編按：一般談到大數據只談商機和操控。其實，巨量數據正透露出人類以為四下無人時，我們是什麼樣子，我們想的、說的、做的，其實都不一樣。《我們是誰？大數據下的人類行為觀察》一書中，作者提出的概念是，數據科學家成為新的人類學家，數據能透露的訊息，遠比我們想像中多，因此許多社會或政治上的爭辯，也可透過數據證實，而非以訛傳訛或自以為是，也因為透過分析數據，我們得以看出人類的心理，建構人類的故事。本文選自該書第 11 章。

幾年前，兩位麻省理工學院的學生為了上課報告，運用臉書資料做出了有「同志雷達」（gaydar，能夠偵測同志的雷達）效果的軟體。這個軟體的道理其實很簡單：想猜某人是不是同志，看朋友就知道。

軟體很快就發現，只要某位男性的朋友群達到一定的同志比例，就能大致可靠推斷他的性向；而且，這種方法完全不需要知道該位男性本人的任何直接資料。正如《波士頓環球報》當時所言：「光是因為在線上交了什麼朋友，就可能讓使用者自動『出櫃』。」這兩個學生使用已知個人資料操練軟體後，軟體辨認某位男性是否為同志的正確率約有 78%，而一切只需要使用者的社交圖。這個成功率相當高，想想看如果只是瞎猜的話，猜對是同志的成功率大概會有多少呢？10%？2%？8%？π/2%？

重點正在於此！這些大學生一開始之所以想做這個程式，是因為沒人知道究竟同性戀占總人口多大比例。過去的各種估計向來差異極大。一九四八年的《金賽性學報告》首次以科學方式提出相關數字，結果認為同性戀約占男性 10%、女性 6%，令許多古板保守派大驚失色。至於之後的研究多有政治因素，而且靠的若不是調查，就是實驗室裡的人為設定環境，結果就是結論高低落差極大，從 1% 到 15% 都有！

我們現在可以走另一條更好的路，得到更精準的估測值。估測是否準確之所以重要，是因為就像某個研究裡講得委婉：「這項研究能有益於公共政策。」自一九五二年以來，美國總統大選只有四次的差距在 5% 以上，所以究竟這批選民占的比例是 1%、5% 或 10%，就會是個政治算計極重要的問題。當然，想知道同性戀人數並不是出於道德考量（就算全美國只有一位同性戀，他／她應得的權利也不該有所不同），而是出於簡單的實際現實：政策的決定必須看實際人數規模。

此外，對於一個在歷史上不斷背負烙印的族群來說，如果能有一份有力的資料，就能代表群體發聲，說出個人無法說的話：我是真實存在這裡的人。同性戀是一種比較不尋常的少數族群，假如他們覺得有必要，至少在表面上完全可以與異性戀一模一樣。但這必然是懸於自我保護和自我表達之間的痛苦抉擇，異性戀很少需要做此考量。

然而，除了顯然的個人成本之外，這種「櫃子」也會造成社會成本，因為只要他們不站出來，舊觀念就不會受到挑戰，而偏見如果一直不受到挑戰，只會千秋萬世。種種偏狹逼得人們隱藏起來之後，會創造出惡性循環：有一大群人無法得到認同的時候，只會更加促進這個族群的邊緣化。但在另一方面，讓大家看見他們，就能鼓勵社會接受他們。就算我們選用較低的預測值，同性戀族群也不會比天生金髮的人（大約占總人口的 2%）更不尋常。事實上，同性戀似乎要常見得多了。目前，只是因為能接受的人少，因此同性戀常常被迫離開視線。大家下一次拿起名人雜誌時，可以再想想這件事。

回到資料本身，Google Trends 再次證明它能夠揭露那些人們敢做不敢說的事。根據谷歌的研究員史帝芬斯．德維道維茲表示，全美搜尋色情內容的查詢當中，有 5% 找的是他所稱「男同性戀的描寫」，查詢內容包羅萬象，從最直截了當的「gay porn」（同志色情）到相關的「rocket tube」（一個熱門的同志色情網站）都算在內。更重要的是，這個一比二十的比率，不管在哪一州都相當一致，代表著同性慾望並不受政治和宗教環境的影響。

這種全美一致的現象，具有幾項重大意義。第一，這能推翻那些認為同性戀絕非遺傳的說法。如果連像密西西比州和麻薩諸塞州這麼不同的環境，搜尋同志色情的比例都如此相當，等於強力證明了外界因素對於同性間的吸引力，幾乎無法造成什麼影響。

至於第二個意義，則需要一點時間才能看出來：這裡告訴我們的不見得是關於同志本身，而是關於民眾偏狹而不寬容的態度。二○一三年初，納特．西爾弗（Nate Silver）還任職於《紐約時報》，負責政治主題。他用自己著名的民調建模技術，預測全美各地的同性婚姻提案投票結果。過去他曾將這套方法應用於預測總統大選，能夠收集資料，瞭解各州民意的大致樣貌，再透過前瞻分析，猜測這些態度可能如何演變。西爾弗估計，到了二○二○年，同性婚姻會在四十四州都通過合法。

西爾弗的這項研究是根據政治民調，而有趣的地方在於與它相關的另一項資料來源：各州民眾在蓋洛普調查裡呈報的自身性向。以下用自行呈報為同志的數字，比對西爾弗最新預測能夠接受同性婚姻的各州資料。我針對各州的同志婚姻現況加以編碼，另外也標出幾個離群值（outliers）。

水平軸為西爾弗的資料，可以看到最不寬容的州為密西西比州（MS），而最寬容的是羅德島州（RI）。垂直軸則是蓋洛普的資料，數字範圍從北達科他州（ND）的 1.7% 到夏威夷州（HI）的 5.1%。從趨勢線的斜率可以看出，各州對同志接受度愈高，呈報自己是同志的比例就愈高。值得注意的是，如果一直將虛線延伸到 100% 支持同志婚姻（也就是從統計上想像一個完全包容同志的完美未來世界），會發現在沒有社會壓力的情況下，大約有 5% 的人口會呈報自己是同志。這也是由谷歌搜尋所推測出來的數字，而谷歌正是一個確實沒有社會壓力的地方。

此外，這條趨勢線的意義，並不表示同志自然會去住在比較友善的環境。從各州搜尋同志色情內容的數字十分穩定一致，以及臉書的使用者遷居資料，就能夠證實並非如此。比較同性戀臉書用戶的家鄉及現居地，會發現用「遷居」來解釋上面提到蓋洛普調查的同志比例在各州不同，並無法完全成立。同志不會單單因為所在州是否對同志寬容，就決定要搬家。一方面，這證明了家庭、成長過程和慣性的牽絆。但另一方面，也意味著就算有一個人願意收拾行囊，前往舊金山或紐約活得自由自在，很可能同時就有數十個人，仍然住在不得不否定自己的地方。

• 本文出自馬可孛羅出版《我們是誰？大數據下的人類行為觀察》
• 書名：《我們是誰？大數據下的人類行為觀察》
• 出版社：馬可孛羅
• 作者：克里斯汀．魯德