机器人不仅从人类那里获得了工作，而且还开始为人类提供工作。参加招聘行业中的任何活动，您都会发现诸如“机器学习”，“大数据”和“大数据”之类的词。和“预测分析”在空中。在招聘中使用这些工具的原因很简单。机器人招聘人员可以快速筛选成千上万的应聘者，效率远高于人类。他们也可以更公平。因为他们没有像人类一样的有意或无意的偏见，所以他们将招募一群更加多样化和更具选择性的员工。这是一个非常诱人的主意，但这也是危险的。算法的中立性不是固有的，而是因为他们看到的世界仅仅是“ 0”和“ 0”。和“ 1”。首先，任何机器学习算法都不会比它学习的训练数据更好。以今年学术研究员李科林在媒体上发表的博士论文为例。他分析了441,769个成功和不成功的工作申请，并建立了一个模型，其准确度为70％到80％。 ，可以预测哪些候选人将被邀请参加面试。新闻稿指出，该算法可以潜在地用作避免“人为错误和无意识偏见”的工具。在筛选大量简历的过程中。但是这样的模型将在最初的招聘决策中吸收人类工作场所的偏见。例如，上述研究发现，年龄因素可以最大程度地预测是否邀请申请人参加面试，而年龄最小和年龄最大的申请人成功的可能性最小。您可能会认为这是公平的，因为没有经验的年轻人做得不好，但是拒绝年长申请人的常见做法似乎值得调查，而不是被编程和继续。 Colin承认存在这些问题，并建议最好在使用简历之前从简历中排除一些属性（例如：性别，年龄和种族）。即使那样，该算法仍可能是有区别的。在今年发表的一篇论文中，两位学者Solon Barocas和Andrew Selbst使用了一个案例，在该案例中，雇主希望选择最可能的长期居留权。员工在工作。如果历史数据表明女性员工在工作上的时间比男性员工少（也许是因为她们在生孩子时就离开了），则该算法可能会使用那些针对性别的属性得出对女性不利的结论。结果。申请人的地址与办公室之间的距离是多少？这也可以很好地预测员工的出勤率和在公司的服务年限；但由于不同的居住社区具有不同的种族和年龄特征，因此也可能无意中歧视某些群体。这些现象提出了一个棘手的问题：在理性和无意的情况下歧视是错误的吗？这是一个模糊的法律领域。在美国，根据“不同影响”的原则，看似中立的雇佣做法损害了“受保护阶级”的利益。即使雇主没有故意歧视，超过比例的行为都是违法的。但是，如果雇主可以证明这种做法具有很强的商业理由，那么它就可以成功地为自己辩护。如果使用该算法的目的只是为相关职位招募最佳人选，则可能是足够好的防御措施。话虽如此，那些希望拥有更多劳动力的雇主显然不能认为仅将招聘工作移交给计算机是理所当然的。如果这是他们想要的，那么他们就必须更加富有想象力地使用数据。例如，与其将自己的公司文化设置为预先确定的条件，然后寻找统计学上最有可能在该文化中成功的候选人，不如找到相关数据以表明在何种情况下更多样化的员工队伍将成功，这是更好的选择。如果机器学习仅从您的过去中学习，它将无法将您的劳动力转移到未来。