AI
当HR碰上AI，这里有一个“三步走”计划
当工业革命开始的时候，科技带给我们的价值是机械的自动化和劳动生产效率的提高，劳动力的构成也因此而变得多元。随着2000年电脑和互联网的普及，不仅信息处理的效率飙升，我们也打破了物理环境的局限，实现了信息的连通性和人才的流动性。
但技术红利给我们带来的生产力增长在2008年金融危机后就到达了瓶颈。而最近得以发展的传感器，人工智能，机器人等新兴技术会给我们带来怎样的变革呢？一个人平均需要3到5年的时间才能适应一次非连续性的技术突破，一个企业对于技术变革的适应只会更久。
当科技让世界扁平，企业可以通过快速复制达到巨大规模的时候，单个个体通过科技赋能所产生的力量也已今非昔比。世界的中心从商品转向到了人才。但同时我们也观察到，一个成熟企业随着员工数量的增多，创造力却在不断下降。随着业务发展速度的加快和组织形态的日益复杂，企业意识到了人才的吸引力和组织结构的敏捷性尤为重要。在人力资源的工作中，我们看到了一些可以用科技去重新定义的机会，HR在企业应对技术变革时可以起到的作用也至关重要。
理智与情感兼备，才是好的HR
理智，指的是用数据驱动的思维去发现，理解和解决问题。2016年美国企业在HR Tech投入比2015年增加了46%，到达140亿美金的市场规模。那么HR只有对日新月异的硬科技保持敏感，才能更早地让企业从传统的工作流程和陈旧的管理方式中转型，比如考勤打卡和KPI绩效考核。
情感，指的是工作中所产生的情绪和感受。我们在工作中和同事待在一起的时间远远超过和父母孩子相处的时间。员工对工作体验的期望会越来越高，他们希望有多元的文化，技能的积累和心灵的成长。如果把员工当做是上帝，那么HR这个产品经理，就要用心去设计每一个与员工交互的界面。员工期待的是简单流畅的体验，这就要求所有的企业服务走向消费化（Consumerization of Enterprise Software），所有以人员为基础的管理方式要转变为以人性为根本。
HR Tech的三个阶段
第一阶段：自动化流程和信息化集成
在这个阶段，人力资源系统做的事情是让公司的HR更加便捷地去管理公司员工。传统的SaaS主要是把人力资源的信息标准化，流程自动化。而新近的创业公司则在尝试用AI完成面试安排，会议时间协调等重复性高又标准化的任务。
第二阶段：关于人才的数据积累
企业的ERP存储了基于业务经营管理的数据，CRM记录了关于客户的数据，那么关于员工的数据，和人才的数据则应该统一实时地集中管理起来。
第三阶段：通过数据分析建造一个可以预测和辅助决策的智能系统
只有当构建了自动采集实时更新的数据库之后，智能的系统才能构建出来。对企业的经营做预测性分析且在重要的决策上起到辅助判断的作用。
AI+HR到底可以颠覆什么（Acquisition，Engagement，Analytics）
1. 人才招募Talent Acquisition
HR对招聘的理解早就不是招人这么简单，这是一场和业务部门肩并肩的全球人才供应链争夺战役。求贤若渴的企业不仅需要有人才大数据的支撑，还需要和人才之间达成使命感的认同和情感的连接。
-从手动到自动
1994年，Monster推出了世界上第一个招聘网站。23年后的今天，纷杂的招聘渠道和落后的简历筛选技术再次造成了企业与求职者之间的信息不对称。简历太多，HR筛不完；简历太少，HR招不到。候选人投递的简历往往石沉大海。而HR每天收到大量的简历中，符合岗位要求的却是寥寥无几。招聘中70%的工作时间都用来处理简历，包括要登录多个招聘平台，在人才库进行搜索和筛选。在美国招聘的人效早就到达了瓶颈，70%的公司都在使用第三方的ATS（Applicant Tracking Systems)来提高效率。
-从被动到主动
一个优秀的人才能为企业产生的价值远高于以往，以后的人才市场会是永久性的紧缺。好的人才都是被动求职者，他们不需要主动地去寻找工作。如果希望招募到最好的人才，公司就一定要脱离被动的筛查而转变为主动出击。同时HR也需要用市场营销的角度去思考，用社交化的手段去建立一个对人才有吸引力的公司品牌。美国创业公司Textio正在帮助HR润色职位描述和宣传文案。Textio分析了大量可以吸引更多候选人的用词和表达方式，从而对HR起草的招聘文案进行评分，提出修改建议。比如它会更换一些过时的说法，也会针对不同性别受众的文字偏好做相应的文案调整。
-从随机到精准
候选人的匹配远不止是技能匹配那么简单。即便所有公司都在招聘前端工程师的岗位，但最终不同的团队领导和公司文化所选择的候选人会各不相同。那么在众多的简历中，如何判断哪位候选人最适合当前的职位呢？我们的被投企业Celential.ai正在用机器学习的技术自动排序人才管道中的职位候选人。它会用自然语言处理技术分析候选人的简历，根据工作经历、表现、任期和流动率等信号对候选人和当前职位的匹配度打分。系统还会从简历数据库中学习成功的招聘案例，从而建立人才模型，更准确地预测候选人未来的表现。
-从线下到线上
在美国40%的求职面试都是通过线上完成的。传统的面试是一个主观和非标准化的过程。人工智能面试分析公司HireVue正致力于通过提取原始视频中的措辞、面部微表情等信号来评估候选人是否符合岗位需求。NLP技术用于分析候选人的回答，计算机视觉技术则用于解读表情和其他非语言因素，试图用组织行为学的心理分析做预测。这个筛选方式主要的卖点就是提高面试效率，针对大批量同质化高的初级岗位快速筛选出进入下一轮人工面试的候选人。但是这些测评方式的效果如何，目前并没有明确的结论。
2. 员工敬业度Talent Engagement
人才是一个企业真正的血脉。当招募人才变难的时候，防止人才的流失才是最好的招聘方法。根据哈佛商业评论的统计，员工在一个企业的平均工作年限已经缩短到3.8年，其中26.7%的员工会在第一年就主动提出离职。在拥有全世界最好员工敬业度数据的美国，也只有33%的人表示对自己的工作满意。如果说公司是你的产品，而员工是你的客户。那么我们用NPS的考核方式去看看，你的员工有多少会向朋友推荐自己的公司？又有多少人在工作中真的像招聘宣传图片里的样子？
公司信奉用户体验是第一位的，最好的用户体验就一定不是偶然发生的。在设计用户体验的时候，产品经理都会先去了解他们的用户到底是什么样的一群人，会有哪些需求。他们会和用户一起交流讨论去挖掘新的想法，会在实际的产品中不断的迭代和测试新的方案。我相信一个伟大的公司，一定会有一种自主，专业，又赋有使命感的员工体验，而这种体验一定不是偶然发生的。
-从To B到To C
美国创业公司Glint尝试用简短无记名的员工意见评估代替传统的员工满意度调查问卷，然后利用机器学习、自然语言处理和预测分析技术，生成报告来解读员工对公司管理、福利待遇和企业文化的感受，为企业提出改进建议。在To C的Yelp和IMDB里，我们见证了用户评分和评论的力量。今天的To B员工系统里，也从陈旧的填表演进到了只是让鼠标悬停在一个五颗星的框里就可以评分的反馈。在现代灵活而分散的组织形态下，如果能及时识别出这些“不开心”的员工，并提出相应的改善计划，就能够有效提高员工的敬业度。
-从亡羊补牢到防微杜渐
有88%的员工认为他们的入职体验很糟糕。通过自助服务和个性化体验，HR可以帮助新员工顺利开展工作。在候选人接受雇佣录取后，他们需要上传许多入职材料，同时对公司的规章制度还很陌生。HR大量的时间花在了处理这些琐碎的文案工作中。如果这些重复性高的流程细节可以交给聊天机器人，他们则可以专注于员工正在适应的新的工作岗位上。入职培训其实也存在着同样的痛点。如何在企业内部建立起知识图谱，给新员工推荐碎片化培训材料，并且依据学习进度推荐相关的内容也会是体验提升的重要环节。
3. 人才数据Talent Analytics
大部分关于业务的决策都是数据驱动的，那么关于人的数据呢？现在美国只有8%的企业表示，他们具备可用的员工工作数据。
-Hindsight读史以明鉴，管理层需要对过去的成功和失败有更清晰的认识
第一阶段的数据分析核心是可视化工具，提供和跟踪一个之前没有的数据集，比如用员工数据去做业务数据的相关性分析。大多企业现在只能看到核心HR数据和业务数据（比如营业额，任职情况，绩效评级），但以后会有更完善的组织关系数据（地点位置，员工协作，团队信息）以及个人工作数据（时间分配，情绪，健康）。随着这个数据集的不断扩大，管理层对经营成败和人员组织的关系会有更深刻的见解。比如为什么有些地方销售的生产力高，而有些分公司却出现欺诈盗窃的行为？
-Insight实时的数据，才能更好地支持日常快速的商业决策
平均而言，一个组织的生产力在绩效考核时会下降40％，因为整个团队都忙着填表，而不是专注于手头的工作。大家可能认为OKR很专业，Google采用OKR，但其实微软做的更彻底，直接取消绩效考核，采用反馈机制。这几年美国出现了像BetterWorks和Reflektive这样的实现考核自动化的软件，使经理和员工能够主动咨询对当前工作的反馈意见并分享数据讨论绩效目标，促进了反馈的真诚性和团队的士气。他们正从一种从自上而下，流程驱动的方法转变为一种更敏捷持续，基于反馈的方法。
-Foresight预测未来，辅助企业制定更好的商业战略
预测性模型可以发挥作用的地方有很多，比如柔性人员管理的需求。分享经济和众包市场改变了我们对劳动力管理的需求。从计划和安排人力，逐渐转移到根据需求预测来实时的调配人力。还有更多的数据分析包括预测高绩效员工的离职，并指出避免员工流失的最佳途径。创业公司Hi-Q Labs开发了一种仅通过外部数据（如居住地，上下班距离，职位，社交网络发布的数据等）就可以预测员工留存率的方案，号称比使用内部数据的预测更准确。管理者有了基于数据驱动的指导，帮助他或她了解最可行的保留高绩效员工的途径。
无论公司大小，人力资源中还有太多的问题，而我们知道的却太少。Gallup在美国2017年的员工调查中表示，在任何一个企业中平均51%的员工在找寻新的工作，79%的人认为他们的工作中缺乏指导。我希望更多的了解他们是谁和公司能做些什么。用AI取代HR是不可能的，现在的技术并不具备真正的智能，也没有社交协作和情感沟通的能力。但在写这篇文章的过程中，我很开心地看到创业者面对这些问题提出了很多独特的解决方案。期待更多的公司把AI融入到HR的环节里为所有人都重新定义一个更好的工作体验。
来源：金沙江创投
作者：张予彤
AI
未来5年AI应用报告 | 谷歌、DeepMind、英伟达科学家支招企业AI应用
编者按：本文来自新智元（ID：AI_era），原文来自reworkco。
ReWork的一份最新AI落地应用报告，阐述了企业该如何使用AI技术。谷歌的Ian GoodFellow、DeepMind的 Jörg Bornschien、英伟达的Kimberly Powell等知名AI研究员参与了这一份AI报告的访谈并发表观点。受访者认为，在接下来的几十年，深度学习模型的大小将呈指数级增长，我们将找到越来越好的神经网络架构和参数，达到甚至超越人类水平。
报告全文：http://reworkco.domain.com/WhitePaperShouldYouBeUsingAIInYourBusiness.pdf
人工智能（AI）正在变革它能触及的各行各业，从医疗保健到零售和广告，金融，交通，教育，农业等等。 AI的目的是什么？接手所有需要员工手动完成的工作，让他们腾出时间更有创意地完成机器不能做的工作。如今，快速发展的 AI 技术主要由大型企业通过机器学习和预测分析来使用。
人工智能不是一项未来的技术，现在当下的技术，没有采用的公司将被抛在后面。
本文将探讨人工智能在商业领域的应用，深入研究谁应该使用这些技术，并深入研究人工智能在各个行业的领军人物的研究贡献。包括来自学者，行业领导者，研究人员，首席执行官，创始人等等的专家意见，以评估人工智能对多个行业的影响。
受访者单位（具体名单）：
包括谷歌的Ian GoodFellow、DeepMind的 Jörg Bornschien、英伟达的Kimberly Powell等知名AI研究员参与了这一份AI报告的访谈并发表观点。
AI 快速增长的背后：技术、资本、企业
人工智能正在颠覆和改变它所触及的每一个行业。从商业运营和效率到创新的客户服务方式、医学研究的突破、更智能的交通系统和更有针对性的广告活动，这是当今世界不可避免的现实。不愿意采用AI的企业将落后，预计AI软件的直接和间接应用产生的收入将从2016年的13.8亿美元增长到2025年的597.5亿美元。(Tractica,2017)
“随着机器变得越来越智能，消费者将会期待24小时内的完美服务，到2025年，AI将会占到所有客户互动的95%，消费者在在线聊天或电话中将无法区分机器人和人类员工。”(Servion,2017)
得益于海量数据和日益智能化的算法，机器可以学习、说话、做出明智的决策，并以一种越来越有效的方式执行复杂的任务。这不仅推动了研究上的突破，而且在业界的实施也证明了AI在现实世界中的应用可能对各行各业的企业产生巨大的潜在影响，包括零售和广告、医疗保健、销售和市场营销、交通运输、旅游等。
图：AI的全球预计收入：2016-2025
是什么令AI的进步如此迅速？
AI需要庞大的数据集，而“真正伟大的科学与技术的惊人进步使我们能够收集到前所未有的数据”，从而使模型能够更快地学习。(Jasper Snoek，谷歌大脑)
目前的发展速度并没有被预见，比如OpenAI的Ankur Handa，并没有预见到在多伦多大学Geoffrey Hinton的研究团队发表第一篇卷积神经网络的论文之后，短短三年的时间里，CNN在ImageNet竞赛中实现了“超越人类的表现”。虽然这些进展迅速而且有影响力，但你的业务是否应该采用AI，这是需要考虑的。诸如成本、可用数据、行业相关性和人员配置，以及可能的ROI等因素是所有规模的企业需要考虑的因素。本报告后面的章节将为这些关键因素提供解决方案，以发现AI在行业中的影响，以及你是否应该在你的业务中使用这些技术。
谁在推动AI的发展？
不仅仅是科技巨头在引领了AI竞赛，还包括大学、风险资本家(VC)和内部研究人员。机构和行业专家的研究为企业将这些模型应用于他们的工作打开了大门，而针对AI的风投正在通过他们的资金来帮助研究取得突破。
下图：著名AI风投、学术机构和公司
AI的生态图景：模型、训练数据、硬件和人员
目前AI的生态图景四个方面：模型、训练数据、硬件和人员。新的模型（如生成对抗网络）正被广泛应用，并取得了巨大的成功；更大的数据集可以用来训练模型；硬件的改进加快了训练的速度；而且，这个领域的每一次成功都会吸引更多的人进入这个行业。(Ed Newton-Rex Jukedeck)
进步是持续的，但是对社会产生直接的影响需要时间和金钱来进行研究。数据的可用性、计算的能力、每个模型的训练周期和智能水平都有局限性。无监督学习的进步正在彻底改变商业应用程序，节省时间和金钱——2010年至2014年间，全球对人工智能技术的投资从17亿美元增长至149亿美元（Merrill Lynch，Bank of America，2016）。
虽然AI不是一个新的概念，但它变得主流的过程也已经花费了数年的时间，近几十年的发展速度是最快的。这意味着，由于我们目前使用arXiv和社交媒体进行传播的文化，新的进步很快就会过时。AI的“过度活跃”可能是破坏性的，这迫使企业重新考虑他们正在设计的产品（Hugo Larochelle，Google Brain）。
AI的发展带来了今天的模型：研究人员发现如何使用GPU来加速神经网络的训练。这些方法使得模型能够扩展到更大的数据集，并在对更小、更学术的数据集进行研究时实现更快的迭代。
DL社区开发了更好的开源库和用于深度学习的工具。例如，Theano在如何实现DL模型方面取得了突破，这启发了现在广泛流行的TensorFlow。
ArXiv和社交媒体已经成为宣传研究的主要真滴。这使得我们可以更快地迭代和构建其他研究人员的工作。(Hugo Larochelle, Google Brain)
如何在商业中应用这些进步?
ML总是受限于可使用的计算量。这些进步能够对现实世界的问题产生非常明显的影响，正如Ian Goodfellow说：
“2017年5月谷歌发布新一代TPU，这是一个大消息。新的谷歌TPU可以帮助缩小在DL实验中可利用的计算量和在生物神经系统中使用的计算量之间的差距。第一代TPU只对谷歌的工程师开放，而新一代TPU将对谷歌云的用户开放，并且研究人员可以申请免费获取。”
领先的AI使用案例，数据分析仍然是最大的场景，其次是销售，再到医疗
随着越来越多的公司（例如谷歌，亚马逊，微软）通过云平台在业务中使用人工智能模型，人工智能技术将持续被工业界和整个社会所接受。没有任何行业会被抛在后面，所有行业都被人工智能的进步所打破（Hugo Larochelle，Google Brain）。商业智能工具能够搜集、分析、转换和报告数据，从而提供有价值的洞察，并使企业将时间和金钱投入到正确的领域。那些努力与用户建立情感联系的公司将通过“有感情的AI”来提高客户满意度，毕竟，在现实生活中，人们的情商很糟糕，导致一系列无用的争端。当AI不受偏见影响的情况下接受训练，它能够提供比人类更合理的反应（Mikko Alasaarela，Inbot，2017年10月）
由于深度学习在数据准备、语音识别、文本理解、电脑游戏，网络安全等方面的应用，我们看到很多令人难以置信的结果。深度学习提供了人工智能历史上最大的性能飞跃（甚至可以说，计算机科学史），并使许多传统方法成为过去时。因此，在未来十年内，任何一个没有依赖深度学习的公司都将被抛在后面（Deep Instinct首席技术官Eli David）。
不仅科技公司能用AI，其他行业也将大量使用这种技术。以下是一些预测数据：
20%的商业内容将由AI生产。(Salesforce, 2017)
57%的用户期望2020年前，智能语音助手能在生活中发挥重要作用。(Salesforce, 2017)
鉴于亚马逊、Alphabet、IBM、微软在云计算的地位，下个十年之处，60%的AI 平台将被上述公司掌控。(IDC FutureScape, 2017)
2018年前，75%的开发者团队将把AI 运用在一个或多个商业应用或服务上。(IDC FutureScape, 2017)
2020年前，80%的客户服务将不需要人类介入。(Salesforce, 2017)
进程
关于AI“抢夺人类工作”的讨论很多，但这并不是第一次。在工业革命时期，机器使得工厂工人失业；互联网飞速发展，颠覆了各行各业。然而，这并不是行业的终点：工人学会了操作机器；记者利用互联网作为资源，而非阻碍。一个工作被摧毁了，无数的新机会被创造出来。 （福布斯，2017年）
Hugo Larochelle解释说，虽然我们无法确定AI和经济的未来， 历史上有一些旨在取代人类的技术发展的例子，但该行业的就业反而增长了。
对于一些高度依赖劳动力的行业来说，人工智能可能比人类更好。由于人工智能永远不会感到厌倦而且几乎不会犯错误，所以这将创造出研发机器的新职位。然而，需要更多人类智慧和情感的行业不可能完全被AI所改变。AI助手帮助人们节省了时间，也帮助我们做了更多聪明的工作。 （雅虎实验室研究科学家Miao Lu）。
人工智能现在远比之前更容易获得，即使对于计算机科学和人工智能领域以外的人也是如此，正如Hugo Larochelle所强调的那样，人工智能云平台提高了可访问性。对于高校来说，迎接人工智能的进步，停止只把它作为计算机科学研究生学习的一个狭窄的话题是非常重要的。
历史上，AI都是大公司在进行开发，因为要想从AI和ML中获得回报，需要大量的训练数据。
对于公司来说，获取这些数据意味着企业需要有一个既有的，成熟的产品，有很能吸引用户的地方，或者公司需要高额的财务支撑来购买交换的数据。今天，通过scale.api和亚马逊Mechanical Turk等平台将人类注释数据与成初创公司的需求相匹配，获取培训数据的成本大大降低。此外，许多平台即服务系统直接提供机器学习模型来输入数据集，如Amazon ML和Azure ML，可以帮助 AI / ML领域的创业公司启动。 （思科Vijay Ramakrishnan）
在GPU（和TPU）的帮助下，AI的计算能力变得非常之快，我们都知道，速度意味着生产力。生产力最终带来的是性能的改善。在速度之外，我们其性能的良好并且具有广泛的适用性。(Kimberly Powell, NVIDIA)
AI 能够让研究员聚焦于眼前的问题，而不需要花费大量的时间来创造新的工具解决新的问题。(Ian Goodfellow, Google Brain)
随着消费者在生活中需要更多的个性化和个性化定制，个人助理将迎合特定的品牌和需求，消费者将越来越期望迎合他们喜好的产品。(Kimberly Powell, NVIDIA）。企业不得不达到这样的期望，如果仅仅依靠人类劳动力，很快遇到天花板，增长将停滞。
考虑你的公司提供的服务和你目前遇到的挑战，无论他们是投资回报率，组织，效率，准确性，客户服务还是业务的其他方面。想一想AI可能产生的影响，不仅有你的日常活动，还有你公司的整体成功。
五年前，我曾和一个领导世界领先的计算机视觉小组的朋友交谈。在讨论深度学习时，他将其称为“另一种短暂的炒作”。今天，他的整个研究小组只关注深度学习，获得了惊人的突破，几乎没有使用过去几十年来其他任何传统图像处理方法。我认为，未来每一个行业的每一个领先企业在未来几年都会深深地依赖于深入的学习（否则就完全落伍了）。
虽然采纳AI的公司中，明显有力竞争者是“科技公司”，跨行业企业如果成功采用AI 技术，也可以看到以前使用的模型无法比拟的优势。由于需要大量标签化的数据，较小型的公司可能不敢投资长期的人工智能战略。许多企业无法拥有数据，但这并不是说建立一个成功的战略是不可能或不可取的。
目前从人工智能中受益的公司是那些已经拥有现有存档数据的公司，例如像互联网公司、获取增量数据成本较低的医院或企业。然而，收集训练数据或开发ML模型所需的时间正在减少。另外，Amazon AWS和Google Cloud ML等云基础架构服务减少了前期购买昂贵基础设施的需求，从而减少了中小型企业进入这一领域的障碍。 （思科Vijay Ramakrishnan）
业务优化
以前需要人工的任务，比如客户服务、数据管理、供应链管理和市场策略决策，都被预测将在未来5年由AI实现自动化（福布斯，2017）。很少有公司在这几个领域不依赖大量人力，但这样做开支巨大，因此使用AI模型是显而易见的。但是，引入技术很简单，但是优化提高效率让员工从好变到更好，需要靠优化（Ankur Handa，OpenAI）
在受访的200多家企业中，75%的表示将在接下来3年“积极部署”AI。全球接受调查的高管中，79%表示AI将让他们的工作变得更加简单高效。
健康医疗
在医疗领域AI的采用率正在上升，不仅仅帮助医生诊断，在新药发现和研究方面也有辅助作用。深度学习方法已经帮助分析师，在检测糖尿病眼睛疾病和癌症等特定场景下超越了人类医生。这些进展并不会取代人类医生和医疗专家，而是辅助他们让他们将更多时间用于攻克更棘手的问题，同时帮助降低错误率（Jasper Snoek，谷歌大脑）。例如，在美国，平均1万人有1名放射科医生，而在印度，就是平均10万人才有1名放射科医生。有了AI后，放射科医生将更加高效的工作，将精力集中在困难病例上（Kimberly Powell，英伟达）。Jasper Snoek预计，AI在心血管疾病领域也将得到应用，算法可以分析患者自己在家拍摄的EKG。
在医疗领域，DeepMind与NHS合作，开发机器学习系统识别眼盲症。Springer Nature报道，研究人员已经开发出“皮肤科医生水平”的皮肤癌分类神经网络。IBM Watson给出的医疗建议，99%的情况下与医生的建议相符合。
未来5年会发生什么？
Eli David，Deep Instinct：第一波最初的工作消失了，同时很多新的动作被创造出来，人类不再与AI竞争，而是与AI一同工作，完成如今完成不了的复杂工作
Raquel Urtasun，Uber ATG：因为有了AI，我认为未来会减少交通拥堵，出行不便的人更容易出行，城市绿化增加，公共交通的可用性也有所提高
Ankur Handa，OpenAI：我认为健康医疗、公共部门和政府因为AI而变得更加完善，这些都是影响人类生活重要决策制定的部门
Jasper Snoek，谷歌大脑：从离散数据源中新兴的技术和NLP将让我们能够分析医疗记录，发现症状，并预测医疗结果
Jorg Bornschien，DeepMind：在快速获取知识方面我们将见到很大的进展：少数据学习（few shot learning），在少数据学习中，生成器或判别器模型只需要从少数几个样本中泛化
Kimberly Powell，英伟达：更多企业将在他们自己的产业中部署AI，在业务中融入独特的用户体验。得益于AI的普及，各行各业的人都将用AI进行创新。
5年以后呢？
Eli David，DeepMind：真正的智能（人类及其他动物）研究有很强的证据表明，大脑里神经元的数量与智能程度呈正相关。这对人工神经网络也一样，尽管有人可能说，当前最先进的深度学习模型与上世纪90年代的神经网络非常类似，但两者的主要区别是网络中连接（synapses）的数量现在增长了100万倍。
由此我预测，在接下来的几十年，深度学习模型的大小将呈指数级增长，我们将找到越来越好的神经网络架构和参数，达到甚至超越人类水平。我认为这将在我们大多数人的有生之年实现。
缩写词：
AI
如果未来面试官是机器人，你该如何表现才能过关？
编者按：Krista Jones最近在Venturebeat发表了一篇文章，题为How to charm the bots in charge of hiring for your dream job，介绍了一下现在求职过程中AI的使用情况，并向求职者给出了一些建议。
人工智能正在迅速改变着医疗等行业，也可以真的帮助人们更好地生活，但希望与担忧同在，很多人担心AI会取代人类的工作。同时，商业届的现有AI平台加快处理进程的速度要比取代进程的节奏快很多。现在我们无法说出AI到底会有怎样的影响，世界经济论坛近期的一份报告预测自动化到2022年至少会取代5百万份工作。现在唯一清楚的是：未来人们的工作方式和公司看待员工的方式都在被AI改变。
除了一些重复性劳动，我们研发的AI技术在一些岗位中，可以让人和科技一同工作，比如招聘和人力资源。其实，数以百万的招聘人员正在用AI或Ideal这样的机器学习公司来扫描数千份简历和领英页面，以精确地挑选相关候选人。所以，如果你没收到面试电话，可能就是因为AI把你从可能的人才池中筛了出去。一个平台可能让你和理想工作擦身而过，而另一个平台可能会让你避开职业雷区。
要注意的是AI在人力资源领域内的用处早已超出挑选候选人这一件事了。Plum等AI平台会基于就业前针对某种行为的筛选问题，将候选人与公司匹配到一起。在招聘初期，它们可以完全不需要简历，只需要名字、教育和工作经历。它们对成功原因和成就的关注度是一样多的。同时，Knockri用视频来检验未来的雇员。这项技术通过视频回应评估了应征人的口头和非口头交流技巧。与传统的视频面试平台不同，AI工具保证了在筛选过程中，姓名、性别、种族、甚至是口音都不会影响结果。
未来，求职者必须要与AI一同找到合适的岗位，并与潜在的雇主一起迈出找工作的第一步。对想转行、找到更具挑战性的工作、或想让工资稳定的人来说，这种双向现实也带来了新的挑战。为了赶上这个节奏，以下是一些如何更好总结职业经验的建议，以让你更好地面对强大但没有心跳的简历阅读者。
挖掘你的创造性
如果你想进入一家用AI技术辅佐人力资源工作的新公司，你需要放弃简历设计的技巧。招聘者利用过滤软件寻找特定词汇来匹配岗位需求这件事已经见怪不怪了。太泛泛而谈和太新颖的简历会被机器忽略。
是的，创造性是有利的，但是要谨慎考虑。比如，若你是一个软件工程师，你可以在编程测试中发挥创造性，用简单独特的方式解决复杂问题。或者，若你是一个平面设计师，布局、调色和字体都是展现你风格和品位的重要指标。最后，求职者应该展示他们价值主张的独特方面，来突出自己。
学会和聊天机器人聊天
聊天机器人是招聘频繁的公司的第一道屏障。雇主经常会使用Karen.ai等服务来将应聘者分类。用一份简历投递多个职位的日子已经一去不复返了。在和聊天机器人主导的面试中和传统的求职信上，应聘者必须通过展示自身性格和总体职业路径，强调自己和所应聘的岗位之间的相关性。聊天机器人会通过与应聘者整个线上讨论的过程来进行评估。因此，应聘者在和聊天机器人聊天时要注意专业和聊天礼仪，以更有可能进入招聘的下一环节。
拥抱共同的职业未来
我认为AI辅助的招聘过程所创造的求职环境会保持下去。企业会更多地使用AI软件来将应聘者分类。这就意味着，应聘者需要直白清楚地写出自己的背景，用通俗地写出自己相关的工作经历。求职者在找工作的时候应做好准备，了解到AI也会像人类一样去了解他们，而不是仅仅列出自己的成就。最后，在面对拥挤的市场和越来越高的招聘要求时，求职者一定要知道如何让简历和申请表符合这些系统。
原文地址：https://venturebeat.com/2017/11/20/how-to-charm-the-bots-in-charge-of-hiring-for-your-dream-job/
编译组出品。编辑：郝鹏程
本文翻译自 venturebeat.com，原文链接。如若转载请注明出处。
AI
「高木学习」获千万级人民币Pre-A轮融资，AI智能学习平台如何验证市场效果
高木学习已于今年下半年获得千万级Pre-A轮融资。本轮融资由松禾资本领投，国内某民营教育机构、图灵人工智能投资、厚德基金跟投。
高木学习成立于2015年，是基于AI的K12个性化学习平台，目前已服务近300家教育机构、约20万中学生。
高木学习平台AI Tutor的理念是个性化学习。它的智能算法首先建立在教师经验总结的基础上，再通过采集、学习学生行为数据不断演进。就像一位人类教师从教学实践中不断积累教学经验一样，使用机器学习算法的AI Tutor也会越来越“聪明”。当学生在平台上训练时，AI Tutor可自动分析学生的学习行为数据来确定其知识能力边界，从而规划个性化的训练路径。
高木学习平台的一大特点是将学习心理学应用到个性化学习算法中，这样做的效果是，算法会根据学生的学习状态适时调整学习内容、节奏和难易度。学生完成练习后，平台会给出实时反馈，将学生取得的进步、成就进行可视化展示，从而增加学生的正面感受、激发学生学习的动力。
高木学习平台的另一个特点是，提分效果明显。个性化学习的理念在90年代就兴起，但迟迟没有普及，主要是效果无法保障。为此，在产品研发出来后，高木学习做了一项试验，它在多个省份、不同中学中选取65个班级，共计3000名学生来使用高木学习平台。结果表明，90%的学生年级排名平均进步约100名。刘瞻透露，这里面有些年级只有三四百人，所以，“进步100名并不是一件简单的事”。
在效果明显的前提下，今年，高木学习也得以快速商业化。
高木学习的主要盈利模式类似于SaaS，以向公立学校和培训机构销售产品获得营收，其中，公立学校客户数占比80%。
值得注意的是，一般面向 B 端尤其是公立学校的产品，容易遇到变现天花板、用户数爆发不如C端等问题。对此，刘瞻回应，目前高木学习面向的群体是初中生，他们面临着升学的压力，在时间、心理上都被限制在学校日程中，因此，要想获客就得先接上学校。而先进入学校也有一个好处：进入学校能让更多的使用者来为平台增加学习行为数据，从而为机器学习提供必要的材料。
随着产品和品牌的成熟，高木学习逐渐在学校之外拓宽市场。今年暑假，高木学习联合卓越教育等培训机构推出了AI双师辅导班，以构建常态化使用场景，完善服务闭环。这些班级在原来教师授课的基础上，加入“AI老师”课时，替代25%的教师课时。此举为教师减轻了工作量，同时也提升了学习效果。据刘瞻介绍，AI双师班的续班率高达90%，为培训机构增加了约30%的利润，高木学习收取10%-15%的分成。
本轮融资后，高木学习准备将业务扩展至不同年级、科目和一些职业考试。目前，高木学习已在着手研发初中物理和化学，此后还将推出面向小学和大学的个性化学习产品。刘瞻透露，开发面向小学生的课程后，高木学习可更灵活地开展2C业务。“小学生升学压力比较小，课外时间充裕，我们可以灵活地对C端推广产品。”
据悉，高木学习的产品研发人员占团队的75%左右，核心成员曾供职于巴克莱投行、帝国理工数据科学研究院、国安数据挖掘实验室、复旦大学心理学系等。
来源：36氪，作者：黄雪姣。转载或内容合作请点击转载说明，违规转载法律必究。
AI
AI进军招聘业，要如何应对求职中diss你的招聘机器人？
编者按：本文来自网易科技，编译：网易见外编译机器人。
随着人工智能（AI）技术的迅速发展，医疗保健、虚拟助理等行业也逐渐被改变，人们对AI取代人类角色的担忧也日益加剧。与此同时，在当今的商业世界中，部署AI平台的速度要比取代它们的速度更快。
虽然我们还没有确定AI技术的确切影响，但世界经济论坛最近发布的一份报告估计，到2022年，自动化将取代至少500万个工作岗位。今天有一件事是清楚的：AI正在推动人们的工作方式以及企业对未来员工的看法发生根本性改变。
除了承担重复性的任务外，我们还开发了许多有AI支持、与人类进行数字交流的技术，比如招聘和人力资源等。事实上，数以百万计的招聘人员目前都在使用像Ideal这样的AI和机器学习公司的技术，来扫描数以千计的简历和LinkedIn页面，以便精确地挑选出相关的求职者。
因此，如果你没有接到回电，那可能是因为AI将你排除在潜在的招聘范围之外。虽然一个平台可能会否定你在理想职位上的资格，但另一个平台可能会让你远离职业生涯的失误。
值得注意的是，AI在人力资源领域的效用远远不止于选择正确的求职者。由AI驱动的平台，如Plum，可以将求职者与公司的招聘职位进行匹配，目的是为了确定行为契合度。实际上，他们通过在招聘阶段记录的名字、教育和经验，完全消除了对简历的需要。他们会更多关注于你为何取得如此大的成功，并从你所取得的成就中寻找线索。
与此同时，Knockri使用视频来筛选潜在员工。这项技术通过视频回复来衡量求职者的口头和非语言沟通能力。与传统的视频面试平台不同，AI工具可以确保名字、性别、种族、甚至是口音都不会成为影响因素，从而帮助公司在短时间内找到最理想的求职者。
将来，求职者必须与AI系统合作，才能找到潜在的雇主和合适的职位。这一双重现实给那些想要换工作的人、找份更有挑战性工作的人或者仅仅是想要获得稳定收入的人带来了全新的挑战。为了跟上技术进步的速度，这里有些建议，以便帮助人类求职者获得那些没有心跳的机器都为之赞叹的简历。
1. 发挥你的创造力
如果你想要进入一家人力资源部门使用AI技术的新公司，不幸的是，你需要把简历设计技能留在家里。对于招聘人员来说，使用过滤软件寻找符合实际招聘信息的关键词是很正常的。那些看起来太普通或超出范围的简历会被机器人自动过滤。
是的，创造力可能是个优势，但它需要被考虑到。例如，如果你是一名软件工程师，你可以在编码测试中表达创造力，以展示一种独特而简单的解决复杂问题的方法。或者，如果你是一名平面设计师，那么在展示你的作品集时，布局、色彩搭配和字体选择是你的风格和能力的重要指标。最终，求职者应该以独特的视角来看待自己的价值，以便在竞争中脱颖而出。
2. 学会与机器人聊天
对于大多数拥有大规模招聘工作的公司来说，聊天机器人是他们的第一道防线。雇主通常会使用像Karen.ai这样的服务来筛选求职者。投递相同简历到多个职位的日子已经正式结束了。在由聊天机器人引导的面试过程中，以及传统的求职信中，如今的求职者必须将他们申请的特定职位的重要性放在优先考虑的位置上，而不是展示他们的个性或一般的职业轨迹。聊天机器人在整个在线讨论过程中对求职者进行评估。因此，他们需要以专业的方式与聊天机器人沟通，以获得更高的晋升机会。
3. 参与实习项目
企业实习现在已经成为大学教育的重要内容。但想象一下，你自己的项目可以让你测试潜在雇主，而不是反过来。绕过传统的雇佣策略是未来的方式，像Riipen这样的创业公司可以帮助学生避免痛苦的求职过程。该公司通过实习配对程序帮助学生获得最佳体验。AI正在幕后工作，让这个全新的人才精选通道成为现实。
4. 拥抱未来的职业生涯
我认为，向AI招聘的转变创造了一个就业搜索环境，而这种环境将会持续下去。企业将越来越多地使用基于AI的软件来对求职者进行分类。这意味着求职者需要用直白的语言来描述他们的背景，使用通用的语言来展示相关的工作经历。申请者还应准备进入招聘程序，让AI试图将他们理解为“人”，而不是作为一份成就清单。最终，对于需要面对拥挤就业市场和不断变化就业要求的求职者来说，了解如何为这些系统提供简历将变得势在必行。
AI
拥抱你的AI新同事，虽然最后你可能被抛弃——欢迎来到AI协同工作纪元
编者按：我们已经站在人工智能时代的前沿。大部分人对此趋之若鹜，少数人高喊着警惕的口号，被视为杞人忧天的傻子。人工智能的浪潮正不可避免的袭来，它到底是怪兽还是福音？
恐怕事实上，它两者都是。日前Wired发布文章，深刻的揭露了人工智能从提高人类生产力到淘汰人类生产力的过程，可以说是一篇警世恒言。编者在不改变原意的情况下为您做如下编译：
去年秋天，谷歌翻译推出了一个崭新的、改进过的人工智能翻译引擎，声称它与人工翻译有时“几乎难以区分”。 Jost Zetzsche对此只能翻白眼。 这位德国人已经在翻译领域工作了20年，他一次又一次地听说他的行业将受到自动化进步的威胁。 每一次他都发现是夸大其词的炒作，Google翻译也不例外。他认为，这当然不是翻译的关键。
但是这次的结果出乎意料的好。谷歌在2016年花费了更多的时间改造其翻译工具，以人工智能为动力，并且通过这种方法，它创造了一些无比强大的东西。谷歌翻译一度以出产呆板但是尚说得过去的翻译而闻名，现在开始生产流畅而高度精确的散文。对于未经训练的人来看，它的这种输出与人类翻译几乎没有区别。一个1.5万字的纽约时报的故事称之为“AI的伟大觉醒”。引擎很快开始学习新的技巧，弄清楚如何翻译它以前没有遇到的语言：一旦它处理过英语对日语以及英语对韩语的翻译，它就可以弄清楚怎么处理韩语对日语的翻译。在上个月的Pixel 2发布会上，谷歌引入了它所承诺的无线耳机，可以实时翻译40种语言，将它雄心勃勃的议程进一步推向了前进的轨道，
自从IBM于1954年首次推出机器翻译系统以来，完美机器翻译的理念就抓住了程序员和公众的想象力。科幻小说家们抓住了这个想法，创造了大量这样的乌托邦幻想，从《星际迷航》的“宇宙通用译者”到《银河系漫游指南》中的巴比鱼。人工翻译的水准——翻译流利的散文并能够捕捉源文本中包含的人文意义，这是机器学习的圣杯：如果被实现，就意味着机器已经达到人的智能水平。谷歌在神经机器翻译领域的进步意味着圣杯在触手可及之处——随之而来的是人工劳动的过时。
由于翻译长期以来一直处于人工智能引发工作恐慌的第一线，因此人们并不很担心。有些人甚至很高兴。 对那些抓住人工智能工具潜力的人来说，生产力随着工作的需求而急剧上升。
把他们想象成穿着白领在煤矿里挖煤的金丝雀吧。目前，他们还在唱歌。 随着深度学习的萌芽，许多行业正在认识到，人工智能确实能够完成曾经被认为是专属于人类的任务。与司机和仓库员工不同，知识型员工不会立即面临流离失所的危险。但是，随着人工智能成为他们工作流程的重要组成部分，他们的工作正在发生变化，而且不能保证今天有用的人工智能工具不会成为未来的威胁。 这给人们提供了一个选择：放下自我，拥抱你的新AI同事，或被抛弃。
我们并不是生活在AI的黄金年代，而是生活在AI提高生产力的黄金年代。姑且称它为第一阶段。人工智能现在已经足够强大，能够对无数复杂的任务进行可靠的第一次尝试，但它还没有强大到看起来能造成威胁的地步。对于需要密集思考的主观性工作，我们仍然需要人类。
各行各业都在进行劳动力转移。 “华盛顿邮报”的内部人工智能，赫利奥格拉夫，去年发表了850多篇文章，人类记者和编辑为其加入了一些分析和丰富的细节。在图形设计中，人工智能工具现在可以生成设计初稿，最后执行交给人类设计师。在电影和出版方面，新的工具有望在海量良莠不齐的稿堆中找到下一个大热项目，使编辑从无休止的提交队列中解脱出来。这些人工智能工具就像年轻的助手一样，他们很有能力并且多产，但仍然需要一个经验丰富的经理来完成智能型重任。当然，这位经理要与机器一起工作才能获得好处。
在位于亚利桑那州的公司律师事务所Fennemore Craig，律师们跳上人工智能列车，试用了一家名为ROSS Intelligence的创业公司的新技术。ROSS使用IBM Watson和专有算法的组合，以AI驱动，是LexisNexis（律商联讯数据库）等工具的继任者：它纵览梳理数百万页的判例法，并在备忘录中以草稿形式记录其发现。这个过程聘请律师可能需要4天的时间才能完成，ROSS只需要大约24小时。 ROSS不会因疲劳或倦怠而受到影响：可以日以继夜的连续工作，不会因之感到痛苦。
ROSS的写作能力虽然也还可以，但并不是其突出的特点。据Fennemore Craig的三年级学生布莱克·阿特金森（Blake Atkinson）的说法，其写作水平大约为一年级法律学生的水平。（该公司的合伙人安东尼·奥斯丁更为慷慨：他认为， ROSS与一些第一年或第二年的同事一样好）。该工具生成干净的备忘录，虽然没法和海明威（世界级著名作家）的水平比，但它提供了一个功能性初稿，写满了适用的判例法摘要，一些基本的分析和一个简明扼要的结论。然后，由一个人类的律师进行更深入的分析和语言组织，让文本可以让人愉快地阅读——至少是一个律师可以愉快的阅读。奥斯汀说：“这可以让我们做有趣而富有成果的事情。 “老天，我不关心1885年的蒸汽机，我真正想做的事情是写点有趣而吸引人的东东西，法官和对方律师一听就知道他，‘我完了’。”
最终，像ROSS这样的工具几乎肯定会减少在探索过程中对人类律师的需求。目前尚不清楚这将如何改变雇用初级律师的情况，因为他们的工作常常是在在旧的判例法上埋头苦干。但是深入的分析和重要的写作仍然远远超出了ROSS的能力范围。对于创业公司来说，成功的关键在于，律师们不会害怕ROSS——毕竟，谁想来培训他们的替代品呢？这就是为什么首席执行官安德鲁·阿鲁达（Andrew Arruda）认为ROSS是一个生产力工具，而不是一个AI律师。它让律师能够为更多的客户服务，专注于他们工作中有趣的部分。奥斯汀更简洁地说：在ROSS的帮助下，他说：“你就像一个摇滚明星一样酷。”
对于许多翻译人员来说，人工智能助长了超人的生产力并不是什么新鲜事。当Alessandro Cattelan在2003年开始他的翻译生涯时，他每天翻译大约2000字能挣大约175美元。他使用计算机辅助翻译工具，偶尔基于他以前翻译过的短语提供建议——但翻译是一个非常手动的过程。今天，与人工智能协同工作，现在翻译人员可以在一天内要获得相当数量的金钱（调整通货膨胀率）需要翻译八千到一万字，Cattelan说。这个过程被称为机器翻译后编辑（PEMT），首先让机器先翻译一遍，然后引入翻译人员来整理语言，检查不正确的解释术语，并确保语调，上下文，翻译的文化暗示，这些都是重点。
Cattelan是Translated公司的运营副总裁，该公司发展基于AI的翻译工具。他说：“你必须弄清楚你的工作中的哪些部分可以被机器所替代，以及你作为一个人能够带来什么价值。”。由于Translated在4月份开始向其编辑翻译人员提供神经网络机器翻译，它的生产力显着提高，特别是德语和俄语等语言，过去由于其复杂的语法总需要额外的调整。
PEMT并不新鲜——至少在20世纪80年代以来，这一领域一直在不断发展。但随着神经网络机器翻译的出现，它正在被广泛采用。根据市场研究公司Common Sense Advisory的数据，未来几年，后期编辑的需求预计将比其他语言行业的增长速度更快，企业翻译在接下来的几年里可能会实现两位数的增长。Common Sense Advisory警告说，“即使语言行业以史无前例的速度增加新的翻译人员，目前的方法也不可能跟上这种增长水平”。有人认为，与机器翻译协同工作已经成为必须：根据机器翻译平台Lilt首席执行官Spence Green说，“机器翻译”现在是一个需求，而对于资历较老的翻译人员，他们甚至不需要使用翻译记忆软件。”
总部位于悉尼的翻译公司夏洛特·布拉斯勒（Charlotte Brasler）表示，在过去的一年里，机器翻译工具变得非常好用，如果不是使用这些工具会破坏保密协议（这是一个常见的障碍），她会欢迎这些工具。与能力很强的AI一起工作让她能够承担更多的项目，并腾出时间处理多有创造性的文本，而这些文件机器通常无法翻译出来。
但是，这一点也在发生变化：Brasler说，在过去的一年里，由于神经网络的加入，谷歌翻译在处理销售和营销材料方面表现出色，对这些材料的翻译涉及丰富多彩的语言和习语。当然，引擎并不是诗人，但是在人们长久以来认为机器不可能征服的领域，它正在迅速改善。对于那些用艺术来定义自己的劳动者来说，这是很难接受的。
技术的飞跃总是超出我们的承受范围。有人无法忍受与机器合作的想法，有人宁愿埋头于概念性学术期刊，假装没有任何变化发生。对于这些人来说，人工智能突飞猛进的增长是一场生存危机。当然，电脑可以筛选数据，甚至可以拼凑一个基本的句子——但它能写散文能让你流泪吗？它能分析一个成语的细微差别，或者发现下一个畅销小说家，或者说服最高法院的司法系统、改变他们的想法吗？
还没有，但机器可以帮助你到达那里。一些最具创意的行业开始尝试人工智能，他们遇到了一些挫折。今年四月，当“黑名单”（一个连接剧作人与制片方的网络）宣布将与一家名为ScriptBook的人工智能公司合作评估剧本，作家们群起抵抗。 Billions的执行制片人Brian Koppelman称这种工具“很冒犯人，粗暴武断”。黑名单迅速取消了与ScriptBook的合作关系，原本ScriptBook负责扫描角色分析，人口统计和票房成功的等脚本。虽然ScriptBook这家初创公司已经与两家主要的电影制片厂成功合作，但它的首席执行官Nadira Azermai表示，大多数电影制作人还没有能够克服对这个工具的恐惧。
“几年前，人们认为谈到创意时人类是安全的，因为人工智能不能像人类一样具有创造性，或者不如人类那么特别。但这不是真的，“阿塞迈说。当业内人士指责她创造一个工具来窃取工作时，她告诉他们，他们的工作确实受到威胁，但不是AI。相反，她对反对者说：“你的工作会输给那些知道如何与机器合作的人。如果你坚决的把头转向另一个方向，假装它不存在，你将会失去工作。”
一个类似的工具是StoryFit，其产品包括票房预测评分，剧本结构和风格分析以及故事情感组成阅读。正如TJ Barrack所解释的那样，他的工作室Adaptive Studios决不会仅仅因为在StoryFit报告中看到的东西而通过一个脚本——但是他的团队可能会考虑如何根据它了解到的东西来演变脚本。 Barrack说：“如果这显示我们可能因为某些东西在市场上出现问题，那么我们是否有办法可以改善这个故事？ “我们或许可以调整一些情节点？我们可以在这里或那里添加更多的情感？”
人们刚刚开始摆脱人工智能的炒作，开始专注于AI驱动工具如何帮助他们的工作。 StoryFit首席执行官莫妮卡·兰德斯（Monica Landers）表示，她最近开始对自己公司的产品感到担忧。但她仍然要谨慎行事。当我问她公司的下一步行动时，她犹豫不决地回答：“如果我们谈论得太超前，还是会让人紧张。”她说。
毋庸置疑的是：如果我们放弃作为人的特质也就是创造力和直觉，我们就要先彻底重新思考人的意义是什么。这两种技能都暗示着某种不可知的想象力或第六感。但事实上，机器已经非常具有创造性，产生了令人惊讶的创新艺术作品：他们正在拍照，写音乐，创造超现实主义的艺术作品。因为他们开始与人类的经验深深共鸣，我们才需要担心。
华盛顿大学计算机科学教授，《The Master Algorithm》一书的作者佩德罗·多明戈斯（Pedro Domingos）说：“机器可以富有创造性，而且它们确实富有创造性。与此同时，直觉是一个更为棘手的问题：它需要更深入地了解人们如何思考以及世界如何运作。 Tech的最佳工程师们还没有想出如何用直觉装备AI;只要这种情况仍然存在，人类将在工作中继续占上风。律师需要了解她的目标读者以及他们可能拥有的所有偏见或倾向;译者需要对他所翻译的两种文化有一个细致入微的理解。多明戈斯说：“一旦这些任务中映射到现实世界，就是机器落后的地方，人们确实有优势——至少在可预见的将来。”
与我们的AI同事合作，使工作看起来变成了可疑的乌托邦。机器接管了那些吃力不讨好的工作，它们一直太过复杂难以自动化，直到最近。人类可以沉浸在工作中最有创意和价值的方面。但是，这是我们之前看到的一种模式——一种可能最终破灭的热潮。
当自动取款机在20世纪60年代后期首次推出时，很多人都惊讶地看到美国的银行出纳员人数增加了一倍，并保持了数十年的增长。为了摆脱现金的沉重任务，出纳员可以把注意力转向帮助客户解决账户问题或发放出纳员支票；结果，他们变得更有生产力。但是，经过这样的增长之后，银行出纳员的数量现在正在下降，这要归功于贝宝，智能手机银行等技术的累积效应，以及现金需求的下降。一段时间之后，技术终于从福音走向了“怪物”。对麻省理工学院“数字经济倡议”的联合主管安德鲁·迈克菲来说，银行出纳员的传奇故事是一个警醒寓言。他说：“技术可能在一段时间内增加了工作，创造了就业机会，那那并不意味着它将一直这样做。”“我们以前看过这种情况。”
但是目前，翻译人员，律师，医生，记者和文学代理人的工作是安全的。有人甚至会说他们的工作比以往任何时候都好。但我们现在发现自己处于一个奇怪的位置。我们不得不承认，人工智能正在迅速掌握我们以往视为机器禁区的任务。我们必须认识到，拥抱AI正在迅速成为在许多领域取得成功的先决条件。我们必须欢迎这些新的AI同事，在他们犯错的时候纠正他们——并且心里知道在某个时候，等我们教的足够多了，他们会一步步往上爬。
来源：雷锋网(公众号：雷锋网) 译 via Wired
原文链接：https://www.leiphone.com/news/201711/2SgoPa2ZUSFCWUiW.html
AI
AI+招聘的第一站，也许是为共享经济提供员工背景审查
在人工智能产业结合的诸多可能性当中，人工智能+招聘服务很可能是最复杂的。毕竟这东西涉及最复杂的资源：人。
人才资源的资质、证书、业绩、履历加在一起，可能组成一个极为复杂的迷宫。而且很多时候招聘之间的感觉和判断非常微妙，需要依靠HR经验与思考的地方非常多。用AI替代人类，绝对个任重道远的工程。
但另一方面，人力资源流通中又涉及非常多的数据和模型，似乎又是非常适合AI发挥效力的领域。在美国市场中，AI+人力服务项目已经成为大风口。
可是我天朝自有国情在。尤其是互联网招聘这件事在我国是极富特色的，貌似欧美这个领域的AI项目很难贴合中国需求。
那么有没有一些垂直场景，可以让我们快速移植欧美的商业模式，来解决中国的人力资源市场痛点呢？
好像也有，比如说，给共享经济做员工身份调查。
洋和尚的经：英国身份认证公司如何撬动AI
几个月前，3个牛津大学毕业生在英国创立的身份认证公司 Onfido，刚刚完成了 3000 万美元 C 轮融资。
这家创立了5年的公司，如今已经被各种人工智能研究报告认定为英国在身份认证、员工背景调查方面使用AI技术的典型案例。
员工背景调查，是欧美企业公司招聘员工时必经的一道程序。目的包括了解应聘者的信用卡状态、犯罪记录、教育履历、工作经历、社会保险状态、是否涉嫌恐怖主义活动、是否位于全球监控名单等方方面面的内容。而公司自己去验证雇员提供的文件与证件真伪，调查雇员背景显然是非常艰难的一件事，所以很多公司聘请第三方机构来完成员工背景调查。目前员工背景调查领域的最大市场和最大服务商都集中在美国。
但是传统的员工背景调查服务，是通过第三方人员去逐层核查员工提供的资料真伪，以及对比各种数据库资料。一般来说，每次员工背景调查要消耗企业150美元以上的成本，并且耗时达到10到15天。不仅成本高效率低，传统背景调查公司提供服务的界限还有区域限制，不能满足跨国公司的需求。
为了解决传统背景调查与身份认证服务中的痛点，Onfido尝试将人工智能引入服务体系中。但说实话，他们的人工智能解决方案在逻辑上并不复杂。只是在关键位置用人工智能简化了流程，从而获得了成本压缩与效率提高。
具体来说，Onfido所提供服务在三处运用了AI能力。首先是用人工智能技术来提升不同数据库之间数据对比与认证的效率，节省了人工验证的重重步骤。第二是利用机器学习技术打造了护照等证件的验证技术，只需要通过手机或者摄像头拍下照片，系统就会自动识别真伪，并与数据库对比发现失窃证件与篡改证件。通过对更多伪造证件方式与特征的学习，这个系统会逐步提升认知能力。第三就是利用AI人脸识别技术来快速匹配证件和真人，避免盗用他人证件。
通过机器学习平台带来的快速身份检查能力，Onfido已经可以将初步员工身份认证时间降低到几秒。并且通过逐步增强对欺诈模式的学习，系统还将适应越来越复杂的信息伪造情况。
目前，Onfido的服务对象已经从企业招聘延伸到了银行场景、客户调查和金融服务当中。但平台最主要的服务对象，就是如今在全世界范围内越来越兴旺的共享经济。
AI代劳：共享经济平台招聘时的痛点
无论是网约车、外卖、O2O服务平台，在招聘雇员时都有相同且显著的痛点：必须大量反复招聘持有相关资质的员工。
由于共享经济走的就是海量路线，比拼服务覆盖范围。因此平台对于需要仔细考量的高精尖人才需求量并不大，但对普通的司机、外卖员、家政服务人员招聘需求却是非常巨大的。尤其在平台极速扩张时期，可能经常需要多地协同，甚至跨国大量招聘。这让平台在核准员工资质、考察员工素质方面面临着极大的工作难度。
这点在我国的共享经济领域表现非常明显。外卖、网约车、快递三大业务的快速爆发，给全国各地增添了大量工作岗位。并且中国并不是一个缺少劳动力的地方，这些领域招人的整体难度并不大。
但面临的困难是，快速扩张往往让平台检验职业资格时力不从心。比如如何把交通肇事历史的司机拒绝在网约车门外？如何不让某些疾病携带者成为外卖配送人员？如何避免逃犯、躲债人员混迹在共享经济系统中？始终都是共享经济悬而未决的问题。
而这些问题的根本原因，就是在于人工逐个数据库核对与证件验证的成本太高，在大城市还好，在二三线城市以及乡镇地区平台就很难负担得起人力与时间成本。
而引入AI系统来智能识别证件、核对信息可能是一个非常不错的解决方式。一个连接大量数据库，并能够不断提升伪造证件与资历辨识度的AI系统，一方面可以解决地方城市与乡镇缺少审查、筛选员工机制的问题，同时还可以降低大城市共享经济类平台的审查成本，满足共享经济企业扩张期大量反复招聘的特殊需求，甚至完成全球化招聘与人力管理带来便利。
当然，这种商业模式想要移植到中国来，最重要的是要满足独特的市场需求，拿出适应中国独特人资环境的技术解决方案。
中英间不同的市场与技术需求
近两年以来，Onfido以每月环比增长40%的速度在英国与欧洲市场成长，并开始在美国挑战传统巨头的市场垄断地位，凭借的并不是有多么黑科技、多么复杂的技术。恰恰相反，他们的商业支撑点在于使用了并不复杂的技术，组成了一个很容易看到效果，并可以快速扩张的平台模式。
这恰恰是很多国外AI项目引进时的问题：我们当然喜欢那些科技含量极高的东西，但复杂往往意味着高昂的迁移成本，简单直接说不定更有效。
但即使简单的迁移，在中国也将面临完全不同的市场状况。这对于AI创业者来说尤为重要。以员工背景调查为例，与英国和美国相比，中国有更强大的共享经济风口和人员认证需求。同样也有从单一服务项目向生态化展开的优势：比如从身份认证向着雇员评级、保险等增值业务发展。像网络招聘平台一样成为综合人力服务的入口。
但不那么美好的一方面，在于员工身份和背景认证，在中国没有很好的习惯性基础。大部分中小企业和地方企业不怎么在乎招聘中的这项环节，甚至简单走走过场了事。
虽然AI身份认证有可能解决共享经济平台的很多问题，但让平台型企业普遍接受这种商业服务的信任成本会很大。想要在中国打开这个缺口，必须尽可能的压缩服务成本，并且让共享经济平台意识到通过技术向消费者证明我们员工的高素质与专业性是必要的。
另一方面，在中国做此类服务需要面对着数据库建立不完善的尴尬。并且需要尽可能的与政府机关相关数据库合作，打通认证机制与公安、社保、医疗体系的良好合作通道。而这些在目前的中国人才服务市场中还基本属于空白。
此外，通过BOSS直聘和李文星的事件就可以看出，在中国伪造资质和信息造假的成本有多么低廉。这也给AI识别伪造证件与履历带来了巨大的阻碍。必须有对虚假数据、虚假履历、伪造证件中花样繁多的方式与方法更好的技术识别方式，尤其是通过大数据+机器视觉的来远程判断非电子文件的优质AI解决方案，才可能在虚假横行的中国互联网人才招聘市场立足。
不管怎么说，种种骇人听闻的事件应该已经让我们意识到共享经济平台把控员工素质的重要性。通过AI技术撬动这个需求，也已经在欧美市场被证实了有效性。相比令人眼花缭乱的各种能力，去伪存真，给社会增添信任，应该是AI能带给今天世界的第一价值。
AI
英文阅读：（人工智能与人力资源）AI and human understanding will win the war for talent
简单讲就是AI人工智能与人力资源是一个好的结合点，尤其是招聘面试的时候，AI可以更好的帮忙搜索简历，进行人才搜寻。
同时面试的时候可以用人工智能的聊天机器人与候选人进行基础的面试管理安排以及与面试官进行协作。这块国内专注面试管理服务的优面宝已经开始这方面的工作。在前期职位分析与人才匹配阶段国内很多招聘服务机构也开始了各种的AI机器人的工作。
一切都在路上！人工智能在人力资源上的机会刚刚开始！
One of the most well known tropes in startup and tech culture is that your business is only as good as the team behind it. You can’t do anything without having a strong team, and the most important job for every manager is to hire quality talent that fits into the preexisting team dynamics. The HR and recruiting industry has dedicated itself to finding the people who are right for your company, but the process of skimming resumes and calling in highly rated candidates for an interview hasn’t changed for the past decade or so.
However, the newest trend, AI, is infiltrating all industries. While it might be a very good thing, you shouldn’t put all your hiring eggs in that AI basket. The best solution combines the strengths of HR and AI.
AI in the hiring process
We’ve all been hearing (and reading) about how AI will completely take over our lives. We’ve also been frightened into thinking it will soon replace all of us. While the job of getting people jobs will not be replaced by AI anytime soon, the tech can offer major improvements to the process.
To find the right talent, you need to have the ability to scan resumes quickly, read people immediately, and imagine the future of the applicant sitting in front of you. While some of that work can be replaced by AI, currently we are nowhere near an AI that can read people and assess their fit within the culture of the workplace. But some of the processes for finding the right people to join your company — such as immediately asking for more information, screening, and highlighting special candidates — can be done more quickly and efficiently with AI.
The integration of AI is not just about saving the company time and resources. It also saves time and uncertainty for the candidate. Getting back to top talent to set up an interview a week from now is the best way to have them move on to the next opportunity. If you can provide instantaneous feedback on every application, you get a leg up over other companies looking to snag that candidate, instead of wasting their time and missing a hire.
Onboarding with chatbots
The optimal way to maximize efficiency is combining human and technological resources. A chatbot can onboard new candidates as quickly as possible, as opposed to a form that might never get filled out. If you build a real AI chat bot, you can give candidates real-time feedback on their applications and ask questions to gather information before any interview is scheduled. The bot can even automatically analyze the candidate’s resume and information while onboarding and give them real-time responses relevant to them, making sure that the right people get called in for an interview and that the interviewer has the right information before even asking the first question.
After the chatbot has done its job and flagged the relevant candidates according to your parameters, the human element kicks in. Hiring managers don’t have to read the whole resume, supporting documents, and answers to a questionnaire because AIs can create a personalized summary of documents. The AI behind the hiring process can create a five-bullet summary of everything that’s important to know about each candidate. It can even set up the interview on its own. This means even small companies where C-level executives do the hiring don’t waste time on pre-interview screening, and interviewers have concise information about each candidate before they walk in the room.
The interview is where the human intelligence and expertise shine. Things like a candidate’s cultural fit, connection, and ability to work with others, along with the hiring manager’s overall impression of a person, are vital. Humans can focus on what they do best and automate the rest.
The future of AI in recruiting
At the end of the day, hiring a person doesn’t just hinge on facts and figures, it depends on who they are. And that’s something AIs still can’t assess. But the process of going through those facts and figures to see if someone is qualified can certainly be automated by an intelligent bot. The value is increased by the fact that you can onboard and convert candidates quickly, meaning top talent will be more likely to work for you and you’ll take less time filling important positions at your company. The combination of AI and human understanding is what hiring managers need to win the war on talent — and save a few dollars, as well as time.
Moritz Kothe is the chief executive officer of kununu, a place to find and share workplace insights.
AI
AI与云端HR的强强结合能颠覆整个人才管理系统?
随着越来越多的公司将其人力资本管理（HCM）系统与数据迁移到云中，他们不再只是满足于获得经济效益，并实现实时的数据访问。如今，他们希望自身的云端HCM可以与AI进行结合，以实现实时决策、提升客户服务和改善员工体验。
收益？那些能够有效结合AI和云端HCM的人可能会发现自己将具有明显的竞争优势。
在最近Oracle于旧金山召开的OpenWorld的大会上，IBM全球人才与参与业务服务伙伴Duke Daehling告诉与会者，大部分的未来公司将以人才为中心，并以AI为动力。Daehling强调，如果公司想要跟上业务、技术以及工作模式的发展，那么这是他们的唯一选择。
“我们正在进入一个新时代，”Daehling说道。“事物的变化从来未向如今这样快，而且还会更快。”
AI驱动的人才管理的四大优势
Daehling表示，未来以人才为中心并通过AI赋能的公司将在四个关键领域享受优势：
1、公司将能够对员工工作内容与方式进行重新成像，以便解决相应的时间管理，据Daehling所述，管理者所花费的时间中有大约60%都浪费在了与他们无关的任务上;
2、公司可以通过使用实时数据以实现员工和业务表现的预测，并将由此生成的洞察与见解交与决策者，从而实现客观的决策;
3、公司可以用数据来对他们的人才战略进行验证，以对招聘工作进行更好的定位，从而可以引进最优秀的员工;
4、借助云端HCM和AI赋能，公司能够为员工带来更多“以人为本”的体验。比如，如果公司了解到消费者在学习中更有可能进行产品消费，那么为什么他们不把同样的想法带入招聘过程中？
Daehling曾参与到Hilton集团与陆路货运公司YRC Worldwide的高管会议中。 IBM与这两家公司均分享了他们利用AI与云端HCM系统组合的方法以及期望的目标。
例如，Hilton集团正在开发一套全球人力资源和人才获取系统，该系统运行于Oracle的HCM Cloud，并将于今年晚些时候为Hilton在美国、英国和爱尔兰的1000多处酒店招聘到8万名员工。Hilton数字人力资源与战略规划副总裁Kellie Romack说道，这套全新的系统正在取代公司长期依赖的PeopleSoft本地部署系统。新系统将通过AI功能帮助公司对每年超过7万个职位的申请人建立进行整理与归档。
实际上，这会对员工造成大量的困扰，招聘人员往往需要花费大量时间来寻找与筛查出候选人，比如一份调查所示，52%的受访者认为招聘工作中最难的部分就是从大量的申请人中选出一份候选人名单。此外，Hilton还希望AI能够解放其呼叫中心的员工，让他们不必再去回答客户重复性的问题，从而他们可以专注于进行更复杂的查询支持服务。
同样，全球货运服务公司YRC也打算将AI的元素带入自己的云中。公司CIO Jason Ringgenberg说道，该公司将于今年上线Oracle的HCM和ERP系统，并计划于2018年增加工资和人才管理系统。
对于YRC来说，做出IT资源上云的决定是必要的，因为YRC自身的数据中心已经严重老化，而且为了实现链接前端应用和后端PeopleSoft系统，其IT人员在页面编写时花费了过多的时间。
而之后，当YRC完成了云部署后，公司还希望AI能够帮其实现两个人力资源相关的目标：员工留存和驾驶员安全。对于前者，Ringgenberg表示，YRC的管理层希望其云HCM系统能够降低员工流失。“你可以使用HCM云中的数据来预测司机会长时间留在这里的可能性吗？”Ringgenberg说道，这是公司希望AI可以帮助其HCM系统解决的一个问题。
同时，Ringgenberg还提到，利用AI数据分析可以帮助公司确定评估道路状况以确定是否需要更改运输时间表，从而保护驾驶员的安全。通过分析这些状况与条件，公司可以实时决定是否需要让卡车驶离道路或是让终端管理程序与驾驶员进行安全协议。这样公司可以减少与避免事故的发生，而更少的事故意味更好的潜在风险与问题。
一个内部的使用案例：IBM Watson
鉴于Hilton和YRC均希望建立其以人才为中心并通过AI赋能的HCM的系统以希望在未来的市场中继续成为行业主导，他们可以以IBM Watson作为系统内部使用的参照。
作为一家在172个国家拥有380000名员工的IT服务和软硬件供应商，IBM一直致力于在内部进行AI技术的使用。对此Daehling提到了几个例子，比如Watson中的IBM Job Finder,其旨在帮助求职者找到合适的职位；而IBM Watson Recruitment会帮助公司找出空缺的职位会对那些员工造成更大的影响；此外还有Myca(My Career Advisor,“我的职业顾问”)，该应用将帮助员工在内部进行工作的切换。
Daehling认为在商业世界中，用AI来改善工作体验可以有效缓解那些将AI视为纯粹邪恶的人的担忧。他说道，“我们不想把人变成机器人或去除人性。”“我们只想去预测员工与业务的表现，并希望在这个过程中获得竞争优势”。
当然，玩家不只是巨头公司
在AI与人力系统结合中，还有一个值得一提的公司，它便是“HR2.0”时代的佼佼者之一的SmartRecruiters。
2017年四月，SmartRecruiters在其人才获取套件中新加入了招聘AI功能。招聘AI使用人工智能技术来处理大量的招聘信息及数据，并对这些数据和信息进行解释以便招聘人员作出更好的决策。传统的ATS（申请人跟踪系统）用户体验感低并缺乏营销功能，这样使得公司的招聘效率严重低下，招聘人员往往需要花费大量时间来寻找与筛查出候选人。
而通过AI与机器学习的技术，招聘人员可以重新做回自己的“员工”的角色，因为系统可以自动的完成发现、筛选与候选人评分的工作。当招聘的过程不再费时费力时，招聘人员便可以回归他们的最本职的工作“为公司延揽最出色的人才。”这将极大地提升公司内部的多样性，并让公司和候选人都能找到心仪的对方。
同时，招聘AI还有望解决雇主的偏见问题。尽管通常是无意的，但是招聘人员总会具有一些偏见，而人工智能不会这样。招聘AI可以通过预测分析为特定工作的候选人提供公正的评估。
思考：未来属于巨头还是创业公司？
众所周知，由于数据与资金等原因的限制，对于AI的开发与应用通常还是集中于大型公司。如前文所述的Oracle与IBM这样的大体量的厂商以及Hilton和YRC这样大型的用户。但是相较于大型公司，小型的创业公司却往往具有较强的创新力与开拓力，而中小型的HCM系统用户同样也渴求着合适的人才。
在AI赋能上，很难说到底是大型公司还是中小型公司会带来更多的价值。二者各自具有自己的特点，但也有自己的缺陷。当然在这个有“一千种死法”的商业时代里，若想继续存活，在AI这种新技术领域中发力始终是一条不变的真理。
AI
得到谷歌青睐，AI人力资源科技创企EdGE Networks获450万美元A轮融资
编者按：自动化招聘和绩效考核是什么体验？
据外媒消息，人力资源科技初创公司EdGE Networks宣布获得了一笔450万美元的A轮融资，领投方为Kalaari Capital，另一家联合投资方为Ventureast。
记者了解到，EdGE Networks 公司利用人工智能、数据科学、数据分析、以及机器学习技术，开发了人才获取和劳动力管理的HR技术解决方案。该公司推出的解决方案可以自动开启招聘任务，自动寻找与匹配候选人，自动识别和判断，自动跟踪，自动评估和分析等，极大地提升了企业招聘效率。此外，其解决方案还能够更公平地进行绩效考核，由于取代了不少人为因素，使得评估更加方便和准确，差异性和工作量都得到大幅减少。今年五月，EdGE Networks 被谷歌选中参加在旧金山举办的2017 Launchpad Accelerator 创业加速项目。
本文作者：Joker
来源：鸵鸟创投媒体（微信：wechuangye）
扫一扫 加微信
hrtechchina
AI
AI
AI
AI
AI
AI
AI
AI
AI
AI
扫一扫 加微信
hrtechchina
