如何用公平的方式防止人工智能偏见

珍惜时间，勤奋学习！今天给大家带来《如何用公平的方式防止人工智能偏见》，正文内容主要涉及到等等，如果你正在学习科技周边，或者是对科技周边有疑问，欢迎大家关注我！后面我会持续更新相关内容的，希望都能帮到正在学习的大家！

人工智能(AI)具有彻底改变业务运营的巨大潜力。事实上，根据一项研究发现，67%的企业预计人工智能和机器学习用例在未来一年将会增加。这些技术在提高业务效率、产生洞察力、增强市场竞争能力和提供个性化客户体验方面具有优势。

然而，在高度监管的行业中，企业面临着与AI可解释性相关的特殊挑战。金融服务、保险和医疗保健等行业必须使用透明、可审计的决策平台，以遵守严格的法规和合规标准。如今，有很多人工智能解决方案可以自动化业务流程和决策，但很少有能够提供有意义的解释。在充满潜力的同时，企业必须绝不能忽视自动化决策和预测背后的原因。

为未来的法规做准备

如今，政治组织和社会都呼吁提高人工智能的透明度。此外，政府和消费者希望更深入地了解其信贷和贷款审批、营销活动和智能家居技术背后的算法。美国的算法问责法和全球欧盟人工智能法的拟议立法寻求建立安全、道德和透明的人工智能结果的标准。然而，由于用例仍在演变和出现，政府才刚刚开始寻找对AI实施监管的方法。

例如，纽约市议会通过了一项针对就业工具中使用的人工智能算法的法案。该法律将于2023年生效，要求雇主聘请独立审计师来评估，以及用于评估求职者和现有员工的人工智能工具。该法律要求对用于筛选求职者或提拔员工的人工智能工具进行偏见审计。对于有偏见的AI算法或未事先通知员工和候选人使用此类工具，将处以最高1,500美元的罚款。在短期内，随着法规的出现和标准的发展，企业应该专注于提高透明度的方法，为未来的法规做好准备。

利用机器学习的一个挑战是，根据定义，它是基于偏见构建的。虽然并不是所有的偏见都是有害的，但当它产生的结果对受保护阶层，如性别、种族、年龄等有利或不利，并对一个人产生负面影响，如批准临床试验、健康管理、贷款资格或信贷批准时，它就会变得有害。

保护算法和防止有害偏见的必要性是众所周知的。但要有效地消除有害的偏见，就需要了解每个决定或预测的数据。为了获得至关重要的透明度，企业必须对由机器学习和业务规则组成的算法有可见性，从而推动决策以提供完整的审计跟踪。例如，使用人工智能进行理赔审批的保险公司必须能够清楚地解释为什么要做出每个决定。

“黑匣子”问题如何加重AI创新的负担

借助人工智能，许多企业面临着一个问题，它们的人工智能解决方案提供了预测并支持自动化，但无法解释为什么它会做出某个决定以及影响结果的因素，就将企业置于重大法律或名誉损害的风险之中。

企业需要能够清楚地看到结果背后的原因，以确保算法决定返回预期的结果。将人工智能的黑匣子变成透明、可解释的“玻璃盒子”，对于防止对客户和消费者的伤害、降低公司和品牌的风险至关重要。

从本质上讲，机器学习基于历史数据进行预测。“通过意识实现公平”指的是一种方法，该方法允许企业通过使用元数据字段来确定一个模型是否对具有共享特征的各个组同样表现良好，即使该特征没有直接在模型中使用。这种意识有助于企业在导致不公平或有害的决定之前避免、量化和减轻有害的偏见。

企业人工智能未来的清晰愿景

随着人工智能在整个企业的应用越来越多，企业必须寻求人工智能的透明度和可审计性，以确保结果不受有害偏见的影响。只有当我们优先考虑并实施可解释的、透明的人工智能解决方案时，我们才能减少有害的偏见，降低风险并促进信任。

虽然基于技能的招聘越来越受欢迎，但关于这种做法的有效性和优点的神话仍然存在。消除这些误解是促进必要变革的关键，以创造更公平、更可持续的劳动力。

毕业生的生活

美国劳动力市场将在2022年继续调整。一项针对2,300多名高管的调查发现，65%的高管希望在上半年增加新的固定职位。还有33%的人在竞争填补职位空缺，目前全美有超过1080万个职位空缺。传统的招聘实践不是满足劳动力需求的可行手段。公司必须使他们的方法现代化以保持竞争力。这意味着接受基于技能的招聘。

基于技能的招聘强调候选人的技术技能和核心能力，而不是学位或证书，是工作成功的最关键因素。这种做法要求招聘团队定义一个角色所需的和首选的技能，并客观地评估这些技能，以最大限度地减少招聘过程中的偏见。

领先公司越来越多地转向以技能为基础的招聘，下面我们将讨论一些关于采用基于技能的方法的最大误区、以及如何解决它们来推动公司的文化转变。

1、以技能为基础的招聘对大学毕业生不公平。

以技能为基础的招聘并不是要把大学毕业生排除在考虑范围之外，或者降低入职门槛。它是关于阐明学位所代表的特定技能。这样一来，持有学位的人和通过其他途径掌握技能的求职者都可以考虑担任该职位。这有助于为所有人提供民主化的经济机会，并扩大公司可以获得的人才库。

以前不需要学历的职位，如今对四年学历的需求，助长了声望经济，也让企业需要付出更多的成本。在这种模式下，许多曾经向上流动的工作对所有人来说都变得遥不可及，只有那些能够负担得起不断上涨的高等教育费用的人才能得到。这也将人才排除在低收入社区之外，尤其是有色人种。以技能为基础的招聘为解决这种不平等提供了一种切实可行的方法，并为66%没有学士学位的美国人，包括75%以上的黑人和80%以上的拉美裔恢复了候选人资格。

2、基于技能的招聘会导致糟糕的招聘并损害业务。

采用以技能为基础的方法可以更有效地筛选和招聘候选人。基于技能的招聘对未来表现的预测能力是基于教育招聘的5倍，是基于工作经验的招聘的2.5倍。此外，许多企业报告称，没有学位的员工与大学毕业生的工作效率一样高，在某些情况下甚至更高。

以技能为基础的招聘的其他优势包括：减少招聘时间，提高员工敬业度，降低人员流失率。

3、在以技能为基础的招聘并不是一个现实的人才获取策略。

也许不是在过去。从历史上看，招聘团队对招聘工作采取了超本地化的视角。随着远程工作的兴起，企业可以发起更广泛的求职者搜索，找到符合市场技能需求的人。

从宏观上来看，这可能看起来像在资源不足的地区与劳动力开发企业建立伙伴关系，以建立技能多样的候选人管道来填补远程角色。通过这些伙伴关系，企业可以同时推动业务成果和经济公平。

虽然设计和启动基于技能的招聘需要时间，需要有意识地学习和放弃，但你的公司、员工和社区最终会受益。现在投资于以技能为基础的招聘将使企业为未来以技能为驱动的工作做好准备，并创造一个所有美国人都能切实参与未来的经济。

文中关于人工智能,AI的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《如何用公平的方式防止人工智能偏见》文章吧，也可关注golang学习网公众号了解相关技术文章。