长相不讨AI喜欢面试就会挂？全球百万求职者经历AI“看脸”面试
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
AI不仅会筛选你的简历，还会通过看脸决定你能否通过面试。
这不是将来时。全球已有超过一百万求职者，经历过AI面试官的冷酷“凝视”。
据华盛顿邮报报道，包括希尔顿，联合利华和高盛在内的许多世界500强公司，都在使用人工智能评估系统，通过摄像头分析求职者的面部动作、措辞和说话声音，来给求职者的面试进行打分。
其中最知名的，大概就是HireVue了。
HireVue是一家企业AI面试服务提供商。据其官网介绍，全球有超过700家公司都在使用他们的视频面试系统，甲骨文、英特尔都是他们的客户。
用AI替代HR，这靠谱吗？
HireVue声称，他们的技术能帮助招聘公司在最初阶段就面试更多候选人，并且提供更加可靠、客观的评判指标，没有人为偏见。
但许多技术专家对此提出了质疑，伦敦大学学院的人机交互学教授Anna Cox就说：
任何数据集都会存在偏见（biases），这样的系统很可能会把实际上擅长这份工作的候选人拒之门外。
AI面试官看什么？
面对一个AI面试官，你需要做些什么呢？
有位纽约皇后区的小伙，选择穿上衬衫，打好领带，藏进隔音工作室，甚至关掉了空调系统——不让一丝背景噪音影响AI对他的面试打分。
事实上，像HireVue这样的AI面试官，无论面试者的行为举止在它眼中是好是坏，它都不会给出反馈。
求职者要做的，就是坐在电脑或者手机的摄像头前，回答预设的问题，整个面试的时长大概会在30分钟左右。
HireVue的系统结合了语音识别软件和面部识别软件，在面试过程中，会采集求职者的表情、动作，分析收录的声音细节，比如用词和语调。
而后，这个AI系统会生成一份关于求职者的评分报告，包括“个人稳定性”，“学习意愿”，“问题解决能力”等指标。
并且，根据职位要求，AI面试官会最终把求职者划分成高、中、低三个等级。
虽然雇主仍可以选择关注排名靠后的候选人，但很显然，选择了AI面试官的公司，还是会优先采纳AI的建议。
一石激起千层浪
且不说这样的分析到底科不科学，只是，AI面试官真的能做到公平公正吗？毕竟看上去绝对理性的AI，翻车也不是一回两回了。
此前，亚马逊用于给求职者简历打分的AI，就被曝出在训练中自己学会了“重男轻女”。
尽管HireVue强调他们已经删除了会导致AI模型出现偏差的数据点，但他们以商业保密为由，系统算法始终未经第三方独立审查。
面对一个人类面试官，你能从和对方的眼神交流中获得反馈，但当你面对的是一颗摄像头和它背后的AI，它到底在想什么，可就没人知道了。
连摄像头的摆放，都会变成了一个问题。角度太高，会不会让AI觉得自己过于霸气？角度低了，谁知道AI会不会觉得这个求职者畏畏缩缩呢？
虽然只是被用在面试的初期阶段，但这样一个系统的存在，还是激起了巨大的反对声浪。
有网友讽刺道：
在这个天才的系统中，斯蒂芬·霍金教授大概只能去杂货店看后门了。
许多网友认为这根本是“伪科学”，看看面相就能知道谁能胜任工作了？
纽约大学AI Now研究所的联合创始人Meredith Whittaker也直言：这是伪科学。
想要证明这个系统真的有用？网友提议应该让HireVue去做个简单的测试：
应该让公司的在职员工来扮演求职者，看看HireVue系统的打分跟他们实际的绩效匹不匹配。
我敢打赌HireVue不敢做这样一个简单的实验。
但在反对声中，也有人认为，AI系统的引入其实使得整个招聘体系更人性化了。
联合利华的首席人力资源官Leena Nair就表示，AI系统帮助HR们摆脱了“惯性”，使得企业雇佣的员工更加多元化了。
还有网友建议，想要获得信任，像HireVue这样的公司应该让他们的算法更加透明化。
为了防止歧视，“去偏见”的过程应该开源。在多样性成为常态的全球环境中，人们需要更多地了解用于训练算法的人类数据。
但争议再大，HireVue都实实在在地给联合利华这样的公司节省了一年超过100万英镑（约合914万人民币）的招聘费用。
希尔顿则借助这样的AI系统，把平均招聘周期从42天缩短到了5天。
就在争议声中，不久前，HireVue又获得了一笔来自私募股权投资巨头凯雷集团（The Carlyle Group）的投资。
不只是HireVue
其实，AI涉足人力资源管理，已经不是一天两天。
亚马逊用来给求职者的简历标星打分的AI被叫停之后，又搞了一个AI监工来给员工工作效率评级，决定该不该解雇一个员工。
IBM的AI系统Waston，能够通过研究员工资料和做过的项目，分析员工表现，预测员工潜力。
在瑞典，也有一家初创公司Furhat Robotics，致力于制造世界上最会社交的机器人。造出来干什么？当HR啊。
这家初创公司和瑞典斯德哥尔摩最大的招聘公司之一TNG联手，打造了一个名为Tengai的招聘专家机器人，旨在克服招聘过程中HR的潜意识偏见。
甚至连学校，都开始用AI管理学生。据俄罗斯卫星网报道，俄罗斯莫斯科钢铁合金学院EDCrunch University中心主任努尔兰·基亚索夫表示，俄罗斯将从2021年开始，启动大数据识别高校学习成绩差的学生，根据AI的建议，决定是否将其开除。
随着技术的发展，AI将HR们从繁重的筛选工作中解放出来，提高效率，已成趋势。
只是在这个过程中，如何创造更加公平公正的AI，仍然是需要探讨的课题。
你觉得呢？
暂无评论，快去成为第一个评论的人吧
更多资讯推荐
- 面部识别的利与弊：是福还是祸？
-
虽然现代技术使面部识别更加精确和安全，但与面部识别隐私问题和监控有关的担忧也在增加。因此，让我们在这篇文章中探讨一下这该技术的利与弊。
Naveen Joshi · 2021-06-01 16:36:22
- 人工智能和5G如何结合以实现物联网收入最大化
-
网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手，并且对有限且日益紧张的网络资源提出了巨大的需求。然而，解决这些问题有一个主要解决方案：采用人工智能、自动化和5G技术。
Jordi Castellvi · 2021-06-01 13:49:15
- MIT团队最新研究，仅靠LiDAR和2D地图实现端到端自动驾驶
-
最近， MIT 计算机科学与人工智能实验室（CSAIL）团队成功展示了一种基于机器学习的自动驾驶系统，该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航，并且大大提升了鲁棒性。
文龙 · 2021-06-01 12:47:51
- 自然语言处理(NLP)的历史及其发展方向
-
自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始，经过多年卓有成效的工作，最后结束于一个我们仍在试图找出该领域极限的时代。今天，让我们来一起探索这一AI科学分支的发展。
佚名 · 2021-06-01 12:46:26
- 是福还是祸？人脸识别技术的利与弊
-
面部识别并不是一项全新的技术，但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID，提高了面部识别的标准。
Naveen Joshi · 2021-06-01 11:11:01
- 人工智能能否使机器具有流体智力？
-
麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。
千家网 · 2021-06-01 10:38:55
- 高真实感、全局一致、外观精细，面向模糊目标的NeRF方案出炉
-
自 NeRF 被提出后，有多项研究对其加以改进。在本篇论文中，上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。
Haimin Luo等 · 2021-06-01 09:57:39
- 大脑模拟NLP，高德纳奖得主：神经元集合演算用于句子解析
-
一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。
Ben Dickson · 2021-06-01 09:39:24