清風：字節跳動的敏感詞庫曝光了甚麼

在中國國內平台上發過東西的人，多半遇到過這樣的時刻。一段話寫好了，按下發送，彈出一行「內容違規」，沒說是哪個字出了問題，申訴之後也沒有下文。人們只好開始猜，把某個詞換成拼音，把某個數字拆開寫，再試一次。規則一直都在，普通人卻從來沒見過它長甚麼樣。

今年8月下旬，「中國數碼時代」整理公布了一份「字節跳動審核資料」，裏面有5,241個敏感詞，9月19日又發表了英文解讀。據「中國數碼時代」介紹，這批材料由字節跳動的前員工洩露，形成於2020年上半年，是供一線審核員日常使用的內部文件。10月16日，人權組織「中國人權」（HRIC）在最新一期數字權利月報裏再次收錄了此事。這份單子是六年前的，它管住的東西的時間比六年長得多。

一個年份進了詞表

翻這份詞表，最先讓人停下來的是和1989年有關的那一串。「六四」「八九六四」「六月四號」是直接寫的，「8964」「89.64」是數字寫法，再往下是「5月35日」「八十九塊六毛四」「八酒六四」。後面這幾個，都是網民這些年為了繞開審查一個個想出來的，一個日曆上沒有的日期，一筆不存在的錢，一瓶不存在的酒。審核員把它們一條條收進來，和「1989」這個年份列在同一張表上。

一個年份能成為敏感詞，本身就說明了很多。網民發明隱語，是想不把話說破，又讓懂的人看懂，詞表做的事就是把這些暗號一個個追回來。民間每多一種說法，表上就多一行。

要說明的是，一個詞進了審核詞表，不等於它一出現就會被自動刪除，具體怎麼處理還要看配套的規則。但對普通用戶來說，結果往往差不多。帖子發不出去，或者發出去沒人看到，時間長了，也就沒人再寫了。

被定義的群體

詞表裏還有另一組詞，「法輪功」「法輪大法」，以及「活摘」「活摘器官」「三退」「《九評共產黨》」。這幾行放在一起，正好勾出這個話題在中國網絡上的輪廓。一個以「真、善、忍」為核心理念的信仰群體，一項針對這個群體遭活摘器官的指控，一場退出中共黨團隊組織的聲明運動，一組評論中共的社論。在國內平台上，這些詞都列在審核員的清單裏。

字節跳動的這種處理方式，以前也被外界看到過。2019年9月，英國《衛報》披露了一份TikTok早期的審核指南。按照這份指南，涉及天安門、西藏獨立的內容被標為「僅自己可見」，帖子不刪，但不再推給別人看。宣傳法輪功的內容則直接判為違規並刪除，理由是它屬於「宣揚自殺的團體」，和1995年在東京地鐵施放沙林毒氣的奧姆真理教歸在一類。字節跳動當時回應，《衛報》看到的是已經停用的舊版指南。

「宣揚自殺」這個標籤有清楚的來處。2001年1月，央視播出了天安門廣場自焚事件的畫面。此後多年，這段影像一直是官方給這個群體定性的核心依據，海外調查者對它提出過不少疑點，國內卻很少有人知道這些疑問的存在。一家互聯網公司的審核員未必看過那段錄像，卻在規則裏沿用了它的結論。

「活摘器官」這四個字更重。2019年6月，英國御用大律師傑弗里‧尼斯爵士主持的獨立人民法庭「中國裁判所」（China Tribunal）在倫敦宣布裁決，認定中國強制摘取良心犯器官的做法已經持續多年，法輪功學員是器官來源之一，而且很可能是主要來源。裁決是在聽取大量證人證詞、審閱醫學和統計材料之後作出的。在中國的網絡上，這份裁決留下的痕跡，可能只有審核員屏幕上一個待處理的詞。

一個群體的名字被設成發不出、搜不到，國內用戶能讀到的關於他們的說法就只剩官方一個版本。指控沒法討論，辯護沒人聽見，連「我想查查這是真是假」的念頭，都會先在搜索框裏碰壁。至於「三退」也被列進詞表，這倒是從反面說明了一件事，需要專門防著的詞，總是有人在說的。

從刪帖到不知道

如果這份詞表只屬於2020年，它也就是一份檔案。可是六年後，同一間公司有了新產品。今年6月，「中國數碼時代」報道，六四周年前後，有用戶問字節跳動的AI聊天機械人豆包，一句很普通的話是甚麼意思，英文報道把這句話譯作「It's my duty」，豆包回答，這條內容涉嫌違反使用規範。用戶問一句話是甚麼意思，AI的回答是這句話本身有問題。

目前沒有證據顯示，2020年的這份詞表被直接用在了豆包上，這一點必須說清楚。但把兩件事放在一起，能看出一條路是怎麼走過來的。詞表管的是說話的人，決定一個人寫下的話能不能被別人看到。AI面對的是提問的人，決定一個人想知道的事有沒有答案。

「僅自己可見」至少還留著一點痕跡，發帖的人自己知道說過甚麼。帖子被刪了，也會留下一塊空白，這塊空白本身就是提醒，這裏曾經有人說過話。AI的拒答連空白都不留。一個2008年出生的孩子去問它1989年發生了甚麼，得到一句「違反規範」，他學到的不會是「這件事被禁了」，而是「這件事不重要」。

牆外的那張單子

我們能讀到這份詞表，是因為有人把它帶出了防火牆，存進了「中國數碼時代」的檔案。牆內的用戶天天和它打交道，卻從來看不見它，這正是防火牆和平台審核疊在一起的效果。規則是看不見的，被規則擋住的東西也是看不見的，最後，人們連自己少知道了甚麼都無從知道。

5,241個詞，每一個背後都是一件有人想說、有人不讓說的事。下次你的話發不出去，不妨想想那張單子上另外的5,240個詞。其中有些你從來沒聽說過，原因恰恰是它們在那張單子上。#

本文僅代表作者本人觀點，並不一定反映《大紀元時報》立場。