不看膚色就沒有歧視？「種族中立」為何會變成「色盲種族主義」

文︰陳婉容、朱孝文

奧巴馬（Barack Obama）在2008年當選美國總統後，許多人認為他的當選代表美國，甚至整個已發展世界，都進入了所謂「後種族年代」（post-racial era），即是種族主義已經消退，大家也不用再以種族的框架來思考社會各種不平等。

這種說法在美國很受歡迎，有些保守派認為有色人種坐上世界最有權力元首的高位，代表自由派一直講的種族問題都是假議題，再講下去甚至代表美國白人被「邊緣化」；有些自由派認為不再用膚色區分人種代表進步，覺得「色盲」（colorblindness）就是從美國種族主義歷史中進步的終極目標。有個在美國流行說法就是「我不看人的膚色，所有人對我來講都是人」（I don’t see color, I only see people）。

這樣的社會不是很理想嗎？但社會學家不認同。杜克大學社會學家Eduardo Bonilla-Silva是現今讀種族絕不能繞過的理論家，他提出「色盲種族主義」（colorblind racism）的說法，指出「種族中立」（race-neutral）的說法只是變了裝的種族歧視，提倡「色盲」和「種族中立」並不會改變白人至上主義的現實，即沒有動搖種族主義最根本的基礎。

「色盲種族主義」的五大元素

而甚麼是「色盲種族主義」？Bonilla-Silva提出了五大元素：

一. 種族主義言論或行為愈來愈「隱蔽」化：舉個例，很多體育比賽旁述在描述黑人運動員時都會用「力大無窮」﹑「身體強壯」﹑「像隻野獸」之類的字眼，聽起來很像在讚揚黑人運動員天生有體育細胞；描述白人運動員時，用的字眼卻是「聰明」﹑「懂得運用策略」﹑「非常勤力」。很少人會講大剌剌的種族歧視字眼——但還是有的。例如世上最厲害的網球手莎蓮娜·威廉斯（Serena Williams）2018年被澳洲報紙畫成「憤怒黑人女性」（angry black woman，針對黑人女性的一種定型）。

二. 白人會開始投訴自己遭遇「逆向歧視」：最好的例子就是，當有人談論黑人與白人即使有同等學歷，薪酬也比白人低時，有人說會跳出來說：「但黑人入大學比較容易，因為有優待政策，怎麼就沒有人講？」可是一個人的學業成績由很多因素影響：個人興趣與基因﹑家境﹑資源﹑可以用來學習的時間有多長﹑學習環境的優劣﹑父母的學歷等等。所謂「優待」只是扭轉歷史不公的第一步，更不要說很多評論的人根本不清楚「積極平權措施」（affirmative action）的做法：黑人的入學條件根本沒有比較低，因為如果用較低標準收弱勢學生是違法的。

三. 有種族議程（agenda）的政治議題會避免提及種族字眼：例如「打擊社會保障詐騙」似乎是「種族中立」的，但它也利用存在已久的「福利女王」（welfare queen，這個貶稱常指涉黑人單親媽媽）形象來針對和污名化使用社會保障的黑人。最近特朗普（Donald Trump）收緊食物劵（food stamp）的派發原則，令三百萬美國人領不到食物劵，措施對黑人社群打擊最大，但政策完全沒有用上種族字眼。

四. 複製種族不公的機制變得難以辨識：奴隸制不再存在，也沒有種族隔離，黑人也可以參與民主機制，社會好像已經消除了絕大部份再製種族不公的機制，令人有「世界已經變得很公平」的錯覺。

五. 很多種族隔離時代的種族主義行為會以其他方式再現：今天已經再沒有合法的種族隔離了，但今天的房仲業者仍然不願意帶黑人顧客看白人區的房子，警察仍會針對黑人搜查及暴力拘捕，有毒廢料場還是最常選址在有色人種社區。

不談種族，仍未解決歷史遺留下來的歧視

簡單來說，Bonilla-Silva指出：種族主義已經滲透整個社會結構，無論在法律﹑政治﹑文化﹑教育等等方面，對有色人種都存在結構性歧視，故不去針對這些結構修正而避談種族問題，只會令問題更難得解決。舉個例子，假設在美國南方有家餐廳，在種族隔離時期只有白人能當高收入又有小費的侍應，黑人只能在廚房做洗碗等收入較低的工作。六十年代民權法案通過、種族隔離被廢除後，餐廳老闆不能用膚色決定誰可以當收入高的工作了，決定一律不看膚色，只看經驗。這夠好了嗎？有甚麼問題？

如果只按經驗﹑學歷等等看似「種族中立」的條件請人，這家餐廳大多也只會請白人侍應。即使餐廳老闆的沒有歧視黑人意圖，但其行為的後果就是延續了長久以來的歧視（這也解釋了為何「意圖」不能成為種族主義的判斷標準）。這就是所謂的隱藏關聯性（implicit correlation）問題。

注意到「種族中立」的問題的當然不止社會學家。隱藏關聯性問題也影響到互聯網時代的演算法（algorithm）中立性，所以電腦科學家近年也注意到所謂「色盲」的問題。例如近年研究機器學習（machine-learning）的科學家Aylin Caliskan在2017年就留意到，人工神經網利用「爬文」等方法學習人類知識，會將人類歷史上積累而來的歧視和偏見一併吸收，所以這些演算法也帶有種族偏見。

「色盲主義」行不通，「補償機率」助修正

那怎麼辦？柏克萊電腦科學家Moritz Hardt在2016年就提出了「補償機率」（Equalized Odds）的概念來令演算法更公平，一年後Blake Woodworth又在這個框架上提出了具體的改善方法。