sharing is caring
ist wirklich so!
Vielen Dank fürs Teilen!
handverlesenswert
Kluge Köpfe filtern für dich relevante Beiträge aus dem Netz.
Entdecke handverlesene Artikel, Videos und Audios zu deinen Themen.
Du befindest dich im Kanal:
Sprache, Tonalität und Gesichtsausdruck: Können 25.000 Datenpunkte aus Bewerbungsgesprächen irren?
Kurator'in für: Klima und Wandel Fundstücke
Ole hat für die Bertelsmann Stiftung die internationale Blogger-Plattform Futurechallenges.org aufgebaut und beschäftigt sich dort nun mit den Wechselwirkungen von Digitalisierung und Nachhaltigkeit. Er ist Co-Founder der Menschenrechtsplattform www.futurechallenges.org und befasst sich mit der Fragen der Globalisierung, der Zukunft der Arbeit und mit den Wechselwirkungen von Digitalisierung und Nachhaltigkeit. Er schreibt auch auf www.netzpiloten.de, ist u.a. als selbständiger Berater zu digitalen Trends tätig und ist im Beirat des Colab_Digital aktiv. Alle hier geposteten Texte geben ausschließlich seine private Meinung wieder.
Die Firma Unilever hat in UK zum ersten Mal Gesichtserkennung und Künstliche Intelligenz (KI) genutzt, um aus einem Pool von Bewerbern den “passenden” Kandidaten auszuwählen. Sprache, Tonalität und Gesichtsausdruck (Nutzung der Augenbrauen, Öffnung und Schließung der Augen, Veränderung der Lippen) sind Input für die KI, auf deren Grundlage dann ausgewählt wird. 25.000 Datenpunkte, die innerhalb von 15 Minuten eines Interviews generiert werden, werden zur Bewertung herangezogen. Diese Datenpunkte werden dann mit denen der Menschen abgeglichen, die sich bei Unilever zuvor als erfolgreich erwiesen haben. Damit wird die Norm durch die Auswahl weiterer normierter Kandidaten gestärkt. Kritiker weisen auf das Problem des Bias in der KI hin. Der Leser bekommt eine Ahnung von der weitergehenden Problematik, wenn es von den Erfindern des Programms heißt:
“There are 350-ish features that we look at in language: do you use passive or active words?”
Genau damit werden beispielsweise Charaktere bevorzugt, die von sich selbst überzeugt sind, voran marschieren und sich nicht von Zweifeln und Abwägungen beeindrucken lassen. Es verwundert daher auch nicht, wenn der Beitrag mit dem Zitat von Griff Ferris, Legal und Policy Officer bei Big Brother Watch endet, der sagt:
"As with many of these systems, unless the algorithm has been trained on an extremely diverse dataset there's a very high likelihood that it may be biased in some way, resulting in candidates from certain backgrounds being unfairly excluded and discriminated against."
Es wird damit zwar zu Recht kritisiert, dass die Norm befördert und Diversität verhindert wird. Erneut bleibt es aber unklar, wie das alternative Ziel operationalisiert werden könnte. Das Training der KI auf Diversität ist ja nur ein Aspekt; wie diese Diversität aber ganz genau in Abhängigkeit von Branche, Zielsetzung, Kontext definiert ist, wird leider auch hier wieder nicht konkretisiert. Darunter leidet die Debatte fortgesetzt.
Quelle: Charles Hymas EN telegraph.co.uk
Kommentare
0
Bleib immer informiert! Hier gibt's den Kanal Fundstücke als Newsletter.
AntennaPod
Podcast Addict
Downcast
Instacast
Apple Podcasts
PodGrasp
gPodder
Pocket Casts
