減少隱性偏見

造成嚴重特殊傳染性肺炎 (COVID-19) 的冠狀病毒，並不是目前肆虐全球的唯一疫情。歧視，特別是種族歧視，仍持續重創整個人類社會。過去幾年，越來越多的抗議活動及社會正義組織不斷發聲要求推動改革，以對抗顯而易見及較為隱晦的偏見。

長久以來君尊結構 (kyriarchy) 造成的隱藏問題之一，就是隱性偏見 (Implicit bias)，意思就是人們會無意識地貶低某些族群及他們的特質。我們所使用的字句，都可能助長這樣的既定偏見，但如果能夠審慎斟酌用字遣詞，那麼語言其實也有助對抗這些偏見。

Lionbridge 一向戮力排除隱性偏見。為了進一步擴大這些努力，我們也設法提升了大眾對隱性偏見這個問題的關注。以下便是 Lionbridge 的幾位領導主管，對運用語言提升社會公平及打造更加包容社會的看法。

接受本次訪談的受訪者包括：

• 行銷長 Jaime Punishill
• 生命科學總經理 Mark Aiello
• 解決方案架構師 Lisa Yip
• 語言工程研發主管 Rafa Moral
• NA 策略客戶副總裁 Brian Randall
• NA 解決方案資深主管 Claire Goodswen

關於最近對隱性偏見的對話討論，您看到了什麼樣的變化？

JP：過去幾年，主流社群似乎覺醒了，發現光是拒絕種族歧視還不夠，必須要主動積極地成為反對種族歧視的人。握有權力或影響力的人，不能再只是大談改變，而是必須投入更多心力：現在就是他們主動積極設法做出明確改變的時機。

MA：我們的客戶和潛在客戶經常問我們有關致力多元化以及企業社會責任的問題。而談論多元化議題時，自然會進一步討論隱性偏見的問題。從生命科學產業的角度來看，這是很合理的，因為業界過去就在推動更高的病人參與。無論是如何設計研究、如何與試驗參加者交流互動或是管理供應鏈的做法上，製藥產業一直希望能在各個方面提高多元性，而解決隱性偏見正是達到此目標的其中一個方法。

LY：我發現在建議需求書 (RFP) 中，有關多元化和包容性的問題多了很多，從去年的年中開始這類問題就變多了。

CG：這個問題在過去一年、甚至過去五個月時，開始成為最受到關注的議題。在那之前，其實沒有多少人在意，現在則成了人們覺得是必須要做的事，即使還沒著手解決，也早已列入待辦事項。諸如 #MeToo 和 BLM 行動等事件，也使得人們開始反思自己本身有什麼偏見，以及這些偏見是如何根深蒂固於社會中。

RM：最近，尤其是 2020 年因 George Floyd、Breonna Taylor 等謀殺案而出現更多抗議警察暴力的活動後，我們的確發現對這類服務的要求也增加了。

為了解決語言中的隱性偏見，首先該怎麼做？

CG：我們必須保持開放的心態，不要以為自己沒有任何偏見。沒有人是完全沒有偏見的。而我們也得努力解決，因為我們所處的產業就有根深蒂固的偏見。

BR：對這類專案感興趣的公司，會有兩個不同的問題需要處理：改正過去任何受偏見影響的決定，以及據此更改工作流程，避免日後重蹈覆轍。而後者更是打造包容的語言風格指南的好機會。

RM：找出有問題的字詞是第一步，而我們的語意標記服務和客製化的創譯服務這時就能派上用場；我們可以運用現有的詞彙列表，搭配任何客戶已有的列表或工具進行。

Lionbridge 的經驗如何有助專案減少隱性偏見？

LY：在我們社群管理團隊的努力下，Lionbridge 早已和非常多元的供應商和廠商合作。對特定專案和客戶來說，LSP 能充分了解客戶的領域範疇是非常重要的，而這也是我們表現卓越的地方。不是所有的供應商都具備這類專案不可或缺的技能組合；你必須要有深刻的文化意識與理解，而且要進行大量的對話交流。人們通常希望能趕快進行改變，但怎麼做才不會因此犧牲品質，並不是件容易的事。Lionbridge 擁有技能精湛的專家，能協助客戶迅速完成這類專案。

MA：語言管理就是我們的日常生活，所以無論做什麼，我們都能進一步擴展至這個領域。因為我們與合作夥伴有著極為密切的合作關係，所以是真的能從無到有地研擬計畫。比如說，當製藥產業的客戶要求我們與社群內的多樣性供應商合作時，我們就能研擬人才招募計畫以達成他們對語言品質以及廠商挑選上的需求。

RM：我們工作流程會使用的 Linguistic Toolbox，其實設有冒犯語言規則已有好一陣子，以確保翻譯中不會出現不恰當的字詞。從這些比較舊有的冒犯字詞，像是粗話以及明目張膽的種族歧視、性別歧視和恐同用語等列表出發，進一步擴充加入較為隱晦暗諷的用語，其實就是更廣泛地應用我們原本在這個領域的技能組合。

在找出與減少隱性偏見上，會遇到哪些障礙？

CG：一旦找到偏見，我認為接著就要靠教育來解決。你必須培養內容創作者，讓他們有找出/消除偏見的意識，這時提供詞彙表和進行品質檢查就很重要。

重點在於聆聽但不要有防禦心態。人們常常把這類對談視為是對他們個人的批判，但其實這都是我們過往經歷形成的結果。畢竟從過去一路前行之際，往往都是從最沒有阻力的地方突破，所以多年以來你並不會想到自己有偏見的問題；這並不是說要批判你現在做了什麼，而是要把重點放在我們可以如何改變，迎向更好的未來。

RM：很多冒犯性的字詞，在特定脈絡下可能反而不會讓人感到冒犯。正是因為如此，我們一直設法提高機器學習模型的歧義理解能力。辨識冒犯文字最好的其中一種方式，就是將地理誌 (Gazetteer) 與機器學習相結合的混合式做法。地理誌會提高字詞的撤回率，而機器學習的歧義理解能力則可降低錯誤辨識的次數。

BR：在例如羅曼語等具有語法性別的語言中，有些詞有時會有中性的用法。例如，西班牙語的社群有時會在字尾加上 x 來代表中性 (譬如 Latinx)，但這樣的拼寫常常被篩選條件視為文法錯誤。所以即使找出了有偏見存在的地方，尋找替代方案也不是件容易的事。

從人際關係的觀點來看，重要的是要請人們一同對話，而不是因為他們之前犯的錯而不讓他們參與對話。這才是有助大幅進展的做法。

Lionbridge 要如何在消除隱性偏見上發揮實質影響？

RM：為了減少隱性偏見，我們一直不斷地進行研究與改善。目前我們正在研發不同的方式，來分析偏見並加以評分或評級。

我們也在匯集詞彙列表，蒐集那些不是粗話或毀謗但屬於偏見的詞彙，範圍從較為一般的「landlord」(地主) 或「spokesman」(發言人)，到明顯比較冒犯人的「spinster」(老處女) 或「old maid」(老姑婆) 皆有之。這類詞彙大都帶有比較隱晦的性別指涉。

MA：產業界日常使用的字詞中，有非常多都跟歷史上的種族歧視有關，像「White label」(白標) 或是「blacklist」(黑名單) 就是很好的例子。除此之外，它們的意思其實也沒有很一目了然。既然我們有這麼多傑出的譯者，我們的團隊有這麼多強大的翻譯工具，因此我們可以運用同樣的這些資源，把這類詞彙「翻譯」為更符合現代、意義更明確而且更為包容的語言。

CG：我認為與客戶溝通對話非常重要。面對這樣龐大而又需要解決的問題，企業無不感到頭疼。但我們可以為他們指引方向，告訴他們，沒錯，眼前是有很長的一條路要走，但我們擁有實用的工具與解決方案，能在這整個旅途中提供他們所需的協助與支援。每當我們表示能提供這樣的協助時，客戶真的就像找到救生船一樣，急切地想進行後續討論。

能夠辨別並減少隱性偏見，對企業來說為何很重要？

CG：這個世界充滿了各式各樣的人，這樣的多元性不但能為社會帶來更多附加價值，更增進了我們與全球各地人們建立聯繫的可能性。人們一定要重視多元性，並認可每個人都是不一樣的。從公司的角度來看，我們必須確保公司的訊息能打動越多人越好。一家公司若想在接下來十年取得成功，就得體認這些改變的重要性，才能讓更多客戶知道該公司對於消除歧視的努力，進而願意與公司接洽。

LY：你是什麼樣的人，遠比你的外表來得重要。這些尋求改變的努力是很好的進展，而且老實說早應該這麼做了。

JP：這是正確且應該要做的事，是一個好的企業公民應負的責任。對科技社群來說更是如此，他們總有種責任感認為還可以做的更多。如果公司在招募人才時投入了很多金錢去提升多元與包容性，然後這些新進軟體工程師前去使用程式碼庫時，裡面仍舊充斥著這類過時的詞彙，那等於是又讓他們接觸到這些隱含著種族或性別歧視的字句，也就代表你根本還沒打造出兼容並蓄的包容職場。

怎麼奠定良好的基礎非常之重要，因為這決定了你要怎麼將所有事情納入改變，並根據在地文化變通。你不但要坐而言，更要起而行，否則等日後其他公司都已改變時，你會很難解釋自己為什麼還在原地踏步。

BR：到某個時刻，你終究得「真正」體認到這些字詞確實會影響你的團隊和客戶。重點在於要讓員工有歸屬感，覺得自己受到重視，並以同樣的態度看待客戶。我們現在都有機會做出改變，去更明確地反映我們的價值。就像 Maya Angelou 博士之前所言，人都是照著原本所知行事，一旦智慧有所長進，行事也會跟著長進。

在 Lionbridge，我們每天都致力學得更多、做得更好，以期在全球各地達成「通情達意，暢行無阻」的使命。我們致力排除各種歷史沿革有問題的字詞，並能以這份努力協助貴公司追求同樣的目標。