招聘決策還充滿了人為偏見，導(dǎo)致一些組織將至少部分員工搜索工作交給外部技術(shù)公司，后者使用機(jī)器學(xué)習(xí)算法篩選申請人。這種思維認(rèn)為，如果人類很難找到最適合自己公司的員工，那么一臺機(jī)器可能會做得更好，更有效。

但是，康奈爾大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)者團(tuán)隊(duì)的最新研究向有關(guān)這些算法以及開發(fā)和使用它們的技術(shù)公司提出了疑問：自動篩選過程的公正性如何？算法是如何構(gòu)建的？誰設(shè)計(jì)的？按什么數(shù)據(jù)支撐的？他們發(fā)現(xiàn)，在這個(gè)新興領(lǐng)域中，公司傾向于青睞模糊不清而不是公開透明。在算法領(lǐng)域上缺乏共識，缺乏“偏見”和“公平”的正式定義，使得科技公司能夠根據(jù)自己的條件定義算法偏見。

“我認(rèn)為算法決策工具的創(chuàng)建者越來越認(rèn)識到，他們需要特別注意它們的算法工具是怎樣影響人們的”計(jì)算機(jī)科學(xué)的博士生，Manish Raghavan說。 “我們研究中遇到許多技術(shù)供應(yīng)商都承認(rèn)這種了（影響），他們正在采取措施解決偏見和歧視。但是，在如何正確執(zhí)行方面明顯缺乏共識或指導(dǎo)?！?/p>

為了了解這些工具，研究人員搜尋了可用的公共信息，以及公司采取了哪些措施來評估和緩解算法偏差。受知識產(chǎn)權(quán)法保護(hù)，科技公司不必披露任何有關(guān)其算法模型的職前甄選信息，但也有些公司選擇了提供信息。研究人員研究了19個(gè)專門從事算法的職前篩選的供應(yīng)商，對公司網(wǎng)站，網(wǎng)絡(luò)研討會和任何可用的文檔進(jìn)行了梳理，以深入了解供應(yīng)商的要求和做法。他們發(fā)現(xiàn)，很少有供應(yīng)商提供有關(guān)如何驗(yàn)證評估或披露有關(guān)如何減輕算法偏差的具體信息。

Raghavan說：“許多供應(yīng)商都沒有提到消除偏見，這尤其令人擔(dān)憂，因?yàn)樗麄兏緵]有考慮偏見?！奔词顾麄兪褂谩捌姟焙汀肮健边@樣的術(shù)語，但這些術(shù)語也可能是模糊的。供應(yīng)商可以聲稱其評估算法是“公平的”，而無需透露公司如何定義公平性。

那難道算法不適合篩選申請人嗎？并不是的，盡管算法存在許多缺陷，但確實(shí)有潛力為更公平的社會做出貢獻(xiàn)，我們需要做進(jìn)一步的工作以確保我們能夠理解和減輕它們帶來的偏見。畢竟，從我們多年經(jīng)驗(yàn)來說，求職者面試本身就會遭受各種各樣的歧視。該團(tuán)隊(duì)希望這份研究能讓算法公司對職前評估中道德行為有著更清晰的認(rèn)知。