人工智能在招聘领域?会产生偏见!三种优秀实践帮你轻松搞定!
译者 | 崔皓
审校 | 孙淑娟
尽管人工智能发展迅猛,但我们并没有体验到人工智能(AI)及其能力辐射的全部范围。毕竟,人工智能影响的范围以及发展前景仍然主导着研究工作,科学家们依旧热衷于从人工智能的创新中寻找出新的应用案例。
目前为止,我们已经遇到了人工智能在各种情况下的应用。这是因为我们所光顾的许多公司已经增加了对人工智能技术的应用。例如互动式个人助理Siri,它使苹果公司的客户能够通过各种应用获取信息,听写电子邮件,并利用iOS手机、智能手表、电脑和电视执行任务。
很多品牌方也在利用聊天机器人来提供无可挑剔的客户体验,这种方式不仅能促进销售,还能消除重复性工作,从而提高人类员工的参与度。
就在人工智能工具应用率上升的同时,其企业的投资也在飙升。根据麦肯锡的2022年人工智能状况报告,52%的受访者确认其数字预算的5%以上是用于人工智能。在2018年,这一比例为40%。
引人注目的提升
在人力资源方面,人工智能可以帮助企业提高员工对当前角色的满意度并协助员工快速完成任务,从而节省了时间和金钱这两个不可缺少的因素。除此以外,企业可以通过使用人工智能驱动的软件来筛选数以千计的申请,并筛选出少数有经验的候选人,从而完善招聘。
然而,也出现了该系统偏向于某一特定群体或性别而非其他人的情况。这是危险的趋势,如果不加以控制,可能会大大损害公司的形象,并否定该技术带来的益处。为了帮助你有效地处理人工智能处理上的“偏见”,本文提供了一些指导意见。
招聘中的人工智能:你需要知道的
以前,人们在报纸的分类广告中查找招聘信息,并通过手写信件的方式作出回应。如今,任何人都可以在互联网上通过大量的渠道获得招聘信息。
招聘是一项公司优先考虑的任务。这解释了越来越多地使用人才招聘机构的原因。使用人工智能不仅简化了这个过程,而且扩大了领域自动化的可能性。从Tidio针对人工智能对招聘影响的调查中发现,近67%的人力资源专业人士承认,这种创新对招聘阶段产生了积极的影响。
但是,“偏见”是如何不期而至的呢?
2014年,电子商务巨头亚马逊选择将人工智能纳入其招聘系统。虽然这在很大程度上被认为是朝着正确方向迈出的一步,因为亚马逊是一个坚定的自动化倡导者,但当某一现象的发生,导致之前的努力化为泡影。该招聘系统更加偏好男性候选人,而不是女性候选人。
为什么会发生这种情况?路透社的一份报告显示
"......亚马逊的计算机模型经过训练,通过观察10年间提交给该公司的简历的模式来审查申请人。大多数人来自男性,这反映了整个科技行业的男性主导地位。"
人工智能的偏见可以以多种方式表现出来,某些性别、群体、宗教和其他隶属关系等。
减轻招聘中的人工智能偏见的三种最佳做法
虽然可能无法完全消除人工智能模型中的偏见,但有一些策略能够减少偏见事件发生的几率。
以下是三种必须掌握的方法。
1.始终让人类了解情况
虽然人们越来越担心智能工具会取代人类工人,但我们应该把这看作是一种合作关系,而不是一种彻底的接管。还有,人工智能主导的工具应该在没有人类监督的情况下运作,因为它们表现出相当高的效率,这种观念也需要修正。
有趣的是,人机协作已被证明是更有价值的。《哈佛商业评论》的一项研究发现,12个行业的1075家公司获得了速度、成本节约和利润的提高。
鉴于这一事实,公司应确保有一个人力团队持续监督招聘中使用的软件。他们可以减少偏袒的风险。另外,员工应该从多元化的人才库中抽取,以便每个群体都有代表,从而减少歧视。
2.对人工智能模型进行定期审计
如果对人工智能算法的概率结果不进行经常性地检查,可能会给公司的反偏见努力带来严重打击。通过组织对算法的定期检查,企业可以发现阻碍模型传递公平结果的问题。不完整或不准确的数据应在发现后立即纠正。
3.光顾人工智能招聘软件供应商,厌恶偏见
就像汽车经销商一样,你会发现各种招聘软件的选择。为了做出正确的决定,努力了解供应商设置的机制是如何解决各种偏见的。
你应该要求系统在各种情况下得到测试,同时观察它们的表现。除了偏见之外,还要检查软件的可扩展性、价格和成本节约。符合所有或大部分条件的才是优秀的供应商。
对人工智能未来的看法
人工智能的发展对我们所有人来说都是一件好事。从使汽车能够自动转向和停车(有司机主动监督)到在更短的时间内寻找和雇用合格的候选人,人工智能在招聘方面显现出优势。但是,我们应该有目的地管理人工智能技术,以避免与人工努力相关的失误。
译者介绍
崔皓,51CTO社区编辑,资深架构师,拥有18年的软件开发和架构经验,10年分布式架构经验。
原文标题:Three Best Practices for Tackling AI Bias in Recruitment,作者:Michael Akuchie
以上是人工智能在招聘领域?会产生偏见!三种优秀实践帮你轻松搞定!的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
