人工智能在员工招聘中或许弊大于利

近年来，随着企业转向自动化评估、数字面试和数据分析来解析求职简历和筛选应聘者，人工智能在招聘过程中的使用有所增加。IT团队致力于实现更好的多样性、公平性和包容性，事实证明，如果企业对如何实施人工智能技术没有战略性和深思熟虑，那么在员工招聘中采用人工智能可能弊大于利。

IEEE研究员、纽约大学坦登工程学院院长Jelena Kovačević说：“人工智能的偏见通常来自数据。如果没有一个具有广泛代表性的数据集，那么采用人工智能系统难以发现和评估适合的应聘者。ASP站长网”

人工智能用于招聘面临的主要问题是，在美国多年来一直以男性和白人员工为主的行业领域中，人工智能招聘系统所依据的历史数据最终将具有固有的偏见。如果没有采用更加广泛的数据集来训练人工智能算法，那么人工智能招聘工具很可能带有自从上世纪80年代以来存在于技术招聘中的偏见。不过专家表示，人工智能的有效使用有助于创建一个更高效、更公平的招聘流程。

人工智能偏见的危险

由于人工智能算法通常是根据过去的数据进行训练的，因此人工智能的偏见始终是一个难以解决的问题。在数据科学中，偏见被定义为由于学习算法中的错误假设而产生的错误。采用不能反映当前情况的数据来训练算法，就会得到错误的结果。因此在招聘方面，特别是在IT这样的行业中，根据历史的招聘数据训练算法可能是一个重大的错误。

美国电子隐私信息中心的人工智能和人权研究员Ben Winters表示：“很难确保一款人工智能软件没有天生的偏见或有偏见的影响。虽然可以采取措施避免这种情况，但许多系统已经显示出基于种族和残疾人的偏见影响。”

Kovačević表示，如果企业的数据集没有明显的多样性，那么人工智能算法就不可能知道来自代表性不足群体在过去的表现。与其相反，其算法将偏向于数据集所代表的内容，并将所有未来的应聘者与其原型进行比较。

她说，“例如，如果黑人过去被系统排除在外，如果在过去没有女性参与其中，而基于这些创建算法则无法正确预测未来。如果只从‘常春藤盟校’招聘，那么真的不知道来自一个鲜为人知的学校的申请者会如何表现，所以将会产生多重偏见。”

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!