Not Found

趋势 - 数启智汇
分类
产品资讯 行业资讯

AI重构人才招聘,Insdeer助力消除偏见和提升效率


人才招聘过程中常常存在着各种偏见和误解,这不仅影响了企业的招聘效率,也限制了候选人的机会。然而,Insdeer作为国内首款完成场景验证且具有自主知识产权的人力资源大模型,近日向我们展示了其强大的AI能力帮助企业消除偏见,并提升招聘效率。

在传统招聘中,HR部门常常面临技术了解不足的问题。例如,HR可能不了解ES6开发人员与JavaScript的关系,导致将具备ES6开发技能的候选人错误地拒绝。类似的情况还有HR不熟悉HRSAAS系统,将具备ATS(Applicant Tracking System)经验的候选人排除在外。这些误解和偏见导致了人才的浪费和招聘效率的降低。

Part 1:Insdeer用AI消除职场偏见和障碍

自然语言需求输入:招聘需求的底层就是自然语言,理解自然需求是insdeer的首要能力

招聘需求的底层是自然语言,而传统招聘中将自然语言需求转为文字JD时,信息的放大和修改可能导致需求的变形和缺失。Insdeer支持自然语言需求输入,能够准确理解企业的招聘需求,提高需求的准确性和完整性。

能力描述和评估:准确描述和评估能力,减少专业能力缺失导致的招聘问题

Insdeer具备专业能力解释和总结的能力,能够将候选人的技术能力和经验以易于理解的方式呈现给HR,帮助他们更全面地评估候选人的潜力。这有助于减少因专业能力缺失导致的招聘问题。

客观评估候选人:客观地看待候选人的能力和潜力,消除歧视对招聘决策的影响

前公司、学历、身份、年龄歧视均是常见的招聘偏见之一。
许多HR面临某些候选人时,往往认为他们无法具备某些能力、无法适应加班、无法招聘成功等因素,从而将其排除在招聘范围之外。然而,这种偏见往往忽视了年龄丰富的候选人所积累的丰富经验和稳定性。Insdeer的智能化解决方案能够客观地评估候选人的能力和潜力,消除歧视对招聘决策的影响,实现公正招聘。

Part 2:Insdeer的智能化解决方案带来新的可能性

Insdeer的智能化解决方案为招聘场景带来了新的可能性,帮助HR部门消除技术了解不足和偏见,提高招聘效率和准确性。候选人也能够更公正地展示自己的能力和潜力,获得更多的机会。

未来,Insdeer将继续推动人才招聘领域的创新和发展,不断提升人力资源大模型的能力和智能化水平,为企业和求职者带来更多的价值和机遇。

关于Insdeer:

Insdeer是国内首批实现场景验证的人力资源大模型,拥有自主知识产权。团队致力于通过AI技术重构人才招聘,提供精准、高效的招聘解决方案。Insdeer的使命是帮助企业和求职者实现更好的匹配,共同实现人才与岗位的完美结合。

相关阅读:


分类
政策法规

YOU解读《生成式人工智能服务管理暂行办法》

近日,国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局公布《生成式人工智能服务管理暂行办法》(以下称《办法》),自2023年8月15日起施行。国家互联网信息办公室有关负责人表示,出台《办法》,旨在促进生成式人工智能健康发展和规范应用,维护国家安全和社会公共利益,保护公民、法人和其他组织的合法权益。

近年来,生成式人工智能技术快速发展,为经济社会发展带来新机遇的同时,也产生了传播虚假信息、侵害个人信息权益、数据安全和偏见歧视等问题,如何统筹生成式人工智能发展和安全引起各方关注。出台《办法》,既是促进生成式人工智能健康发展的重要要求,也是防范生成式人工智能服务风险的现实需要。

《办法》提出国家坚持发展和安全并重、促进创新和依法治理相结合的原则,采取有效措施鼓励生成式人工智能创新发展,对生成式人工智能服务实行包容审慎和分类分级监管,明确了提供和使用生成式人工智能服务总体要求。提出了促进生成式人工智能技术发展的具体措施,明确了训练数据处理活动和数据标注等要求。规定了生成式人工智能服务规范,明确生成式人工智能服务提供者应当采取有效措施防范未成年人用户过度依赖或者沉迷生成式人工智能服务,按照《互联网信息服务深度合成管理规定》对图片、视频等生成内容进行标识,发现违法内容应当及时采取处置措施等。此外,还规定了安全评估、算法备案、投诉举报等制度,明确了法律责任。

国家互联网信息办公室有关负责人指出,生成式人工智能服务的发展与治理需要政府、企业、社会、网民等多方参与,共同促进生成式人工智能健康发展,让生成式人工智能技术更好地造福人民。

专家解读|推动生成式人工智能精细化治理

当前,生成式人工智能正在加速发展,不断催生新场景、新业态、新模式和新市场,赋能千行百业。与此同时,其暴露出的安全风险也引发了各国监管部门的广泛关注,意大利、德国、法国、西班牙等多个国家的数据保护监管机构对ChatGPT表达担忧或发起调查。近日,国家网信办联合国家有关部门公布了《生成式人工智能服务管理暂行办法》(以下简称《办法》)。《办法》是我国促进生成式人工智能健康发展和规范应用的专门立法,界定了生成式人工智能技术的基本概念,规定了生成式人工智能服务提供者的制度要求,为生成式人工智能的健康发展指明了方向。

一、促进发展,鼓励生成式人工智能研发创新

新一代人工智能是推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。习近平总书记高度重视人工智能技术发展,指出要加快新能源、人工智能、生物制造、绿色低碳、量子计算等前沿技术研发和应用推广。中共中央政治局4月28日召开会议强调,“要重视通用人工智能发展,营造创新生态,重视防范风险”。

《办法》立足于促进生成式人工智能健康发展和规范应用,在总则中明确了国家坚持发展和安全并重、促进创新和依法治理相结合的原则,并在技术发展与治理一章中提出了一系列鼓励措施。一是鼓励创新应用。生成式人工智能应用场景丰富,可以与各行业深度结合,助力实现各行业智能化变革。《办法》明确提出鼓励生成式人工智能技术在各行业、各领域的创新应用,有助于生成式人工智能赋能千行百业。二是鼓励多方协作。生成式人工智能在技术创新、数据资源建设、转化应用、风险防范等方面涉及多方主体,为此,《办法》鼓励行业组织、企业以及各个相关机构之间开展协作。三是鼓励自主创新与国际合作。生成式人工智能尚处于发展阶段,而我国在生成式人工智能相关算法、芯片等技术研发方面起步相对较晚。《办法》一方面鼓励生成式人工智能相关基础技术的自主创新,另一方面鼓励平等互利开展国际交流与合作,从而促进我国人工智能技术发展。四是鼓励资源共享。算力是支撑数字经济蓬勃发展的重要“底座”,数据是生成式人工智能的重要资源。为此,《办法》提出推动生成式人工智能基础设施和公共训练数据资源平台建设的措施,促进算力资源协同共享,提升算力资源利用效能。

二、划定底线,推动生成式人工智能向上向善

以ChatGPT为代表的生成式人工智能在社会变革中的具有重要作用,但其可能存在的数据违法收集、知识产权侵权、生成虚假信息等问题同样不容忽视。

《办法》积极回应生成式人工智能带来的社会问题,明确提供和使用生成式人工智能服务的法律底线。一是不得生成违法内容。《办法》落实《网络安全法》等法律的规定,强调提供和使用生成式人工智能服务应当坚持社会主义核心价值观,不得生成法律、行政法规禁止的内容。二是防止歧视。训练数据本身存在歧视内容、算法更倾向于某些特征值、标注人员的主观判断等因素可能导致歧视问题,给社会带来不良后果,如边缘化弱势人群或者煽动仇恨与暴力。为减少歧视现象发生,《办法》要求在算法设计、训练数据选择、模型生成和优化、提供服务等过程中,采取有效措施防止歧视。三是尊重知识产权和他人合法权益。生成式人工智能在个人信息的处理过程中,可能存在违法收集、使用个人信息等风险;生成式人工智能的训练数据中如包括他人已发表并享有著作权的作品,也可能给知识产权造成侵害。为减少侵权事件的发生,《办法》强调尊重知识产权、商业道德;尊重他人合法权益,不得危害他人身心健康,不得侵害他人肖像权、名誉权、荣誉权、隐私权和个人信息权益。四是提高生成内容准确性和可靠性。自生成式人工智能面世之初,其存在的“一本正经地胡说八道”现象便引起了人们的警惕。这种虚假信息的产生很可能会误导用户,加剧社会对共享信息的不信任。如何保障生成内容的真实性,既是产业界为进一步扩大生成式人工智能商用范围需要克服的技术难题,也是监管部门需要重点考量的问题。《办法》要求生成式人工智能服务提供者(以下简称“提供者”)基于服务类型特点,采取有效措施,提升生成式人工智能服务的透明度,提高生成内容的准确性和可靠性。这一要求充分体现了发展与安全并重的原则,符合生成式人工智能的技术原理与产业需要。

三、细化责任,构建生成式人工智能治理体系

生成式人工智能从研发到落地需要经历多个环节,包括训练数据处理、数据标注、提供服务等。清晰界定不同环节的要求更有利于降低生成式人工智能的安全风险,增强制度的可落地性。

《办法》明确提供者的义务与责任,提供者是利用生成式人工智能技术提供生成式人工智能服务的组织、个人,包括通过提供可编程接口等方式提供生成式人工智能服务的组织、个人。在训练数据处理环节,提供者应当使用具有合法来源的数据和基础模型,并采取有效措施提高训练数据质量,增强训练数据的真实性、准确性、客观性、多样性。在数据标注环节,提供者应当制定标注规则,开展数据标注质量评估,并对标注人员进行培训。在提供服务环节,提供者应依法承担网络信息内容生产者责任,按照《互联网信息服务深度合成管理规定》对图片、视频等生成内容进行标识;发现违法内容的,应当及时采取处置措施、进行整改并向有关主管部门报告;应依法承担个人信息处理者责任,对生成式人工智能服务使用者的输入信息和使用记录依法履行保护义务,及时受理和处理个人关于查阅、复制、更正、补充、删除其个人信息等的请求;应履行用户管理义务,明确并公开服务适用情况,指导使用者科学理性认识和依法使用技术,采取未成年人防沉迷措施,依法处置从事违法活动的使用者,建立健全投诉、举报机制;应提供安全、稳定、持续的服务。

四、强化披露,明确生成式人工智能监管手段

人工智能算法具有“黑箱”特性,表现为行为不可控、决策机制难以解释,给人工智能监管带来了一定困难。为此,《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》等规范已经明确了算法备案、安全评估等监管手段,提高算法的透明度与可问责性。

《办法》与现有规范一脉相承,延续了此前监管手段,同时明确了分类分级监管的原则,健全了我国人工智能治理体系。一是明确了安全评估与算法备案要求。为有效应对算法“黑箱”问题,《办法》对提供具有舆论属性或者社会动员能力的生成式人工智能服务的,提出了安全评估与算法备案要求。二是明确了信息披露要求。《办法》明确了提供者应配合主管部门的监督检查,按要求对训练数据来源、规模、类型、标注规则、算法机制机理等予以说明。

《办法》是在区块链、汽车数据、算法推荐、深度合成等立法之后,我国对新兴领域立法的又一次探索。《办法》充分协调了发展与安全之间的关系,一方面提出了生成式人工智能发展的鼓励措施,另一方面明确了生成式人工智能的法律底线,构建了生成式人工智能精细化治理体系,有利于推动生成式人工智能健康有序发展,为世界贡献人工智能治理的中国智慧和中国方案。

作者:辛勇飞 中国信息通信研究院政策与经济研究所所长

来源:网信中国

分类
行业资讯

天风·数据研究 | AI产业人士看大模型发展趋势

本报告基于对9位来自中国AI科技团队的产业人士问卷调研,分析了中国AI产业在资源投入、模型发展、数据隐私保护和行业合作等方面的表现,以及面临的挑战和机遇。用科学数据证据给读者提供全面的视角洞察中国AI产业的发展现状和未来趋势。

人工智能是当今最热门的技术领域之一,也是中国互联网公司的重要战略方向。本报告基于对9位来自中国AI科技团队的产业人士问卷调研,分析了中国AI产业在资源投入、模型发展、数据隐私保护和行业合作等方面的表现,以及面临的挑战和机遇。用科学数据证据给读者提供全面的视角洞察中国AI产业的发展现状和未来趋势。

亿级资金有望注入,团队扩容力度加大。根据公司战略定位和发展重点,在技术研发、算力资源投入、数据采集与标注以及市场推广与商业化扩展方面存在投入差异。同时,AI人力资源也在不断扩张,采取多元化的策略来吸引和培养人才。

AI模型新发布可期,复杂数据处理升级。下半年有多个AI模型发布计划,涵盖自然语言处理、计算机视觉和跨模态领域。在模型发布中,Transformer架构是主流选择。数据挑战、模型优化和商业化仍是AI团队面临的瓶颈。虽然大模型在应用场景中扩展,并非模型规模越大越好,也需综合考虑数据和模型的质量。

数据多样性、数据合作和数据隐私保护是中国AI公司在数据领域的关键关注点。数据多样性与合作是关键,共享数据合作是重要趋势。图像和自然语言数据集普及度高,物体检测数据集应用较少。中国AI公司重视数据安全与隐私保护,采取多层防护措施、动态处理与隐私保护并重,以用户为中心保护用户数据。

AI硬件投入将继续保持强劲的发展势头。服务器部署反映算力需求,大部分公司有服务器扩张计划。不同公司在计算资源的使用量、成本和供应商选择上存在差异,反映出它们在AI技术发展上的投入和战略规划。中国本土公司在半导体领域的发展也不容忽视。

AI商业化需要持续投入和优化,而营销策略中突出大模型的创新性和应用价值是至关重要的。按交易量费和定制开发费是中国AI科技团队主要的收费模式,显示出对需求敏感性和灵活盈利模式的重视。调研结果还揭示了AI服务费用反映了模型复杂性、服务质量和市场竞争的因素,需要综合评估选择。

AI的跨行业应用和行业合作是推动技术发展和创新的关键。AI应用有广阔的发展空间,需要各行业积极与AI公司合作推动数字化和智能化转型,同时加强数据隐私保护。我们认为,未来行业整合、竞争加剧和新兴创业公司崛起的可能性较大。

分类
政策法规 行业资讯

冲刺“人工智能高地” 多地支持政策密集出台

多地升级人工智能产业政策,北上深等地相继发布支持产业的政策文件

本文转载自中国经济网

  冲刺“人工智能高地”的背后

  阅读提示

  如何抓住人工智能这一轮技术变革的浪潮,促进区域以及产业发展,多个一线城市开启了“追逐赛”。北京更是闻风而动,一天之内发布两项政策,冲刺“人工智能第一城”。

  中国积极布局人工智能产业,竞跑“未来赛道”。随着各行业、各领域对人工智能需求的日益增长,与实体经济深度融合的新模式不断涌现,形成了具有中国特色的研发体系和应用生态,引领着经济社会各领域从数字化、网络化向智能化跃升。以“大模型”为代表的技术爆发,加速了人工智能产业的发展。

  相关专家指出,大模型相关新研究、新产品竞相涌现,通用人工智能正成为各国重点布局的关键赛道。

  如何抓住这一轮技术变革的浪潮,促进区域以及产业发展,多个一线城市开启了“追逐赛”。近期,北京、上海、深圳等地纷纷出台相关政策举措,发挥自身特色优势创新“助跑”。北京更是闻风而动,一天之内发布两项政策,冲刺“人工智能第一城”。

  多地支持政策密集出台

  近期,各地出台政策举措力促人工智能发展。《深圳市加快推动人工智能高质量发展水平应用行动方案(2023~2024年)》于近日出炉,该方案明确提出:“加大财政资金投入力度,重点支持人工智能创新和应用。发挥政府投资引导基金作用,统筹整合基金资源,形成规模1000亿元的人工智能基金群。”

  除深圳之外,成都市经济和信息化局于6月1日就《成都市进一步促进人工智能产业高质量发展的若干政策措施(征求意见稿)》公开征集社会意见。

  而近日公布的《上海市加大力度支持民间投资发展若干政策措施》提出,充分发挥人工智能创新发展专项等引导作用,支持民营企业广泛参与数据、算力等人工智能基础设施建设。目前,上海徐汇区正积极引进和培育一批大模型研发团队,将加快研究打造大模型生态集聚和创新应用高地。

  不难看出,当人工智能新一轮产业竞赛持续升温之时,各地鼓励支持人工智能发展的利好政策也密集出炉。记者注意到,最新地方政策文件中均重点提到了算力端发展,加大算力基础设施的投资力度,同时强调了人工智能的高质量发展,拓展AI创新应用场景的深度与广度。多名来自AI产业的人士也向记者表示,国家及地方出台的多项AI产业支持政策将给产业发展带来助推力,更进一步推动数字经济与实体经济的融合发展。

  中国工程院院士、中国人工智能学会理事长戴琼海表示,中国拥有广阔的人工智能应用市场,但在基础性技术和人才方面还处于弱势。应从政策、机制和投入上,深化人工智能人才培养和基础研究,强化原始创新。天眼查数据显示,目前我国拥有人工智能相关企业近273.1万余家,其中今年1~5月新增注册企业23.2万余家,平均增速达66.7%。

  “经过这些年的发展,通用人工智能成为一个新的竞争热点,各方的投资、研发都热度不减。”北京智源人工智能研究院院长黄铁军说,未来,SegGPT等视觉类通用人工智能将在自动驾驶、机器人(16.130, 0.82, 5.36%)等方面有广泛应用。

  据统计,目前中国10亿级参数规模以上大模型已发布79个;有14个省区市在开展大模型研发,主要集中在北京和广东,其中北京38个、广东20个。

  北京一天发布两项重磅政策

  在日前举行的2023中关村(5.630, -0.02, -0.35%)论坛闭幕式重大成果发布会上,《北京市加快建设具有全球影响力的人工智能创新策源地实施方案(2023—2025年)》(以下简称《方案》),《北京市促进通用人工智能创新发展的若干措施》(以下简称《措施》)重磅发布。北京将通过这两项政策,从鼓励与引导行业发展角度,围绕创新发展共性需求,进一步统筹资源,全面推动人工智能自主技术体系建设及产业生态发展,到2025年基本建成具有全球影响力的人工智能创新策源地。

  围绕着人工智能如此密集地发布重要文件,实属罕见,北京市建设人工智能高地的决心和力度清晰可见。

  首先,《方案》围绕着突破关键技术、夯实底层基础、构建产业方阵、推动场景建设、构建创新生态五大方向,提出16项重点任务;《措施》则从提升算力资源统筹供给能力、提升高质量数据要素供给能力、系统构建大模型等通用人工智能技术体系、推动通用人工智能技术创新场景应用、探索营造包容审慎的监管环境五个方面退出的具体措施。

  在这两个重磅文件中,几个重点和关键词值得关注。

  一是突破和原创。《方案》提到了“突破人工智能前沿基础理论创新”,强调“围绕人工智能数学机理、大数据智能、多模态智能、决策智能、类脑智能、科学智能、具身智能等方向开展研究布局,形成具有国际影响力的人工智能原创理论体系”。不仅仅是要有基础理论框架体系,而且强调“原创”。

  二是两个重要内容。《方案》提到“支持创新主体重点突破分布式高效深度学习框架、大模型新型基础架构、深度超大规模图计算、超大规模模拟计算等基础平台技术。支持数据与知识深度联合学习、高维空间多模态语义对齐、大规模认知与推理、可控内容生成、高效低成本训练与推理等关键算法研发,着力推动大模型相关技术创新。鼓励相关技术和算法开源开放”。

  核心产业规模将达3000亿元

  “人工智能核心产业规模达到3000亿元,持续保持10%以上增长,辐射产业规模超过1万亿元。”《方案》提出了具体的目标数据。

  16项重点任务和21条具体措施就是围绕着这个目标展开。从大的方向上看,是在国家发展新一代人工智能的决策框架之下,针对北京市的“两个人工智能区”——北京国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区,“一个地”——全球影响力的人工智能创新策源地,“一个中心”——国际科技创新中心的继续布局、深化加强和全面推动。

  围绕这一蓝图,一个个细化的目标也在《方案》中明确。北京将在人工智能基础理论方面取得突破,人工智能理论框架体系基本形成,通用人工智能雏形显现;自然语言、通用视觉、多模态交互大模型等形成完整技术栈,关键算法技术达到国内领先、国际先进水平。人工智能算力布局初步形成,国产人工智能芯片和深度学习框架等基础软硬件产品市场占比显著提升,算力芯片等基本实现自主可控;国产硬件比例显著提高。

  人工智能领军企业科研投入持续增加,初创企业数量不断增长,企业总数保持国内领先,新培育独角兽企业5至10家。

  根据《方案》,北京还将建设一批具有世界级影响力的人工智能科研机构,引进培育国际一流创新人才团队;力争高水平学者数量超万人,国内占比保持领先。在人工智能相关政策措施、伦理安全、技术标准等方面,也将努力取得重要进展。(工人日报 记者 赖志凯)

分类
行业资讯

张成岗:人工智能赋能中国式现代化 发展机遇及风险挑战

作者:张成岗(清华大学教授、社会治理与发展研究院院长)

5-24 光明网-理论频道

人类文明演进中的“现代化”议题

持续的基于创新的发展是近代才出现的一种导致经济发展不均衡分布的历史现象。14世纪开始至麦哲伦环球航行结束的地理大发现对欧洲影响极为深刻,使得封闭于西方一隅的欧洲走向世界,极大地开阔了视野、丰富了认识,尤其是对世界多样性的认识。地理大发现增加了各种文明相互摩擦、碰撞、借鉴、交流和融合的机会,开启了一直持续至今的全球化进程,对世界范围的现代化影响巨大。长期以来,由于西方发达国家的科技迅速发展,国家之间经济、贸易、社会、产业、人员之间联系越来越密切,人们之间交往更加频繁,国家之间、区域之间一体化趋势日益明显。

随着近代资本主义大工业的形成以及资本在全球市场的不断扩张,人类社会进入一个崭新时代,人类科技水平不断提高,社会秩序、文明形态和生活面貌发生巨大改变,现代化发展的意义空前凸显。人类文明进步建立在摆脱传统、冲破偏见基础之上,通过一系列改革在政治、经济、文化、社会、生态等各个领域取得重要成就。世界各国现代化道路复杂多样,既相对独立又相互关联。正如习近平总书记指出,现代化不是单选题。历史条件的多样性,决定了各国选择发展道路的多样性。现代化具体形式与各个国家具体国情、制度禀赋和文化传统相结合,呈现出不同特点。

在学理意义上,中国式现代化正在以其伟大实践实现对传统与现代、中国与西方、全球化与地方性二分思维及其叙事模式的超越。中国正在打破西方对现代化标准垄断,探索出一条不同于西方的社会主义现代化新路,创造属于自己的发展经验,为现代化理论作出重要贡献,为其他国家制定增长和发展计划提供启示借鉴,有助于人类文明多元发展与持续进步。中国式现代化道路着眼于世界现代化发展历史进程,积极探索建立新型现代化发展道路和人类文明新形态,能够在更高层次引领和推动全球治理体系和治理能力现代化。

“第四次工业革命”正在开启人类历史新阶段

新一轮科学技术革命是中国乃至世界的最大现实,也是哲学社会科学研究者需要关注的重大议题。新工业革命正在深刻改变人类生产和生活方式。信息技术是新科技革命的龙头,正在向各个领域深度渗透,深刻改变着人类生产和生活方式。基于持续的技术创新和颠覆,以数字化、网络化、机器自组织为标志的“第四次工业革命”正在开启人类历史新阶段。

进入21世纪以来,大数据和人工智能蓬勃发展成为新工业革命的显著标志,并将重塑人类生存和生活的现实空间。第四次工业革命自2013年提出以来,迅速从发展理念转变为产业现实,并深入到社会生活的各个方面。第四次工业革命并不满足于“智能工厂”,而已经向着第四次科技革命迈进,预计将会在新一代信息技术、生物技术、新能源技术、新材料技术、智能制造技术等领域取得突破性进展。新一轮的科技革命将和以往每次科技革命一样,与全球政治、经济、文化、社会、环境进行新一轮的相互建构,并在根本上变革现代人的核心观念、认知方式、行动原则。

新工业革命不仅是一场技术与产业革命,对全球价值链结构、全球产业竞争格局产生深刻影响,更是一场社会、文化、价值与思维等领域的全景式整体性变革,将提供社会转型新动能,为社会发展带来新机遇。顺应形势把握住人工智能带来的重大历史机遇,可以带动国家整体竞争力的整体跃升,为处于转型期的中国经济社会发展提供强大动能。作为一项引领未来的战略性技术,推动和发展人工智能已经成为国际社会的共识,然而人工智能提供社会发展动力,赋能和助力现代化发展的同时,也对经济、社会、就业、伦理、安全诸领域提出新挑战。人工智能时代机遇与挑战同在,应当加强人工智能技术发展研判和预测,增强风险意识,更好应对人工智能技术可能导致的失控风险、伦理挑战、就业影响,促进科技治理能力现代化。

人工智能赋能中国式现代化新征程

科学技术是一种在历史上起推动作用的革命力量。科技创新是提高社会生产力、提升国际竞争力、增强综合国力、保障国家安全的战略支撑。人类从农耕文明到今天智能时代,均以科技工具出现重大变革为时代标志。当前,区块链、人工智能、大数据、物联网等新兴技术的创新发展和社会应用突飞猛进,正在给现代化的内涵、体系、方式带来创造性变革。科技进步提供了现代化的基本框架及结构,引领现代化新趋向。人工智能已经成为新一轮国际竞争的焦点和经济发展新引擎,也将为现代化建设带来新机遇。

首先,科技是现代化的基本构成。科技创新是中国式现代化的重要支撑。科技是国之利器,是“国家赖之以强,企业赖之以赢,人民生活赖之以好”的核心要素。现代性诞生于主客两大观念领域的分离,实现在实践中人对自然的科学化认识、技术化改造。现代化是奠基于科技化之上的社会整体现代性呈现,一个现代化国家的基本构成就是科学技术。

其次,科技是现代化的关键动力。伴随着人工智能产业关键技术实现突破,以及新兴技术场景应用建设的加快,科技赋能成为高质量发展的显著标志,科技创新成为引领现代化建设的重要动力。一方面,人工智能是新兴科技重大革新的结果;另一方面,作为革新的基础,人工智能发展又在世界各地更大程度、更大范围推进了现代化发展。现代化在各个社会阶层之间、国家之间、人与非人存在之间,主要是以科技为载体展开。现代性观念本身,也是从人对科技后果反思中获得的。科技的自主性与反身性,推动着现代化进程,以及对现代性的超越。

最后,科技创新深度推进和引领社会发展变革。近年来,我国坚定实施创新驱动发展战略,以科技创新为核心带动全面创新,以体制机制改革激发创新活力,加快建设创新型国家,为全面建设社会主义现代化国家提供强有力战略支撑。在新科技革命背景下,机器人与人工智能已经成为下一个产业新风口和产业转型升级新机遇。科技变革了社会物质生产方式,是调整社会中各种关系的基础与动力。每一次社会结构的变革,都起于科技发展的需求与结果,也都创造出下一次科技变革的社会基础。科技革命提供了发展方向,未来人类社会是深度科技化的,而科技发展的方向标注了人类发展的进程,原有学科的创新以及新学科的建立,都提供了一窥未来社会形态的途径。

走向“好的人工智能社会(Good AI Society)”

发展科学技术是近代以来中国建设现代民族国家努力的重要组成部分,大力发展人工智能技术是当代中国创新型国家建设的重要组成部分,人工智能的快速发展要求我们对其风险及其挑战有全面和系统认知。

1.人工智能发展中的伦理风险

人工智能在带来生产方式、生活方式以及思维方式的重大变革的同时,也给当代社会带来了哲学和伦理挑战。新兴科技正在重塑人类的社会秩序和伦理规范。不道德地使用人工智能,是否会导致人工智能取代人的功能,甚至取代人的主体地位?实际上,新兴科技伦理规约所面临的现代性困境其实在于责任问题,如何确定人工智能技术活动及其后果的责任主体,是人工智能发展必须要考虑的问题。在新兴科技的伦理规约挑战中,技术设计的美好愿望与技术后果失控风险存在矛盾。技术与伦理的内在冲突呈显于技术发展的不同阶段。只有处理好新兴科技与人、社会及环境的关系,处理好高效率存在方式与真正的进步之间的关系问题,才能给人类和新兴科技的和谐发展提供一个良性环境,真正实现“善治”与“善智”的互构。

2.人工智能的就业冲击及社会风险

历史上,工业革命的一个重要影响就是机器对劳动力的补充或取代。在新技术革命浪潮中,新兴技术作为节约劳动力速度的工具超过了社会为劳动力开辟新用途的速度,人工智能正在挑战社会就业结构。伴随着人工智能技术的迅速发展和应用,人们抑或会进入一个技术性失业率不断上升的时代。随着人工智能发展,新型机器人正在成为社会生产和生活中极具竞争力的“新型脑力劳动者”,这种“新劳动者”的职业优势已经体现在诸多行业。随着人工智能广泛应用,第二产业中的“第三产业”将重构人群就业结构,对社会稳定性构成挑战。

3.人工智能时代整体图景缺失的挑战

人工智能时代是通过程序呈现的世界图像在时间序列上的布展;然而,技术的复杂性往往会掩盖人类重要活动的复杂性。时代的困境在于人类无法将复杂的世界组成可以理解的整体,在享受技术便利的同时,失去了对复杂技术系统的控制。人工智能时代正面临整体图景缺失的挑战。在网络时代,互联网可以在相当程度上提供有用网络知识,但互联网不能为我们提供对网络知识的“理解力”。互联网非但不能为我们提供理解能力,而且可能阻碍理解能力的发展。实际上,与其他技术类似,人工智能技术的复杂性存在掩盖人类重要活动复杂性的风险,社会技术网络并不能自我调整和校正,便捷化人工智能技术的使用对整体化的时代图景形成挑战,不能把人类发展放在不确定性根基之上。

4.构建“好的人工智能社会”的挑战

人民对美好生活的向往,就是中国式现代化的奋斗目标。进入新时期,要坚持以满足人民群众日益增长的物质文化需要,提升人民群众对美好生活的满意度作为全面推进现代化各项工作的目标旨归,推动人工智能融入社会转型发展的前瞻性创新、过程性监测、后果性评估,切实让人民群众的生活更和谐更美好。

构建“好的人工智能社会”是全人类面临的严峻挑战。人工智能在生产活动和社会活动中的作用日益增加,人工智能甚至在对人类的智慧能动者唯一地位提出挑战。“让生活更美好”的人类愿景正面临如何构建“好的人工智能社会”的紧迫挑战。人类无疑具有独特性,无论是什么样的机会和环境造就了今日的人类,这样的机会并没有出现在人类的近亲所生活的环境中,技术产物的终极制造者还是人类,但人类要预防技术发展可能的风险。

总体而言,AI的最高原则是安全可控;AI的愿景是促进人类更加平等地获得技术能力;AI的存在价值是让人成长,而不是取代人和超越人;AI的终极目标应当是为人类带来更多的自由和可能。面对AI的崛起及其全面融入社会生活,我们需要清醒客观的判断和扎实冷静的努力。人类不能让舒适的假象迷惑主体性意识,人不能放弃自己而沦落成为技术决定论的服从者。成为决定论的服从者会导致被奴役,被技术所奴役;人在获得“表面上的自由”的同时,不能放弃“真正的自由”。技术起源于机器,但是技术不等于机器;机器与人工智能仅仅代表技术的一部分,关注人本身始终应当成为科技发展的目标和动力!

(本文系贵阳市南明区社会治理现代化专题项目(04150201022)、 国家社科基金重大项目(19ZDA040)阶段性成果))

(作者:张成岗  清华大学教授、社会治理与发展研究院院长)

分类
行业资讯

AI时代,HR应对AI大模型冲击

在人力资源管理中,AI技术的应用已经成为了不可逆转的趋势。然而,这项技术的优缺点也同样明显。这篇文章将从A/B两个面向来探索AI技术对HR的影响。

AI技术的A/B面:对HR带来的喜与悲

A面: AI技术对HR带来的悲

1. 职业冲击

随着AI技术的应用,一些传统的岗位可能会被机器人替代,导致一些员工失去了原有的工作。之前的研究人员也提出,在未来的20年内,相对传统而言,将会有更多的岗位被部分或者全部替代,与此同时,将会有不少的岗位和职位被重新定义或者创造出来,人力资源部门需要做好职场转型准备。

2. 管理方式转变

AI技术的应用,特别是在招聘和员工管理方面,需要人力资源部门调整管理方式,确保在各个岗位上都能够进行有效的协同工作。 HR团队需要学习AI知识,调整管理方式,负责管理AI工具和系统并进行跨部门的管理。

3. 技术应用

HR专业需要长时间投入AI技术,进行相关系统应用开发与创新,根据业务特点和岗位能力,想出最佳应用模式以提升业务效率。此外,还要注意信息安全,数据会因为管理全过程而在不断流动,并基于各种数据源进行建模,所以必须确保数据源和处理的方法是可靠、准确的。

4. 安全意识

HR部门需要重视安全意识,与IT部门紧密合作,制定防范人工智能安全风险的全面计划。企业应该加强AI相关知识和技术能力的培训,加强员工对数据隐私的保护意识,对AI算法和数据解释进行梳理并强制要求审查。

B面: AI技术对HR带来的喜

1. 工作效率提升

HR通过AI技术,可以在更短的时间内筛选出更适合的候选人和预测员工的潜力和表现,建立智能化的职业策略和战略,提高综合管理水平和竞争优势,大幅提升工作效率和业务质量。

2. 职业发展空间

AI技术的应用能够提供AI与人的合作模式,对于人力资源部门而言,也可以通过引入一些AI技术工具来优化流程,增强职业发展空间和职业竞争力,对于部门成员而言,也能够增加学习机会,提高拥抱数字化的能力,增强职业发展机会。推进整个人才生态系统的发展。

3. 员工体验改善

AI技术可以帮助HR部门对员工体验进行全面的改善。职场变化之快,员工与企业间的互动也变得更加复杂,而AI技术可以用于提高职员的体验,如在招聘过程中优化职位推荐等,从而提高雇主和

员工之间的相互满意度和信任度,提升员工绩效。

4. 斜杠技能

随着人工智能技术的应用,HR部门的工作方式和要求也在不断发生变化,感知复合人才的价值正在增加,会让人力资源工作更具高质量和深层次的综合能力,人力资源的工作未来会需要更多沟通、协调、合作、推销、营销等斜杠技能,这会令HR更加倾向于拥有更全面技能背景的员工。

末尾的话

AI技术的应用为HR部门带来了利与弊。HR专业需要在应用过程中承认收益和弊端,采取适当的管理措施,避免忽视相关信息或者信仰盲目从而带来损失。因此,HR团队应该不断学习和更新,扩展其知识和能力,始终关注人力资源部门的责任,促进业务的安全、可靠和创新发展。

分类
行业资讯

基于大型AI模型的人力资源管理

本文由gpt3.5根据网络信息生产,特此申明

在现代企业中,人力资源管理一直是一个非常重要的方面。然而,实际上,无论是企业还是人事部门,都很难面对繁重的招聘和员工管理任务。随着人工智能技术的不断发展和普及,大型AI模型的应用已经成为了人力资源发展的重要趋势。

招聘方面的应用场景

大型AI模型借助深度学习和自然语言处理等技术,可以根据候选人的背景、技能和经验等因素预测最适合和最佳的员工,从而提高招聘的质量。

例如,美国航空宇宙公司NASA曾使用基于AI的大型模型来筛选众多求职者,筛选过程中把求职者的数据和文本匹配,并使最适合符合职位质量大幅提升,同时也减小了招聘筛选员工的准确率和成本的压力。

员工绩效管理和人才培养方面的应用场景

大模型在员工绩效管理和人才培养方面也有广泛的应用场景。通过大型AI模型的数据分析和挖掘,可以预测员工的离职率,策划员工的职业路径并为员工的职业发展和晋升提供科学有效的指引。

例如,芬兰移动通信公司Nokia利用大型AI模型对员工的工作表现、投诉记录和社交行为等信息进行一定的习惯和系统性地数据分析,即可预测员工的离职率,然后采取及时和明确的措施避免无效流失。在中国,电子商务公司阿里巴巴也采用大型 AI 模型识别和晋升内部卓越性的员工,以鼓励大家实现更大的目标,维持良好的团队工作和高效的组织运作。

大型AI模型也可以引导员工职业发展以及解决职业瓶颈

举例而言,在美国,德勤公司已经利用大型AI模型,建立了崭新的职业发展领导,并引导员工发现自身的职业发展需要和优缺点。

总结

基于人工智能的大型AI模型可以在企业人才管理非常广泛地应用,并取得非常显著的质量和效益提升。虽然AI模型的适用性比较广泛,但是这种技术并非万事通,也会带来质量和安全等风险,因此应谨慎使用,避免过度依赖大型AI模型,而应该平衡机器学习对人类经验和理解的补充。

分类
行业资讯

未来招聘趋势报告2023

from 领英

文末提供原始文档资料下载

引言

从 2023 看未来招聘趋势 您无法提前看到未来,但可以助力塑造未来。

对于招聘领域的领导者而言,当下是一个充满挑战而又极为关键的时刻。在不确定的经 济形势下,在重塑职场的新趋势中,您有机会成为组织中真正的变革缔造者。您需要具 备战略眼光,善于适应变化,并能敏锐地与人才保持同频——了解候选人想要什么、他 们具有什么技能,以及他们的职业生涯可以如何与您的业务共同成长。

为了帮助您做好准备,我们根据对全球人才领域领导者的数十次访谈、对数千名招聘专 员的调研,以及对领英上生成的数十亿个数据点的分析,在本报告中汇总了 17 个预测。

招聘职能的角色

预测 1 | 招聘将推动事关业务的重要变革。

您经受了疫情的洗礼,坚韧不拔地应对了职场大洗牌的挑战。毫无疑问,招聘职能正变得 越来越具有战略意义,70% 的人才招聘专员表示,招聘团队现已在公司“决策桌”上占有 一席之地。

不仅如此,招聘职能的领导者们现在“有机会真正改变自身的席位,”微软的 Brett Baumoel 说。“你们将会真正改变‘决策桌’本身。”

整个最高管理层都将感受到您作为变革缔造者的影响力——从与 CFO 探讨薪酬规划,到与 CMO 一同优化雇主品牌,再到与 CLO (首席学习官) 共商技能缺口。

预测 2 | 招聘职能对薪酬将有更大的发言权。

通货膨胀愈演愈烈,实际薪资停滞不升,劳动力市场的竞争激烈程度丝毫未有缓和。这三股趋势 似乎势必激烈碰撞,加之薪酬在全球候选人心目中是普遍排在首位的重要诉求,现状已经到了不 能不有所改变的地步。

招聘、财务和 DEI (多元化、公平性和包容性) 团队之间关于薪酬讨论的反馈循环,必须比以往任 何时候都更加敏捷——尤其是在薪酬透明度不断提高的当下。为了帮助公司保持领先地位,招聘 团队的领导者应该推动这个议题的讨论。

您作为招聘团队的领导者,对候选人的诉求、劳动力市场动态、公司招聘工作的实时表现,都有 着最清晰的认识,也因此最适合引领关于薪酬及其对业务影响的讨论——例如支持“技能重于学 历”的薪酬模式,又如推动薪酬与通胀同步提升,以留住顶尖人才

预测 3 | 随着人才重获供求优势,招聘职能需加倍重视建设雇主品牌

您经受了疫情的洗礼,坚韧不拔地应对了职场大洗牌的挑战。毫无疑问,招聘职能正变得 越来越具有战略意义,70% 的人才招聘专员表示,招聘团队现已在公司“决策桌”上占有 一席之地。

不仅如此,招聘职能的领导者们现在“有机会真正改变自身的席位,”微软的 Brett Baumoel 说。“你们将会真正改变‘决策桌’本身。”

整个最高管理层都将感受到您作为变革缔造者的影响力——从与 CFO 探讨薪酬规划,到与 CMO 一同优化雇主品牌,再到与 CLO (首席学习官) 共商技能缺口。

预测 4 | 招聘专员需要一套更具战略属性的软技能。

公司所需的技能正在迅速变化。正如领英的 CEO 常说的那样,“即使你没有改变职位,你的职位也 很可能发生改变,并影响到你。” 招聘团队自身也不例外。

适应能力、解决问题的能力和商业头脑,都进入了招聘专员未来所需五大软技能的榜单。招聘专员 正在成为更具战略属性的业务合作伙伴,因而需要随时调整,找到能够促成总体业务目标的解决方 案。

随着公司上下对“技能优先的招聘”的招聘理念达成共识,招聘团队必须考虑哪些技能是他们最看 重的——在整体员工队伍中,以及在自己的招聘团队中。

预测 5 |招聘将与学习和发展职能增进合作

招聘职能的领导者的职责范畴已经扩大,包括内部人才流动、技能优先的招聘、员工保留等内容, 因而需要与 L&D 进行更多合作,帮助内部人才做好迎接新职位的准备,找到技能缺口,并将公司营 造成支持员工发展职业生涯的环境。

预测 6 | 生成式 AI 将使招聘专员聚焦于“人”

经济不确定性

预测 7 | 经济不确定性尽管招聘面临不利因素,但雇主仍将致力于建立多元化的员工队伍。

预测 8 | 经济不确定性 为了对冲不确定性,雇主将采用更多合同工。

预测 9 | 雇主品牌 公司将密切关注候选人的首要诉求。

预测 10 | 雇主品牌 招聘专员将调整对候选人的推销策略

Z世代

预测 11 |Z世代将回馈重视员工发展和多元化的雇主。

Z 世代人——1996 年以后出生的职场人士——已经成为劳动力大军的重要组成部分。他们当中的许多 人刚刚踏上职业生涯,其求职诉求也反映了这一点。

Z 世代人的主要诉求与其父辈 X 世代人有很大不同。对于这批年轻员工而言,职业生涯发展和获得新 技能非常重要: 与 X 世代人相比,他们重视晋升的可能性要高出 50% 以上。

年轻一代也远比前一辈人更重视具有包容性的工作环境。

预测 12 | 技能优先的招聘 “技能优先的招聘”将成为金标准。

预测 13 | “技能优先的招聘”的招聘策略将挖掘以往被忽视的人才。

预测 14 | 公司将专注于盘点员工具备 (和需要) 的技能

预测 15 | 企业领导者将认识到以内部人才填补空缺职位的价值

预测 16 | 技能提升将是留住多元员工队伍的关键利器。

预测 17 | 学习机会将成为驱动候选人 (而不仅是员工)的有效动力

结语

如果过去几年教会了我们一件事,那就是对意料之外的事情要有心理预期。虽然并非这份报告中 的每一个预测都会完全像描述的那样成为现实,但今天的准备将让您更胸有成竹地面对明天。

招聘圈正在经历变革,但这并不意味着您将是被动的观察者。作为人才工作的领导者,您可以重 塑世界的运作方式,并确保每一个人都各得其所。

归根结底,招聘的未来属于愿意打造未来的人。作为组织中的变革缔造者,招聘的未来属于您。

分类
政策法规 行业资讯

2022中国大模型发展白皮书

❑导读


大模型未来将会助推数字经济,为智能化升级带来新范式。

全文共计2366字,预计阅读时间7分钟

来源| IDC咨询(转载来源)

编辑| 蒲蒲


随着数字化转型需求增长,AI在企业中的应用也越来越多,AI开发门槛高、应用场景复杂多样、对场景标注数据依赖等问题成为AI规模化落地的挑战,而预训练大模型的出现则为人工智能带来了新的机遇与希望。

大模型作为政府和企业推进人工智能产业发展的重要抓手,在识别、理解、决策、生成等AI任务的泛化性、通用性、迁移性方面都表现出显著优势和巨大潜力。

IDC预测:

未来大模型将带动新的产业和服务应用范式,在深度学习平台的支撑下将成为产业智能化基座,企业需加快建设人工智能统一底座,融合专家知识图谱,打造可面向跨场景或行业服务的“元能力引擎”。

具体来看

大模型具有良好的通用性、泛化性,显著降低人工智能应用门槛。

预训练大模型在海量数据的学习训练后具有良好的通用性和泛化性,用户基于大模型通过零样本、小样本学习即可获得领先的效果,同时“预训练+精调”等开发范式,让研发过程更加标准化,显著降低了人工智能应用门槛,成为AI走向工程化应用落地的重要手段。

深度学习平台为预训练大模型的发展保驾护航,两者结合夯实了产业智能化基座。

深度学习平台是推动产业智能化转型升级的核心载体,为大模型的算法开发、训练、部署保驾护航。大模型加上深度学习平台,贯通了从硬件适配、模型训练、推理部署到场景应用的AI全产业链,夯实产业智能化基座,将加速产业智能化升级。

大模型在推进产业智能化升级中已表现出巨大潜力,企业应该尽早关注。

大模型目前的产业应用包括面向企业提供AI中台基座、深度定制支持产品或生产的优化与创新、开放模型服务等。大模型已经在搜索、推荐、智能交互、AIGC、生产流程变革、产业提效等场景表现出巨大的潜力,企业应该尽早关注,在业务中布局。

未来还需加强大模型与真实场景需求匹配,推动大模型大规模落地。

目前中国大模型厂商在模型布局方面较为完善,应进一步围绕行业赋能的广度和深度持续探索,不断夯实基于大模型的产品建设,推动大模型技术从实验室走向实际大规模落地。

大模型未来发展趋势

大小模型协同进化,推动端侧化发展。

未来几年,大模型和小模型将会协同推动人工智能的发展,实现明确分工,高效率低成本地解决业务问题。

大模型负责向小模型输出模型能力,小模型更精确地处理自己“擅长”的任务,再将应用中的数据与结果反哺给大模型,让大模型持续迭代更新,形成大小模型协同应用模式,达到降低能耗、提高整体模型精度的效果。

大规模参数并不是产业所追求的重点,更少的标注数据依赖、更优的模型效果、更高的模型性能以及便捷的部署方式将是未来研究的重点。

大模型通用性持续加强,实现AI开发“大一统”模式。

大模型由于其泛化性、通用性,为人工智能带来了新机遇。通过无标注数据进行自监督学习,从而降低标注数据的人力要求,GPT-3、文心大模型均展示出了在未标记数据中的学习成果,并展示了在不同任务与行业领域上的通用性。

同时,多模态大模型也逐渐兴起,数据形态差异化问题也将得到解决,未来大模型将进一步致力于构建通用的人工智能底层算法框架,融合多领域的模型能力,在不同场景中“自我学习”,通过一个大模型解决产业中各种问题。

目前,在通用模型的基础上,各行业正利用精调或prompt的方式加入任务间的差异化内容,从而极大地提高了模型的利用率,推动AI开发走向“统一”。

大模型从科研创新走向产业落地,通过开放的生态持续释放红利。

大模型最重要的优势,是推动AI进入大规模可复制的产业落地阶段,仅需零样本、小样本的学习就可以达到很好的效果,以此大大降低AI开发成本。

目前,我们看到大模型已经开始与领域、行业深度融合,例如,工业质检、蛋白质结构预测等领域的大模型,验证了大模型已不仅在科技企业中应用,也迈出了走向各行各业的步伐。我们看到ChatGPT专注于强化内容创造能力,将生成式AI应用到实际业务中,为大模型带来新的产业落地机遇。

具体来看,微软已经宣布将会全线整合ChatGPT,将大模型嵌入搜索引擎和办公软件,进一步推动AI能力的全面赋能和产业落地。开放、开源是技术逐渐成熟和规模化输出的象征,随着大模型的落地,头部企业将开放技术,赋能中小企业,打造以大模型为底座的生态。

目前大模型的开放、开源还主要在算法、API服务、开发工具的使用上,未来需要打造标准算法集、大模型平台、大模型数据集等全栈化的开放生态,将大模型的红利释放给每个开发者,并促进大模型创新应用的出现。

扫码下载“ChatGPT”报告

关注数据观信息仓 | 行业数据全洞察

具体内容如下

分类
行业资讯

2022中国人力资源数字化发展研究报告

报告简介:(文末提供原版资料下载)
1 深度剖析企业在人力资源管理不同场景中的痛点及核心需求
2 分析服务商供给现状,预测人力资源数字化市场规模
3 分析人力资源数字化转型服务商市场潜力、竞争态势,研判人力资源数字化转型发展趋势

经济浪潮下,推动数字化转型已成为企业经营管理活动的重要内容,人力资源管理作为企业管理体系的核心功能,其数字化转型势在必行。本报告主要面向人力资源数字化服务商及转型企业,深度剖析企业在人力资源数字化转型过程中存在的痛点与核心需求,分析服务商市场规模、投融资情况、竞争态势等信息,研判人力资源数字化未来发展重点及趋势,为企业人力资源数字化转型及服务商未来发展提供有益参考。