当女性主义问题被编码,同谋、反思还是解构?
The following article is from 社会科学报社 Author 吴静
性别主义是人类社会正在面对的诸多困境中的一个缩影。一方面,对性别政治问题的思考正在不断触及社会的各个微观方面,挑战着习以为常的默认值;另一方面,现实与文化经验中的传统问题在以数字化为中介的技术重构中似乎又有了新的布展。当性别问题,特别是女性问题以景观的方式被建构时,对问题的观照也不自觉地成为景观的一部分。同谋、反思还是解构?这是时代之问。
近几年,女性题材屡屡成为银屏爆点,从影视剧到综艺节目,娱乐产业以女性为主要定位(角色、参与者和观众)的作品相比之前呈现出一定的异质性。如果说之前同质化程度极高的家庭伦理剧和强行人设的“塑料女性职场剧”是将女性形象刻板化、单一化为假想的元素,那么,试图挑战这一点的制作者们则尝试以年龄和多元为突破,赋予女性以更丰富、更立体的维度。一时间,角色剧情、综艺话题、脱口秀爆点,无不“得女性者得天下”。
但在另外一方面,女性的“被看见性”却依旧有无法突破的桎梏。在2020年上半年新冠疫情事态最为紧急时,在部分媒体的报道中,那些奋斗在一线的女性专业人士的形象却以一种狭隘的性别化方式被展现出来:惜别—落泪、剪发—落泪、重逢—落泪、思念—落泪……在这一特殊的时刻,尽管这些视觉塑造中不乏制作者想要表达的“人性光辉”,不可否认,女性的社会性维度和责任担当还是被降维为附属在性别角色特征(甚至是刻板的和假想的)之下的次要存在。这样一种影像输出只是扁平的性别符号的溢出,与义无反顾选择社会担当的男性角色形成性别甚至人设的正反简单化对比。在某种程度上,超量溢出的影像形成了关于女性的普遍性景观:不分地域、不分年龄的女性共同经历着同样的焦虑——情感、家庭、年龄、容貌、职场危机……从大多数读者和观众的经验层面看,这些焦虑似乎真实可信。然而,这真是女性的普遍焦虑吗?解决这些问题是女性的责任吗?
表面上看,性别的焦虑仿佛来自她们对于现实问题的困扰,事实上这些问题的根源在于公共空间内身份认同的危机感。这种危机感正是身份作为一种社会性建构对性别的凝视。波伏娃所谓的“第二性”所言的正是社会对女性的话语建构之结果。这些焦虑本身不是某一性别所特有的,也不是所有性别群体共有的,但却被符号化为某种单一性别的表征。
从一方面而言,焦虑叙事反映了文化的镜像和征兆。它以极具现实感和代入感的影像编排将社会秩序的规范、主流意识形态的观照和价值判断进行编码,使得个体在被编码的他者凝视的镜像中辨认和塑造自我,以期完成叙事的经验性维度。“在这种经验中,个体寻求的不是简单地去抚慰大的他者,而是通过使自己成为心目中的“他”或“她”而消解自身中的他性。通过想象的途径,那把自我带入存在的源初认同过程被重复,并由个体在其与由众人和事物构成的外部世界的关系中加以强化。想象作用是一种极端的幻想尝试的景观。”这种景观维护了刻板印象的持续,同时又把社会问题置换为性别自身的问题。
而在另外一方面,焦虑叙事的影像输出所强调的“被看见性”也源于贩卖焦虑所带来的利润的诱惑。例如:当所有的商业口号将女性的主动性定义在持续的购买和占有上时,再没有比贩卖焦虑更能激起消费的动机:说到底,这不过是围绕商品所建立起来的影像与文本的光晕,它穿透焦虑直抵欲望。资本从未放弃任何阵地。它使得性别话语的任何形式都成为其同谋。性别的压制与反思、身体的禁锢与解放、焦虑的形成与释然……资本所到之处,它们不过是视觉舞台上穿梭的面具与影像。
影像从来就不曾是简单的现实(或真实)。它利用不同图像的功能和图像之间的过渡与转接创造性地建立了视觉可见与知觉理解之间的联结,是叙事张力的一种构架,也是社会结构对可见物与可说物之间关系的一种情境性重构。这种重构并不必然地和真实之间产生因果联系,而是作为用可见形式书写出来的新的意义叙事凌驾于现实之上,甚至取代现实。那么,影像所诉说的可能是单义的现实(或真实)吗?谁决定了影像的输出呢?
数据世界的性别建构
当技术以“科技改善生活”作为口号和愿景不断进入我们的生活,以至于在某些时候从辅助的工具中介变成了生活选择本身时,生活面临着被数字化再现的现实。然而,数据再现和重构的可能来源是算法,其构想不可能脱离对社会问题的理解——更准确地说,想象性的理解。这种想象形态决定了数据和算法的可能视域。这也就意味着,一些身体、一些问题被普遍化,而另外一些则被遮蔽。因此,数据化并没有将性别问题的解决带入一个令人乐观的前景中,相反呈现出两极化的趋势。根据世界经济论坛发布的《2020全球性别差距报告》,无论地区、种族、行业、阶层,世界范围内女性所获得的平均薪酬仍低于男性,职场天花板严重,其在重要岗位和高层职位所占比例远低于男性。与此同时,新冠肺炎疫情的持续使得更多女性陷入困境。
在生活世界越来越智能化的情况下,数据的性别歧视使得性别问题本身自然化。一方面,习惯于网络生存的人们倾向于将互联网所展现的世界当作全部现实,忽略了边缘群体难以被数据和算法看见的情形,从而导致边缘群体的遭遇愈加被边缘化,不能获得有效关注。另一方面,当涉及医疗医药、福利政策的设计取决于有缺陷的算法或数据库时,所造成的影响就不仅仅是生活的不便,甚至可能是致命性的。例如,在心脏药物研发过程中,对合理药剂量的确定大多来自男性数据,造成了女性药物不良反应的发生率是男性的两倍。音频软件的开发也面临类似的情况。因为绝大多数女性和儿童声音频率的范围天然地高于男性,要达到同样的语音识别精度就必须使用更为庞大的源数据库对识别软件进行训练。但现实往往恰恰相反。作为一种权力构架,数据和算法设计的性别主义决定了女性在数字世界中经历着“缺席”的状态,这一状态固化并强化了她们在现实世界中的困境。客观来说,许多女性所面对的具体的问题并不多发于男性性别视阈之内,但是,性别的窄化问题却依然是男性本身在数字世界内无法回避的困境。
凯瑟琳·蒂格娜齐奥和劳伦·克莱恩在她们的新书《数据女性主义》中一针见血地指出,事实上,摒除技术的外壳和支撑,形成数据世界的规范和现实世界并没有什么不同。围绕大数据和数据科学的叙事结构从根本上而言依然是成年男性的。但性别问题并不等于只有女性问题的存在,必须将两种性别所面对的具体问题纳入分析视域。因此,在批判性面对数据科学时必须要追问甚至挑战三个问题:谁来做,为了谁,体现谁的利益。对这三个问题的批判性回答直指数据世界的性别建构。
鲜活、丰富的形象往往呈现为“剪影”
贝尔纳·斯蒂格勒在《技术与时间》的开篇从存在论哲学立场出发对技术化的理性逻辑进行了清算。他认为,技术在展示人类力量的同时也妨碍了人的决策行为和个体化可能。究其根本原因,在于技术逻辑所依赖的计算理性和人本逻辑中不能被计算化的维度之间的差异,也是算法的刚性边界和关于人的定义的弹性边界之间的不兼容。性别话语并未逃脱这一矛盾。
当经验现象通过计算机变成可读的数据时,现象和事件的随机性被打破,它们被数据化地置于与其他事件的各种联系当中,以一种数据上的连续性代替了表面的不连续性。数据挖掘和分析呈现给读者和客户一种解蔽式的世界景观。然而,值得注意的是,这种景观所展现的连续性未必是自然性的,它取决于算法设计的初衷。用哲学的语言来说,算法实际上是数据使用的问题式,它决定了数据在何种意义上可以成为信息。从这个意义上而言,《数据女性主义》一书所提出的问题就至关重要:如果构建整个数字化世界的意识形态从未改变,又如何能够期待它从自身内部生发出解放的力量呢?更为严重的是,硅谷顶级大型科技公司中女性雇员比例相比其他行业呈现出明显劣势。这使得从算法设计到数据收集的所有环节都可能在性别多样性上呈现出明显的不对称。这种缺陷导致了数字化再现的世界和真实世界之间的巨大鸿沟。
海勒以著名的科幻小说作家菲利普·K. 迪克的《机器人会梦见电子羊吗?》为例,分析了“机器人”能指在性别话语上所可能引起的身份认同问题。当观察者依据“人”或“女性”的所谓特征对对象个体进行判断的时候,往往和真实无关,而只和他据之作出判断的预设有关。身份认同一直是女性主义运动中的“拟像”之困。女性主义一直致力于寻找新的语言在公共生活领域内定义和表现女性身份和意义,同时试图突破旧性别政治话语的局限性。唐娜·哈拉维把它形容为“为争夺公共知识所展开的竞赛”。这种知识的建构无法诉诸个体自身的差异,而是通过多样性和关联性的经验被建构起来的。在这个维度上,女性的问题必然是集体主义的,却不是普适性的;女性经历必然是多样性的,但并非个体化和特殊化的。围绕着女性身份问题出现的种种差异,甚至对立的事件反映出辩证法的特征:身份本就是在自我和他者的边界处不断逡巡参照的结果,具体的边界依具体的历史情境而有所不同。但对于女性而言,这种不同中的共同性依旧有迹可循。女性主义实践的历史不断改写着对“女性经历”的认定。然而,这种多样性是否能被算法确定为参照维度,才是数字化时代真正要追问的问题。
当性别主义问题被编码为数据时,鲜活的、丰富的具体形象往往呈现为一幅“剪影”:只具有模糊、相似的轮廓,异质性的神态、表情等面部细节却是被一片统一的黑色所覆盖,不具任何可辨性。与此同时,“性别”本身在流量逻辑、资本逻辑的加持下,已然成为一种被构建的景观。传统女性主义将父权制下的男性凝视作为反抗的对象,但在数字时代,男性与女性则共同面对着现实权力结构之上的另一重凝视——算法权力。无论是面对数字鸿沟问题,还是数据对现实的反向校准,性别的差异都已经无法决定个体是否能够逃脱数字权力的吸纳。
从女性主义所面对的困境进一步延伸就会发现,性别问题在数字时代正在演化成为一种反思社会现实结构的可能性视角。算法权力的不断弥散事实上将男性与女性共同拉入了一个全新的数码空间,传统的性别问题也不再单纯地表现为二元对立,而是在面对共同的权力结构时,以性别视角的不断转换与逡巡完成对真实生活的理解与反思。因此,一方面要客观审慎地对待数据和算法中暗藏的性别意识形态,另一方面要重视未能进入数字化的性别问题,这不仅是大数据时代性别研究应当秉持的态度,同时也是批判性面对数字化的要求。
读了好文,点个“在看”