Safiya Umoja Noble《演演算法壓迫》為什麼讓搜尋不再中立？搜尋結果不是世界，而是權力的排序

Safiya Umoja Noble《演演算法壓迫》為什麼讓搜尋不再中立？搜尋結果不是世界，而是權力的排序

搜尋引擎看起來像一個中立入口：輸入問題，系統就把世界的答案排在眼前。但Safiya Umoja Noble在《演演算法壓迫》指出，搜尋結果重點落在商業模型、資料來源、廣告機制、既有偏見與技術設計共同排出來的資訊秩序。當某些群體反覆被連結到色情、犯罪、危險或缺乏能力的內容時，問題除了結果不夠準，還涵蓋權力正在透過排序決定誰可以被怎麼理解。

Noble的重要之處，在於她拒絕把演演算法當成沒有作者的黑盒子。搜尋引擎不是自然現象；它由企業、工程、人員、廣告市場、網路內容與社會結構共同形成。當人把排名當成客觀真相，就可能把歷史中的種族主義與性別歧視，再次交給系統放大。

實體索引｜Safiya Umoja Noble 與搜尋權力

• 人物：Safiya Umoja Noble，研究搜尋引擎、種族與性別權力的學者。
• 作品：《演算法壓迫》（Algorithms of Oppression），分析搜尋結果如何再現社會偏見。
• 搜尋實體：關鍵字、索引、排名、廣告、內容來源與使用者點擊，共同決定人們看見的答案。
• 核心問題：搜尋結果不是世界本身，而是由商業、資料與權力排序出的可見版本。

快速抓住這篇文章

• 《演演算法壓迫》重點落在分析商業搜尋如何再生產既有的種族與性別權力。
• 搜尋排序不是單純的技術結果，它受到資料、廣告、連結結構、商業目標與社會偏見共同影響。
• Noble的核心問題是：誰有能力定義哪些資訊最相關、最可信、最值得先被看見？
• 「演演算法壓迫」不代表每個錯誤結果都是蓄意歧視，而是看似中立的系統可能穩定地讓特定群體承受更多傷害。
• 今天的生成式AI、推薦系統與搜尋摘要延續了同一個問題：當介面替人先做知識排序，使用者還看得到哪些聲音被省略？

Safiya Umoja Noble、《演演算法壓迫》與搜尋排序

名稱	在理論中的位置	今天仍值得追問的問題
Safiya Umoja Noble	資訊研究學者與數位正義研究者	種族、性別與商業資訊系統如何互相強化
《演演算法壓迫》	2018年出版的重要著作	搜尋引擎如何透過排序與商業模型再生產不平等
演演算法壓迫	Noble的核心概念	技術系統如何讓既有的壓迫關係以新形式持續運作
搜尋排序	資訊可見度的主要機制	誰先出現、誰被看見、誰被說成權威
資訊資本主義	商業平台的知識條件	當資訊服務依賴廣告與市場時，公共知識如何被改寫

《演演算法壓迫》出版於2018年。Noble從搜尋引擎的具體案例出發，討論為什麼一些看似普通的搜尋詞，會把使用者帶向充滿種族化、性別化與商業化偏見的結果。她的目標重點落在讓人看見：當人把搜尋當成知識基礎設施，排序就除了便利功能，還涵蓋一種決定理解世界方式的權力。

搜尋不是圖書館目錄，它有商業目標與排序權

很多人習慣把搜尋引擎想成巨型圖書館：系統只是幫你從大量資料裡找到最相關的內容。Noble指出，這個比喻會遮蔽一件事：商業搜尋服務不是公共圖書館。它要處理廣告、流量、搜尋行為、內容可見度與平台利益，排序規則也不會只由公共知識價值決定。

這不代表每一筆搜尋結果都被誰手動操控。真正的問題更結構化：當網路上原本就有大量不平等、歧視與商業內容，系統若把受歡迎、可獲利或可連結的內容當成相關性訊號，就可能讓歷史中的偏見看起來像使用者自己「自然搜尋到」的答案。

排序重點落在決定什麼看起來像常識

多數使用者不會翻到搜尋結果的第十頁。排在前面的內容，更容易被理解成可信、主流或代表性的答案。這使排序除了是一種技術效率，也是一種文化權力：它會決定誰先被定義、什麼敘事被當成背景、哪些經驗必須費力尋找才看得見。

當某些人群總是被放在狹窄、刻板或傷害性的分類下，受影響的除了是搜尋者的印象，也包括當事人如何理解自己是否被世界承認。Noble的問題不只關於錯誤資訊，而是關於一種更深的傷害：誰被允許以複雜的人出現，誰則被系統反覆壓成可預測的類型。

演演算法壓迫重點落在制度把偏見做成基礎設施

把問題說成「機器有偏見」很容易，但也太模糊。演演算法沒有脫離社會自行長出價值觀；它依賴人寫的規則、社會留下的資料、企業設定的目標，以及使用者與內容市場的互動。Noble的貢獻，是把偏見拉回基礎設施：它除了一句冒犯的結果，還涵蓋能透過排序、廣告與介面長期被重複的安排。

因此，修正一兩個錯誤搜尋結果未必足夠。只要商業誘因、資料結構與內容生產方式沒有被處理，類似的偏差仍可能在別的關鍵字、別的語言、別的群體身上重新出現。演演算法壓迫重點落在系統性條件。

搜尋中立為什麼是一個危險的想像

「中立」聽起來很公平，但若它被理解成不必說明規則、不必承擔後果，就會變成權力最好的保護傘。Noble重點落在要求平台承認：排序是有價值判斷的，且這些判斷會對不同群體造成不對稱影響。

一個負責任的資訊系統，不必承諾沒有任何偏差；它必須承諾可以被檢查、被質疑、被修正。誰能提出問題？平台如何回應？有沒有公共監督？這些比抽象的中立宣言更重要。

生成式AI重點落在排序權力的新介面

生成式AI讓使用者不必看一整頁連結，而直接得到摘要、答案與建議。這看起來更方便，卻也讓排序更不容易被看見。傳統搜尋至少會讓人看到多個來源；生成式介面可能先替人決定哪些資料值得被整合、哪些觀點不必出現。

從Noble的角度，關鍵除了答案有沒有錯，還涵蓋知識如何被壓縮。哪些群體的經驗被視為值得引用？哪些語言更容易被理解？哪些公共資料被系統優先取用？當答案變得更流暢，使用者更需要知道流暢不等於完整，也不等於公平。

Noble和O’Neil、Said、bell hooks的關係

• Noble：搜尋與資訊系統如何再生產種族與性別的權力。
• O’Neil：模型如何以不透明方式放大傷害與不平等。
• Edward Said：誰有權描述他者，並把特定形象說成知識。
• bell hooks：誰能形成批判觀看，而不是被動接受主流影像安排。

把這些人放在一起，會發現演演算法問題不是只有工程倫理。它同時涉及再現、知識、商業與觀看位置。當一個系統替人先安排世界的樣子，使用者要爭取的除了是更好的結果，也包括能夠看見系統如何說故事的權利。

對台灣讀者來說，搜尋素養不只是會不會查資料

在台灣談資訊素養，常被理解成分辨假消息、比對來源。這些很重要，但Noble讓問題再往前一步：哪些內容一開始就容易被找到？哪些語言、地方經驗與弱勢群體的資料長期不在排名前面？當搜尋結果缺少某些聲音時，使用者甚至不一定知道自己漏掉了什麼。

這也是內容工作者的責任。不要只追逐最容易被平台辨認的關鍵字與話題，也要思考誰的經驗難以被索引、誰的資料需要被整理與保存。更好的資訊環境，除了讓使用者查得更快，還涵蓋讓更多人有機會被正確地找到。

對讀者的實際意義

讀《演演算法壓迫》最實用的地方，是對「第一個結果」保持一點距離。當你使用搜尋、推薦或AI摘要時，可以問：這個答案依賴什麼內容？哪些人可能沒有被看見？它是否把複雜群體壓縮成單一標籤？這些問題不會讓人停止使用工具，卻能避免把排序誤認成真相。

讀者常問

演演算法壓迫是什麼？

演演算法壓迫是Safiya Umoja Noble用來分析技術系統如何再生產既有種族、性別與社會不平等的概念。它重點落在指商業、資料與排序規則可能讓偏見變成日常基礎設施。

搜尋結果為什麼會有偏差？

搜尋結果會受到網路內容、連結、商業目標、廣告、資料品質與排序規則影響。若社會原本就存在不平等，系統沒有處理它時，偏見可能被當成相關性或受歡迎程度重新放大。

演演算法偏差只是技術問題嗎？

不是。它也涉及誰設計系統、誰提供資料、平台依賴什麼商業模式、哪些群體被傷害，以及是否有公共監督與申訴管道。技術修正重要，但無法取代制度責任。

生成式AI和搜尋偏差有什麼關係？

生成式AI會把資料整理成直接答案，讓排序與省略更不易被看見。它可能提高效率，也可能放大哪些來源被優先採用、哪些觀點被壓縮或消失的問題，因此需要更重視來源與脈絡。

Noble留下的，不是停止搜尋

《演演算法壓迫》真正留下的，是一種不把排序當成自然的能力。搜尋可以幫人找到世界，也可以替世界畫出更窄的邊界。當我們知道答案總是被某些規則排在前面，就更有機會要求資訊系統除了服務流量，也能服務公平與尊嚴。