检测偏见的一种方法

原文：A Way to Detect Bias
作者：Paul Graham　发表：2015-10
译者：Claude（baoyu-translate）

这件事可能会让很多人意外：在某些情况下，即使你对申请池一无所知，也能检测出筛选过程中是否存在偏见。这件事让人兴奋的地方在于——除别的不说，它意味着第三方可以用这种方法去检测偏见，无论被检测的筛选方愿不愿意配合。

只要满足以下三个条件，你就可以使用这种方法：(a) 你至少拿得到被选中申请者的一份随机样本；(b) 他们之后的表现可以被测量；(c) 你比较的两组申请者，能力分布大致相同。

它是怎么起作用的？想想“有偏见“到底意味着什么。所谓筛选过程对 x 类申请者有偏见，意思是这类人更难通过这道关。也就是说，x 类申请者必须比非 x 类申请者更优秀才能被选中。进而意味着，x 类申请者中真的通过筛选的那些人，会比其他被选中的人表现得更好。而只要测量所有被选中者的后续表现，你就会知道他们是不是真的更好。

当然，你用来测量表现的指标必须是有效的。特别是，这个指标本身不能被你正要测量的那种偏见污染。但确实有一些领域里，表现是可以被衡量的——在这些领域，检测偏见就变得很直接。想知道筛选过程对某一类申请者是否存在偏见？看看他们的表现是不是跑赢了其他人。这不只是一个用来检测偏见的启发式判断——这就是“偏见“本身的定义。

举个例子，许多人怀疑 VC（风险投资人）公司对女性创始人有偏见。这件事其实很容易验证：在他们的已投公司里，有女性创始人的创业公司，是不是跑赢了没有女性创始人的？前几个月就有一家 VC 公司——几乎可以肯定是无意中——发布了一份正好显示出这种偏见的研究。First Round Capital 发现，在他们已投的公司中，有女性创始人的创业公司比没有女性创始人的高出了 63%。

我之所以一开始说这种方法会让很多人意外，正是因为我们极少看到这种类型的分析。我敢说 First Round 自己也会意外——原来他们做的就是这样的研究。我怀疑那里的人没有一个意识到：因为他们把样本局限在自己投过的公司，所以他们做出来的并不是一份关于创业趋势的研究，而是一份关于他们自己在挑公司时的偏见的研究。

我预测以后我们会看到这种方法被更多人用上。做这类研究所需要的信息，正变得越来越容易获得。“谁申请了“这类数据通常被组织方严密地把守着，但如今，“谁被选中了“的数据，往往只要有人愿意花点时间去汇总，就能公开拿到。