标题

人工智能招募的演变——从亚马逊有偏见的算法到上下文理解

自从公司开始使用AI进行筛选和采购候选人,因此其背后的技术从未停止不断发展。在AI的简短历史中,有几个主要的学习时刻,导致技术发展到今天的技术。尽管该技术并不像在未来几年内所列出的那样靠近它,但软件的进步和准确性也在显着增加。

https://adoptoprod.blob.core.windows.net/article/tljp2cxurewbu07il-st2q.png

当考虑到这篇文章的所有读者时,我们意识到可能会有两个完全不同的群体——一个是在招聘中对人工智能概念完全陌生的群体,另一个是已经在利用人工智能的专家。然而,无论你属于哪一个群体,我们都邀请你继续阅读这篇文章通过博客了解人工智能在招聘过程中的演变过程。

人工智能招募先锋

好久不见了自从2014年和臭名昭著的亚马逊事件以来其中公司错误地创建了一个偏见的招聘软件,最终通过歧视妇女来重复人类错误。幸运的是,该公司已经放弃了该项目,它成为在招聘中使用AI的最大学习课程之一。那么,真正发生在亚马逊?

尽管该公司试图成为自动化招聘过程的先驱,但他们为做决定而收集数据的方式存在缺陷。人工智能技术背后的理念是,为了让它做出未来的决定,它需要大量的数据。因此,这可以得出一个逻辑结论,即数据的质量是整个过程的关键部分。然而,亚马逊在这里犯了一个错误。他们为软件提供数据的方式是向其提供公司过去10年招聘的招聘信息结果表明,就像人类犯错误一样,软件也会犯同样的错误。对于许多没有仔细研究这一问题的人来说,这导致了他们对在如此重要的任务中使用新技术的不信任。

然而,整个行业都非常关注这起案件,下面是几个例子好外卖这有助于防止未来出现同样的错误:

  1. 机床不是产生偏差的机床:机器是由人类训练的。如果机器所消耗的数据是基于人类的有偏见的决策,那么机器除了重复同样的错误之外没有其他方法来执行任务。这个错误带来了新的挑战;我们如何创造出尽可能不受人类错误影响的机器?

  1. 数据的重要性:在亚马逊的案例中,该公司只使用了之前招聘的数据。尽管亚马逊是一家规模庞大的公司,但出于多样性的考虑,这些数据仍然不足以满足软件的需求。

  1. 基于过去的事件做出未来的决定:最后,亚马逊案例中最重要的错误之一是,未来的决策基于公司过去10年的招聘数据。在这些年里,政策、招聘趋势和程序发生了巨大变化。使用这些数据构建未来的招聘软件对公司来说只是一个挫折。

  1. 勇于承认自己的错误:在开发一项将为你的公司做出未来决策的复杂技术时,有必要分析每一步,并坦率地承认你的错误。错误是会发生的,但只有真正地承认错误,才能给未来一个很好的教训。在亚马逊的案例中,这可能意味着删除CV中易受偏见影响的元素,并针对新情况培训软件。

人工智能在招聘中的经验教训

第二次浪潮,关键字时代

从亚马逊的错误中吸取教训给了那些试图创建未来招聘软件的人很大的信心。这创造了一种全新的筛选简历的方式——使用关键词。

这意味着,现在该软件能够筛选大量简历,搜索以前设置的某些关键词。乍一看,这种进行简历解析的方式令人惊讶。然而,招聘人员没过多久就意识到一些应聘者找到了作弊的方法。通过简单地掩饰一堆简历在简历中输入蚂蚁关键词,并用白色字体书写,候选人现在能够在招聘人员名单中排名靠前,而不管他们的实际能力如何。

除了寻找漏洞和欺骗软件的方法之外,另一个大问题也出现了。拥有相似技能的人可以通过无数种方式说出和描述自己的教育背景、工作经验或软技能。

例如,来自柏林自由大学的三个不同的人可以在他们的简历中使用不同的方式来命名它;第一个用的是英语全名,第二个用的是短名字——FUB,第三个用的是原来的德语名字——Freie Universität Berlin。这只是这所大学的名字,试着想象一下当人们开始命名他们的软技能时,软件会发生什么。最终,该软件还不能理解同义词、同音异义词或困难概念之间的异同点。

为了解决这些问题,软件开始使用一种叫做排在检索已经使用多年但用于不同目的的系统(如谷歌搜索)。在这种情况下,系统的工作方式是分析用户写入查询框的纯文本查询(而不是让用户学习如何将信息编码为布尔值)然后根据上下文和术语在文档中出现的次数,按照与查询相关的顺序对结果进行排序。

虽然这种技术不需要复杂的布尔语法知识,从而简化了招聘人员的流程,但最终结果变得不那么准确,并失去了布尔查询提供的功能。这可能会导致失去相关的候选人,最终根本不被发现,或在招聘人员名单上的位置过低。

语义相似性是一条出路

由于一路走来的所有错误,人工智能得到了巨大的发展,这为深度机器学习技术开始超越人工智能招聘流程铺平了道路。最新的基于语义的人工智能可以消除以前的所有错误,帮助更快地找到最佳候选人。当软件使用语义相似性进行自然分类时语言处理是阅读大量简历的一种方式,这里就是这样。

基于该软件阅读的大量简历,它开始学习模式,最重要的是理解这些简历的内容。这远远超出了简单识别某些关键词的范围。最重要的是,由于语义相似性,招聘人员的职位描述和应聘者简历之间的语言差异我们无法克服。

但是,重要的是要提到它不是一个引入AI革命的单个工具,而是它是多种技术的组合,其旨在最大限度地提到先前提到的问题。例如,AI技术使用通常培训的模型来理解某种语言(通常使用英语)。通过采取这样的模型和培训它来理解某个域(例如人力资源领域),技术了解HR相关的词汇,然后能够提取某些单词,术语和表达并与特定的专业级别匹配它们 -导致与工作要求匹配CV的最终行为。该模型的培训基于预定的特性,这将导致最准确的匹配方式。

人工智能的语义可视化

这样,由于软件学习了自己的模式和将一些词与另一些词或相反的词连接起来的方法,手动输入或基于关键字输入所有相关同义词的任务就变得多余了。简单地说,前面提到的三个不同的人用不同的表达方式列出了他们在柏林自由大学的学历,现在软件可以理解他们了。

此外,一种称为上下文验证是用来理解上下文和经常使用的术语,以准确地确定候选人的具体工作要求。通过这种方式,resume解析器会分析候选人使用哪些术语来指代他们的技能,哪些术语只是指代附带上下文,这最终会提高准确性。

最后,为了对候选人进行排名,这项技术呼吁语言分析/简历解析和排名可以使用。该技术不仅能够根据候选人的特定技能,而且还能够根据使用该技能的经验水平对候选人进行排名。这项技术的主要特点之一是,招聘人员可以对他们的候选人进行排名,这样他们就能始终确定最高的排名属于最相关的候选人和相反的候选人。

TalentLyft ATS候选人排名

(电影预告)TalentLyft软件

人工智能需要我们不断学习

最后,人工智能从一开始就有很长的路要走。然而,目前还没有放缓的迹象。通过每天的反馈,AI、开发者和招聘行业都在更好地理解问题,并了解整个招聘过程的需求。

而不是坐着和享受骑行,是我们所有人都拥抱学习心态并参与创造明天的技术!

背景 背景
2020年招聘工具购买指南

2020年招聘工具购买指南

寻找新的招聘软件?替换旧的?不确定投资哪种类型的招聘工具?这本指南是给你的!
拿你的电子书

进一步的阅读

你招聘的队友

Tallesseft是一个直观的招聘应用程序,以成功招聘。