自2014年以來，美國亞馬遜公司的機器學習團隊一直在秘密研發(fā)和使用一款計算機程序，用于審查求職者的簡歷，希望能將尋找頂尖人才的工作智能化。但在專家發(fā)現(xiàn)新招聘引擎不喜歡女性后，亞馬遜最終在去年年初解散了該研究團隊。
效率提升需求推動機器學習應用
無論是在倉庫內(nèi)部還是在推動定價決策方面，自動化是亞馬遜電子商務主導地位的關鍵。由于低成本計算能力的激增，機器學習在技術領域越來越受歡迎。亞馬遜的智能化招聘實驗就始于這家全球最大在線零售商的關鍵時刻。
監(jiān)管機構的文件顯示，自2015年6月以來，亞馬遜的全球員工人數(shù)增加了兩倍多，達到57萬多名。為緩解人力資源部門劇增的工作壓力，提升其工作效率，亞馬遜愛丁堡工程中心建立了一支研發(fā)團隊，目標是開發(fā)人工智能技術，快速抓取網(wǎng)絡信息并發(fā)現(xiàn)值得招募的候選人。
該公司的實驗性招聘工具使用人工智能為求職者提供一星到五星的評分，類似于購物者對亞馬遜所售產(chǎn)品的評分。研究人員希望這個招聘軟件能達到“給軟件輸入100份簡歷，它會吐出前5名，然后公司就可優(yōu)先雇用他們”的目標。
人工智能招聘軟件“重男輕女”
經(jīng)過培訓，亞馬遜的計算機模型學習了過去10年內(nèi)提交給公司的簡歷，找出了其固有模式，并據(jù)此來審查申請人。但從2015年開始，亞馬遜意識到在評定軟件開發(fā)和其他技術職位的申請人時，該招聘系統(tǒng)并非性別中立。因為大多數(shù)申請者都是男性，這反映了整個科技行業(yè)男性主導地位的現(xiàn)實。
研究團隊創(chuàng)建了500個專注于特定工作職能和職位的計算機模型。他們教會每個模型識別過去候選人簡歷中出現(xiàn)的約5萬個術語。這些算法對IT應用程序中常見的技能幾乎沒有重要意義，例如編寫各種計算機代碼的能力等。相反，這項技術有利于那些用男性工程師簡歷中諸如“執(zhí)行”“捕獲”等常見動詞來描述自己的候選人。
事實上，亞馬遜的系統(tǒng)通過自學得出了男性候選人更可取的結論。系統(tǒng)對包含“女性”這個詞的簡歷進行了處罰，如“女子國際象棋俱樂部隊長”等。系統(tǒng)還降低了兩所全女子大學畢業(yè)生的評級。
亞馬遜曾嘗試對程序進行更新，力圖使其對特定術語保持中立。但這并不能保證機器不會根據(jù)其他方式來對可能具有歧視性的候選人進行分類。
性別偏見也不是唯一的問題。支持模型判斷的數(shù)據(jù)也有問題，這意味著不合格的候選人經(jīng)常被推薦到各種工作崗位。亞馬遜最終在去年年初解散了該團隊，因為高管們對這個項目已失去信心。
算法公平之路任重道遠
根據(jù)人才軟件公司“職業(yè)創(chuàng)造者”2017年的一項調(diào)查顯示，約55％的美國人力資源經(jīng)理表示，未來5年內(nèi)，人工智能將成為他們工作的常規(guī)部分。
長期以來，雇主一直夢想利用技術擴大招聘網(wǎng)絡，減少對招聘人員主觀意見的依賴。但亞馬遜的失敗案例，為越來越多正在尋求自動化招聘流程的大型公司提供了一個教訓。
卡內(nèi)基梅隆大學機器學習專家表示，如何確保算法公平、真正可理解和可解釋的道路還相當遙遠。
《麻省理工技術評論》在此次事件的報道中指出，我們不能將人工智能視為內(nèi)在的無偏見。在有偏見的數(shù)據(jù)上訓練系統(tǒng)，意味著算法也會變得有偏見。如果這樣不公平的人工智能招聘計劃在實施之前沒有被發(fā)現(xiàn)，將使長期存在于商業(yè)中的多樣性問題延續(xù)下去，而不是解決它們。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
