在初选中取得压倒性胜利并获得明确

大型科技公司内部的计算劳动分工进一步有助于知识的划分和促进超专业化。这些公司内部以及与外部相关的政策限制了信息和知识的交流，以至于可能没有一个了解基本代码的人对前沿人工智能具有全球性或通才的视野。这种全球视野落在了管理者的手中，他们不知道——可能选择不知道——每种算法如何工作的细节。



的一位研究人员总结道：“他们教你不要与那些‘不需要知道’的人分享每个项 斯洛文尼亚移动数据库 目的细节；这是IBM 的基本标准»37。 在某种程度上，我们观察到的是一个有其特殊性的新周期，即工作场所技能丧失的过程，这一过程已经持续了一个多世纪。哈里·布拉弗曼（Harry Braverman）对此进行了详细描述，说明了工人与机器和经理之间的关系是如何重新配置​​的。机器取代了标准化任务，标准化是将隐性知识转化为显式协议的过程，减少了本地的、基于经验的知识，并将工作转变为简单的任务序列。









管理者通过行使“知识垄断来控制工作流程的每一步及其执行方式” 。38。 当前的周期更为复杂。布雷弗曼所描述的重组发生在每家工厂内部，而今天我们正在目睹公司之间工作和学习的重组。机器的“学习”不仅以牺牲与其直接互动的工人为代价，而且还以牺牲大多数组织及其工人以及最终社会的学习能力为代价。这是多么矛盾的事啊，因为我们应该生活在“知识社会”。