可能会通过协助职位发布，评估简历和标准化面试流程来帮助弥合IT领域的多样性鸿沟。

　　是劳动力多样性问题的发源地。尽管布鲁金斯在聘用亚裔美国人时远超于了全国中等水准，但他们发现非裔美国人和拉丁裔人受雇于科技行业的比例仅为其他所有职业的一半。妇女也远远落后于男性。关于这些差距为何会持续存在的理论并不缺乏，但是迄今为止，没有一点解决方案对行业的问题产生了重大影响。现在是时候来看一下人工智能以消除我们招聘过程中的偏见了吗？

　　首先，我们一定要处理房间里的大象。当亚马逊试图将AI用于此目的时，它曾广为人知。他们的招聘工具发展出了习以为常的性别偏见，使男性申请者胜于女性。模型仅与其数据一样好。如果您给它提供了数千份简历，其中70%是男性，那么您认为关于性别平等的结论是什么？

　　在研究人工智能如何帮助消除招聘过程中的偏见时，要关注三个关键领域。他们正在创建职位发布，评估简历以及面试候选人。

　　您可能没意识到，但是您精心制作的招聘广告在不知不觉中阻止了合格的候选人应聘。在ZipRecruiter的一项研究中，70%的职位中包含男性单词。这一发现遍及所有行业。当措辞更改为对性别更加中立时（使用诸如支持和理解之类的词而不是积极进取或领导者之类的词），招聘经理的回应率增加了42%。那么AI如何发现这些失衡呢？通过允许该算法遍历数百万个招聘广告及其相应的简历，它可以识别隐藏在数据中的模式。仅通过在帖子中使用包容性写作，我们就不会拒绝合格的申请人，并且将最大限度地提高我们的选择范围。

　　我们可能有一个充满多样性的简历库，但我们加剧了下一个问题-评估简历。一个职位发布可能会吸引100个简历。随着最近远程工作的爆炸式增长，响应速度还可以进一步提高。人类不可能公平地评估数百名候选人。我们在不知不觉中偏向于淘汰那些不适合我们预设模式的候选人。他们上了正确的大学吗？他们上次在哪里工作？他们被雇员转介了吗？这些限定词中的每一个都从我们的申请人池中剔除多样性。AI可以提供帮助。在采用基于技能的方法时，您要公平对待竞争环境，因为AI会故意忽略所有人口统计细节，以使资历为零。它在几秒钟内消化成千上万份简历的同时做到了这一点。仍然，我们一定要要小心。如果咱们提供模型垃圾，它将产生垃圾。在公司的最佳绩效上对我们的算法进行校准在纸面上似乎是理想的选择，但是除非您已拥有一支多样化的员工队伍，否则您只会使陈旧的聘用做法永存。

　　走进真实的生活里，某些特定的程度上反映了当前市场的供需关系，另一方面则说明大众在生活品质方面提出了更高

　　机构多个方面数据显示，2018年AI领域仍然是大部分资深技术人才转岗的首选目标，在人才最紧缺的前十大职位

　　芯片也向来非常关注。近几年，谷歌、苹果、微软、Facebook、英特尔、高通、英伟达、AMD、阿里巴...

　　并不止这些。与人类不同，算法不能撒谎，那么产生结果的不同必将是数据带来的问题。

　　在各个领域似乎被吹捧为在各种应用领域实现自动化决策的“圣杯”，被认为能做到比人类更好或更快，但事实上

　　表示担忧。一份来自DataRobot的最新报告发现，美国和英国近一半的