top of page

寫履歷先要討好機械人

Updated: Apr 28

大家有沒有聽過「科學學」?我沒寫錯,「科學學」的英文是Science of Science,是一門「研究科學和科學活動的發展規律及其社會影響」的綜合性新興學科。 在這門學問當中,人工智能在倫理上的問題正是上海市科學學研究所最近重點關注的課題。為了展開研討,我正在收集有代表性的案例。 作為產品經理出身的大數據從業者, 我見到4個影響普羅大眾的方向:搜索排序、推薦引擎、誠信系統、協同過濾。這4個方向引導着我們每天的注意力,同時影響別人怎樣評價你。講得誇張一點,可說影響着每一個地球人的命運。 舉一個鮮活例子,最近美國有些大公司開始使用人工智能「改善」招聘流程,篩選簡歷的第一道關卡是機器學習,這意味人們寫簡歷的方式將要兼顧機器的喜好。這對於人事部門是好消息,記得在阿里的時候,每年為了校園招聘,要從數以千計畢業生的簡歷中,挑選幾百候選人面試,走漏眼在所難免。使用人工智能作為過濾似是一個好方法,但你有沒有想過,人工智能已經讓寫簡歷的過程多了一重考慮,因為候選人要先取悅機械人。不像人類有感性的一面,AI只關心你描述的技能與所應聘崗位的匹配程度。 為了增加簡歷被AI選中的機會,可能你要更關注: 1)機械人會尋找的職位特徵線索,加分給予那些跟招聘崗位有強聯繫技能的簡歷; 2)一些富有創意但不常用的頭銜可能會被機械人忽略; 3)機械人不會因為你選擇的特別字體、格式及圖形而喜歡你,相反或會因此而無法識別內容; 4)長長的工作經驗清單可能會弄巧反拙,只需要寫上過去3至5年的經驗便可,長達20年的工作經驗會稀釋簡歷的濃度; 5)寫簡歷時,要記得突出相關及近期經驗; 6)簡歷若有錯字或語法錯誤,人類可能會原諒你,機器卻不會。 你可能開始明白,為什麼你一份侃侃而談的簡歷發出去會石沉大海,因為你從來沒想過討好機械人是一種新技能。 最後,很高興上周有幸成為上海市科學學研究所歷史上第四位特聘研究員,為科學倫理研究出一分力。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page