这是通过人工智能在统计和推理中

[joxet11299]

数据偏见：由于训练数据反映了公司当前的人口统计数据，系统了解到白人男性是该职位的“理想”候选人。
有偏见的结果：当新的简历提交到系统时，即使有其他更合格的候选人，系统也倾向于优先考虑白人男性。
歧视：女性候选人或来自不同种族背景的候选人可能会被自动排除在招聘流程之外，即使她们具备所需的技能和经验。
这是怎么发生的？
对于一个系统来说，“学习”某些东西并开始采取行动意味着什么？

依赖的一些机制来实现的，包括：

关键词：系统可能会关注白人男性简 密克罗尼西亚 viber ph 历中经常出现的某些关键词，例如某些大学的名称或某些活动的名称。
数据不平衡：如果训练数据不平衡，即包含大量白人男性简历，系统将学会偏向这一群体。
这有什么效果呢？
当你看到人工智能的强大和有效性的证据时，你可能会问自己：“是什么阻止人类更多地依赖这项技术？”