當壓迫結合演算法與數位平台，我們需要新的自保思維。
近年來，系統性壓迫靠的不只是人力動員，更多透過
人工智慧與演算法 放大效果。例如：
- 推薦系統放大特定敘事，讓壓迫訊息更容易被看見。
- 自動化偵測與封鎖，使被害人的聲音更快消失。
- 數位監控與資料交叉比對，增加「無所遁形」的壓迫感。
這些現象並非巧合，而是實際正在發生的趨勢。那被害人或研究者能如何防禦？以下提出四個策略：
1. 多平台備份，保持敘事彈性
不要依賴單一平台。
AI 驅動的封鎖往往精準又迅速，因此內容必須在多個地方備份，並確保不同格式（文字、圖像、文件）能夠交叉保留。
2. 去中心化存證，確保紀錄長存
除了平台備份，也可考慮使用去中心化技術（如 IPFS 或區塊鏈存證）。
加害方可影響某些平台，但難以抹除分散式存證。
3. 冷靜記錄，避免觸發演算法封鎖
AI 通常靠關鍵詞或語氣判斷內容是否「違規」。適度使用中性、知識化的語言，避免過度情緒化或標籤化，可減少被自動判定為「不當內容」的風險。
這非妥協，而是戰術性隱匿。
4. 建立外部連結網路，突破平台圍牆
當單一平台出現「陰影化」時，外部連結（如獨立網站、開放知識平台、NPO 資源庫）能作為替代入口。把知識轉化成教材、研究或公益資源，就能讓 AI 難以將之單純標記為「個案爭議」。
📌 提醒：
AI 驅動的壓迫，本質上仍是「人」的決策，只是透過工具更快、更隱匿。防禦的核心，仍然是保持主體性
—— 由自己決定如何保存、何時公開、以什麼形式公開。
案例補充｜演算法的「陰影化處理」
在部分平台，AI 驅動的封鎖並非直接刪文，而是更隱匿的 「陰影化」：
- 搜尋不到原文，但內文仍在。
- 部落格名稱消失，只剩零散文章。
- 不同地區、不同裝置，看到的結果不一致。
這種手法，對外看起來彷彿「一切正常」，實際上卻是
演算法在默默抹去目標的存在感。最諷刺的是：當被害人紀錄多年壓迫，結果演算法判定這些紀錄「太敏感」；而加害方的集體行動，因看似日常、不帶關鍵詞，反而能被視為「普通社交」。
於是，壓迫的痕跡被封存，加害方受到保護。這就是 AI 驅動壓迫最荒謬的地方：聲稱「中立」，卻往往只是更有效率地延續不公。
📚 本文為《開放型系統性壓迫知識庫》之一部分。
內部資源
·
〈這不是誤會，這是兩年系統性壓迫〉
· 《開放型系統性壓迫知識庫》目錄總覽｜找到你需要的知識
外部資源
- The Electronic Frontier Foundation (EFF) — 關注數位自由與壓迫防禦的非營利組織
- Algorithmic Justice League — 研究AI偏見與監控危害的團體，關注公平與負責任的人工智慧發展
📌 本文為真實經歷之觀察與紀錄，完整免責聲明請見：本站首頁。
📌 本文同步發布於 Medium 平台，歡迎分享。
👉【主知識庫入口 Carrd】
