多项选择题能力测试不再要求“注意细微差别或在特定情况下解决问题”，转而关注那种数学上的细节问题，即使在当时，行业领袖也认为这些问题与编程越来越无关了。这些测试真正擅长评估的是男人在当时更可能在学校里学到的那种数学技能。它们也适合测试申请者是否有良好的人脉：答案经常可以通过纯男性的关系网获得，比如大学兄弟会和麋鹿会（美国的兄弟会组织）。[61]

在卡内基梅隆大学夏校活动中，计算机科学教师认可的是一种程序员的刻板印象：孤僻的怪才，社交技能很差，不讲个人卫生。1967年一篇被广泛引用的心理学论文指出，“对人不感兴趣”和“不喜欢与人密切接触的活动”是“程序员的显著特征”。[62]结果，公司找到了这些人，他们成了那一代的顶尖程序员，而他们的心理状况则成了一种自我应验的预言。

既然如此，这种隐藏的偏见如今又卷土重来，也就不足为奇了，这是因为有越来越多的秘密算法参与到招聘过程中。美国数据科学家、《数学杀伤性武器》一书的作者凯茜·奥尼尔为英国《卫报》撰文，解释了在线技术招聘平台Gild（现已被城堡资本公司收购并纳入公司内部[63]）如何通过梳理求职者的“社交数据”，[64]也就是他们在网上留下的痕迹，让雇主获得远超求职者简历的信息。这些数据被用来根据“社交资本”给候选人排名，“社交资本”基本上是指程序员对数字社区有多么不可或缺。这可以通过他们在GitHub或Stack Overflow等开发平台上共享和开发代码的时间来衡量。但是Gild筛选出的海量数据也揭示了其他模式。

例如，根据Gild的数据，经常访问某个特定的日本漫画网站“预示着强大的编码能力”。[65]因此，访问这个网站的程序员会得到更高的分数。这一切听起来都很令人兴奋，但正如奥尼尔所指出的，访问漫画网站就能得到加分，这实在让关心多样性的人心中警铃大作。正如我们所见，女性承担了全世界75%的无偿照护工作，她们可能没空花几个小时在网上聊漫画。奥尼尔还指出：“如果像大多数科技网站一样，那个漫画网站也由男性主导，并且带有性别歧视的基调，那么这个行业中的很多女性可能会避免使用它。”简而言之，Gild看起来有点像卡耐基夏校项目中那位男性计算机科学老师的算法。

毫无疑问，Gild并无意创造一种歧视女性的算法。他们的本意是消除人类的偏见。但是，如果你不了解这些偏见是如何运作的，如果你不收集数据、不花一点时间来建立基于证据的程序，你就将盲目延续过去的不公正。因此，Gild的程序员没有考虑到女性与男性在线上和线下生活的差异，他们无意中创造了一个对女性存有潜在偏见的算法。

但这还不是最麻烦的。最麻烦的是我们不知道问题到底有多严重。大多数这类算法都是保密的，并以专有代码的形式得到保护。这意味着我们不知道这些决策是如何做出的，也不知道它们隐藏了什么偏见。我们之所以了解Gild算法中的这种潜在偏见，唯一的原因是它的一个创建者碰巧告诉了我们。因此，关于这些人工智能的歧视性，这是一个双重性别数据缺口：首先是在设计算法的程序员的认知方面，其次是在整个社会的认知方面。

在晋升和招聘中，都存在就业程序不自觉偏向男性的问题。一个典型的例子来自谷歌，在这家公司里，靠毛遂自荐获得升职的女性员工少于男性。这不足为奇：女性习惯于谦逊，万一她们越过了这一既定的性别准则，就可能受到惩罚。[66]但是谷歌感到惊讶，于是开始着手解决问题——这一点值得嘉许。不幸的是，他们解决问题的方式是典型的男性默认思维。

目前还不清楚谷歌是没有还是不关心强加给女性的文化期望数据，但无论如何，他们的解决方案不是修正男性偏见的体系，而是修正女性。2012年，谷歌的人力运营主管拉兹洛·博克告诉《纽约时报》，谷歌的资深女性员工开始举办研讨会，“鼓励女性毛遂自荐”。[67]换句话说，他们举办研讨会来鼓励女性更像男性。但是，我们为什么要接受这样一个事实呢？即男人做事情的方式，男人看待自己的方式，才是正确的方式。最近的研究表明，女性往往能准确评估自己的智商，但智商为平均水平的男性则认为自己比三分之二的人更聪明。[68]在这种情况下，也许并不是女性提名自己的比例太低。也许是男人推荐自己的比例太高了。

博克声称谷歌的研讨会是成功的（他告诉《纽约时报》，现在女性的晋升比例与男性相当），但若真是如此，为什么谷歌不愿提供数据来证明呢？美国劳工部在2017年分析谷歌的薪酬实践时发现，“几乎整个劳动力市场上都存在针对女性的系统性薪酬差异”，“在几乎所有工作类别中，男性和女性的薪酬都存在六至七个标准差的差异”。[69]谷歌已多次拒绝向劳工部提交完整的工资数据，在法庭上斗争了数月以避免这种要求。他们坚称，公司不存在薪酬不平衡。

对一家几乎完全建立在数据基础上的公司来说，谷歌不愿提供薪酬方面的数据，似乎有些出人意料。它本不应如此。软件工程师周怡君自2013年以来一直在调查美国科技行业女性工程师的数量，她发现“每家公司都有一些隐藏或篡改数据的方法”。[70]他们似乎也并不想费神去考察其“举措能否令工作环境对女性更友好，或鼓励更多女性进入或留在计算机行业”。周怡君解释说：“没有办法判断他们的举措是否成功或值得模仿，因为没有任何成功的标准。”结果，“没有人就这个问题进行诚实的对话”。

科技行业为何如此害怕透露按性别分列的就业数据，原因尚不完全清楚，但它对优绩主义神话的迷恋或许与此有关：如果想要得到“最优秀的人才”，你需要做的只是相信优绩主义，那么数据对你有何用？具有讽刺意味的是，如果这些所谓的优绩主义机构真的把科学看得比宗教重要，那么他们完全可以利用现有的、基于证据的解决方案。例如，与普遍的误解相反，伦敦政治经济学院最近的一项研究发现，在政治选举和工作场所中引入的性别配额是为了“淘汰不称职的男性”，而不是为了提拔不合格的女性。[71]

他们还可以收集和分析有关招聘程序的数据，看看这些程序是否如他们认为的那样性别中立。麻省理工学院就是这么做的，他们对30多年来的数据进行分析后发现，女性在“通常的部门招聘程序”中处于劣势，“传统的部门遴选委员会可能很难找到杰出的女性候选人”。[72]除非遴选委员会明确要求各部门主管提供杰出的女性候选人姓名，否则他们可能不会推荐女性。许多女性得以录用，是因为明确提出要选拔女性候选人，如果没有外界的鼓励，她们可能一开始就不会申请这份工作。与伦敦政治经济学院的调查结果一致，这篇论文还发现，在特别注重聘用女性时，标准并没有降低：事实上，如果有什么不同的话，那就是被聘用的女性“在某种程度上比她们的男性同行更成功”。

好消息是，一旦各个组织确实看到这些数据并试图采取行动，可能会带来翻天覆地的变化。一家欧洲公司在发布技术职位招聘广告时，使用了一张男性的照片并强调“进取心和竞争力”，于是只有5%的应聘者是女性。而当他们把广告换成一张女性的照片，并以文字强调热情和创新时，女性申请人数飙升至40%。[73]数字设计公司Made by Many也发现了类似的转变，他们改变了招聘高级设计岗位的措辞，更多地关注团队合作和用户体验，而不是一味鼓吹执着和自负。[74]这个职位并没有变化，但对它的描述不同了——结果女性申请者的数量增加了一倍多。

这只是两则轶事，但有大量证据表明，广告措辞会影响女性求职的可能性。一项针对4000个招聘广告的研究发现，如果广告中使用了“进取”“雄心勃勃”或“坚持不懈”等与男性刻板印象相关的字眼，女性就会丧失申请意愿。[75]值得注意的是，女性并非有意识地关注语言，也没有意识到它对自己的影响。她们把工作缺乏吸引力归结为个人原因，使之合理化——这表明在你遭受歧视的时候，你甚至未必能意识到自己的处境。

几家科技型初创企业也借鉴了纽约爱乐乐团的做法，开发了盲招系统。[76]GapJumpers公司会给特定职位的求职者分配小型任务，并将表现最好的求职者的资料发送给招聘经理，但对其身份信息完全保密。结果呢？大约60%的获选者来自代表人数不足的背景。当技术招聘机构Speak with a Geek在两个不同的场合，向同一组雇主展示相同的5000名候选人时，他们发现了类似的戏剧性结果。第一次，他们提供了候选人的姓名、经历和背景等细节，获得面试机会的人中有5%为女性。第二次，这些细节都被隐去，被选中面试的女性比例为54%。

不过，虽然盲招可能在最初的招聘过程中很管用，但它难以被纳入晋升程序。但解决方案也是有的：问责制和透明度。某家科技公司通过收集所有关于加薪决定的数据，并任命一个委员会来监控这些数据，让经理们真正对自己的决定负责。[77]采用这一制度5年之后，工资差距几乎完全消失了。

* * *

①优绩主义（meritocracy），原指选贤举能的政治主张，后泛指社会地位和财富应根据个人能力来分配。

②第一民族（first nations），指某一地区最早的原住民及其子孙。