. Для минимизации внутренних затрат большинство компаний, занимающихся контейнерными перевозками, в огромных количествах используют низкосортное топливо, что приводит к повышенному содержанию в воздухе серы и других токсичных веществ. По оценкам, один контейнеровоз выбрасывает в атмосферу столько же загрязняющих веществ, сколько вырабатывают пятьдесят миллионов автомобилей, а шестьдесят тысяч ежегодных смертей косвенно объясняются загрязнением от грузовых судов[109].

Даже такие дружественные для отрасли источники, как Всемирный совет судоходства, признают, что тысячи контейнеров ежегодно теряются, опускаясь на дно океана или уходя в дрейф[110]. Некоторые контейнеры перевозят токсичные вещества, которые просачиваются в океаны; другие выпускают тысячи желтых резиновых уточек, и те в течение десятилетий выбрасываются на берег по всему миру[111]. Обычно работники проводят в море почти шесть месяцев, часто с длинными рабочими сменами и без доступа к внешней связи.

Наиболее серьезные издержки глобальной логистики ложатся на атмосферу Земли, океаническую экосистему и низкооплачиваемых работников. Корпоративные представления об ИИ не отражают долгосрочные затраты и длительную историю ресурсов, необходимых для создания вычислительных инфраструктур, и энергии, требуемой для их питания. Быстрый рост облачных вычислений, представляемых как экологически чистые, парадоксальным образом привел к расширению границ добычи ресурсов. Только лишь принимая во внимание эти скрытые затраты, а также обширные совокупности участников и систем, мы можем понять, что означает переход к большей автоматизации. Это требует работы против принципов технологического воображения, которое обычно совершенно не связано с земными делами. Например, поиск картинки «ИИ», который выдает десятки фотографий светящихся мозгов и двоичных кодов, парящих в космосе, оказывает мощное сопротивление взаимодействию с материальными аспектами этих технологий. Вместо этого мы начинаем с земли, с добычи и с истории индустриальной власти, а затем рассматриваем, как эти модели повторяются в системах труда и данных.

В конце 1960-х годов историк и философ технологии Льюис Мамфорд разработал концепцию мегамашины, желая проиллюстрировать, что все системы, независимо от их размера, состоят из работы отдельных людей[112]. Согласно Мамфорду, Манхэттенский проект стал определяющей современной мегамашиной, тонкости которой скрывались не только от общественности, но даже от тысяч людей, которые работали над ней на охраняемых объектах по всей территории США. В общей сложности 130000 человек трудились в тайне под руководством военных, разрабатывая оружие, которое должно было убить (по самым скромным подсчетам) 237000 человек, упав на Хиросиму и Нагасаки в 1945 году. Создание атомной бомбы зависело от сложной, секретной цепи поставок, логистики и человеческого труда.

Искусственный интеллект – это еще один вид мегамашины, набор технологических подходов, зависящих от промышленных инфраструктур, цепочек поставок и человеческого труда, которые простираются по всему миру, но остаются непрозрачными. Мы поняли, что ИИ – это гораздо больше, чем базы данных и алгоритмы, модели машинного обучения и линейная алгебра. Он метаморфичен: он опирается на производство, транспортировку и физический труд; на центры обработки данных и подводные кабели между континентами; персональные устройства и их необработанные компоненты; на сигналы, передаваемые по воздуху; наборы данных, полученные через Интернет; и непрерывные вычислительные циклы. И за все это приходится платить.