Skip to content

گزارش رخداد

آمازون: ابزار استخدام هوشمندی که یاد گرفته بود زنان را پایین‌تر رتبه دهد

آمازون سال‌ها روی مدلی برای امتیازدهی خودکار به رزومه‌ها کار کرد. مدل از داده‌های ده‌ساله‌ی استخدام یاد گرفته بود که رزومه‌های حاوی کلمه‌ی «زنان» را پایین‌تر رتبه دهد. پروژه کنار گذاشته شد.

چه اتفاقی افتاد؟

رویترز در اکتبر ۲۰۱۸ گزارش داد که تیمی در آمازون از ۲۰۱۴ روی مدلی کار می‌کرد که به رزومه‌ها از یک تا پنج ستاره امتیاز بدهد. داده‌ی آموزشی، رزومه‌های ده سال گذشته بود که بیشترشان از مردان بود. نتیجه این شد که مدل یاد گرفت رزومه‌های دارای عبارت «زنان» (به انگلیسی زنان؛ مثلاً «کاپیتان باشگاه شطرنج زنان») را پایین‌تر رتبه دهد.

تیم سعی کرد مدل را نسبت به این واژه‌ها خنثی کند، ولی تضمینی نبود که مدل راه دیگری برای تبعیض پیدا نکند. آمازون در نهایت پروژه را کنار گذاشت و گفت این ابزار هرگز تنها مبنای ارزیابی متقاضیان نبوده است.

چرا مهم است؟

داده‌ی تاریخی، تصمیم‌های تاریخی را بازتولید می‌کند. اگر گذشته‌ی سازمان سوگیری داشته، مدلی که از آن یاد می‌گیرد هم سوگیری خواهد داشت، حتی اگر کسی عمداً آن را نخواسته باشد.

درس‌ها برای سازمان شما

  • پیش از آموزش مدل، ترکیب و سوگیری داده‌ی تاریخی را بررسی کنید.
  • حذف یک ویژگی حساس کافی نیست، چون مدل ممکن است از نشانه‌های غیرمستقیم استفاده کند.
  • سیستم‌های هوش مصنوعی در استخدام را «پرریسک» طبقه‌بندی کنید و ارزیابی اثر انجام دهید.

کدام بخش از چارچوب مدیریت ریسک می‌توانست جلوی آن را بگیرد؟

کارکردهای چارچوب مدیریت ریسک هوش مصنوعی مؤسسه‌ی ملی استاندارد آمریکا (NIST) که بیشترین ارتباط را با این رخداد دارند.

  • شناخت — شناخت کاربرد و ریسک‌ها
  • سنجش — آزمون و اندازه‌گیری

سازمان شما در برابر این سناریو آماده است؟

با ارزیابی رایگان، شکاف‌های حاکمیت و ریسک هوش مصنوعی را پیدا کنید.

ترجیح می‌دهید تلفنی صحبت کنید؟ ۰۲۱-۸۲۸۰۳۸۰۱