壓迫演算法

《壓迫演算法》的起點是一項看似簡單的操作：在 Google 中搜尋「Black girls」。Safiya Umoja Noble 從 2009 年起持續記錄結果，發現沒有輸入任何色情詞彙，首頁卻長期被色情網站、性化廣告和侮辱性聯想占據；搜尋「white girls」得到的圖景則明顯不同。她不把這解釋成一段後來可以修掉的壞程式碼，而是追問：當一個商業搜尋引擎成為學校、媒體和普通人認識世界的入口時，誰有權決定哪些關於黑人女性的敘述最「相關」？

Noble 的答案把演算法放回政治經濟。搜尋排序不是從整個網際網路中客觀提煉出來的真理，而是廣告競價、搜尋優化、點擊行為、企業規則和平台壟斷共同作用的結果。色情產業與大型廣告主能夠投入遠超過黑人女孩社群的資金，占據與身分詞相關的可見性；Google 又以商業機密和自動化中立為由，把具體排序描述成沒有主體的技術過程。所謂「使用者想看什麼」於是掩蓋了誰有能力製造、購買和放大這種欲望。

這使搜尋結果不只是令人不悅的再現，而是一種知識基礎設施。人們會把排名靠前的頁面當作更可信、更普遍、更值得存在的答案，教師和學生也越來越依賴搜尋完成初步研究。平台因此同時扮演目錄、編輯和廣告市場，卻不承擔傳統公共知識機構相應的問責。Noble 所說的「演算法壓迫」，正是舊有的種族與性別等級在新分類系統中獲得速度、規模與可信外觀，而非機器突然學會了人類本來沒有的偏見。

黑人女性主義讓她看見「黑人女孩」的超性化不能拆成兩個獨立錯誤：一部分是種族歧視，另一部分是性別歧視。Jezebel、憤怒黑人女性等歷史刻板形象，在搜尋摘要、自動完成、圖片和廣告中被重新組合；黑人女性既過度可見為性對象，又不可見為學生、專業人士和完整的人。若只用整體性的「女性資料」或「少數族裔資料」測試系統，這種交叉傷害很可能繼續被平均值遮蔽。

本書的方法並不是打開 Google 的原始碼，而是把搜尋結果當作文化文本，長期觀察關鍵字、廣告和媒體排序，再與黑人研究、女性主義媒體史、資訊科學和圖書館分類史相連。傳統圖書館也曾用帶有種族主義、殖民主義和性別偏見的主題詞組織知識，因此數位平台並非第一次面對分類政治。不同之處在於，私人搜尋公司控制了前所未有的知識入口，規則不可見、結果隨時變化，公眾也缺少能夠申訴和審計的穩定機制。

因此，Noble 的建議不只是在於「招聘更多元的工程師」或改善訓練資料。代表性很重要，但獲利模式、壟斷權力和法律免責如果不變，少數個人很難抵消結構性誘因。她要求把搜尋與人工智慧視為公共政策問題，建立反歧視責任、透明度、獨立研究和公共利益資訊系統，並讓黑人研究、族裔研究、女性與性別研究、圖書館學等知識進入設計和治理。為社會進行技術設計，卻不系統學習社會的壓迫史，本身就是風險。

本書也有需要辨認的邊界。它的核心案例來自特定年份、英語網際網路和美國種族史，搜尋結果後來已有變化；讀者今日無法用一次搜尋重現舊頁面，並不意味當年的分析失效，也不能證明所有現行系統已經安全。Noble 研究的是可見輸出和商業結構，不是一次可重複的程式碼審計；對全球南方平台、非英語搜尋及使用者主動抵抗的討論相對有限。把所有不滿意的結果都叫「演算法偏見」，同樣會稀釋她對制度權力的精確批判。

閱讀時可以分三層記錄：頁面上出現了什麼再現，商業系統為何獎勵它，這種排序又如何影響教育、輿論和機會。再把書中的搜尋案例與當下推薦系統、生成式人工智慧和大型語言模型對照，但不要假定新技術只是 2018 年 Google 的放大版；需要重新調查資料、商業模式和治理鏈條。《壓迫演算法》最持久的貢獻不是提供一張舊錯誤清單，而是教會讀者在每個「智慧答案」前追問：相關性由誰定義，傷害由誰承擔，又有誰能真正要求系統改變？