從父權社會的壓制，到現代「性別歧視內化」，是女性意識的覺醒

前言

A："最近兩檔女團選秀都挺好看的。"B："啊……也許吧……但我從來不看女生選秀。"A："？"B："我也說不清為啥……我不太喜歡看女孩子。"A："那你討厭我嗎？"B："當然不啦！"A："那又為啥嘞？"B："反正就是不喜歡。"

昨天聽到兩個女生之間的對話，讓我想到現在普遍存在的一個社會現象，許多女性並不喜歡出現在有多數女性的群體中，甚至在填報高考志願時，會有意避開的師範類、語言類和藝術類院校。

尤其是現今流行的女團選秀節目，各式各樣的女性，通過熒屏湧入觀眾的視野，一縷縷胭脂氣溢出屏幕撲面而來，這些本來是美好的畫面，但是"……那種場景，我只要在腦子裡稍微想象一下，都只想逃跑。"

"厭女症"起源於父權社會的壓制，到現代延伸出"性別歧視內化"

如今網絡上，無論男性還是女性，都在使用"厭女症"來形容這一現象，而不是叫"厭女主義"，就類似於"強迫症"而不叫做"強迫主義"。關於"xx症"其實是一種不由自主的情感趨向，相比於"xx主義"，"xx症"的更多情感是無意識的、潛藏在大腦皮層之下的、沒有明確目地的。簡單一點來說就是觀看男團節目比女團節目，讓人更自在更舒服，僅此而已。

其實"厭女症"，英文寫作"Misogyny"。miso-是一個前綴詞根，來源於希臘語misein，即為"hate"；有憎恨之意，gyn源於希臘語"gyne"，指"女人"。

一般人常常認為，"厭女症"和"直男癌"掛鈎，是傳統社會重男輕女、男尊女卑意識幾千年灌溉浸染之後的結果。這種想法存在些許偏見，但也不無道理，日本學者上野千鶴子在《厭女——日本的女性嫌惡》一書中通過描述不同場景下的"厭女"表現，概括後發現女性經常被描述成："不勇敢的、不堅強的、感性的、不能成為主體的。"

事實上，厭女症確實起源於父權社會，在男性主導的社會中把女性視作"異類"、"低人一等"，並通過文學、法律等多種方式和手段強調和鞏固男性的主體性以及優越性，從而使女性在社會關係中處於從屬地位，以此來維繫男權社會的地位。

在父權社會的壓制下，久而久之，延伸出了女性的不自信，並且本能的不喜歡其他女性身上的優點，認為那"不符合常理"，心裡逐漸埋下了："自己做不到的，其他女性也不可以做到的暗示"

在互聯網時代，不斷有社會學家對"厭女"一詞提出新的解釋，並且創造了"性別歧視內化"的概念。"女人何苦為難女人"，就是這種現象的生動概括。這裡所說的"為難"不等同於宮斗劇中的"爭風吃醋"，在多數情況下也與戀愛、婚姻方面的競爭毫無關聯。

荷蘭學者Jack Holland曾用"4P"形容厭女症的特點：Pervasive （無處不在）、 Persistent （頑固不息）、Pernicious （作惡多端）和Protean （形式多變）。

其實女性對女性的不喜歡，可以出於各種理由，女性敏感和細膩的情感為尋找這些理由提供了條件。同時，這種不喜歡也可以通過各種各樣的手段表達出來，如遠離女性、對女性持有負面評價等等。

"女人為難女人"源自歷史積壓形成的刻板印象

當一個女性提及自己"不太喜歡女生"時，周圍常常會有人充滿疑惑地問"可是你本人就是女性啊？""你也不喜歡你自己嗎？"，這位女性就被問得啞口無言、無法回答。

這個問題確實很難回答，原因是，已經具有自主意識的人類發生在大腦皮層下的意識流是無法被捕捉。舉個例子，曾經有社會學家和心理學家提出："一個孩子如果從不接受性別教育，不被告知男孩子應該怎樣、女孩子應該怎樣，那麼這個孩子將會以怎樣的眼光看待兩性？"

甚至之後還出現了更瘋狂的設想，把一群很小的孩子放在無人的城市（擁有現代化設施、資源供給充足）和野外（不具有現代化設施、沒有生存資源）讓他們自由生存，他們當中的性別地位和性別認識分別會是什麼樣的？當然，這樣的實驗都不可能被允許施行。

但就在2018年，弗吉尼亞大學計算機系攻讀人工智能機器學習方向的趙潔玉博士就接受了導師的課題："這個圖像識別的人工智能，怎麼老把男性認成女性？"這個課題乍一看令人摸不着頭腦，但正是這個課題研究，為回答"女人何苦為難女人"提供了些許思路。

人工智對能對圖片錯誤識別後，這個機器人總是把正在做飯、做家務或是照看孩子的男性識別成女性。換句話說，這是個學會了"性別歧視"的人工智能，從某種程度上講，這個人工智能認為，站在廚房裡的、手拿抹布、抱着孩子的，就應當是女性。

那麼如果換成人，傳統的、固化的概念形象以及內在聯想暗示形成後，也會潛移默化的把既定印象認為是理所應當，而如果異於此便會從心理感覺不舒服。

幾千年歷史的沉積下，父權社會的根深蒂固，封建社會長期的打壓，三從四德已經成了刻板印象，在口耳相傳或者文化傳承下，女性認為女性的既定印象和現實不符，所以有了"女人為難女人"。

其實社會越文明，"厭女"的情緒反而越激烈，這與女性意識覺醒分不開

人工智能在前期學習的過程中，需要閱讀大量圖片，就像小孩通過看帶有圖片的卡片來認字。如一張畫着香蕉的卡片，打上"水果"、"黃色"、"食物"等等標籤。在人工智能的記憶中，就有了一個大概的輪廓，"這個樣子"的叫做水果，"那個樣子"的叫做蔬菜。

同樣地，在沒有具體的面部骨骼輪廓分析的條件下，人工智能也用同樣的方法認識男性和女性，那麼就形成了看報紙、吸煙等行為的是男性，打掃衛生、帶孩子等行為的是女性。人工智能經過學習後抓住這樣細微的差別並進行放大，以此達到"更接近正確"的結果。

人工智能的"性別歧視"，始終帶有引號，這個"歧視"並不是真正的歧視，畢竟人工智能還不具有自主意識。這裡所謂的"歧視"，只是人工智能在學習中找到的規律。

英國巴斯大學計算機系的教授喬安娜布萊森說："現在的機器，當然不具備體會情感或者故意施加偏見的能力，只是誠實地反映了數據庫乃至社會中真實存在的偏見，而這些反映有時候並不是我們想要的。"

至此，"女人何苦為難女人"這個問題顯得稍稍有了些頭緒。我們在日常的所聽所見中不停地重複地將某些性別刻板印象與固定的性別聯繫在一起，這當中也必要包括一些在社會上廣為流傳的女性印象，諸如"女生總是嘰嘰喳喳的"、"女生特別嬌氣"等等。這樣的重複學習是這個社會上的每一個人都會進行的，無論男女。

喜歡"為難女人"的女性會驚訝地發現，自己並不討厭自己周圍的女生，包括自己的室友、同學、同事、家人等等，並沒有因為性別而產生厭煩或者想要逃離的情緒。正如上面提到的，當我們需要認識陌生人的時候，會使用刻板印象進行分類。但經過和這個人長時間的接觸互動，這個人的刻板面具被剝離，成為一個獨一無二的、有特殊意義的人，不再受刻板印象的束縛。

這種"女人為難女人"的現象在如今其實十分常見。比如某檔綜藝節目一直是全男陣營，觀眾群體中女性居多。女觀眾們愛看男明星們在一起台下嬉笑逗趣，在競爭中你追我趕、互不相讓。一旦節目中來了一位女藝人，遊戲設置或男藝人們常常會有意無意地"放水"幫助女藝人，彈幕里常常要求節目組"下次別請女嘉賓了"之類的話語。

其實凱特·曼恩指出："越文明的社會，"厭女"情緒反而越激烈，與女性有關的性別衝突也越大。這一定程度上，與女性意識覺醒有關。"凱特·曼恩在這裡提到的"厭女"，並不是真的討厭女性，而是討厭傳統社會中給女性打上的種種標籤，諸如"善妒"、"不理性"、"沒有主見"等等。

由於長期的社會化，即使是女性，也會對同性別的人有這樣先入為主的印象。但隨着社會的不斷進步，女性正在不斷試圖突破這些標籤，並且不喜歡看到那些貶義上的"傳統女性"。

所謂"厭女"，其實是討厭一種被定義、被規訓、被定義的弱者姿態罷了。

【鑒史客說】

機器人不會"歧視"，只會"摸索規律"。那麼，如何避免人工智能摸索出"偏見規律"，答案是換用更好的教材、選擇更好的老師。機器需要理解男性和女性一樣會下廚房、做清潔、帶孩子。在糾正機器偏差的同時，同樣也擺在自我心態。

同樣的人也是這樣，擺正心態，克服刻板印象和理所應當，才能糾正現實與想象的偏差。

對於"厭女症"的認識，可以更好地理解一些與性別不平等相關的社會現象，從而更好地認識和理解女權主義與男女平權的意義。