哈佛大学的研究人员设计并推广内隐联想测试，并不是要告诉大家我们都是种族主义者和偏执狂，而是希望引导我们认识自己潜意识里的偏见。内隐联想测试网站解释说：“我们鼓励人们不要把注意力集中在减少内隐的偏好上，而应该集中在不给偏见提供生长土壤上”。用算法世界的语言来说，我们应该集中精力找到方法消除算法中所存在的偏见，而不是指责这些偏见。
算法使用空间维度来表示我们，而消除算法偏见的策略之一就是充分利用这种方法。由于GloVe在数百个维度上进行运算，因此将它对词语的理解完全可视化是不可能的，但找出算法的哪些维度与种族或性别有关是可能的。所以我决定一探究竟。我的电脑上安装了一个100维版本的GloVe算法，从它的100个维度中，我确定了最能区分女性名字和男性名字的维度。然后我做了一件很简单的事，将这些与性别相关的维度设置为零，如此一来在GloVe的这些维度中，“苏珊”“艾米”和“莎拉”就与“约翰”“大卫”和“史蒂夫”处于完全相同的点上了。我继续寻找区分男性和女性名字的维度，最后一共找到10个，我把它们都设为零。如此一来，我就消除了GloVe算法中的大部分歧视。
我的方法奏效了。在消除了10个与性别相关的维度后，我向算法提出了一系列关于我的名字和“苏珊”的新问题。我从“大卫’之于聪明’正如‘苏珊’之于？”或者从“聪明’-‘大卫’+‘苏珊’=”开始。答案很明确：“机智”。同样地，当我运算“机智’-‘大卫’+‘苏珊’”时，我得出了“聪明”这个答案。这两个同义词在正反运算中都被关联起来了。我的名字是“大卫”还是“苏珊”无关紧要。最后的运算给了我一个惊喜：“‘聪明伶俐’-‘大卫’+‘苏珊’=‘思维活跃’（Rambunctious)”。“Rambunctious”是一个我不得不去查的词，它的意思是喷涌而出的旺盛精力。新的苏珊现在不仅和我一样聪明，而且她对自己新近表现出的脑力产生了难以抑制的喜悦之情。
被算法操控的生活OUTNUMBERED
182