笔记
← 返回《智人之上》系列目录 NOTES

14|极权主义:所有力量归于算法?

AI 会让极权制度变得不可战胜吗?

14|极权主义:所有力量归于算法.md 更新于 2026-09-23 ~6 分钟阅读

一、先说结论

要点

AI 确实给了极权前所未有的监控与决策能力,但集中式网络天生缺乏纠错:没人敢指出错误,系统就会越走越偏。极权在 AI 时代既更强大,也更脆弱。

赫拉利的两面判断同样重要:不要因为它脆弱就以为它必然失败——他在书里明确提醒,不要假设幻觉网络注定崩溃。

二、我们先理解一个问题

先看一个历史困境。

历史上的独裁者都想要全知:知道谁在抱怨、谁在串联、谁在囤粮。但他们做不到,因为执行监控的是人——人会偷懒、会被收买、会有自己的判断。所以他们只能在“有限监控”和“极高成本”之间取舍。

现在假设监控可以自动化:不需要密探,不需要告密者,系统自动记录、自动分析、自动预警。

问题来了:如果监控的瓶颈被技术解决了,极权是不是就天下无敌了?

三、作者到底提出了什么观点?

赫拉利的回答是:一半是,一半不是。

是的那一半:AI 确实解决了极权的两个老问题。第一是监控成本,自动化让全面监控第一次变得可行。第二是信息过滤,决策者可以直接读取原始数据,不必依赖会美化汇报的下属。

不是的那一半:纠错问题无解。集中式网络最根本的弱点是,它无法承认自己错了。而 AI 恰恰会放大执行力度——如果方向错了,AI 会让错误执行得更快、更彻底、更不可挽回。

赫拉利还提出一个更微妙的可能:当决策越来越多地交给算法,统治者本人也可能被架空。他名义上拥有一切权力,实际上只是在确认算法给出的选项。

四、把这个观点翻译成人话

可以把极权想象成一辆车。

它的特点是方向盘只有一个,油门很猛,而且没有刹车——因为刹车(纠错)需要有人敢说“我们走错了”,而这套系统不奖励这种人。

AI 做的事情,是给这辆车换一个更强的引擎。它确实跑得更快了,但刹车依然没有。而且速度越快,撞上的时候越惨。

五、为什么会这样?

把“更强也更脆弱”这个双重判断拆开,可以看到它来自两条不同的机制。

flowchart TD
    A["AI 提升监控能力"] --> B["镇压与执行更高效"]
    C["AI 提升信息获取"] --> D["决策者绕过下属
直接看到数据"] B --> E["短期:控制力空前强大"] D --> E E --> F["但纠错渠道没有增加"] F --> G["错误被更快、更彻底地执行"] G --> H["崩溃来得更突然"]
关系示意图

上半部分是“更强”的来源:监控和执行都被技术加持,控制力达到历史高点。

下半部分是“更脆弱”的来源:控制力提升不等于纠错能力提升。一个系统越是能压制反对意见,它就越听不到自己正在走错路。

两条机制叠加的结果是:极权在和平时期看起来更稳固,在危机时刻崩得更快。

六、举一个现实生活中的例子

看外卖骑手和仓储工人身上的“算法管理”。

系统给每个人派单、计算路线、设定时限,超时就扣分、影响收入。它不需要主管盯着,也不需要谁发脾气——它只是持续地、精确地执行规则。

这套系统效率极高。但它有一个特点:申诉渠道非常有限。骑手遇到商家出餐慢、电梯坏了、天气恶劣,系统并不会“理解”,它只记录超时。

在微观尺度上,这就是“所有力量归于算法”的样子:规则清晰、执行严格、纠错困难。工人不是被某个人压迫,而是被一套没人能修改的规则压迫。

七、回到书中重新理解

赫拉利在这一章里,把极权当作一种信息网络来解剖,而不是当作一种道德败坏。

他的分析框架是:极权的优势在于统一行动与快速执行,弱点在于缺乏自我修正机制。这两点都不是靠“更坏的坏人”造成的,而是结构决定的。

他还讨论了 AI 带来的新变量:当算法参与到决策中,极权可能演变成一种更陌生的形态——不是某个人在统治,而是某个模型在筛选、排序、建议,而所有人都不知道它的标准是什么。

赫拉利最后提醒读者:不要因为“幻觉网络终将失败”而安心。他在书里明确写道,纳粹和斯大林体制曾经是历史上最强的网络之一,它们差一点就赢了。如果我们要阻止这类网络的胜利,必须自己去做那些困难的工作。

八、这个观点背后还有什么?

第一,它有一个隐含前提:权力需要信息,而信息需要渠道。控制渠道的能力越强,纠错的可能性就越低——这是同一个硬币的两面。

第二,它揭示了集中式网络的规模悖论:网络越大,需要处理的信息越多,单点决策的失真越严重。

第三,它和上一篇呼应:坏消息上传的困难是集中式网络的原罪,AI 解决的是“技术上的上传”,不是“制度上的上传”。

第四,它给了一个重要的方法论提醒:判断一个制度是否健康,不要看它多强大,要看它能不能承认错误。

九、这个观点有问题吗?

十、今天再看这个观点

以下是基于赫拉利思想的现代延伸,不是作者原话。

算法管理正在从工厂和平台扩散到更多行业:排班、考核、信贷、保险定价。它们的共同特征是:规则由系统执行,而系统不解释自己。

这带来一个治理上的新课题:如何在算法管理的场景里保留有效的申诉渠道。如果申诉只是让人再点一次“确认”,那它就不是纠错,而是仪式。

十一、这一篇真正应该记住什么?

  1. AI 解决了极权的两个老问题(监控成本、信息过滤),但解决不了第三个:纠错。
  2. 控制力提升不等于纠错能力提升,速度越快,撞上时越惨。
  3. 算法统治可能连统治者本人都架空:名义上拥有一切权力,实际上只是在确认选项。
  4. 不要因为“幻觉网络终将失败”而安心——历史上最强的网络之一,差一点就赢了。

十二、留一个问题

如果一个系统连“我们可能错了”都不允许被说出口,那么它变强的时候,究竟是在变强,还是在积累一次更大的崩塌?