仍有固有观念存留在我们的语言习惯中，并在下一次信息传播中加深曾经的偏见。
前几天打开新闻网页，好几个“女司机”肇事的新闻标题闯入眼帘。也许是职业病使然，我下意识认为本应字字珠玑的标题特意提及性别信息，一定与事故成因有关，但读完正文后却发现两者毫不相关。
这不禁让我讶然，标题讲究简洁有力，力求减少无谓信息。若交通事故没涉及情杀、骚扰等有关性别的情节，强调男女是一种信息冗余，并不符合打题原则。
也许有人说：“我就想知道肇事者是男是女。”但若司机是男性，标题特意指出“男司机”的情况明显较少，一般会直接用“司机”。在这一语境下，“女司机”并非区别于“男司机”，而是直接与“司机”剥离，俨然成了一个被边缘的他者，即第二性（The Second Sex）。这类表达也会进一步加深对女司机的刻板印象。
实际上，现在早已不是谈女司机色变的时代，中美英等多国数据早已证明，女司机事故率甚至低于男性。但仍有固有观念存留在我们的语言习惯中，并在下一次信息传播中加深曾经的偏见。
当然，这可能也有人工智能（AI）的手笔。上到路透社等国内外新闻媒体机构，下至我们常用的社交媒体，近年都开发使用AI生成标题、关键词等功能。但我们喂养给AI的大量语言资料，本身就容易隐藏各种不易察觉的固有观念。中国上观新闻做过一次数据分析，在2016年有关交通事故的报道中，提及女司机的标题数量约为提及男司机的11倍。但中国司法大数据研究院有关2016年至2019年交通肇事罪的报告显示，男司机万人发案率其实是女司机的8.8倍。AI吃下这些新闻资料后，自然也会认为“女司机”是更应该强调的肇事者。
可悲的是，我们为AI输入的偏见也会像回旋镖一样打在自己身上。英国伦敦大学学院（UCL）研究指出，人类和AI系统的偏见会形成类似滚雪球的反馈循环，不断放大最初的微小偏见，最终导致使用AI的人有更多偏见，比如低估女性的工作表现。
这种偏见并非只存在于性别之上，而是充斥国籍、种族等方方面面。彭博社的AI图像生成测试创建出5000多张图像，呈现出一个由白人男性CEO统治的世界，黑皮肤女性总以翻煎汉堡肉饼为生。AI语言模型还会用伪科学或伪历史来印证这些刻板印象。这些AI生成图像和内容，也常常未经审核就流传到社交媒体中，被算法打包成为信息茧房的原料。
但当我们吐槽AI语言加深偏见时，也须意识到人类的语言系统其实比AI更复杂。若说AI还可以通过系统调整和人类把关来完善算法语言，那无意识的习惯用语及偏见，会在无形中潜移默化地改变我们的思维。每一字、每一词在脱口而出的同时，也在塑造我们的认知，“女司机”只是其中一例罢了。
迷失在爆炸般的信息碎片中，被真的假的好的坏的词包围，你我一不小心就可能成为一叶障目的盲眼人。若想着干脆沉沦在这良莠不齐的碎片飓风中，不谈对错与是非，你会发现这些碎片的尖角总有一天会对向你。也许这时，我们才会想到：“女司机”可能是你，也可能是我，是每一种可能被误读的处境。
（作者是《联合早报》多媒体编辑）
