本周出现的三条新闻之间，有一个共同点。它与人工智能越来越会“生成”东西，其实没有太大关系。

记住一段对话。掌握一种职业技能。找到一部电影。

这些原本都是人的、情境化的、关系性的实践。如今，它们都开始变成计算基础设施。三者还揭示了同一种前置操作。机器在自动化某项任务之前，必须先让它变得可读。那些原本默会的、协商形成的、分散在人与关系之中的东西，要被翻译成一种可以处理、存储和查询的格式。

把社会互动转化为数据，并不一定需要保存录音。提取一种职业的知识，也不一定要先把这种职业自动化。要决定哪些文化想象能够抵达我们，更不一定要先生成一幅图像。

不再消失的对话

9月9日，Apple 为新的 Apple Watch Series 12 和 Ultra 4 发布了 Live Rewind 与 Siri Recap。前者可以把一段对话中刚刚过去的十五秒恢复成文字。后者则会生成标题、摘要和要点，方便之后重新查看发生过什么。Apple 表示，两项功能将在2026年末以测试版形式推出，初期仅支持英语，并且不会在第一阶段向欧盟开放。

这些功能需要用户主动开启。Apple 还说明，Audio Intelligence 不会识别说话者，也不会把发言归属于某个具体的人。Siri Recap 还可以按照时间或地点进行配置。

Apple 为这些功能设计了一套明确的隐私架构。S11 芯片包含 Secure Exclave，这是一个隔离的硬件区域，用于处理原始音频。Live Rewind 的转写直接在手表上完成。Siri Recap 同样不会存储原始音频。完成本地处理后，发送到 Private Cloud Compute 的是生成摘要所需要的文本，而不是原始录音。保存在 Siri 应用中的结果则通过端到端加密同步。

当用户启动 Live Rewind 时，手表会发出提示音，即使设备处于静音状态也一样。屏幕还会显示全屏动画，并明确提示麦克风正在使用。结果本身被设计成非常短暂。屏幕变暗大约三十秒后，它就会消失。

Siri Recap 对记忆采用了另一种尺度。如果用户没有主动保存，摘要会在七天后自动删除。在这段时间内，它们可以被查看，也可以被保存下来。

这是一套相当精细的技术隐私方案。但它仍然留下了另一个问题。

对话属于一种关系，而把对话转化为计算记忆的决定，却属于佩戴手表的人。

这里出现了一种记忆的不对称。一场对话结束后，其中一个人可以保留对事件的结构化、可检索表述，而其他人仍然依赖生物记忆。这里不一定存在录音。留下来的可能是另一种在很多场景中更具操作性的东西，一份可以搜索、查询和再次利用的摘要。

两项功能在提示方式上也存在一个值得注意的差别。Apple 明确记录了 Live Rewind 的声音和视觉提示。对于 Siri Recap，虽然它可以按时间或地点进行安排，但目前公开的文档没有描述一个面向其他对话参与者的同等提示。这不能证明此类提示一定不存在。它只是留下了一个重要问题。有人可能不会得到类似的信号，因而不知道当前对话正在被转化为之后可以检索的摘要。

Live Rewind 可能只是较小的一次突破。十五秒仍然很像“抱歉，你刚才说什么？”。Siri Recap 带来的则是另一回事。它制造的是一段持久而有选择性的对话记忆。

这种记忆也并不中立。Apple 提醒，生成的文字和摘要可能不完整，也可能出错，并建议重要信息仍要向相关人员确认。人的记忆同样会犯错，但人与人之间通常会对这些矛盾进行协商。系统生成的摘要在这种协商中加入了第三个要素。仅仅因为它具有技术形式，它就可能更像“记录”，而不是“解释”。

人的记忆并不完美，但这种不完美并不只是缺陷。它给外交、原谅和重新协商经历留下空间。当机器总结一场对话时，它不只是用另一种方式记住它。它还把另一种权威带入记忆之中。而这种权威并不会在所有参与者之间平均分配。

发布会还给出了这套设计的概念框架。Apple 新任 CEO John Ternus 将 iPhone 描述为一个“intelligent personal hub”，并解释说，这种智能可以结合日历、关系、日常习惯，以及生活中一些最私密的细节。Apple Watch 现在把这个项目进一步延伸到身体周围发生的一切——人们说了什么、听见了什么、回应了什么。对话不再只是交流，它也开始成为系统的输入。

这些功能不会在第一阶段进入欧盟，这也制造出一种不均衡的监管地理。就本文所引用的文档而言，Apple 并没有把这一决定公开归因于某一条具体法规，因此现在断言某个法律原因仍然为时过早。但这种差异已经暴露出一个更广泛的问题。

即使数据来自关系，知情同意仍然被当作个人行为来处理。

参考资料

教机器学习一种职业

多年来，训练人工智能背后相当大一部分隐形劳动，是图片分类、音频转写、内容审核或标签分配。Rest of World 现在记录了中国出现的另一个阶段。

建筑、法律、工程、教育、音乐创作、新闻和会计正在进入专业化标注经济。

Alibaba 通过专业训练平台 Siriser 招募具有专业背景的人。ByteDance 表示，Xpert 已经吸纳了超过 5万名专家。其他平台也在寻找越来越多样的专业人才。经济放缓和就业环境恶化，正在推动其中一部分人把这些任务当作额外收入来源。

真正重要的是他们被要求做什么。

他们需要设计贴近真实工作的情境，提供来自职业实践的文件，并描述自己的工作过程，让模型可以从中学习。他们还要构造模型暂时解决不了的问题，有时还要评估模型给出的答案。这不只是训练。企业购买的也包括人的另一种能力——判断机器的能力边界在哪里。

这里发生的事情，比简单的信息转移更深。多年实践会积累一种并不完全存在于手册或文件中的知识。它包括判断标准、捷径、对什么可行或不可行的直觉，以及知道什么时候规则需要被灵活处理的能力。这种默会知识很难传递。平台要求的恰恰是把它显性化。那些人们在实践中不需要完全说出来就能完成的动作，必须被改写成机器可以处理的陈述。

根据受访者的说法，一项任务可能需要数小时，报酬在100到500元人民币之间。即使工作要求高度专业化的知识，平台劳动中熟悉的风险结构仍然存在。

深圳的一位建筑师解释说，她会从真实工作中构造任务，并教模型如何编制建设方案或进行收益分析。一位拥有法学硕士学位的专业人士则要求模型给出法律意见或起草判决，然后再评估模型的回答。

数据不再只是一张照片、一句话或一个文件。数据也包括把多年实践形成的默会知识重新转化为明确表达所需要的努力。

数据就是职业本身。

这里出现了一个悖论。某些职业的就业恶化或价值下降，使专业知识变成了额外收入来源。与此同时，科技公司又恰恰需要这些知识，去开发能够承担同一职业部分工作的系统。

还有一个不太显眼的问题。Rest of World 指出，参与任务的人会使用来自真实工作的文件。一位工程师也表达了对这些材料可能被滥用的担忧。当职业经验进入数据集，专业知识、工作文件与保密义务之间的边界就可能变得难以维持。

这种现象并非中国独有。报道提到，美国的 Mercor、Surge AI 和 Handshake 等平台也在招募专业人才。中国案例更突出的地方，似乎在于规模、更低的报酬，以及一个正在提供越来越多可用专业知识的劳动力市场。

高级自动化并不是在机器“学会”一个职业之后凭空出现。它首先需要一个真正懂这项工作的人坐到系统面前，为机器出题。

而平台劳动最熟悉的规则依然存在。判断任务质量的平台，也可能正是决定是否付款的平台。

参考资料

当“找到”本身也成为权力

9月7日，来自65多个国家的200多名代表参加了在 Saint-Paul-de-Vence 举行的首届 Sommet Lumière。峰会由法国和韩国共同主持，讨论电影与动态影像在平台、人工智能以及行业经济模式变化之下的未来。

Déclaration Lumière 一开始就做了一件对技术峰会来说似乎有些反常的事。它试图先定义一幅影像究竟具有什么价值。

文件把视听作品描述为情感、记忆与知识的载体，也把它们视为能够推动集体转变和共同文化形成的媒介。声明还明确拒绝把影像简化为它能够吸引多少注意力。

这种定义并不中立。如果影像只是争夺注意力的内容单位，那么完全可以让市场和算法决定哪些作品能够存活。把影像视为文化记忆的一部分，则为另一种干预方式提供了正当性。

由此出现了文件中最值得注意的概念之一——可发现性。

第六项原则指出，在一个内容高度丰富的环境中，确保作品能够被找到、流通并抵达受众，已经和创作作品本身一样重要。文件还明确提到智能体式人工智能，并提出一种可能性。未来，人们接触作品的路径会越来越多地由自动化智能体进行中介。

问题于是已经不只是人工智能能不能制作电影。

同样重要的是，它会让人找到哪些电影。

几十年来，文化权力的重要部分在于融资、制作、发行和放映。如今又出现了一层新的结构。推荐系统、搜索引擎和智能体，可以处在几乎无限的文化供给与试图接近这些作品的人之间。

它们不一定需要禁止作品。

只要不让作品出现就够了。

总体声明对人工智能采取的并不是禁止主义立场。它承认人工智能可以推动创造力、创新以及作品传播，同时坚持人类创作仍处于中心位置，并把尊重知识产权视为基本原则。

这需要和 SACD 围绕人工智能专项声明所强调的更具体要求区分开来。该组织提出，权利人的作品如果被用于训练，就应获得公平报酬。同时还应建立透明度与可追溯机制，使外界能够识别训练使用了哪些材料，也能够识别哪些内容由人工智能生成或辅助生成。

Sommet Lumière 也没有停留在原则声明上。法国和韩国宣布设立 Partenariat Lumière，这是一个覆盖 2027年至2031年的10亿欧元基金，由两国各承担一半。法国将通过 Bpifrance 动员5亿欧元，韩国提供同等承诺。峰会还启动了 IRIS — International Resilience Initiative for Independent Screens —，用于支持独立影院以及作品的流通。

这样一来，问题就稍微改变了。现在已经不只是有没有政治意愿进行干预，而是这套架构面对掌握访问层的私人平台和智能体时，究竟能有多大实际能力。

未来的文化政治，也许不只取决于谁有能力生产一部作品。

它还可能取决于 谁控制通向这部作品的路径。

参考资料

记忆、知识与发现

三条故事都在挤压同一个节点。

知情同意、补偿或决策发生的单位，与价值真正形成的单位并不一致。

在 Apple 的案例中，一个人的决定把具有关系属性的东西——对话——转化为计算记忆。选择由佩戴手表的人作出，但数据却来自人与人之间的关系。

在专业劳动中，一项只支付数小时报酬的任务，会贡献给一个在劳动关系结束之后仍然继续存在的系统性知识。补偿是微小而交易性的，形成的价值却是宏观而系统性的。

在 Lumière 的案例中，国家可以制定文化原则并为支持机制提供资金，但真正决定一部作品是否可见的权力，很大一部分存在于私人推荐、搜索以及越来越多的个人智能体之中。创作是文化性的、集体性的。访问控制却是基础设施性的，而且并不透明。

很长时间里，我们把人工智能理解成一台学习“做事”的机器。这三条信号让我们可以从另一个位置观察它。

在做这些事情之前，它必须先让支撑这些事情的人类实践变得可读。

依赖共同记忆协商的对话，必须变成可以检索的文字。多年职业实践累积的知识，必须变成可处理的陈述。沿着多种路径传播的文化，必须变成可以被推荐的向量。

这样一来，问题也发生了变化。

重要的已经不只是机器能不能准确记住一段对话、正确学会一种职业，或者找到一部好电影。更重要的是，当记忆、职业知识或文化目录发生失误时，我们究竟可以向谁追责。

答案并不对称。对于手表，至少还有产品、公司和监管框架可以指向。对于专业劳动，判断任务质量的平台，也可能就是决定是否付款的平台。对于文化可发现性，一部作品可以停止出现，却不一定产生一个可见的排除行为，也不一定留下一个容易识别的责任主体。

提供原材料的人——贡献对话、职业知识和作品的人——很少能够完整控制最终结果。

人工智能不只是一台生成机器。在生成之前，它首先是一套让事物变得可读的机器。

而一旦可读性被生产出来，它就可能开始脱离那些让它成为可能的人的控制。