀的篩選器及分析師之間，還是有一關鍵區別。新的模式提取者，其主要任務不在於辨識犯案後的作案者；它們被期待的反而是預言兇手，並在犯罪活動有辦法落實前就先預見。我們城市的每一點，都被當成潛在犯罪點標註在地圖上，充分地裝飾以對準了性別、年齡層的精準廣告，並受到活動商品、手機的卜算鏡頭、被竊錄無人機的空照圖等等所監控。
二十一世紀的占卜官，在事發前早就造好了圖像，預料到了效果，並喚出了現實。時間的箭頭被逆轉了，但是時間的流動並不穩定，且已變得根本無法預測。
然而腦補症也有其創造性的一面。
新石器時代，人類把動物形體投射至天空，由此想像出星叢，並藉此觀測星體移動模式。例如他們看見了螃蟹，便把該星叢名為巨蟹座。儘管太空中並無真的螃蟹，但這樣的星叢充當了暫行假說之用，最終通向徹底相異的世界觀。
有人大概會笑話說，那時候的人執意看見天空中不存在的形體，實在可憐又天真。但也因為他們堅持己見、把虛構形象投射到宇宙中，太陽系的基礎運動才被發現。但此事之所以成真，並非因為大家相信有螃蟹漫步在宇宙，反而是因為他們最終意識到宇宙中（極有可能）沒有螃蟹。要是沒有「看見」螃蟹的話，他們恐怕就會錯過界定星球運動模式的機會。相反地，若沒有放棄對螃蟹表相的執著，也不無可能因此錯失這些模式。
然而更重要的是，所有這些活動也都徹底改變了社會的組織。對星體運動的分析，促成了曆法和農業的發展。試想灌溉、貯存、育種、建築、久坐生活型態等等案例。貯存引發了財產觀念，而獵人和採集者的隊伍，則被代之以農民王侯、蓄奴者所主宰的雛形國家，代之以垂直型的社會階層體制。腦補症身為魔力思考（magical thinking）之一種，對這些轉變都有貢獻。
不過我們如何看待當代的腦補行為呢？我們是否該假定，電腦視覺已經進入了屬於自己的魔力思考及模式肯認的新石器階段？但就算上述屬實，仍有一處非常不一樣。讓我們繼續用太空螃蟹為例來說吧：電腦視覺似乎仍停留在這麼一個階段——它認為太空中真的有螃蟹，且數據宇宙中浮現出來的形體，是貨真價實的現實。軟體工程師喜歡說電腦是：進垃圾、出垃圾（譯按：若將錯誤或無意義之資料輸入電腦，則電腦也會輸出錯誤或無意義結果）。在卜算式電腦視覺裡，我們不妨替換為：進螃蟹、出大便。既然都這樣了，讓我們從雲裡面看出糞便吧！
不過以下推想或許更為準確：人類已經進入了第二新石器時代，該時期發明的技術邁入了再造階段。今天與數據相關的大量辭彙，都回頭指涉新石器時期首先發展出來的技術。數據的耕耘與採收、挖礦、萃取等，皆往後指向農業和冶金術。今天，數據軌跡所映現的那些生活抒發表達，皆變成可耕種、可收穫、可礦採的資源，由資訊生命政治所管理。新石器的石與礦，被替換為鈳鉭鐵礦、矽膠、《Minecraft當個創世神》的紅石（譯按：Minecraft為微軟旗下一款沙盒遊戲，紅石為其道具）。那麼，正當模式「肯認」的新程式現在威脅說要創立新型態王侯和蓄奴者之際，腦補症現在的功能是什麼？【註11】
外邊
先讓我們的思考回到本文一開始，阿圖塞警察那聲叫喊：「喂，你！」。事實上，這件事真的發生在一個名叫喬治・麥可（George Michael）的人身上，彼時他在比佛利山一間廁所遭到便衣警察拘捕，而那名警察在事發前，曾慫恿他做出美國司法術語所謂的「猥褻」行為。麥可被喚住、逮捕、拘留。他不正確地肯認了模式，或毋寧說，他上了當，以為自己被搭訕。可想而知，洛杉磯警察執行了一整套「喂，你！」在可憐的喬治身上。
可以說，麥可曲解了模式：他把警察那聲「喂，你！」誤認為情人的叫喚，這毋庸置疑正是一種腦補行為。不出所料，輕蔑和嘲諷對著他排山倒海而來。
然而，麥可沒有道歉，也未承認自己判斷錯誤，反而高明地堅守自己的視角。他釋出一段音樂影像，名為《外邊》，裡面把警察設局經過重述了一遍，但這回角色完全翻轉：男廁變成舞池，天花板蹦出七彩霓虹燈，同志猛男警察群起熱舞。誰說我們必得接受洛杉磯警廳對正當受控主體（a proper subjected subject）的單方想法的？麥可堅持他的模式肯認要另闢蹊徑——「喂，你！」並不只是一種招降行動，它可能也是最基本的人類溝通行為，表現出示意和接觸，甚至引誘都有可能。《外邊》不只在做出櫃、奪回公共空間的宣示而已，它更是腦補症的挑釁舉動。
這一類腦補症，若非帶來陰錯陽差的美麗誤讀，便是為你招來牢獄之殃——只不過在牢裡，你起碼不是溫馴的受控主體。它（誤）讀了法律條款，將其當成情書，堅持不去辨識對方，而是跟他們翻雲覆雨，不再當他們是數據的汪洋而是能量的流動，不再是生命的模式而是洶湧的慾望。是誰抓到了重點？那一大堆取笑喬治「搞不清楚狀況」（get it right）的蠢貨，還是喬治本人？——他把直的掰成彎的（get it left），在模式面前公然獵豔。
這是為什麼我會提議跟著他到外面去，趁現在。咱們走吧。【註12】
進來
但是，等等。外邊在哪？這問題表面看來簡單，實則不然。或許我們最終會發現不必走去任何地方，因為我們早已在外面了——起碼NSA是這麼想的。他們的文章作者，不是在抱怨「數據汪洋——數據，數據到處都是，但沒有一滴滴是訊息」？
這「數據汪洋」，不正是一個大大的外邊？——若以最浪漫、最崇高的涵義來理解外邊的話。那不正是美國前國防部長倫斯裴（Donald Rumsfeld）奇葩定義下的，一個「未知的未知」（unknown unknown）？它看起來不正像推測實在論者（speculative realist）英勇對付的「大原野」嗎？最起碼，這片狂野的、威脅到性命的數據汪洋，肯定不是麥可斷然宣稱他已經受夠了的那張「沙發」。
比較沒那麼浪漫的例子：就政治地理學而言，外邊已經越來越難以清楚定位了。越來越多空間被轉化為享受治外法權的飛地、關起門來免稅的社區，轉化為迷你型準國家、反「恐」軍事區，海外實體、企業代理人租界……面對此一佈局，伊斯特琳（Keller Easterling）頗為高明地發明了「超治國之道」（ExtraStateCraft）一語（Easterling 2014）。這些地區並非——這是很關鍵的一點——外於民族國家體系，而是在其裡面、在其中間，甚至就某些案例而言，在其上也在其下。我們見到以上情形正發生於——如同在黎巴嫩或義大利——「進垃圾、出垃圾」概念已然失效之際。毋寧說，那是進垃圾，中間有垃圾，四處飄垃圾，進來更多垃圾。那是垃圾由裡朝外。
然而若我們多數已經由外朝內，要嘛化身髒數據、要嘛乾淨數據，要嘛訊號、要嘛雜訊，要嘛格雷伯、要嘛格盧伯的話，那麼「出櫃」同時不也在「進櫃」？
事實上這正是喬治・麥可後續論點之所在。此「外邊」和浪漫的冰山大原野、後人類因素無關，和生存的算計、網路購物慾的卜算無關，也和產自拍位元組垃圾量的恐怖主義威脅無關。「外邊」的意思是：為肉和骨的社區服勞役（僅此而已，其他沒了）。【註13】
他唱道：
沒錯，我都在耍壞
醫生啊，何不盡情放馬過來
你看我心心念念都想著
我會為社區服勞役
（但我已經讓你看到了！）
以前我從沒有真正說出來
這裡除了肉和骨，其他沒了
其他沒了，沒了
其他沒了
咱們到外面去
麥可挑戰警察去服社區勞役，從而反召喚了警察。麥可版本的警察，恰好就是這麼做的；與此同時，這個社區也已經不再同之前一樣了。那並非是一個人們最終變成髒數據和死掉的棕皮膚青少年，弔詭地置身統計官僚和全體例外的無人地帶，受困於滿溢垃圾堆的世界。
恰恰相反，這必須是一個所有東西看起來一模一樣的世界，只不過是從完全相異的角度來看。這怎麼辦到的？假想有某人被送到外太空，調查無垠宇宙巨大數據組裡被偵測到的模式是否真的存在。在新石器時代這是異想天開，但現在已非如此。比方說，預測模式如下：外星智能確實存在，不僅邪惡且到處都是，那麼為了創造模式來涵蓋它，我們就必須計算宇宙裡的所有數據。因此某人必須冒險犯難，深入巨大的垃圾郵件和陰莖增大術廣告海洋尋找此一謎樣生物。但她突然靈光一閃，自問道：要不乾脆就接受說，投射既可能呼應現實，也可能不會？邪惡的智能外星人，既可能存在也可能不，就像螃蟹、獅子、蠍子，說不定真的存在於宇宙某深處。我們不能排除此可能性。若持續不斷搗弄運算數字的話，說不定甚至可以把它計算出來。那麼這個問題呢？——具有智能的人類，到底存在不存在？她接下來或許會在太空船內建的廁所裡，發現此物種的潛在樣本呢。
而這個廁所內發現的智慧人，結果竟是喬治・麥可。當下她才意識到，自己所謂的太空之旅根本不在外太空，而是在地球內。一直以來，她所駕馭飛行的「超航太之船」（ExtraSpaceCraft）從未離開過發射台，原因是太空探險資金被切斷了。她見到的宇宙，不過是某種美國健保數據的投射而已。盛怒之下，她要喬治立即改革警察勤務。喬治禮貌地點出，警政也可以從另一角度來看：把警方當作在服社區勞役，其服務對象要嘛被當成數字，不斷受到搗弄運算，形成過度監管的髒數據；要嘛居住於各類失敗國家或白金卡貴賓室或其他治外法權下的當代地理學樣本中，成為缺乏監管、備受忽略的居民。從後一視角來看，單單譴責警方並不會讓事情好轉。極端過度和極端不足的警力監管，兩者混合起來，形成對常民（the common）的破壞。
為肉和骨社區服勞役的方式形形色色，我們就留給麥可去詳細描述吧。不過由此視角來看，數據汪洋最終變成了人際關係的一場大亂鬥（僅此而已，其他沒了）。阿圖塞的肯認和警政模型，說明了你得犧牲常民，一如腸卜師宰殺動物獻祭那樣。你接著從腸道裡篩出糞便，用以預測和掌握未來風險，從而創造出數據大亨和利害關係人的新帝國。坦白說，這有點猛。
我們不妨反過來，一開始就接受說，那一被前人描繪成外部性、威脅性的，需要過濾、篩選、滌洗、淨化的數據汪洋，基本上不外乎人類本性的大亂鬥。我們不妨就將一下，試著樂在其中。
並不是說這樣做有多麼合理，也不是說這樣就會更美、更高貴、更真實。未來會有數不清的螃蟹及糞便要面對，更別提邪惡的人類和智能外星人。這樣問自己就好了：你寧願在「超航太之船」廁所裡面跳舞，還是整天填表格。
註釋
1 「陰謀論……是窮人處於後現代時期的認知圖式；它是晚期資本整體邏輯一個被貶低的形象，迫切地要再現該資本體系的一個嘗試，而其失敗，則在它滑向純然只剩主題和內容之際凸顯了出來。」（Jameson 1988, 356）
2 我在此所用妄想症一詞，僅指涉其文化理論用法，而非其精神病理學定義。若欲採用另一取徑，更加聚焦於妄想症狀（腦補雖僅是其一，但屬於非常重要之一種）的話，參見本書阿普里奇（Apprich）所寫一章。
3 「金融資本的世界是那永恆的現在式——但它並非一連續體，而是一連串的奇點—事件。」（Jameson 2015, 122）
4 NSA派過間諜刺探《魔獸世界》，真心不騙。
5 垃圾郵件機器人也被視為大數據真實度可能遭扭曲的代表範例。
6 「1991年六月末至七月初，全國有一千兩百萬人（多數來自巴爾的摩、華盛頓、匹茲堡、舊金山和洛杉磯等地）電話訊號被切斷，原因在於某控制著話務調節訊號的軟體，發生打字輸入錯誤。某員工按到『6』而不是『D』，電信公司旗下網絡因而基本癱瘓。」
7 感謝布雷頓（Ben Bratton）指出該事實，並謝謝史都帕（Linda Stupart）提及腦補症在吉布森（William Gibson）那裡的用法。
8 產銷合一者，混合了生產和消費，他可以是一名消費性的生產者，也可以倒過來。
9 他清楚地主張道：「人類的勞動和習慣似乎不宜當作應用科學歸納法的適當材料。若要取得可靠成果，空間—時間裡有極大部分就必須好好探索；否則我們大概（如同多數英國小孩那樣）會以為所有人都講英語，學法語太傻了。」（Turing 1950, 448）
10 謝謝史都帕把我的思緒導向此一主張。關於腦補症概念在妄想症脈絡下的進一步討論，參見本書阿普里奇所寫一章。
11 腦補症是一種提取錯誤，一種可能招致社會性後果的、失敗的召喚和肯認舉動。如同許多人所指，數據（data）也可被誤解為達達（Dada）。數據拼貼的樣式，已然形成當前流行美學的特徵。創造出難以想見的組合、跨出合理界域的邊緣——這些都可詮釋為是一種反叛了模式肯認的沉默、甚至非自願舉動。透過所有各種操弄數據工具，製造出不現實、不合理物件，這無異是對自動化辨識——如臉部辨識、行為模式辨識、形狀辨識，及政治辨識範疇的並行建立——的一種擾亂手段。
12 我行筆之際，喬治・麥可還在人世；超級想念他。
13 感謝Brian Kuan Wood指出這一點。
參考文獻
Althusser, Louis. 1971. “On Ideology and Ideological State Apparatuses: Notes Towards an Investigation.” In Lenin and Philosophy and Other Essays, 121-73. London: New Left Books.
Benjamin, Walter. 1974. “A Short History of Photography,” trans. Stanley Mitchell, Screen 13 (1): 5-26.
Bratton, Benjamin. 2013. “Some Traces of Effects of the Post-Anthropocene: On Accelerationist Geopolitical Aesthetics.” e-flux Journal 46. Accessed July 20, 2015. http://www.e-flux.com/journal/some-trace-effects-of-the-post-anthropocene-on-accelerationist-geopolitical-aesthetics/.
Cabrera, Amanda. 2015. “A Halloween Special: Tales from the Dirty Data Crypt.” Datamentors. Accessed October 30, 2015. http://www.datamentors.com/blog/halloween-special-tales-dirty-data-crypt.
Easterling, Keller. 2014. Extrastatecraft: The Power of Infrastructural Space. London: Verso.
Graeber, David. 2015. The Utopia of Rules: On Technology, Stupidity, and the Secret Joys of Bureaucracy. Brooklyn, N.Y.: Melville House.
Idris, Farhad B. 2005. “Realism.” In Encyclopedia of Literature and Politics: Censorship, Revolution, and Writing, Volume 3: H–R, ed. M. Keith Booker, 601. Westport, Conn.: Greenwood.
Jameson, Fredric. 1988. “Cognitive Mapping.” In Marxism and the Interpretation of Culture, ed. Cary Nelson and Lawrence Grossberg, 347-60. Champaign: University of Illinois Press.
Jameson, Fredric. 2009. The Geopolitical Aesthetic. Indianapolis: Indiana University Press.
Jameson, Fredric. 2015. “The Aesthetics of Singularity.” New Left Review 92:101-32.
Kopytoff, Verne. 2014. “Big Data’s Dirty Problem.” Fortune. Accessed June 30, 2014. http://fortune.com/2014/06/30/big-data-dirty-problem/.
Lohr, Steven. 2014. “For Big-Data Scientists, ‘Janitor Work’ Is Key Hurdle to Insights.” New York Times. Accessed August 17, 2014. http://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to-insights-is-janitor-work.html?_r=0.
Mordvintsev, Alexander, Christopher Olah, and Mike Tyka. 2015. “Inceptionism: Going Deeper into Neural Networks.” Google Research Blog. Accessed May 13, 2017. https://ai.googleblog.com/2015/06/inceptionism-going-deeper-into-neural.html.
Normandeau, Kevin. 2013. “Beyond Volume, Variety, and Velocity Is the Issue of Big Data Veracity.” Inside Big Data. Accessed September 30, 2013. http://insidebigdata.com/2013/09/12/beyond-volume-variety-velocity-issue-big-data-veracity/.
Russon, Mary-Ann. 2015. “Google DeepDream Robot: 10 Weirdest Images Produced by AI ‘Inceptionism’ and Users Online.” International Business Times. Accessed July 6, 2015. http://www.ibtimes.co.uk/google-deepdream-robot-10-weirdest-images-produced-by-ai-inceptionism-users-online-1509518.
Sontheimer, Michael. 2015. “Interview with Julian Assange.” Spiegel. Accessed July 20, 2015. http://www.spiegel.de/international/world/spiegel-interview-with-wikileaks-head-julian-assange-a-1044399.html.
Sprenger, Florian. 2015. The Politics of Micro-Decision: Edward Snowden, Net Neutrality, and the Architectures of the Internet. Lüneburg: meson press.
Steyerl, Hito. 2014. “Proxy Politics: Signal and Noise.” e-flux Journal 60. Accessed December, 2014. http://www.e-flux.com/journal/60/61045/proxy-politics-signal-and-noise/.
Turing, Alan M. 1950. “Computing Machinery and Intelligence.” Mind: A Quarterly Review of Psychology and Philosophy 59 (236): 433-460.
Wikipedia, the free encyclopedia. 2017a. “Data Mining.” Wikipedia. Accessed January 17, 2017. https://en.wikipedia.org/wiki/Data_mining.
Wikipedia, the free encyclopedia. 2017b. “Pareidolia.” Wikipedia. Accessed January 17, 2017. https://en.wikipedia.org/wiki/Pareidolia.