1
00:00:00,910 --> 00:00:02,183
几年前，

2
00:00:02,207 --> 00:00:07,119
我和年仅五岁的儿子一同搭乘飞机。

3
00:00:08,245 --> 00:00:13,340
第一次与妈咪搭乘飞机
让他感到非常兴奋。

4
00:00:13,364 --> 00:00:16,304
他不断环视周围，四处张望，

5
00:00:16,328 --> 00:00:18,164
目光不停地打量着别人。

6
00:00:18,188 --> 00:00:19,688
然后他看到了某位男子，说：

7
00:00:19,688 --> 00:00:22,703
“嘿！这个人看起来好像爹地！”

8
00:00:23,882 --> 00:00:25,802
我就看向这位男子，

9
00:00:25,826 --> 00:00:29,556
而他看起来完全不像我的丈夫，

10
00:00:29,580 --> 00:00:30,949
一点也不像。

11
00:00:31,461 --> 00:00:33,797
于是我也开始环顾机舱，

12
00:00:33,821 --> 00:00:39,706
发现这位男子是飞机上
唯一的黑人男性。

13
00:00:40,874 --> 00:00:42,286
我当时心想，

14
00:00:42,310 --> 00:00:43,504
“好吧。

15
00:00:44,369 --> 00:00:46,894
我得和儿子好好谈谈，

16
00:00:46,918 --> 00:00:49,847
让他知道不是所有的黑人
都长得一样。”

17
00:00:49,871 --> 00:00:54,248
我的儿子抬起头，对我说：

18
00:00:56,246 --> 00:00:58,617
“我希望他不会劫持飞机。”

19
00:00:59,359 --> 00:01:01,874
我说：“什么，你刚才说什么？”

20
00:01:01,898 --> 00:01:05,326
儿子说：“我希望那人不要劫持飞机。”

21
00:01:07,200 --> 00:01:09,952
我说：“为什么你会这样说？

22
00:01:10,486 --> 00:01:13,149
你知道爹地是不会劫持飞机的。“

23
00:01:13,173 --> 00:01:15,485
儿子说：“是啊，是啊，我知道。”

24
00:01:16,179 --> 00:01:18,306
我说：“好，那为什么你会这样说？”

25
00:01:20,346 --> 00:01:23,303
于是他用一种悲伤的神情看着我，

26
00:01:24,168 --> 00:01:25,422
回答道，

27
00:01:26,890 --> 00:01:28,996
“我不知道我为什么会这样说。

28
00:01:30,600 --> 00:01:32,958
我不知道我为什么会有这种想法。”

29
00:01:33,724 --> 00:01:37,242
我们生活在
一个种族分明的社会当中，

30
00:01:37,266 --> 00:01:42,326
就连一个五岁孩童都能告诉我们
接下来可能会发生什么事情。

31
00:01:43,990 --> 00:01:46,097
即便没有作恶者，

32
00:01:46,121 --> 00:01:48,700
即便没有明确的仇恨，

33
00:01:50,184 --> 00:01:54,097
黑人和罪案之间的连接

34
00:01:54,121 --> 00:01:58,455
早已渗入我五岁儿子的思想，

35
00:01:59,787 --> 00:02:03,050
也渗透进了所有孩子，

36
00:02:03,900 --> 00:02:06,293
甚至是我们每一个人的脑海中。

37
00:02:06,793 --> 00:02:10,317
我们在这个世界上
所看到的种族差异

38
00:02:10,341 --> 00:02:11,933
早已塑造了我们的思维方式，

39
00:02:12,752 --> 00:02:18,093
那些叙述合理化了
我们所看到的差异：

40
00:02:19,637 --> 00:02:22,163
“那些人是罪犯。”

41
00:02:22,187 --> 00:02:24,112
“那些人是施暴者。”

42
00:02:24,136 --> 00:02:27,101
“要恐惧那些人。”

43
00:02:27,814 --> 00:02:31,005
当我的研究团队把研究对象
带到我们的实验室，

44
00:02:31,029 --> 00:02:33,312
让他们观察不同人的照片时，

45
00:02:33,336 --> 00:02:40,336
我们发现人们看到黑人的面孔时，
会更快、更清楚地

46
00:02:40,360 --> 00:02:43,616
辨认模糊的枪支影像。

47
00:02:43,640 --> 00:02:46,994
偏见不仅能控制我们所看见的，

48
00:02:47,018 --> 00:02:48,666
也会控制我们看待事情的角度。

49
00:02:48,690 --> 00:02:52,134
我们发现让人们想象暴力犯罪时，

50
00:02:52,158 --> 00:02:56,454
他们的视线会不自觉地从白人面孔

51
00:02:56,478 --> 00:02:58,608
转向黑人面孔。

52
00:02:58,632 --> 00:03:02,751
让警方想象俘获、射击

53
00:03:02,751 --> 00:03:03,901
和逮捕的场景时，

54
00:03:03,901 --> 00:03:07,610
他们的眼光也会落在黑人身上。

55
00:03:07,634 --> 00:03:12,700
偏见足以影响
司法体系的方方面面。

56
00:03:13,100 --> 00:03:16,031
在一组符合死刑条件判决
的大型数据库之中，

57
00:03:16,031 --> 00:03:18,818
我们发现皮肤较黑的被告

58
00:03:18,818 --> 00:03:22,493
被判死刑的几率
要高出两倍以上——

59
00:03:23,494 --> 00:03:25,921
尤其当被害者是白人的时候。

60
00:03:25,993 --> 00:03:27,431
这个差异非常显著，

61
00:03:27,431 --> 00:03:30,732
尽管我们确保犯罪的严重程度

62
00:03:30,732 --> 00:03:33,013
和被告的吸引力是一样的。

63
00:03:33,037 --> 00:03:35,686
无论我们如何控制变量，

64
00:03:35,710 --> 00:03:39,055
我们都发现黑人受到的惩罚

65
00:03:39,079 --> 00:03:43,404
与他们的肤色黑度成比例：

66
00:03:43,428 --> 00:03:45,309
他们的肤色越黑，

67
00:03:45,333 --> 00:03:47,086
就越有可能被判死刑。

68
00:03:47,110 --> 00:03:51,319
偏见也能影响老师
惩戒学生的方式。

69
00:03:51,781 --> 00:03:53,844
我和同事经过研究发现，

70
00:03:53,844 --> 00:03:55,708
老师给黑人学生的惩罚

71
00:03:55,708 --> 00:04:00,970
往往都比白人学生更加严厉，

72
00:04:00,994 --> 00:04:03,570
即使他们犯的是相同的错误。

73
00:04:03,594 --> 00:04:05,632
在近期的一项研究中，我们发现

74
00:04:05,632 --> 00:04:09,270
老师会把黑人学生视为一个群体，

75
00:04:09,294 --> 00:04:11,725
但把白人学生视作个体来对待。

76
00:04:12,126 --> 00:04:15,725
譬如，如果一个黑人学生调皮捣蛋，

77
00:04:15,749 --> 00:04:20,534
几天后，又有一个黑人学生
做出调皮捣蛋的行为，

78
00:04:20,558 --> 00:04:23,786
老师对待第二个黑人学生的态度

79
00:04:23,810 --> 00:04:26,435
就好像他犯了两次错。

80
00:04:26,952 --> 00:04:29,763
这就像一个孩子的罪过

81
00:04:29,787 --> 00:04:31,963
被叠加在了另一个孩子的身上。

82
00:04:31,987 --> 00:04:35,281
为了更好地理解这个世界，
我们会对周遭的一切分门别类，

83
00:04:35,305 --> 00:04:39,788
以控制和协调

84
00:04:39,812 --> 00:04:43,902
我们所接收的
外部事物的刺激。

85
00:04:43,926 --> 00:04:47,894
分类及其所产生的偏见

86
00:04:47,918 --> 00:04:52,940
让我们的大脑能够更快、
更有效地做出判断，

87
00:04:52,940 --> 00:04:56,783
我们本能地依赖似乎带有

88
00:04:56,783 --> 00:04:58,073
预测能力的模式。

89
00:04:58,073 --> 00:05:04,016
这套分类思考模式
让我们能迅速地做决策，

90
00:05:04,050 --> 00:05:06,552
但同时也在强化我们的偏见。

91
00:05:06,576 --> 00:05:09,968
所以，这套看似在帮助我们
理解世界的模式，

92
00:05:11,104 --> 00:05:13,084
也能够蒙蔽我们。

93
00:05:13,509 --> 00:05:17,956
它们让我们的选择毫不费力，

94
00:05:17,956 --> 00:05:18,956
没有摩擦。

95
00:05:18,956 --> 00:05:21,401
然而也带来了沉重的代价。

96
00:05:22,158 --> 00:05:23,569
那么我们能够做什么？

97
00:05:24,507 --> 00:05:26,998
我们都容易受到偏见的影响，

98
00:05:27,022 --> 00:05:29,702
但我们不见得时刻
都要被偏见左右。

99
00:05:29,726 --> 00:05:33,370
有些特定情况会导致偏见，

100
00:05:33,394 --> 00:05:35,927
而在其他情况下，
偏见则会受到抑制。

101
00:05:35,951 --> 00:05:37,798
让我举个例子。

102
00:05:38,663 --> 00:05:43,223
相信大家都熟悉
Nextdoor 这家科技公司，

103
00:05:44,073 --> 00:05:50,526
他们的主要目的是打造一个
更稳固、健康、安全的社区。

104
00:05:51,468 --> 00:05:54,389
因此，他们提供了凝聚社区

105
00:05:54,413 --> 00:05:57,562
和分享信息的线上空间。

106
00:05:57,586 --> 00:06:00,752
然而，Nextdoor 很快就发现

107
00:06:00,766 --> 00:06:03,404
平台存在种族定性的问题。

108
00:06:04,012 --> 00:06:05,979
一个典型的情况就是，

109
00:06:06,003 --> 00:06:08,399
当居民望向窗外，

110
00:06:08,423 --> 00:06:12,472
看到黑人出现在白人的住宅区时，

111
00:06:12,496 --> 00:06:17,211
他们就快速评判出
这个黑人不怀好意，

112
00:06:17,235 --> 00:06:20,586
即使没有任何犯罪
和不法行为的证据。

113
00:06:20,610 --> 00:06:23,544
很多时候，我们的线上行为

114
00:06:23,568 --> 00:06:26,682
就是真实世界行为的反映。

115
00:06:27,117 --> 00:06:31,062
但我们并不想去创造一个放大偏见、

116
00:06:31,086 --> 00:06:35,249
加深种族差异的简单系统，

117
00:06:36,129 --> 00:06:38,395
而是要去消除它们。

118
00:06:38,863 --> 00:06:42,292
于是 Nextdoor 的联合创办人
向我及他人救助，

119
00:06:42,316 --> 00:06:44,447
寻找解决问题的方法。

120
00:06:44,471 --> 00:06:48,417
他们知道，若想在平台上
制止种族定性，

121
00:06:48,441 --> 00:06:50,363
他们就得主动干预，

122
00:06:50,387 --> 00:06:53,045
也就是，他们得让居民们的
偏见情绪缓和下来。

123
00:06:53,069 --> 00:06:55,264
于是 Nextdoor 最终做出决定，

124
00:06:55,288 --> 00:06:57,766
反对冲动，

125
00:06:57,790 --> 00:06:59,906
并且决定进行干预。

126
00:07:00,397 --> 00:07:03,837
他们为平台添加了
一个简单的清单，

127
00:07:03,861 --> 00:07:05,531
其中包含有三个选项。

128
00:07:06,111 --> 00:07:09,052
首先，他们请用户稍加思索：

129
00:07:09,076 --> 00:07:14,193
“这个人做了什么可疑的行为？”

130
00:07:14,876 --> 00:07:19,409
“黑人”这个分类并不是
怀疑的基础。

131
00:07:19,433 --> 00:07:24,572
其次，他们要求用户描述
这个人的外在特征，

132
00:07:24,596 --> 00:07:27,031
而不是简单的种族和性别。

133
00:07:27,642 --> 00:07:31,025
第三，他们发现很多人

134
00:07:31,049 --> 00:07:33,977
似乎不了解种族定性是什么，

135
00:07:34,001 --> 00:07:35,960
也不知道自己正参与其中。

136
00:07:36,462 --> 00:07:39,656
所以, Nextdoor 向他们解释了该定义，

137
00:07:39,680 --> 00:07:42,582
并告诉他们这是严格禁止的。

138
00:07:43,071 --> 00:07:45,683
你们很多人在机场和地铁站

139
00:07:45,707 --> 00:07:49,409
都看过类似标语：“如果你看到了
什么（可疑的情况），就说出来！”

140
00:07:49,928 --> 00:07:52,742
Nextdoor 把这个标语改成了，

141
00:07:53,584 --> 00:07:56,156
“如果你看见可疑行为，

142
00:07:56,180 --> 00:07:58,253
就明确地说出来。”

143
00:07:59,491 --> 00:08:03,937
该策略的确让用户们的
偏见情绪缓和下来，

144
00:08:03,961 --> 00:08:09,652
Nextdoor 也成功地
让种族定性问题减少了 75%。

145
00:08:10,496 --> 00:08:12,586
很多人常对我说，

146
00:08:12,610 --> 00:08:17,323
“你不可能在每种情况下都进行干预，

147
00:08:17,347 --> 00:08:21,993
尤其是那些要在瞬息之间
做出决定的人。“

148
00:08:22,730 --> 00:08:25,633
但结果表明，
我们能够进行干预的场景

149
00:08:25,667 --> 00:08:27,943
比我们想象的多得多。

150
00:08:28,146 --> 00:08:29,668
在和加州的奥克兰警方

151
00:08:29,668 --> 00:08:31,190
合作之后，

152
00:08:31,570 --> 00:08:35,426
我和几位同事发现，
我们能协助警方

153
00:08:35,426 --> 00:08:38,334
减少对没犯下任何严重罪行的人

154
00:08:38,334 --> 00:08:41,454
进行拦检的次数。

155
00:08:41,454 --> 00:08:43,939
我们的做法是推动警员

156
00:08:43,939 --> 00:08:49,451
在执行拦检任务之前
都要先问自己一个问题：

157
00:08:49,451 --> 00:08:52,466
“这次的拦检任务是
治安情报主导的吗，

158
00:08:52,490 --> 00:08:53,941
是或否？”

159
00:08:55,353 --> 00:08:56,749
换句话说，

160
00:08:57,621 --> 00:09:01,995
我早先的情报是否能够将这个人

161
00:09:01,995 --> 00:09:03,956
跟特定罪行联系在一起？

162
00:09:04,587 --> 00:09:06,672
把这个问题纳入到

163
00:09:06,672 --> 00:09:09,172
警员执行拦检任务时
填写的表格里，

164
00:09:09,172 --> 00:09:10,981
会让警员暂停行动，

165
00:09:11,005 --> 00:09:15,225
并及时思考，“我为什么会想要
把这个人拦下来？“

166
00:09:16,721 --> 00:09:22,282
2017 年，在我们把这个问题
纳入表格之前，

167
00:09:23,655 --> 00:09:27,601
全市的警员已经执行了
大约 32000 次的拦检。

168
00:09:27,625 --> 00:09:31,740
第二年，加上了这个问题后，

169
00:09:31,764 --> 00:09:34,208
拦检的次数减少至 19000 次。

170
00:09:34,232 --> 00:09:39,193
光是对非裔美国人的拦检
就减少了 43%。

171
00:09:39,905 --> 00:09:44,343
并且减少对黑人拦检的次数
并没有让城市变得危险。

172
00:09:44,367 --> 00:09:47,101
事实上，犯罪率持续下降，

173
00:09:47,125 --> 00:09:50,462
并让城市变得更加安全。

174
00:09:50,486 --> 00:09:55,841
所以一个解决方案就是
减少不必要的拦检次数。

175
00:09:56,285 --> 00:09:59,782
另外一个方涉及提升警员

176
00:09:59,782 --> 00:10:02,512
执行拦检任务的质量。

177
00:10:02,512 --> 00:10:05,108
此时科技就派上用场了。

178
00:10:05,132 --> 00:10:07,547
我们大家都知道
乔治·弗洛伊德的死亡，

179
00:10:08,499 --> 00:10:14,610
因为当时试图帮助他的人
用手机摄影机拍下了

180
00:10:14,610 --> 00:10:18,581
这段他与警方骇人的遭遇。

181
00:10:18,795 --> 00:10:23,098
但是还有很多科技手段
从未被我们善用。

182
00:10:23,712 --> 00:10:26,095
全国各地的警方现在

183
00:10:26,095 --> 00:10:29,599
都被要求戴上体佩摄影头。

184
00:10:29,599 --> 00:10:34,997
这样我们不仅可以记录
那些骇人的遭遇，

185
00:10:35,651 --> 00:10:38,148
还可以记录他们的日常互动。

186
00:10:38,352 --> 00:10:41,239
通过和斯坦福大学的
跨学科团队合作，

187
00:10:41,309 --> 00:10:44,364
我们开始使用机器学习技术

188
00:10:44,364 --> 00:10:47,420
去分析大量的情景。

189
00:10:47,648 --> 00:10:52,179
这是为了更好地了解
例行交通拦检时会发生什么事情。

190
00:10:52,179 --> 00:10:54,334
我们发现，

191
00:10:54,358 --> 00:10:58,020
即使警员的行为非常专业，

192
00:10:58,860 --> 00:11:03,322
他们对黑人司机的说话方式
却远不如对白人司机礼貌。

193
00:11:04,052 --> 00:11:08,127
事实上，单单从警员的用词，

194
00:11:08,151 --> 00:11:13,313
我们就能预测他们是在与黑人司机
还是白人司机对话。

195
00:11:13,337 --> 00:11:19,099
问题就在于，这些摄影机
所拍摄的大部分画面

196
00:11:19,123 --> 00:11:21,296
一直没有被警方用来

197
00:11:21,296 --> 00:11:23,470
了解大街上的情况

198
00:11:23,470 --> 00:11:25,777
或者训练警员。

199
00:11:26,554 --> 00:11:28,012
这让人难以接受。

200
00:11:28,796 --> 00:11:33,585
例行的拦检任务怎么会
变成一次致命的碰面？

201
00:11:33,609 --> 00:11:36,279
为什么会发生乔治·弗洛伊德事件？

202
00:11:37,588 --> 00:11:39,670
又为什么会发生其他类似的案例？

203
00:11:39,694 --> 00:11:42,780
当我的长子 16 岁时，

204
00:11:43,114 --> 00:11:46,323
他意识到白人看着他时，

205
00:11:46,323 --> 00:11:49,123
眼神会流露出恐惧。

206
00:11:49,123 --> 00:11:51,784
他说，最糟糕的是在电梯里。

207
00:11:52,313 --> 00:11:54,644
当电梯门关上，

208
00:11:54,668 --> 00:11:59,131
大家都和他们认为高度危险的人

209
00:11:59,131 --> 00:12:02,744
被困在同一个狭小的空间。

210
00:12:02,744 --> 00:12:05,784
我的儿子察觉到了他们的不适，

211
00:12:05,988 --> 00:12:09,145
他便朝着他们微笑，
让他们感到自在，

212
00:12:09,169 --> 00:12:11,068
缓和他们恐惧。

213
00:12:11,351 --> 00:12:13,296
当他开口说话时，

214
00:12:13,320 --> 00:12:15,213
他们的身体就开始放松了，

215
00:12:15,442 --> 00:12:17,345
呼吸也开始顺畅了。

216
00:12:17,369 --> 00:12:19,900
他们喜欢他高低起伏的声音，

217
00:12:19,924 --> 00:12:22,241
他的发音，他的用词。

218
00:12:22,566 --> 00:12:24,829
他听起来就是他们的一份子。

219
00:12:24,853 --> 00:12:29,583
我一直以来都认为我的儿子
和他爸爸一样天生性格外向。

220
00:12:29,607 --> 00:12:33,157
但那一刻，在那个谈话中，我意识到，

221
00:12:34,143 --> 00:12:38,401
他的微笑并不表示他想与

222
00:12:38,401 --> 00:12:41,209
那群陌生人社交。

223
00:12:41,920 --> 00:12:45,572
这是他用来保护自己的护身符，

224
00:12:45,596 --> 00:12:51,815
是他乘搭了数千万次电梯后
磨练出来的生存技能。

225
00:12:52,387 --> 00:12:57,558
他在学着缓和因他的肤色
给身边人带来的紧张感，

226
00:12:59,026 --> 00:13:01,693
消除他的肤色
为自己带来的潜在危险。

227
00:13:02,619 --> 00:13:06,402
我们知道我们的大脑
带有与生俱来的偏见，

228
00:13:06,426 --> 00:13:10,231
而打破偏见的唯一方式
就是停下来，

229
00:13:10,275 --> 00:13:13,220
反思自身提出的假设
是否有理有据。

230
00:13:13,244 --> 00:13:14,999
因此我们需要反问自己：

231
00:13:15,023 --> 00:13:19,688
我们是带着什么假设踏进电梯，

232
00:13:21,776 --> 00:13:23,087
又或者是搭乘飞机的？

233
00:13:23,532 --> 00:13:28,131
我们该如何察觉到自己
潜意识中的偏见？

234
00:13:28,155 --> 00:13:30,506
那些假设能保障谁的安全，

235
00:13:32,615 --> 00:13:34,547
又将谁置于危险之中？

236
00:13:35,649 --> 00:13:38,003
若我们不去反思这些问题，

237
00:13:38,978 --> 00:13:43,602
不坚持让我们的学校、法庭、警局，

238
00:13:43,626 --> 00:13:46,168
以及其他机构去反思这些问题，

239
00:13:47,835 --> 00:13:51,664
那么我们就会让偏见继续

240
00:13:51,688 --> 00:13:52,966
蒙蔽我们。

241
00:13:53,348 --> 00:13:54,757
如此下去，

242
00:13:56,066 --> 00:13:59,274
没有谁能够真正安全。

243
00:14:02,103 --> 00:14:03,411
谢谢。