第三章：酷儿式质询同质相吸

温蒂·全嘉莹（Wendy Hui Kyong Chun）¶

先简要回顾一下，在模式歧视（pattern discrimination）中：¶

1. “你”（YOU）总是单数的复数：
   • 识别从来不在个体的层面上发生
   • 你 = 你们（YOUS）的价值
2. 机器进行深度做梦，从噪声中创造模式：
   • 输入螃蟹 = 输出垃圾（Crab in = crap out）
   • 正如那些喋喋不休的缪斯一样，解释与诠释学经由模式歧视进入，只不过如今是从“后门”进入
   • 我们生活在神话时代，却并不知道自己身处其中
3. 市场的奇点 = 世界的垃圾奇点（crapularity）：
   • 人类的愚化
   • 主体性被整合进信息技术
   • 妄想的现实
4. 要出来（come out），我们必须先进去（come in）：
   • 当我们以为自己在外面时，我们其实在里面。
   • 开放社会需要敌人才能“开放”

本章通过考察同质相吸（homophily）——即“相似性孕育连接”这一公理，它是当代网络科学的基础——来延续上述论点。如果说我们是里外翻转的，那是因为同质相吸，即作为对同类之爱的爱，封闭了它假装要打开的世界；它把赛博空间变成了一连串回音室。具有讽刺意味的是，这一转变恰恰实现了赛博空间作为门户（portal）的本意：门户是一道精心修饰的立面，框定着通往一个封闭空间的入口。赛博空间始终是一道被困在美国军事—学术网络之内的地平线。因此，让我们从一个更当代的神话讲起：¶

从前，有一个美国的、不涉商业的、军事与学术用途的网际互联协议——传输控制协议/网际协议（Transmission Control Protocol/Internet Protocol）——它重生为赛博空间。作为一种交感幻觉（consensual hallucination），它把 TCP/IP 变成了自身的反面：一个全球性的、不受政府管控的匿名空间，从根本上不存在歧视（因为如果你看不见它，又怎能憎恨它呢？）。这是一个据称为了在大规模、灾难性的夷平（即核战争）中幸存而设计的去中心化网络，它将通过自身无边无际的扩张夷平一切等级。不幸的是，事情并没有完全按计划发展。互联网没有成为一个无尽的、没有差异的乌托邦，而是变成了一连串门禁松散的社区，这些社区滋生出高耸的、充斥着仇恨与恐怖的、种族主义的——或者在某些人看来更糟糕的，平庸的、迷恋明星的、猫咪泛滥的——回音室。这个互联网让赛博朋克的反乌托邦未来相形之下显得平淡无奇。它非但没有摆脱国家，反而成了国家监控的温床：政府在其中监视本国公民、外国人以及彼此，企业则在其中完善全球追踪技术。它所预示的未来看起来更加黑暗：大数据（Big Data）的黎明意味着人类自发性的黄昏。很快，人类的一切行为都将被捕获、校准、预测和先发制人。网络，看起来，生而自由，却无往不在枷锁之中。

人们对这一处境或哀叹、或接受、或拥抱，并为之提供了种种解释。他们揭示说，赛博空间最初的梦想是妄想性的（仿佛这有多么深刻似的：毕竟，“赛博空间”一词本就来自科幻小说；威廉·吉布森〔William Gibson〕在《神经漫游者》〔Neuromancer〕中将其描述为一种“交感幻觉”）；他们主张，互联网必须清除匿名性（而它从未真正拥有过匿名性），因为匿名是万恶之源（仿佛人们只有在伪装之下才会令人讨厌或恶毒）；他们指出，回音室是由“个性化”造成的：即企业瞄准个体消费者的种种尝试。我们正在经历的是：购买“从此幸福快乐”的噩梦。

这个故事既对又不对。是的，互联网在开放/商业化之后发生了巨大变化，但个性化并非唯一的罪魁祸首——而清除互联网的匿名性也不会让网络变得不那么恶毒。“真实姓名”或唯一标识符处于大数据分析的核心，因为它们对于同步分散的数据库和校准回收利用的数据至关重要。此外，如果说大数据预测分析是有效的，那并不是因为每个人都被当作一片独特的雪花来对待，而是因为网络分析根据用户强烈的好恶把他们隔离（segregate）进各个“邻里”（neighborhoods）。不仅如此，它还“训练”个体去期待并认可这种隔离。网络没有开启一个后种族、后身份的时代，而是通过“默认”变量和公理延续着身份。在网络科学中，差异与相似——差异作为塑造相似的一种方式——被主动地寻求、塑造并工具化，以便把握网络结构。网络既不是无结构的群众，也不是无法被切断或追踪的无尽根茎。网络由于其复杂性、嘈杂性以及持续存在的不平等，催生出种种管理、修剪和预测的技术。这种新方法——这种模式歧视——使得旧有的、决定论的或经典分析式的控制方法显得无害。¶

同质相吸（作为对同类之爱的爱）助长了模式歧视。网络延续隔离这一事实不应令任何人感到意外，因为，再说一遍，以同质相吸为形式的隔离正位于网络的概念核心。同质相吸把仇恨洗白为集体之爱，正如萨拉·艾哈迈德（Sara Ahmed）所揭示的，这一转化构成了现代白人至上主义的基础（2004, 123）。同质相吸在理论上扁平而弥散的网络中揭示并制造边界；它在所谓平等的节点之间进行区分和歧视（distinguishes and discriminates）：它是一种发现偏见与不平等的工具，也是一种以“舒适”、可预测性和常识之名延续偏见与不平等的工具。网络分析和数据分析既加剧又反映了嵌入社会之中的歧视。就像惠特尼·菲利普斯（Whitney Phillips）所诊断的那些作为“社交网络化世界中做着鬼脸的代言人”的网络喷子一样，它们上演着“一出对主流文化套路的怪诞哑剧”（2015, 8）。从最宽泛的意义上说，这种模式歧视与民主政治更大规模地被新自由主义市场经济所吸纳（subsumption）有关，后者天真地高估了开放性（如克拉默〔Cramer〕在前一章所讨论的）和本真性（authenticity）（伊丽莎白·伯恩斯坦〔Elizabeth Bernstein〕对此做了精彩的诊断〔2007〕）。¶

要进行干预，我们需要认识到，这出哑剧不仅仅是戏剧性的，它也是述行性的（performative）——它把它所发现的世界安置到位。它还依赖于不断重复的行为来创造和维持节点与连接。因此，我们必须拥抱网络分析，并与网络科学家合作，创造新的算法、新的假设、新的基础公理。我们还需要重新拥抱批判理论：女性主义、族裔研究、解构，是的，甚至还有精神分析——数据分析那被压抑的父母。最关键的是，每个人现在都需要的是：批判族裔研究的训练。¶

机器学习：偏见的洗钱？

2016年6月19日，Pinboard——一个与某网站相关联的账户，该网站自我宣传为“内向者的社交书签”——在推特（Twitter）上发布了如下评论：“机器学习就像是偏见的洗钱”（Pinboard 2016）。这条推文到当年夏末已被转发上千次，它概括了人们对人工智能和数据驱动算法之客观性日益增长的怀疑，而凯西·奥尼尔（Cathy O'Neil）在其出色的著作《数学毁灭性武器：大数据如何加剧不平等并威胁民主》（Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy）（2016）中证实了这些怀疑。在这段时间里，关于机器学习中嵌入偏见的新闻报道比比皆是。仅以2016年8月28日那一周主流媒体报道的其中两则新闻为例：¶

• 脸书（Facebook）出人意料地解雇了其新闻策展人，这是对有关其编辑故意压制保守派新闻的指控的迟来回应，而此前它一直否认这些指控（Thielman 2016）。正如《卫报》（Guardian）所报道的，其结果是算法“发疯了”。热门新闻中包括：一则虚假报道，称时任福克斯新闻（Fox News）主持人梅根·凯利（Megyn Kelly）因透露自己支持希拉里·克林顿（Hillary Clinton）而被解雇；以及一段真实的视频，内容是一名男子用麦当劳三明治手淫。在一些人看来，这是因为脸书没有处理嵌入机器算法之中的人的问题：《财富》（Fortune）认为，“去掉人类编辑并不能解决脸书的偏见问题”，因为归根结底，算法是由人类程序员编写的（Ingram 2016）。
• 一个由公民自由和民权组织组成的联盟发表声明，反对预测性警务技术。根据该组织的说法，嵌入这些程序中的犯罪数据毒害了结果。这些数据“出了名地可疑、不完整、容易被操纵，并且饱受种族偏见困扰”（Lartey 2016）。这些指控是在 Upturn 发布一份报告之后提出的，该报告揭示，这些系统不仅被过度炒作，而且还“强化了不成比例的、歧视性的警务实践”（Robinson and Koepke 2016）。

这只是众多例子中的两个。正如我的合著者们所指出的，歧视性算法的实例还有很多。2015—2016年间曝光的其他新闻包括：¶

• 谷歌（Google）的照片应用把两名黑人标记为“大猩猩”。人工智能专家维维安·明（Vivienne Ming）认为，“一些系统难以识别非白人，因为它们是用互联网图像训练的，而这些图像绝大多数是白人……互联网的偏见反映了社会的偏见。”（颇能说明问题的是，Sentinet Technologies 公司首席科学家巴巴克·霍贾特〔Babak Hodjat〕推测，这一错误可能源于算法没有看过足够多的大猩猩图片；Blarr 2015）。摄像头对非白人的这种误识别并不新鲜：正如克拉默在本书他所撰写的章节中也提到的，2009年有人揭露惠普（HP）的人脸追踪网络摄像头无法识别黑人，而尼康（Nikon）S360 则会询问用户，正在微笑的亚洲人是否在“眨眼”（见 Frucci 2015; Lee 2009）。
• 美国若干法院用来预测再犯率——并因此被一些法院用来决定量刑和假释——的 COMPAS 软件对少数族裔存在偏见（Angwin et al. 2016）。

这些案例所“揭示”的，是早已有充分记录、本不应成为新闻的偏见。历史上，标准电影胶片是针对白人肤色优化的；在很长一段时间里，跨种族拍摄之所以困难，不仅有社会原因，也有技术原因（见 Dyer 1997）。同样，美国量刑中的种族偏见也已被争论和分析了多年。^[1] 此外，机器学习算法中的种族主义早已被众多学者指出和预言：从拉塔尼娅·斯威尼（Latanya Sweeney）博士揭示的“具有黑人特征的名字获得暗示有逮捕记录的广告的可能性要高出25%”，到基于“社会分类”（social sorting）的价格歧视预测；从招聘软件中嵌入的“无意的”非法歧视性选择，到反恐威慑系统中带有偏见的风险画像。所有这些都凸显了潜藏在看似客观的系统之中的种族主义，这些系统就像洗钱一样，把“不正当的”数据洗干净。因此，在许多人看来，解决方案就是更好、更干净的数据：清除了警察偏见的犯罪数据；图书馆中更多黑人的图像；科技行业内部更多的多样性，从而使未经少数族裔测试的技术不会进入消费市场（Harris 2016）。换言之，问题在于那依然挥之不去的数字鸿沟。¶

然而，另一些分析者指出，这不仅仅是包容或排斥的问题，还关乎差异是如何被“潜在地”编码的。例如，芝加哥警方在其预测性警务算法中并没有使用明显的种族类别来生成一份最有可能杀人或被杀之人的“热名单”（heat list），因为他们无须这样做：他们基于“邻里”的系统实际上就是在以种族为依据进行歧视（Saunders, Hunt, and Hollywood 2016）。这个系统基于社会关系（以及个人履历）制造出“关注对象”。正如凯特·克劳福德（Kate Crawford）和杰森·舒尔茨（Jason Schultz）所论证的，大数据通过使有关“受保护类别”的个人可识别信息变得可读，损害了美国法律体系所提供的隐私保护（Crawford and Schultz 2014）。正如法亚兹·阿尔·扎马尔（Faiyaz Al Zamal）等人（2012）在其对推特的分析中所表明的，年龄和政治倾向等潜在属性很容易通过用户的“邻居”推断出来。换言之，这些算法无须追踪种族和其他差异，因为这些因素早已嵌入那些旨在预测勤勉程度、可靠性、杀人倾向等等的“不那么粗糙”的类别之中。这些算法能够更精确地瞄准关键的交叉性身份。颇能说明问题的是，克里斯托弗·怀利（Christopher Wylie）——剑桥分析（Cambridge Analytica）的吹哨人——告诉《卫报》的卡罗尔·卡德瓦拉德（Carole Cadwalladr），史蒂夫·班农（Steven Bannon）是怀利曾与之谈论女性主义交叉性理论的唯一一个异性恋男性。女性主义交叉性理论最初由金伯莉·克伦肖（Kimberlé Crenshaw）提出（Crenshaw 1991），用以解释针对有色人种女性的暴力——而通过剑桥分析，它变成了一种理解“保守派年轻白人男性所感受到的压迫”的尺度（Cadwalladr 2018）。正如苏珊·布朗（Susan Brown）（私人交流，2015年6月）所指出的，想象一下，通过“购买有机鸟食”这一类别，可以揭示出多少关于地域、阶级和种族的信息。¶

关键在于，这些算法延续了它们所“发现”的歧视。它们不仅是描述性的，也是规定性的，并且在这个词的一切意义上都是述行性的。正如菲尔·阿格雷（Phil Agre）在1994年所提出的理论，捕获系统（capture systems）会重塑它们所建模或“发现”的活动。通过把人类活动比作语言的隐喻，它们在从分析捕获的数据转向构建被捕获活动的认识论模型的过程中，强加了一种规范性的“行动语法”（grammar of action）（364）。例如，芝加哥警方的“热名单”并没有带来杀人案的减少；但它确实导致名单上的对象“因枪击案被捕的可能性是与之匹配的对照者的2.88倍”（Saunders, Hunt, and Hollywood 2016）。它还可能导致了更多的杀人案：那些被警方联系过的人害怕被邻居视为“告密者”（Gorner 2013）。网络创造并催生出它们所想象的现实；它们成为自我实现的预言（见 Chun 2016; Healy 2015）。网络以效率为基础，因而像所有述行性系统一样，绕过了正义的问题（见 Lyotard 1984）。¶

然而，述行性（performativity）并不仅仅意味着“按照理论”对世界进行重新格式化和重新组织（Healy 2015, 175）。正如朱迪斯·巴特勒（Judith Butler）和雅克·德里达（Jacques Derrida）所论证的，述行性话语依赖于可重复性（iterability）和共同体（Derrida 1988; Butler 1997）。巴特勒尤其揭示了看似不可改变且稳定的类别所固有的可变性。她认为，性别是述行性的：“只有在被表演的程度上，它才是真实的”（Butler 1988, 527）。我们所理解的“自然的”或“本质的”东西，实际上是“通过一系列持续的行为制造出来的，通过身体的性别化风格化而被定位……我们视为自身‘内在’特征的东西，其实是我们通过某些身体行为所预期和生产出来的，在极端情况下，是自然化姿态的一种幻觉效果”（Butler 1990, xv）。这些姿态和持续不断的行为在凝结为一种“舒适的”固定身份时被抹除/遗忘了。正如萨拉·艾哈迈德颇具挑衅性地指出的：“规范性准则在某种程度上就像重复性劳损一样运作”（Ahmed 2004, 145）。这种对述行性的理解为网络述行性的分析增添了一个新的维度，因为这种述行性贯穿于网络之中。正如我在《为保持不变而更新》（Updating to Remain the Same）（Chun 2016）中更为充分地论证过的，网络不仅仅是在实施它们所描述的东西，它们最基本的单元——节点与连接（ties）——本身也是述行性的、习惯性行为的结果。¶

那么：如果我们去介入而非谴责网络述行性，会发生什么？这出名为网络的哑剧可以有多大的不同？关键在于，要接受这一挑战，我们必须认识到我们沉默行为的表达性影响。如果说，正如安托瓦妮特·鲁弗鲁瓦（Antoinette Rouvroy）等人所论证的，大数据通过把身体行为置于叙事之上而贬低了人类语言，那么它是借助捕获系统做到这一点的，而正如阿格雷所指出的，捕获系统把我们的行为翻译成“行动语法”（Rouvroy 2011）。我们沉默的——以及并不那么沉默的——行为都会被记录下来。¶

要接受这一挑战，我们还需要超越那种把大数据当作炒作而不屑一顾、并把“落空”的预测当作我们不可预测性之证据而加以庆祝的态度。预测与现实之间的差距不应助长一种冷嘲热讽式的安慰，尤其是因为随机推荐正越来越多地被有意植入，以激发自发行为。大数据时代可以说是一个我们只能渐近地抵达（如果能抵达的话）的未来，而大数据是炒作这一事实也谈不上有多深刻：大多数技术都是如此。此外，大数据提出了引人入胜的计算问题（人们如何分析那些只能读入一次——如果能读入的话——的数据？）。它所记录的大量相关性也提出了关于因果性的根本问题：如果几乎任何东西都可以被证明为真实（如果几乎任何相关性都可以被发现），我们如何知道什么是重要的、什么是真的？“前大数据”时代的“超级碗预测指标”一例很好地概括了这一困境，因为美国股市最好的预测指标之一就是超级碗的比赛结果：如果国家橄榄球联合会（NFC）的球队获胜，很可能会出现牛市；如果美国橄榄球联合会（AFC）的球队获胜，则会出现熊市（Silver 2012, 185）。这个例子还提出了一个问题：知识有什么作用？知识与行动之间是什么关系？对大数据最恰当的类比是人类基因组测绘：在这项测绘实现之前，它被设想为人类疾病的圣杯或罗塞塔石碑。它并没有简单地带来癌症之类疾病的治愈，而是让人们重新认识到表观遗传、基因相互作用、疾病通路等等的重要性。¶

至关重要的是，我们要认识到，预测与现实之间的差距正是政治行动与能动性的空间。预测既可以是自我实现的，也可以是“自我取消的”（self-canceling）（Silver 2012, 219）。就像全球气候变化模型和人口模型一样，它们可以指向那些应当被拒绝的现实与未来。它们可以通过自身的诊断，使某种症状的预测力失效，或者促成新的、未曾预见的语法。然而，要创造新的表达，我们需要阅读剧本，并分析我们身处其中的布景，也就是网络科学的实验室。¶

网络：新自由主义连接的科学

在最基本的层面上，网络科学捕获——也就是分析、表述、强加、工具化并阐发——连接（见捕获的五个阶段，Agre 1994）。它是“对关系数据的收集、管理、分析、解释与呈现的研究”^[2]（Brandes et al. 2013, 3）。网络科学被描述为从根本上是跨学科的，它汇集了物理学、生物学、经济学、社会心理学、社会学和人类学。说得更极端一些，它把定量社会科学与物理科学和计算机科学融合在一起，以绕过或清除人文学科和媒介研究——这两个领域同样浸润在有关表征与网络的理论之中。根据备受赞誉的网络科学家兼作家艾伯特-拉斯洛·巴拉巴西（Albert-László Barabási）的说法，网络科学免除了对人类心理学的需要：“过去，如果你想了解人类做什么以及为什么这样做，你就得成为一名正式的心理学家。今天，你可能想要获得一个计算机科学学位……”这是因为网络科学与“日益深入的数字技术”相结合，将我们置于“一个巨大的研究实验室之中，它在规模、复杂性和细节上都超越了科学以往所遭遇的一切”。这个实验室揭示出“生活的节律，作为人类行为中一种更深层秩序的证据，这种秩序可以被探索、被预测，而且无疑会被利用”（Barabási 2010, 11）。网络科学拆解出一个被封装在数字媒体鱼缸之中的庞大的集体非意识（nonconscious）。^[3] 它是精神分析的私生子：没有意外，没有无心的口误。每一个行为都是某个更大模式/症状的一部分。其目标是：回答那个无法回答的问题——（女）人想要什么？¶

网络科学回应的是日益增强的全球连通性与资本主义，回应的是“公众对现代社会复杂‘连通性’日益增长的迷恋”（Easley and Kleinberg 2010, 11）。正如该领域的先驱邓肯·瓦茨（Duncan Watts）所解释的：“如果必须用某种简单的方式来刻画世界历史上的这一特定时期，那么它或许可以被刻画为一个比以往任何时候都连接得更紧密、更全球化、也更出人意料的时期。”网络科学对于测绘和驾驭“连接的时代”至关重要（Watts 2004）。¶

网络科学是弗雷德里克·詹姆逊（Fredric Jameson）曾称为“认知测绘”（cognitive mapping）的一种版本（Jameson 1990）。它是新自由主义对后现代病症开出的药方（见 Chun 2016）。根据詹姆逊的说法，后现代主义把主体淹没在“一组多维度的、彻底不连续的现实之中，其框架从依然残存的资产阶级私人生活空间，一直延伸到全球资本本身那无法想象的去中心化”（Jameson 1991, 413）。正因如此，主体深感迷失，无法把自己的地方性经验（本真性）与全球系统（真理）联系起来。为了解决这一处境，詹姆逊呼吁认知测绘，这是一种尚可想象的政治性社会主义艺术形式，它对应于“一种律令：长出新的器官，把我们的感官系统和身体扩展到某些新的、尚无法想象的、也许最终不可能的维度”（39）。就像詹姆逊所设想的认知测绘一样，网络科学通过揭示个体与她所生活于其中的总体之间的联系，驱散了后现代主义的迷雾。与詹姆逊的构想不同的是，它几乎谈不上是社会主义的或赋权的。它非但没有使人类长出新的器官，反而把世界收缩成一张地图：它强迫推行一种被塑造得符合某种人工智能式真理的本真性模式。¶

网络科学把现实世界的现象化约为一系列节点和边，然后再对这些节点和边进行建模，以揭示支配着从友谊到金融危机等看似毫不相干的行为的模式。这种测绘依赖于对现实世界现象的大幅简化。^[4] 事实上，这些被“发现”的关系是对大幅简化的再大幅简化，因为网络理论的每一个阶段——先是最初的抽象/表征，继而是数学建模——都会产生其自身类型的抽象。第一个阶段是“应用性的”和“认识论的”：它提出并阐明“对于特定研究领域而言，如何把现象抽象为网络。这包括，例如，什么构成一个独立的实体或一种关系，如何将一条连接的强度概念化，等等”（Easley and Kleinberg 2010, 2）。最简单地说，在这一阶段，人们决定什么是节点、什么是边，以及它们应当如何连接。第二个阶段是“纯粹的”网络理论，因为它处理的是“网络表征的形式化方面，如度分布、闭合、社群等等，以及它们彼此之间的关系。在这种纯粹的网络科学中，相应的理论是数学性的——即关于网络的理论”（5）。在第二个阶段，目标是构建一个能够复现第一阶段所产生之抽象的模型。凡是能做到这一点的，就被视为真实的或具有因果性的。这一两步过程凸显了网络科学在经验主义与建模之间所走的钢丝：网络科学所建模的不是现实世界，而是最初的表征，而真理就是能够复现这一抽象的东西。¶

这些抽象关系揭示并建构了地方与全球之间的一种复杂关系。从根本上说，网络科学是非规范性的（nonnormative）：它并不假定集合层面的行为源自以相同方式行动的相同主体。它通过处理那些以往被“过滤掉”或被控制的依存关系，把以往彼此不连续的尺度——地方与全球、微观与宏观——连接起来。正如《网络科学》（Network Science）创刊号的作者们所解释的，网络科学在对依存关系和结构的评估上不同于其他科学。它不是把变量的域定义为一个没有结构的简单集合，而是假定“至少某些变量……具有结构。由此可能产生的依存关系并不是一种麻烦，而往往恰恰构成了实际的研究兴趣所在”（Brandes et al. 2013, 8）。^[5] 这些依存关系超越了行动者属性变量内部的相关性（比如收入与年龄之间的关系），涵盖了整个网络变量集。网络变量本身是以“对”（pairs）来定义的，并根据其连接程度（或是否连接）来赋值（例如，连接为1，不连接为0）。这些变量又相互影响：“关键之处在于，一条连接的存在可能会影响另一条连接的存在。……尽管对某些人来说这似乎是一个陌生的观点，但它只不过是在陈述网络可能具有系统性的模式。没有连接之间的依存，就不存在涌现的网络结构（Brandes et al. 2013, 10）。^[6] 在所有层面上，网络都是动态的、相互依存的。因此，重要的是理解和创造相互依存关系。¶

目前，对这些相互依存关系进行建模——把全球事件与个体互动联系起来——需要将图论与博弈论或其他基于主体的建模（agent-based modeling）结合起来。计算机科学家乔恩·克莱因伯格（Jon Kleinberg）与经济学家大卫·伊斯利（David Easley）的合作就是这种富有成效的结合的典范。在他们以康奈尔大学课程为基础写成的经典而出色的教科书《网络、市场与群体》（Networks, Markets, and Crowds）（该课程如今已与伊娃·塔多什〔Eva Tardos〕合作成为一门广受欢迎的 EdX 慕课）中，他们解释说，理解网络需要把握两个层面的连通性：“结构层面的连通性——谁与谁相连——以及……行为层面的连通性——即每个个体的行为都对系统中每个人的结果具有隐含的影响”（Easley and Kleinberg 2010, 4）。全球性的关切影响着地方性的决策，而地方性的效应往往只在全球尺度上才显现出来。^[7] 因此，网络科学通过测绘“宏观效应……如何从地方性互动的复杂模式中产生”（6），跨越了宏观层面的结构与微观层面的行为这两个极端。《网络、市场与群体》明确借鉴了图论和博弈论，展示了这种结合如何能够解释诸如信息级联之类看似“非理性”的现象。¶

正如向博弈论的转向所揭示的，一种基于市场的逻辑渗透在网络科学的模型之中（本丛书稍后由阿明·贝弗伦根〔Armin Beverungen〕、菲利普·米罗夫斯基〔Philip Mirowski〕、爱德华·尼克-卡〔Edward Nik-Khah〕和延斯·施罗特〔Jens Schroeter〕合著的《市场》〔Markets〕一书将继续探讨这一主题）。最一般地说，捕获系统被辩护和赞誉为天然比旧有的规训式或基于企业的系统更有效率、更具赋权性（因而也更民主）。阿格雷假设：¶

【引文摘要：阿格雷认为，计算机从业者的捕获实践有助于经济行动者降低交易成本，从而推动生产活动越来越细致地依赖于（或臣服于）市场关系；其结果是经济活动的普遍加速，其生产效率方面的社会收益显而易见，但其社会代价理应引起关注。（Agre 1994, 121–22）】

最简洁地说：捕获系统把一切交易都转化为基于市场的交易，因此计算机化 = 自由化。尽管阿格雷强调，这种关系是历史偶然的，其本身是某种“表征性的十字军运动”的产物（120），但他仍然假设，这种“预设了整个生产活动世界都可以先验地被概念化为经济行动者之间极其众多的交换事件”的关系，构成了捕获的政治经济学（121）。“成本”的语言不仅是阿格雷本人批判性语言的基础，它也充斥于有关网络的文献之中：从试图对集体行动和临界规模进行建模（从而加以理解）的研究（Centola 2013），到测绘女性和少数族裔差异化社交网络技巧的研究（Ibarra 1993），再到对社会学习进行建模的研究（DiMaggio and Garip 2012）；从试图识别社交网络中有影响力或易受影响成员之作用的研究（Aral and Walker 2012），到分析移民网络中社会资本之“回报”的研究（Ooka and Wellman 2006）。正如最后这个例子所揭示的，这种基于市场的逻辑还预设了“社会资本”的存在，皮埃尔·布尔迪厄（Pierre Bourdieu）把这一概念与群体成员身份和认可资格联系在一起。^[8]¶

在当前的文献中，社会资本解释了个体之间挥之不去的不平等。它解释了那些无法用“人力资本”方面的个体差异——即智力、外貌和技能方面的差异——来解释的成功差距（Burt 2002）。根据社会学家罗纳德·S. 伯特（Ronald S. Burt）的说法，社会资本是一个社会之中的“隐喻或优势”，而这个社会“被视为一个市场，人们在其中为追求自身利益而交换各种各样的商品和观念”。它揭示出：¶

【引文摘要：伯特指出，表现更好的人在某种程度上拥有更好的连接——某些人或群体与某些他人相连、信任他们、有义务支持他们或依赖与他们的交换；在这些交换结构中占据某一位置本身就可以是一种资产，这种资产就是社会资本，其本质是差异化市场中的位置效应概念。（Burt 1992, 150）】

作为一种关系性的资本形式，它赋予那些投资于社会关系的人以优势。它依靠“信任”和义务而兴旺。¶

马里昂·富尔卡德（Marion Fourcade）和基兰·希利（Kieran Healy）对这一关系性资本概念做了进一步的完善，认为这种形式的资本实际上是“超级资本”（über-capital），它与“一个人依照各种打分、评级和排名方法所处的位置及轨迹相关联。……一个例子是雇主或公寓业主把信用评分用作衡量申请人‘可信度’的指标”（Fourcade and Healy 2016, 10）。^[9] 由此，富尔卡德和希利的分析揭示了建构起伯特所预设之“信任”的精算机制。“über”一词表示“这种资本的元的、普遍化的或超越性的性质，它在很大程度上存储于‘云’中。……über 一词还暗含着某种超乎寻常的、凌驾于世界和他人之上的事物或人……”（23）。这种形式的资本根据消费者的“惯习”（habitus）对其进行分类，以便在产品与消费者之间实现“良好匹配”。关键在于，企业所采用的类别并不明确涉及种族/性别/阶级，因为它们基于的是行为，而非固有特征。因此，¶

【引文摘要：富尔卡德和希利指出，在这种机制下，每个人似乎都得到了自己应得的；各种预测分析摒弃刻板印象，对财务责任、工作表现或个人健康进行个体化处理，这使其在政治上更难被质疑，尽管它仍然是象征性与物质性分层的强大推手；换言之，超级资本把境遇和社会结构归并为行为。（33, 38）】

在所有捕获系统中，重点都在于对行为进行翻译和形塑。¶

正如上文关于社会资本和捕获的讨论所暗示的，就其目前的表述而言，网络科学是新自由主义的科学。需要明确的是，这并不是要把新自由主义归咎于网络科学——也不是声称网络科学家天生就是新自由主义者——而是要强调这样一个事实：网络科学目前所产生的诸多洞见，与其所预设的新自由主义体系深深地交织在一起。正如温蒂·布朗（Wendy Brown）所论证的，新自由主义建立在不平等和“金融化的人力资本”之上：她揭示道，“当我们在所做的一切事情中、在每一个场合中都被形塑为人力资本时，平等便不再是我们彼此之间被预设的自然关系”（Brown 2015, 179）。布朗阐明了捕获系统的社会影响——这些系统无情地把人类的一切行为都转译为“交易成本”——即通过把“自由和自主化约为畅通无阻的市场行为、把公民身份的意义化约为单纯的选举权”而摧毁民主。关键在于，¶

【引文摘要：布朗指出，民主的坚实规范被掏空的同时，民主化也面临前所未有的挑战，包括经济与政治权力的复杂形式和新的集中、政治中精巧的营销与表演性、企业所有的媒体，以及历史上空前的信息与意见泛滥——这些在其对立面面前制造出知识、自由乃至参与的幻觉。（179）】

布朗所列举的这些前所未有的挑战，恰恰就是网络科学通过把公共生活化约为“问题解决和项目实施”来加以管理的挑战，“这种定位把政治、冲突以及关于共同价值或目标的审议悬置起来或清除出去”（127）。正如本章其余部分将要解释的，网络科学推崇共识、平衡和“舒适”：它通过聚焦于个体的“偏好”而非制度性约束和种族主义，来认可并预设隔离。¶

也就是说，为了补充富尔卡德和希利的分析，并借鉴我的《为保持不变而更新：习惯性新媒体》（Updating to Remain the Same: Habitual New Media），我们需要理解，看似个体化的评分是如何与“旧有的”种族和阶级类别相吻合的。网络分类不仅取决于你的行为，还取决于你所谓邻居的行为——你不断地被拿来与他人比较，并与他人归为一类。广告商把人口划分为诸如“日益富裕”（rising prosperity）之类的类型，再把这一类别细分为诸如“都市精英”（city sophisticates）之类的其他类别，而后者又产生出诸如“联排别墅世界主义者”（townhouse cosmopolitans）之类的类别（见 CACI 开发的 ACORN 系统）。新自由主义通过繁殖邻里来摧毁社会。网络通过把一切单个的行为都解读为更大的集体习惯模式的迹象来进行先发制人和预测，其依据并非我们的个体行为，而是他人的行为。也就是说，相关性并不仅仅基于某个个体的行为和历史，而是基于与他或她“相似”的他人的历史和行为。通过对习惯的分析，个体行为把身体凝聚成畸形地相互连接的奇美拉（chimeras）。也就是说，如果正如巴拉巴西所言，“为了预测未来，你首先需要了解过去”，并且如果信息技术已经使揭示过去变得比以往容易得多，那么它们做到这一点，并不仅仅是通过个体监控，而是通过同质相吸（McPherson, Smith-Lovin, and Cook 2001）。同质相吸是个体借以“粘”在一起、“我们”借以浮现的机制。它对于萨拉·艾哈迈德所诊断的“情感的文化政治”至关重要：即情感作为一种资本形式的流通。¶

同质相吸：漂白“我们”的过去

网络科学的核心是同质相吸（homophily）原则，即“相似性孕育连接”这一公理（McPherson, Smith-Lovin, and Cook 2001）。同质相吸通过制造集群来构造网络；也正因如此，它使网络变得可搜索（Marsden 1988; Jackson 2008）。同质相吸通过促成并预测关系纽带（tie）形成的可能性，为网络的增长与动态奠定基础。同质相吸——如今已成为一个在结果与原因之间滑动的“常识性”概念——既预设又制造了隔离；它预先假定局部集群内部存在共识与相似性，从而使隔离成为网络邻里的默认特征。它一方面对“同伴影响”和传染等简单观念提出了质疑，另一方面却在褒扬“自愿”行为的同时，抹去了历史的偶然性、制度性歧视与经济现实（Kandel 1978; Aral, Muchnik, and Sundaraajan 2013）。它为自身所描绘的不平等充当了托辞，同时也消解了政治：同质相吸（往往据称是受歧视者自身的同质相吸）——而非种族主义、性别歧视与不平等——成了不平等的根源，使不公变得“自然”而“生态”。它将仇恨变成爱，把个体转化为天然地想要生活在一起的“邻居”，而这又预设了邻里之中应当住满彼此相似的人。如果说我们因此得以“爱我们的邻人”——这曾被视为一项艰难的伦理任务——那是因为我们的邻人几乎就是我们自己。同质相吸使相互冲突的意见、跨种族关系以及异性恋（heterosexuality），连同许多其他事物，都成了反常之物。¶

据米勒·麦克弗森（Miller McPherson）、林恩·史密斯-洛文（Lynn Smith-Lovin）和詹姆斯·库克（James Cook）在其关于同质相吸的权威综述文章中所言，“同质相吸原则……构造着每一种类型的网络纽带，包括婚姻、友谊、工作、建议、支持、信息传递、交换、共同成员身份以及其他类型的关系”（2001, 415）。其结果是，“人们的个人网络在许多社会人口学、行为及个人内在特征方面都是同质的”。他们并未将同质相吸界定为历史偶然的，而是将其理解为根本性的、超越时间的：事实上，他们在综述开篇便引用了亚里士多德（Aristotle）和柏拉图（Plato）关于相似性决定友谊与爱情的论述（他们在一则脚注中承认这可能具有误导性，因为亚里士多德和柏拉图也曾声称异性相吸——的确，同质相吸使异性恋显得反常，成了一个有待解释的神秘事实）。在麦克弗森等人看来，同质相吸既是“人类生态”的结果，也是其中的一个因素（415）。¶

同质相吸处于网络结构与个体能动性的交叠之处。麦克弗森等人在总结众多不同研究中同质相吸那“极其稳健”的模式时，也将同质相吸分为两种类型：基线同质相吸（“由潜在纽带池的人口构成所造成的同质相吸效应”）与近亲同质相吸（inbreeding homophily）（“明确超出机会集合之上而测得的同质相吸”）（419）。麦克弗森等人还重申了保罗·F. 拉扎斯菲尔德（Paul F. Lazarsfeld）与罗伯特·K. 默顿（Robert K. Merton）那一影响深远的划分，即将同质相吸分为“地位同质相吸”与“价值同质相吸”：¶

【引文摘要：地位同质相吸涵盖使社会分层的主要社会人口学维度，既包括种族、族裔、性别、年龄等先赋特征，也包括宗教、教育、职业或行为模式等后致特征；价值同质相吸则涵盖被认为塑造我们未来行为取向的各种内在状态。（McPherson, Smith-Lovin, and Cook, 419）】

作者们在综述中指出，种族与族裔显然是“当今美国社会网络中最大的分野，这既源于基线同质相吸，也源于近亲同质相吸”（420）。他们列出了同质相吸的以下成因：地理（“同质相吸最基本的来源是空间”，（429）；家庭纽带（431）；组织焦点、职业角色、家庭角色与非正式角色（80）；认知过程（434）；以及选择性的纽带解除（435）。值得注意的是其中所缺失的：个人或制度层面的种族主义与歧视，以及历史。在网络的世界里，驱动隔离的是爱，而非恨。¶

鉴于同质相吸这一概念本身就源自对隔离的研究，“发现”种族是一个造成分裂的因素也就不足为奇了。拉扎斯菲尔德与默顿在其1954年的文本中创造了“同质相吸”（homophily）与“异质相吸”（heterophily）这两个术语（灵感来自“野蛮的特罗布里恩人〔原文作 Trobianders〕的友谊分类，其本土习语至少区分了内群体之内的友谊与这一社交圈之外的友谊”），该文分析了两个镇子中的友谊模式：“克拉夫敦（Craftown），新泽西州一个约有七百户家庭的住房项目；以及希尔敦（Hilltown），宾夕法尼亚州西部一个约有八百户家庭的双种族低租金住房项目”（Lazarfeld and Merton 1954, 18–66, 23, 21）。关键在于，他们既没有将同质相吸预设为一项基础原则，也没有发现同质相吸是“自然地”存在的。相反，他们在记录同质相吸与异质相吸的同时提出了这样的问题：“价值观的相似或对立通过怎样的动态过程塑造了亲密友谊的形成、维持与破裂？”（28）。在他们这篇被广泛引用的章节中，同质相吸只是友谊形成的一种情形——而且是在研究希尔敦“自由派”与“非自由派”白人居民之间的互动时才浮现出来的一种情形（27）。黑人居民的回答被忽略了，因为这些居民全都被归类为“自由派”。正如萨曼莎·罗森塔尔（Samantha Rosenthal）所指出的，价值同质相吸这一概念本身因此便被包裹在地位同质相吸之中（私人通信）。价值与地位并非彼此分离——“价值”越来越多地被用作基于种族和阶级之区分的“暗语”。这种隔离对网络原则的进一步发展以及美国的住房政策都产生了深远影响。¶

这段历史在当今形态的网络科学中已被抹去，在其中，同质相吸已从问题变成了答案。在从“表征”（representation）到“模型”（model）的转变中，同质相吸不再是某种需要加以解释的东西，而是“自然地”解释并正当化了表面平等的系统内部不平等之持续存在的东西。它已经成为公理性的，也就是说，成为常识，从而限制了网络科学的视野与可能性。^[10] 正如伊斯利（David Easley）和克莱因伯格（Jon Kleinberg）——同样是该领域两位最具洞见、最重要的学者——所解释的：“支配社会网络结构的最基本观念之一便是同质相吸——即我们往往与自己的朋友相似这一原则。”为了阐明这一点，他们指向了“我们的”朋友的分布。“通常，”他们写道：¶

【引文摘要：伊斯利与克莱因伯格指出，你的朋友通常并不像是从总体人口中随机抽取的样本：从整体上看，他们在种族与族裔、年龄方面与你相似，在居住地、职业、兴趣、信念与观点等多少可变的特征上也与你相似；尽管我们大多数人都有跨越这些界限的具体友谊，但从总体看，社会网络中的连接倾向于联结彼此相似的人，这是一个“普遍存在的事实”。（Easley and Kleinberg, 78）】

同质相吸是支配网络结构的一个“普遍存在的事实”。作为一种基于“舒适”预设的自然治理形式，它为网络模型奠定了基础，而这些模型同样“发现”隔离，也就不足为奇了。^[11] 与许多其他文本一样，达蒙·森托拉（Damon Centola）等人在《同质相吸、文化漂移与文化群体的共同演化》（“Homophily, Cultural Drift, and the Co-Evolution of Cultural groups”）中的分析将“舒适”列为“同质相吸为何在文化动态中是如此强大的力量”的原因之一。森托拉援引拉扎斯菲尔德与默顿的研究指出：“在心理上，当我们被持有相同信念的他人所包围时，我们往往会觉得在我们的感到更舒适的观点上是正当的〔原文如此，句子错乱〕——即拉扎斯菲尔德与默顿（1954）所称的‘价值同质相吸’……当我们与背景相似的他人互动时（即地位同质相吸），我们也会感到更舒适”（Centola et al. 2007, 906）。为了模拟文化漂移的效应——从而说明全球化为何不会/将不会强加一种单一文化——作者们做出了如下假设：¶

【引文摘要：森托拉等人说明，在其研究文化动态的方法中，如果文化影响过程使两个邻居之间产生分化，以至于二者不再有任何共同的文化特征，模型便允许这些个体通过断开彼此的纽带、与其他个体建立新纽带来改变社会网络的结构；因此，在他们对同质相吸的设定中，社会互动网络并非固定不变，而是与个体的行动同步演化。（908）】

于是，网络科学的动态本身就内嵌了这样一个预设：没有共同文化特征就不可能有邻居。值得注意的是，这一假设借用了拉扎斯菲尔德与默顿的研究——如前所述，该研究并未发现同质相吸是“自然的”——来为其模型的动态奠定基础。不出所料，森托拉等人“发现”同质相吸制造了“文化生态位”（926）。在诸多方面，同质相吸“支配着”网络结构。¶

关键在于：尽管伊斯利与克莱因伯格等许多作者坚持认为，同质相吸“往往本身并非终点，而是更深层问题的起点——这些问题涉及同质相吸为何存在，其底层机制将如何影响网络的进一步演化，以及这些机制如何与外部影响网络中人们行为的可能尝试相互作用”（83），但作为起点的同质相吸，恰恰烹制出了它所发现的终点。它不仅限制了用于建模的数据库——这些研究往往取材于相同的数据库，如“全国青少年健康纵向研究”（National Longitutindal Study of Adolescent Health，ADD Health）或 Facebook、Myspace，因为这些数据库已经将“朋友”作为一个类别纳入其中——同质相吸还强化了网络科学所“发现”的集群。尤其是，同质相吸既解释又强化了“三元闭包”（triadic closure）——网络的另一项基本且“直观”的原则，该原则认为“如果社会网络中的两个人有一位共同的朋友，那么他们在未来某个时刻成为朋友的可能性就会增加”（44）。尽管三元闭包有时被视为同质相吸之外的一种“结构性”成因，但它同样预设了同质相吸式的和谐与共识。人们为这一“非常自然的”现象给出的理由通常是：机会（如果 A 同时与 B 和 C 共度时光，那么 B 与 C 成为朋友的机会就会增加）、信任与激励（“如果 A 与 B 和 C 都是朋友，而 B 与 C 彼此不是朋友，那么这就会成为这些关系中潜在压力的来源”[45]）。网络科学将无连接设定为不可持续的——一种压力的来源。冲突作为一种纽带是难以设想的。关键在于，Facebook 之类的社交网络（又一次是网络科学的模式生物）放大了“三元闭包”与“社会平衡”的效应。通过展示朋友的朋友——并坚持友谊必须是相互的——它使三元闭包成为其算法的一部分：三元闭包不只是被预测的，它本身就具有预言性/谓述性（predicative）。正如安德烈亚斯·维默（Andreas Wimmer）与凯文·刘易斯（Kevin Lewis）在《超越与低于种族同质相吸：Facebook 上记录的一个友谊网络的 ERG 模型》（“Beyond and Below Racial Homophily: ERG Models of a Friendship Network Documented on Facebook”）中所指出的，Facebook 对相互性的要求产生了同质相吸效应（Wimmer and Lewis 2010）。¶

再说一遍，同质相吸不仅抹去了冲突，还将歧视自然化。如果预设了同质相吸，那么被“恢复”并被正当化的正是隔离。伊斯利与克莱因伯格十分直白地表示，“同质相吸最容易察觉的效应之一，就是城市中族裔与种族同质的街区的形成”（96）。为了解释这一点，他们转向了隔离的“谢林模型”（Schelling model）——一种描绘“两种不同类型的行动者（agent）”在网格中移动的模拟。其基础约束是每个行动者都希望“至少有一些与自己同类型的其他行动者作为邻居”〔原文语序如此〕（97）。在展示这一模拟的结果时，他们指出，即使没有任何个体行动者追求空间隔离，空间隔离也会发生：t = 4 的例子（因此，每个行动者都乐于身处少数）产生了压倒性的隔离结果。对此，他们写道：¶

【引文摘要：伊斯利与克莱因伯格认为，隔离的发生并非因为它被暗中写进了模型——行动者愿意身处少数，只要能将他们精心安排成融合的格局，所有人都可以得到满足；问题在于，从随机的初始状态出发，行动者群体很难找到这样的融合格局，长期来看，隔离区域往往以牺牲较为融合的区域为代价而扩张，个体行动者的局部偏好由此产生了一个他们谁也未必意图的全局模式。他们进而指出这正是该模型的核心：尽管现实生活中的隔离会因部分人口真正希望归属于由相似者构成的大集群（无论是为了回避其他群体的人，还是为了获得本群体成员的临界数量）而被放大，但这些因素对于隔离的发生并非必要；只要个体仅仅希望避免在自己所在的局部区域中成为过于极端的少数，隔离的基础便已存在。（101）】

我之所以详细引述这段话，是因为这一诠释揭示了同质相吸的危险。美国境内基于种族的奴隶制的漫长历史与遗产被完全抹去了，废除隔离对民权运动的重要性也同样被抹去了。不存在随机的初始条件。美国境内的“初始条件”，以及行动者对“相似”邻居的数量抱有偏好这一基础预设本身，都是成问题的。这种不愿身处少数——且一旦身处少数便要搬走——的欲望，最准确地描绘的是“白人逃离”（white flight）的情形，即对废除隔离的一种回应。此外，如果将其视为对士绅化（gentrification）的解释，它便会把少数族裔迁往更便宜、更不受欢迎地区的行为描绘为自愿的，而非租金和税收上涨的结果。最重要的是，如果说它发现制度不应为隔离负责，那是因为制度行为在这些模型中被隐去了。¶

托马斯·C. 谢林（Thomas C. Schelling）的原始论文清楚地表明了这种对制度和经济的刻意抹除，以及它与白人逃离（或“街区倾覆”[neighborhood tipping]）的关联。他如今已成经典的《隔离的动态模型》（“Dynamic Models of Segregation”）发表于1971年，正值民权运动的高潮，也是强制学校废除隔离的开端。^[12] 谢林在论文中承认，他刻意排除了隔离的两个主要过程：有组织的行动（因此它甚至没有提及奴隶制和法律强制隔离的历史）以及经济隔离，尽管“经济隔离或许能在统计上解释某种初始程度的隔离”（145）。然而，经济假设被嵌入了他模型的各个层面。他对无组织个体行为之“出人意料的结果”的分析，正是以刻意与经济学和进化论所作的类比为基础的。^[13] 他用经济学语言来解释他公开称之为“歧视性行为”的东西。^[14] 他的模型的核心是不可改变的差异：“我假设，”他断言：¶

【引文摘要：谢林假设人口被穷尽地划分为两个群体，每个人的成员身份都是永久且可识别的；每个人都在意与自己同住者的肤色，并能观察到一片地域〔原文作 apiece of territory〕中黑人和白人的数量；每个人在任何时刻都有一个特定的位置，若对所在之处的肤色构成不满，便能够搬走；黑人与白人的数量、他们的肤色偏好以及“街区”的规模都将作为可调变量加以操纵。（149）】

这些假设令人不安且充满预设。它们抹去了“红线政策”（redlining）以及其他政府认可的项目的历史，这些项目使黑人公民几乎不可能在某些街区购房，同时却帮助白人公民在新开发的社区购房（Rothstein 2017）。它们还掩盖了美国境内种族身份那常常令人不安的流动性，尤其是“一滴血规则”（one drop rule），该规则为隔离奠定了基础，并实际上使黑人与白人身份并不取决于可见的差异。此外，同质相吸将恨描绘为爱。你如何表明自己爱同类？就是在他者出现时逃离。¶

社会网络模型中对历史以及关于种族、性别和性向的定性理论的抹除，再现并复制了一些令人不安的假设，而许多人，尤其是人文学科中的许多人（但不仅限于此：想想奥巴马总统任期之初那种压倒性的、认为美国已经“后种族”的观念），曾以为这些假设早已成为历史。朱迪斯·巴特勒（Judith Butler）在上世纪末对性别述行性（gender performativity）所作的权威分析，结合酷儿理论与跨性别研究的成果，已使性别的可变性成为一项默认假设。将种族视为社会建构的批判，在大屠杀的恐怖之后获得了广泛认可，并得到了严谨的历史、实证与理论研究的支撑：从迈克尔·奥米（Michael Omi）与霍华德·怀南特（Howard Winant）的经典之作《美国的种族形成》（Racial Formation in the United States，1994），到阿朗德拉·纳尔逊（Alondra Nelson）在《DNA 的社会生命：基因组之后的种族、赔偿与和解》（Social Life of DNA: Race, Reparations, and Reconciliation after the Genome，2016）中对遗传学与种族的分析；从保罗·吉尔罗伊（Paul Gilroy）颇具争议且富于挑衅性的《反对种族：想象肤色界线之外的政治文化》（Against Race: Imagining Political Culture beyond the Color Line，2000），到格蕾丝·伊丽莎白·黑尔（Grace Elizabeth Hale）在《制造白人性：南方的隔离文化，1890—1940》（Making Whiteness: The Culture of Segregation in the South, 1890–1940，1998）中对南方绝对种族差异神话的透彻考察。¶

这些文本与其他众多著作一道，记录了现代种族概念在启蒙时代的兴起；它在殖民与奴隶制中的核心地位；它在优生学时代看似达到的顶峰；它在第二次世界大战之后的转变；以及它作为一种“不可见”的标记在遗传学中的复兴。当“种族”“性别”及其他差异被固化为节点属性时，所有这一切在网络科学中都被忽视了。所有这一切都在驱动着二十一世纪的回音室与政治。那么该怎么办？¶

共同关系，而非相关性

关键在于，仅仅坚持种族类别的流动性或“解构”种种假设是不够的。网络科学中的一些研究确实质疑了种族同质相吸背后的假设。如前所述，安德烈亚斯·维默与凯文·刘易斯揭示出，那些被理解为由“种族同质相吸”造成的效应，通常是由其他因素造成的：从同族裔群体而非种族群体之间的同质相吸（因此，“亚裔”同质相吸之下潜藏的是南亚人倾向于与南亚人交朋友、中国人倾向于与其他中国人交朋友，等等），到基于“社会经济地位、地区背景与共同文化品味”的同质相吸（143），再到社交媒体网站所采用的“平衡机制”。（重要的是，这项研究基于对整整一届共1,640名大学生的 Facebook 页面的大规模分析。）尽管这项关于交叉性（intersectionality）的研究很重要，但它并不足够，尤其是因为，如前所述，交叉性恰恰是“代理因素”（proxy factors）所瞄准的对象，也因为这项研究仍然预设了同质相吸，只不过是在不同的“族裔”层面上。¶

要创造一个不同的世界，我们需要质疑关于同质相吸的默认假设。正如萨拉·艾哈迈德（Sara Ahmed）在《情感的文化政治》（The Cultural Politics of Emotion）中所论证的，“对同类的爱”从来都不是无辜的：例如，白人至上主义的爱就建立在对他者的仇恨之上（Ahmed 2004）。远离他者的移动——它构成了同质相吸模型的基础——揭示出仇恨在多大程度上先于同质相吸。因此，网络所滋生的仇恨不应令任何人感到意外。艾哈迈德强调，仇恨组织身体。它是一种情感上的“投注”，使某些身体要为痛苦或伤害负责。它通过将事物与身体聚拢在一起来进行组织——通过把某些形象联结起来，使之成为一种共同的威胁，成为相对于“我们的”O 的 X。仇恨把特殊转化为一般：它把个体转化为类型，使之成为一种共同的威胁（我恨你，因为你是 Y）。它还把一个个“我”转化为受到这个他者威胁的“我们”。同质相吸从来都不是无辜的：X 与 O 的建构本身——他们根据他者的在场来界定自身的不适——揭示的是仇恨，而非爱。正是仇恨使那些以核心对抗边缘的强纽带成为可能。因此，问题不仅在于网络科学看似使冲突的建模成为不可能，还在于它在这样做的同时，把冲突伪装成了友谊。¶

由此可以清楚地看出：为了想象并践行一个不同的未来，我们所需要的不是相互的无知、冷漠或厌恶，而是投入、讨论，以及——是的——甚至冲突。回音室的激增与政治的抹除并非不可避免——我们可以使它们成为自我取消的预言。尽管这需要的不仅仅是不同的网络算法，但这些算法是一个很好的起点。倘若我们重视萨菲娅·诺布尔（Safiya Noble）关于谷歌搜索如何传播性别歧视与种族主义的分析，以及她对更好的公共搜索引擎的呼吁（2018），会怎样？倘若我们接受乔安妮·西森（Joanne Sison）与沃伦·萨克（Warren Sack）的挑战，去构建民主的搜索引擎，即向用户提供最多样而非最热门结果的搜索引擎），又会怎样？这将如何挑战那些关于“幂律”（富者愈富，贫者愈贫）的假设——这些算法既助长又“发现”了幂律？如果纽带所表征的不是友谊而是冲突，会发生什么？如果集群表征的是差异而非相似性，会浮现出怎样的另一个世界？又会揭示出哪些其他的、在世界中导航和进行推荐的方式？¶

维·哈特（Vi Hart）在她对谢林模型的出色重构——《多边形寓言》（The Parable of the Polygons，2017）——中，明确揭示了初始条件与历史之间的关系。此外，她的模型将对废除隔离而非隔离的欲望作为默认设定。由此得出的教训是：¶

【引文摘要：哈特与凯斯总结了三条教训。其一，“微小的个体偏见 → 巨大的集体偏见”：说一种文化是“形状歧视的”，并不等于说其中的个体是形状歧视者，也不是在对你进行人身攻击。其二，“过去纠缠着现在”：即便你不再把食物掉在地毯上，卧室地板也不会因此自动变干净；创造平等就像保持清洁一样需要付出努力，而且永远是一项进行中的工作。其三，“要求你身边的多样性”：如果微小的偏见造成了我们眼下的困境，那么微小的反偏见或许可以加以修正；看看你的朋友、同事和你参加的会议，如果你们全都是三角形，你就错过了生活中一些了不起的正方形，这对每个人都不公平；要向直接邻居之外伸出手去。（Hart and Case 2017）】

计算媒体研究的先驱福克斯·哈雷尔（Fox Harrell）也提供了另一种介入计算建模的方式。福克斯·哈雷尔的研究追问：人工智能如何能够生成新的、更人道的互动？大多数计算身份系统通过将身份类别实现为简单的数据字段（例如，从一个简短的下拉菜单中选择性别）或属性集合（例如，在电脑游戏中，种族被表征为数值统计的修正值和受限的图形特征），从而错误地将身份类别物化；与之相反，他开发了 AIR（Advanced Identity Representation，高级身份表征）项目，以生成“与分类相关的主观身份现象的计算模型，例如在工程中被忽视的特定形式的边缘化”（Harrell 2013, 1）。关键在于，他所构建的系统，如《嵌合体：守门人》（Chimeria: Gatekeeper），让用户直面种族认同的流动性、应对基于刻板印象的歧视之艰难，以及“冒充”（passing）的局限。此外，他基于“原型分析”对现有系统以及用户与其系统之间互动所作的分析，揭露并剖析了内嵌于流行游戏中的“理想玩家”，以及这些游戏如何通过其所允许和禁止的行动来延续刻板印象。例如，他揭示了游戏中的某些“种族/物种”（species）如何与关于人种的某些刻板假设相吻合，以及用户操控不同性别化身（avatar）的行动如何暴露出关于性别的假设。¶

哈雷尔的研究最具批判性地触及了内嵌于人工智能之中的创造性。《幻象媒介：一种关于想象、计算与表达的进路》（Phantasmal Media: An Approach to Imagination, Computation, and Expression，2013）取材于他在 Define Me 与 GRIOT 这两个开创性的社交网络与表达性人工智能项目中的工作，它追问：人工智能能否产生与伟大文学作品——如拉尔夫·埃里森（Ralph Ellison）的《看不见的人》（Invisible Man）——同样的影响？也就是说，人工智能能否凭借强有力的意象与文学创新，使其读者体验社会性不可见的世界？人工智能能否在想象不同的、更公正的世界的同时，揭示社会与意识形态在多大程度上与想象力相关联？为了创作出能够做到这一点的计算性与互动性叙事，哈雷尔在其第一本书中发展出一种幻象媒介理论，其中幻象（phantasm）是意象与观念的结合。通过聚焦幻象的作用，哈雷尔不仅探讨了想象力对个体经验的核心地位，还探讨了个体与更宏大的文化及政治议题之间的关系。重要的是，哈雷尔并未简单地将幻象斥为不真实和不公正的，而是揭示出它们如何既能赋权又能压迫。它们是能动性游戏（agency play）的形式。通过一种揭示通常被排斥于主流社会之外者之经验的比较分析，他的研究因而既揭露了幻象的负面影响，又生产出新的幻象，使其用户得以想象新的世界。也就是说，他在文化计算方面的工作使文化幻象变得可见，以拓宽计算系统的范围与影响。例如，通过揭示“灰羊/黑羊”（即无法恰当契合预设的身份与行为分类的人）这类观念背后的文化幻象，哈雷尔将他们从错误转化为丰富的知识来源。此外（如前所述），批判性计算促成了赋权与能动性，而这里的能动性并非随心所欲的自由，而是在文化幻象的语境中供用户行动的情境化机制。通过将表达性计算、文化计算与批判性计算结合起来思考，哈雷尔展示了具身的个体经验是如何被创造出来的，以及社会与计算如何通过幻象而联结在一起。¶

除了这种新型的人工智能之外，我们还需要新的连接理论——它们不预设一种危险地平庸且相互性的友谊观念。与其认为相似性孕育连接，我们需要与艾哈迈德一道，通过不适（discomfort）的生成性力量来思考。我们需要“酷儿化”同质相吸——这个概念本就应当在其本性上是酷儿的。艾哈迈德将酷儿性视为一种无法在某些规范中感到舒适的状态：¶

【引文摘要：艾哈迈德指出，感到不适恰恰意味着受到那些在身体与生命之塑造中持续存在之物的影响；因此，不适既非同化，亦非抵抗，而是以不同的方式栖居于规范之中；这种栖居之所以具有生成性或生产性，是因为它并不以规范未能得到巩固而告终，而是以那些不把规范“贯彻到底”的生活可能性告终。（原文强调，155）】

因此，感到不适便意味着以不同的方式栖居于规范之中，创造与他人共同生活的新方式——以不同的方式作用于他人。与艾哈迈德及其他人一道工作，我们可以想象新的默认设定、新的介入形式。不同的、更宜于栖居的模式。¶

我们还需要审视人文学科内部的理论动向与假设。人文学科以及更广义的文化理论，恰恰在介入文化差异与身份问题再关键不过的时刻，却从这些问题上移开了，这令人难以置信。种种转向“不那么粗糙”和“非静态”的概念——如非人的魅惑（nonhuman allure）（这些概念本身就受到网络与新媒体的启发）——更不用说对一种贬低批判性分析、颂扬数字修补的工具主义技术逻辑的拥抱，都是奇怪地自相矛盾且自我挫败的。二十一世纪初见证了对述行性、可变性与深度诠释等理论的背离，而恰恰在此时，这些理论对于拆解、重新想象并重塑内嵌于网络世界中的倒退式身份政治至关重要。由于拒绝分析和介入这些模式——拒绝使用我们口袋里那些“旧”钥匙——我们把自己锁进了一个我们声称反对的未来。¶

未来在于我们能够共同创造的新模式，在于包含了可栖居的冷漠形式在内的新的关系形式。未来在于跨越学科与机构、既尊重又挑战各种方法与洞见的非同寻常的合作。¶

参考文献

ACORN. 2013. “What Is ACORN?” Caci. Accessed March 1, 2016. http://acorn.caci.co.uk.¶

Agre, Phil. 1994. “Surveillance and Capture: Two Models of Privacy.” The Information Society 100: 101–27.¶

Ahmed, Sara. 2004. The Cultural Politics of Emotion. London: Routledge.¶

Al Zamal, Faiyaz, Wendy Liu, and Derek Ruths. 2012. “Homophily and Latent Attribute Inference: Inferring Latent Attributes of Twitter Users from Neighbors.” Proceedings of the Sixth International AAAI Conference on Weblogs and Social Media. https://www.aaai.org/ocs/index.php/ICWSM/ICWSM12/paper/viewFile/4713/5013.¶

Angwin, Julio, Jeff Larson, Surya Mattu, and Lauren Kirchner. 2016. “Machine Bias: There’s Software Used Across the Country to Predict Future Criminals. And It’s Biased against Blacks.” ProPublica. Accessed May 23, 2016. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing.¶

Aral, Sinan, and Dylan Walker. 2012. “Identifying Influential and Susceptible Members of Social Networks.” Science 337: 337–41.¶

Aral, Sinan, Lev Muchnik, and Arun Sundaraajan. 2013. “Engineering Social Contagions: Optimal Network Seeding and Incentive Strategies.” Network Science 1, no. 2: 125–53.¶

Barabási, Albert-László. 2010. Bursts: The Hidden Patters behind Everything We Do, from Your E-mail to Bloody Crusades. New York: Plume.¶

Bernstein, Elizabeth. 2007. Temporarily Yours: Intimacy, Authenticity, and the Commerce of Sex. Chicago: University of Chicago.¶

Blarr, Alistair. 2015. “Google Mistakenly Tags Black People as ‘Gorillas,’ Showing Limits of Algorithms.” The Wall Street Journal. Accessed July 1, 2015. http://blogs.wsj.com/digits/2015/07/01/google-mistakenly-tags-black-people-as-gorillas-showing-limits-of-algorithms/.¶

Blau, Peter M. 1977. Inequality and Heterogeneity: A Primitive Theory of Social Structure. New York: The Free Press.¶

Bourdieu, Pierre. 1986. “The Forms of Capital.” In Handbook of Theory and Research for the Sociology of Education, edited by John G. Richardson, 241–58. New York: Greenwood.¶

Brandes, Ulrik, et al. 2013. “What Is Network Science?” Network Science 1, no. 1: 1–15.¶

Brown, Wendy. 2015. Undoing the Demos: Neoliberalism’s Stealth Revolution. Cambridge, Mass.: MIT Press.¶

Burt, Ronald S. 2002. “Chapter 7: The Social Capital of Structural Holes.” In The New Economic Sociology: Developments in an Emerging Field, edited by Marshall Meyer, Maruo F. Guillen, Randall Collins, and Paula England, 148–92. New York: Russell Sage.¶

Burt, Ronald S. 1992. Structural Holes: The Social Structure of Competition. Cambridge, Mass.: Harvard University Press.¶

Butler, Judith. 1988. “Performative Acts and Gender Constitution: An Essay in Phenomenology and Feminist Theory.” Theater Journal 40, no. 4: 519–31.¶

Butler, Judith. 1990. Gender Trouble: Feminism and the Subversion of Identity. London: Routledge.¶

Butler, Judith. 1997. Excitable Speech: A Politics of the Performative. London: Routledge.¶

Cadwalladr, Carole. 2018. “‘I Made Steve Bannon’s Psychological Warfare Tool’: Meet the Data War Whistleblower,” The Guardian. Accessed July 5, 2018. https://www.theguardian.com/news/2018/mar/17/data-war-whistleblower-christopher-wylie-faceook-nix-bannon-trump.¶

Centola, Damon M. 2013. “Homophily, Networks, and Critical Mass: Solving the Start-up Problem in Large Group Collective Action.” Rationality and Society 15 (1): 3–40.¶

Centola, Damon, Juan Carlos González-Avella, Vıctor M. Eguíluz, and Maxi San Miguel. 2007. “Homophily, Cultural Drift, and the CO-Evolution of Cultural Groups.” The Journal of Conflict Resolution 51, no. 6: 905–29.¶

Chun, Wendy Hui Kyong. 2016. Updating to Remain the Same: Habitual New Media. Cambridge, Mass.: MIT Press.¶

Crawford, Kim, and Jason Schultz. 2014. “Big Data and Due Process: Toward a Framework to Redress Predictive Privacy Harms.” Boston College Law Review 55, no. 1: 93–128. http://lawdigitalcommons.bc.edu/cgi/viewcontent.cgi?article=3351&context=bclr.¶

Crenshaw, Kimberlé. 1991. “Mapping the Margins: Intersectionality, Identity Politics, and Violence against Women of Color.” Stanford Law Review 43, no. 6: 1241–99.¶

Derrida, Jacques. 1988. “Signature, Event, Context.” In Limited Inc., translated by Samuel Weber, 1–23. Evanston, Ill.: Northwestern University Press.¶

DiMaggio, Paul, and Filiz Garip. 2012. “Network Effects and Social Inequality.” Annual Review of Sociology 38:93–118.¶

Dyer, Richard. 1997. White: Essays on Race and Culture. London: Routledge.¶

Easley, David, and Jon Kleinberg. 2010. Networks, Crowds, and Markets: Reasoning about a Highly Connected World. Cambridge: Cambridge University Press.¶

Fourcade, Marion, and Kieran Healy. 2016. “Seeing Like a Market.” Socio-Economic Review 15, no. 1: 1–21.¶

Frucci, Adam. 2009. “HP Face-Tracking Webcams Don’t Recognize Black People.” Gizmodo. Accessed December 21, 2009. http://gizmodo.com/5431190/hp-face-tracking-webcams-dont-recognize-black-people.¶

Gibson, William. 1984. Neuromancer. New York: ACE.¶

Gilroy, Paul. 2000. Against Race: Imagining Political Culture beyond the Color Line. Cambridge, Mass.: Harvard University Press.¶

Gorner, Jeremy. 2013. “Chicago Police Use ‘Heat List’ as Strategy to Prevent Violence.” The Chicago Tribune. Accessed August 21, 2013. http://articles.chicagotribune.com/2013–08–21/news/ct-met-heat-list-20130821_1_chicago-police-commander-andrew-papachristos-heat-list.¶

Granovetter, Mark. 1973. “The Strength of Weak Ties.” American Journal of Sociology 78, no. 6: 1360–80.¶

Hale, Grace Elizabeth. 1998. Making Whiteness: The Culture of Segregation in the South, 1890–1940. New York: Pantheon Books.¶

Harrell, D. Fox. 2013. Phantasmal Media: An Approach to Imagination, Computation, and Expression. Cambridge, Mass.: MIT Press.¶

Harris, Meena. 2016. “Talking with Black Women Engineers about Diversity in Silicon Valley.” Lenny. Accessed March 1, 2016. http://www.lennyletter.com/work/a283/talking-with-black-women-engineers-about-diversity-in-silicon-valley/.¶

Hart, Vi, and Nick Case. 2017. “Parable of the Polygons.” Accessed June 29, 2017. http://ncase.me/polygons/¶

Healy, Kieran. 2015. “The Performativity of Networks.” European Journal of Sociology 52, no. 2: 175–205.¶

Ibarra, Herminia. 1993. “Personal Networks of Women and Minorities in Management: A Conceptual Framework.” The Academy of Management Review 18, no. 1: 56–87.¶

Ingram, Matthew. 2016. “Why Getting Rid of Human Editors Won’t Solve Facebook’s Bias Problem.” Fortune. Accessed August 29, 2016. http://fortune.com/2016/08/29/facebook-trending-human-bias/.¶

Jackson, Matthew O. 2008. “Average Distance, Diameter, and Clustering in Social Networks with Homophily.” In Internet and Network Economics: Proceedings of the 4th International Workshop WINE 2008, edited by Christos Papdimitriou and Shuzhong Zhang, 4–11. Berlin: Springer-Verlag.¶

Jameson, Frederic. 1990. “Cognitive Mapping.” In Marxism and the Interpretation of Culture, edited by Cary Nelson and Lawrence Grossberg, 347–60. Urbana and Chicago: University of Illinois Press.¶

Jameson, Frederic. 1991. Postmodernism, or the Cultural Logic of Late Capitalism. London: Verso.¶

Kandel, Denise B. 1978. “Homophily, Selection, and Socialization in Adolescent Friendships.” American Journal of Sociology 84, no. 2: 427–36.¶

King, Shawn. 2016. “Brock Turner and Cory Batey, Two College Athletes Who Raped Unconscious Women, Show How Race and Privilege Affect Sentences.” New York Daily News. Accessed June 7, 2016. http://www.nydailynews.com/news/national/king-brock-turner-cory-batey-show-race-affects-sentencing-article-1.2664945.¶

Lartey, Jamiles. 2016. “Predictive Policing Practices Labeled as ‘Flawed’ by Civil Rights Coalition.” The Guardian. Accessed August 31, 2016. https://www.theguardian.com/us-news/2016/aug/31/predictive-policing-civil-rights-coalition-aclu.¶

Lazarsfeld, Paul F., and Robert K. Merton. 1954. “Friendship as Social Process: A Substantive and Methodological Analysis.” In Freedom and Control in Modern Society, edited by Morroe Berger, Theodore Abel, and Charles H. Page, 18–66. Toronto: D. Van Nostrand Company, Inc.¶

Lee, Odelia. 2009. “Camera Misses the Mark on Racial Sensitivity.” Gizmodo. Accessed May 15, 2009. http://gizmodo.com/5256650/camera-misses-the-mark-on-racial-sensitivity.¶

Lyotard, Jean-François. 1984. The Postmodern Condition: A Report on Knowledge. Minneapolis: University of Minnesota Press.¶

Marsden, Peter V. 1988. “Homogeneity in Confiding Relations.” Social Networks 10, no. 1: 57–76.¶

McPherson, Miller, Lynn Smith-Lovin, and James Cook. 2001. “Birds of a Feather: Homophily in Social Networks.” Annual Review of Sociology 27:415–44.¶

Nelson, Alondra. 2016. Social Life of DNA: Race, Reparations, and Reconciliation after the Genome. Boston: Beacon Press.¶

Newman, Lenore, and Ann Dalez. 2007. “Homophily and Agency: Creating Effective Sustainable Development Networks.” Environment, Development, and Sustainability 9:79–90.¶

Noble, Safiya Umoja. 2018. Algorithms of Oppression: How Search Engines Reinforce Racism. New York: New York University Press.¶

Omi, Michael, and Howard Winant. 1994. Racial Formation in the United States: From the 1960s to the 1990s, 2nd edition. New York: Routledge.¶

O’Neil, Cathy. 2016. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. London: Penguin.¶

Ooka, Emi, and Barry Wellman. 2006. “Does Social Capital Pay Off More within or between Ethnic Groups? Analyzing Job Searches in Five Toronto Ethnic Groups.” In Inside the Mosaic, edited by Erik Fong, 199–226. Toronto: University of Toronto Press.¶

Phillips, Whitney. 2015. This Is Why We Can’t Have Nice Things: Mapping the Relationship between Online Trolling and Mainstream Culture. Cambridge, MA: MIT Press.¶

Pinboard. 2016. “Machine Learning Is Money Laundering for Bias.” Accessed August 29, 2016. https://twitter.com/pinboard/status/744595961217835008.¶

Robinson, David, and Logan Koepke. 2016. “Stuck in a Patter: Early Evidence on ‘Predictive Policing’ and Civil Rights.” Upturn. Accessed August 30, 2016. https://www.teamupturn.com/reports/2016/stuck-in-a-pattern.¶

Rothstein, Richard. 2017. The Color of Law: A Forgotten History of How Our Government Segregated America. New York and London: Liveright Publishing Corporation, a Division of W.W. Norton & Company.¶

Rouvroy, Antoinette. 2011. “Technology, Virtuality, and Utopia: Governmentality in an Age of Autonomic Computing.” In The Philosophy of Law Meets the Philosophy of Technology: Autonomic Computing and Transformations of Human Agency, edited by Mireille Hildebrandt and Antoinette Rouvroy, 136–57. Milton Park, UK: Routledge.¶

Saunders, Jessica, Priscilla Hunt, and John S. Hollywood. 2016. “Predictions Put into Practice: A Quasi-Experimental Evaluation of Chicago’s Predictive Policing Pilot.” Journal of Experimental Criminology 22, no. 3: 347–71. http://link.springer.com/article/10.1007/s11292–016–9272–0.¶

Schelling, Thomas C. 1971. “Dynamic Models of Segregation.” Journal of Mathematical Sociology 1:143–86.¶

Silver, Nate. 2012. The Signal and the Noise: Why So Many Predictions Fail—but Some Don’t. New York: Penguin Books.¶

Sweeney, Laura T., and Craig Haney. 1992. “The Influence of Race on Sentencing: A Meta-Analytic Review of Experimental Studies.” Behavioral Sciences and the Law 10, no. 2: 179–95.¶

Thielman, Sam. 2016. “Facebook Fires Trending Team, and Algorithm without Humans Goes Crazy.” The Guardian. Accessed August 29, 2016. https://www.theguardian.com/technology/2016/aug/29/facebook-fires-trending-topics-team-algorithm.¶

Watts, Duncan J. 2004. Six Degrees: The Science of a Connected Age (Kindle Locations 191–94). W. W. Norton. Kindle Edition.¶

Wimmer, Andreas, and Kevin Lewis. 2010. “Beyond and Below Racial Homophily: ERG Models of a Friendship Network Documented on Facebook.” American Journal of Sociology 116, no. 2: 642–83.¶

注释