• 机器人
    图谱发布升级产品战略,RPA技术赋能企业人才招聘 12月7日,图谱在北京水立方召开成立以来的第一场产品战略发布会,以“智能·赋能”为主题,发布了三款智能机器人产品,图谱创始人、CEO吴海宁先生在发布会上深入解析了图谱的使命及品牌口号“让找人才从此变得容易”。 经过5年的不懈努力和深入探索,图谱已累计帮助数百家企业用户解决招聘痛点,提升招聘效能,同时也实现了自身的高速发展。 创立5年来,图谱一直专注于招聘系统、寻才系统和微信招聘平台产品的打磨及服务提升,务实、低调。此次举办的产品战略发布会揭开了图谱各项产品内部技术运用的神秘面纱,吸引了人力资源领域的诸多重磅嘉宾、互联网行业的知名媒体以及关注人工智能领域的投资机构。百度、腾讯、名片全能王、智享会等知名企业和机构负责人也在发布会上登台分享各自的行业洞见,与图谱共同见证这一重大时刻。 未来已来 人才招聘与管理需融入真正的智能基因 百度高级副总裁刘辉进行主题分享 《AI&People Management》 图谱“智能·赋能”发布会首先由百度高级副总裁刘辉先生做开场演讲。刘辉用深入浅出的方式,剖析了在人工智能和人脑的不断博弈中,AI思维对智能化人才管理的重要性,描绘了智慧HR产品对 “选、育、用、留、辞”等传统人才工作体系的颠覆性革新与提升。 图谱智能机器人,已实现规模化商用 RPA(Robotic Process Automation) 机器人流程自动化技术 RPA(Robotic Process Automation)机器人流程自动化技术具有合规、高效、稳定和无侵入的特性,RPA机器人技术使企业招聘渠道不再分散,实现了企业内部管理系统与外部招聘渠道的自动连接,也让主动出击“找”人才变得更加省时省力,真正解决了企业找人难的痛点。“图谱将多年潜心研究的RPA机器人技术应用于招聘产品,正在赋能数百家大中型企业的自动化招聘流程,不断升级的智能处理技术极好地体现了人类智能的发展趋势。”图谱首席架构师孙绍军在主持RPA机器人技术的发布及主题分享时这样说道。 招聘助手机器人 招聘助手机器人基于深度识别引擎和海量数据样本,通过特色智能语义分析功能,识别招聘过程中的对话文字和语音,实现和候选人的实时互动;并通过机器学习能力,完善用户画像系统,持续提升候选人应聘过程中的沟通互动体验。图谱合伙人、COO高建凯在“千企千面的智能招聘时代”主题分享中谈到:“在企业招聘中,打造有温度的、个性化的雇主品牌是实现人才吸引的重心,图谱将智能化、个性化的招聘助手机器人应用在微信招聘平台上,让企业在运用社交平台进行人才吸引时,更具魅力。” IPA(Intelligent Process Automation) 机器人即智能匹配机器人技术 IPA(Intelligent Process Automation)机器人即智能匹配机器人技术,是基于海量数据,通过精准机器学习和算法将传统的文本匹配提升为智能化行为匹配,将此项技术在招聘平台上的应用正成为高科技企业人才招聘的主流发展趋势。在预发布“IPA机器人”技术时吴海宁阐述到:“很多企业可以进行简单的文本匹配以实现相关简历和职位的推荐,但这种匹配不足以支撑企业招聘业务的真正需求。图谱在其招聘流程管理系统中已多年尝试并即将正式推出的“IPA机器人”技术经过了与阿里巴巴等国际知名企业伙伴的深度探讨,不断突破与创新,期望利用机器人技术深度学习招聘人员或业务领导筛选简历和候选人的行为,并结合面试及反馈信息,帮助企业真正实现人才与岗位的智能匹配,大大提升招聘成功率。 图谱发布的三款智能机器人产品各显其能,其中RPA机器人及招聘助手机器人技术已在众多大型企业,尤其是行业标杆企业客户中完成规模化商用。 布局HI&AI(人类智能与人工智能) 图谱赋能行业生态 图谱在宣布了全新升级的产品战略,推出三款智能机器人产品之后,还和名片全能王、易路、和勤、SHL、实习僧等业务伙伴共同签署了战略合作协议,期望结合各方技术、资源、服务优势,共同赋能企业人才管理。同时图谱和HRClub、法宝网、智享会等行业、区域的垂直生态伙伴、会员机构也联合发布了渠道赋能战略,旨在打造全新的移动端垂直招聘生态体系,让企业招聘的渠道版图更加精细化和专业化。图谱与腾讯公司代表、腾讯资深数据营销专家在发布会现场的互动成为这个环节的又一亮点,提升企业雇主品牌,让企业的招聘信息在腾讯微信的朋友圈广告平台做充分展示与曝光是图谱与腾讯公司的成功尝试,也是两家公司未来为企业创造价值的共同目标。 近年来,人才吸引与争夺的白热化在各行业企业中不断加剧,企业与企业、甚至国家与国家的竞争,归根到底是一场人才的争夺战,大多数企业的思维模式已从原来被动的“招人”转变为主动出击的“抢人”。吴海宁表示:“单纯的ATS(候选人追踪系统)已不能满足企业的招聘需求,向前延伸的Sourcing(人才搜寻)平台和移动端社交招聘平台才是人才争夺战中的核心工具。图谱凭借多年来对招聘业务的深耕和理解,重心一直聚焦在人才吸引与搜索,聚焦在人类智能与人工智能技术的结合、开发应用上。今后图谱也将一直致力于用不断升阶的人工智能技术解决企业的业务痛点,高效赋能客户和人力资源领域的生态合作伙伴。” 人类智能与人工智能技术的紧密结合,赋能企业、合作伙伴乃至招聘生态体系是图谱本次发布会的重点,同时也是对招聘SaaS领域发起的新一轮挑战。将智能基因融入产品和服务,图谱使招聘效能有了大幅度提升,为企业客户创造了更高的价值;率先将RPA、IPA等前沿智能机器人技术应用于招聘管理系统,图谱更是带领中国招聘科技公司在人工智能领域迈上了一个新的台阶。发布会的最后,在阿里巴巴、IBM、爱奇艺、施耐德、智联等近百家知名公司的共同见证下,图谱邀请到场的合作伙伴们共同启动了全新智能招聘引擎,这也标志着图谱引领中国招聘行业进入了一个真正的智能招聘时代。   原文来源:图谱
    机器人
    2018年12月12日
  • 机器人
    前SAP全球副总裁郝旭东出任Geek+执行总裁,主管业务部门 12月4日,AI机器人公司Geek+(极智嘉)宣布重要的高管任命:前SAP全球副总裁郝旭东出任Geek+公司执行总裁,向CEO郑勇汇报。 Geek+是一家AI机器人公司,利用机器人、AI、大数据、云计算和IoT技术,提供极具智能的机器人智能物流解决方案和一站式供应链服务。Geek+致力于为物流、制造、零售等行业进行新技术赋能。 据悉,郝旭东(Michael HAO)此前担任SAP全球副总裁中国区联席总经理,领导中国区业务实现持续高速成长并推动了德国工业4.0在中国的落地与本地化创新。他在企业数字化转型领域拥有二十多年的实践经验。郝旭东将协助Geek+公司CEO郑勇制定公司发展战略,并全面负责公司的业务开展和全球化运营。 Geek+的CEO郑勇表示,“很高兴我们迎来了Michael的加入。Michael将主要负责Geek+业务部门管理,包括业务拓展的战略规划、实施等,这将更有效地加强我们前端部门的业务能力,以致力于提升客户体验及满意度。我们很高兴能将Michael的才能运用到加强业务管理中,从而提升客户价值并有效助力业务快速增长,推动Geek+走向全新的发展阶段。“ Michael表示,“ 非常荣幸能成为Geek+志同道合的合伙人!我坚信AI驱动的数字化转型是未来三五十年最大的浪潮,我大学专业就是自动驾驶,再加上二十年的行业积累,现在是天时地利人和的好机会,希望不忘初心不辱使命,三年做到世界第一,五年能打造端到端的智慧物流企业,用AI把世界变得更美好!”   原文来源:前SAP全球副总裁郝旭东出任Geek+执行总裁,主管业务部门
    机器人
    2018年12月05日
  • 机器人
    CV Compiler——简历修复机器人,让您更具竞争力 文/John Biggs 机器学习现在无处不在,包括招聘。CV Compiler是一款Andrew Stetsenko和Alexandra Dosii的新产品,它使用机器学习来分析和修复您的简历,让您有机会发挥更大的价值。 CV Compiler的创始人是营销和人力资源专家,他们在使招聘变得更加智能方面拥有15年的经验。Stetsenko创立了Relocate.me和GlossaryTech,而Dosii在许多营销公司工作,然后决定使用CV Compiler。 该应用程序基本上检查您的简历,并告诉您要修复的内容和提交位置。到目前为止,CV Compiler已经能完全自行处理,他们正在研究新的和改进的机器学习算法,同时维护CV Compiler。 “有很多在线简历分析工具,但这些服务过于通用,这意味着它们可以被多个专业人士使用,结果很差。收到反馈后,用户经常被迫购买一些额外的服务,”Stetsenko说。“相比之下,CV Compiler专为技术专业人士设计。相对于行业中的最佳实践,在线评论技术会扫描来自编程世界的关键字以及它们在简历中的使用方式。” 该产品诞生于Stetsenko在GlossaryTech的工作,这是一个Chrome扩展,可帮助用户理解技术术语。他在该产品中使用了大量的自然语言处理和关键字分类,并将其中的一部分转移到了他的CV服务中。 “由于简历,我们发现许多求职申请在没有面试的情况下被拒绝。显然,10秒足以让招聘人员消除许多候选人”,他说。 该服务现已上线,团队希望信息语料库能够随着时间的推移而增长和改进。在那之前,为什么不让机器学习机器人告诉你在找工作时你做错了什么?也就是说,在它完全替换你之前。   以上为AI翻译,内容仅供参考。 原文链接: CV Compiler is a robot that fixes your resume to make you more competitive
    机器人
    2018年11月22日
  • 机器人
    101.Careers推出CAI——世界上第一个职业预测机器人 101.Careers是第一个面向13岁及以上学生的全球性职业探索平台,与SoMin.ai合作完成了这一工作。利用来自Youtube,Facebook,Instagram,LinkedIn和Twitter等社交媒体的公开数据,CAI,101的专有职业AI机器人,处理文本,图像,视频,在几秒钟内预测用户的个性类型和相应的职业选择。 101.Careers成立于2018年,已经通过全球国际学校的SaaS订阅模式,包括GEMS和Nord Anglia网络的学校,在平台上注册了数千名学生。 随着CAI的推出,101.Careers的目标是针对个别学生,他们的父母以及独立顾问,因为CAI为潜在用户提供了一种在订阅之前瞥一眼平台的方法。 101.Careers的创始人兼首席执行官S hauna Li Roolvink女士评论道:“利用社交媒体进行职业预测只是CAI的第一步。最终,CAI可以为我们的用户预测最合适的大学和最合适的雇主。“ “101.Careers还可以利用Somin的AI驱动的影响者营销平台来提升他们的数字营销业绩。”SoMin.ai联合创始人兼研究总监Aleks Farseev博士补充道。   以上为AI翻译,内容仅供参考。 原文来源:101.Careers Launches CAI – The First Career Prediction Bot in the World  
    机器人
    2018年11月12日
  • 机器人
    e成科技首席科学家陈鸿博士:面试机器人的未来是星辰大海 为大家带来一份科技感十足的干货——e成科技首席科学家陈鸿博士在7月27日2018招聘科技高峰论坛上的演讲,深度解析招聘领域时下最热门的AI面试机器人背后的“黑科技”原理。 在上周五HR Tech China主办的2018招聘科技高峰论坛上,e成科技首席科学家陈鸿博士亮相带着e成科技的“黑科技”招聘产品Chatbot面试机器人亮相,并发表了题为“机器人的识人之明——e成在面试机器人场景的探索”的演讲,为在座来宾科普了e成Chatbot面试机器人的科技内核和工作原理, 惊艳四座,反响热烈。 以下内容根据陈鸿博士2018招聘科技高峰论坛现场演讲整理: 各位嘉宾大家好,我在e成科技负责数据和算法。今天我跟大家分享的是聊天机器人可能要在面试中开始使用了。第一,我们会讲一下面试机器人为什么不仅仅是一个聊天机器人,面试是一个很特殊的场景。第二,是我们的技术内核,就是知识图谱,这个聊天机器人不是一无所知的,需要有很多的知识才能面对挑战。第三,我会讲一些会话和分析的事情,这个直接决定了面试过程能否流畅,像人一样自主的展开。接下来是神经网络的一些技术细节,我会尽量用一些比较生动的例子让大家理解这个网络是如何可靠的。最后展望一下面试机器人后续会怎么样。 1、面试机器人不仅仅又是一个聊天机器人事实上,我们说到HR的工作可能有很多的理论模型,三支柱模型,钻石模型这些,但是HR的工作离不开两点,一个是做关于人的决策,一个是要做关于人的沟通。AI在赋能HR的时候,其实在这两点上都有贡献。首先,我们可以通过AI让关于人的决策变的更加明智,其次,AI可以让沟通工作变的更加高效,面试机器人就是AI让沟通变的更加高效的第一步。 说到面试,它和普通的聊天不一样,这里列出了一些区别,大家其实平时用微软小冰或者苹果的SIRI都用的挺多了,但是面试跟这个有挺大区别,人聊天是很放松的事情,但是去参加面试很紧张,因为面试官在主导这个对话,面试官是一个会话角色,意味着在面试过程中,面试机器人首先要主导这个对话,然后经过多轮的对话才能最终完成,最终还要给候选人一个评价,这和普通的聊天不一样,聊天完了以后那是消费者给你客服一个评价,面试完了以后是由面试机器人给候选人一个评价,过滤出合适的候选人进入下一个轮次,这个是很不一样的。 2、基于人才知识图谱的动态会话决策 你要想让面试机器人能够正常工作,它会和一般聊天不同的是,它要基于一个人才知识图谱,区别于普通的聊天机器人公司,市场上有很多的伙伴在研发这些技术,我们的区别是什么呢?他们更像是让一个人类的宝宝从小到大,越长越大以后,对话越来越流利,但是我们e成做一个面试机器人, 就像一个外国专家要开始学用汉语说话,专家肚子里面有很多的知识,但之前不会说中国话,现在要学习怎么说出来。 在每一个面试场景面试官都需要具备很多的知识, 因此需要让这个机器人面试官具有这些领域知识,不能一无所知去做这个工作。当面试机器人底层有了知识图谱的知识支撑就不同了,首先,机器人面试官可以基于知识图谱定制对话的目标,其次,知识图谱还能让面试机器人做出动态会话决策,最后,知识图谱构成会话进行的算法机制的一部分。 我们来分开看一下,我们都知道面试在正常情况下是一轮一轮进行的,每一轮面试都有自己独特的目标,技术面的时候,评估候选人的技术水平,直属领导在面试的时候,他是来评估这个人是否适合这个岗位的,如果是CIT面试只考核你的沟通能力和软性素质,如果是HRD或者老板最后终面,那就是评估候选人的价值观和动机,对于面试机器人来讲需要在不同的场景下定制自己的目标,这是一个比较高的要求,因为面试场景变化很大,在不同行业、不同公司,面试不同职能的人,考核候选人的点是不一样的,你需要为各种各样的岗位确定这个目标,也就是面试机器人需要一个设置面试评估目标优先级的灵活方案。 这个优先级是指什么呢?就是人有很多不同的属性,里面也会列出自己的需求,但这个里面不是所有的东西都是眉毛胡子一把抓,你如果没有优先级的话,对话发展起来就会一片混乱,优先级的设置挺重要的。 3、面试场景的会话结构分析 下一页是讲在图谱的知识下,可以让这个机器人来灵活规划会话的流程,现在的多轮会话机器人,如果在座有做这个技术的应该了解,业界现状一般是用Pipeline来设置这个过程,每个对话节点设置自己的条件,在符合条件的时候让这个对话进入下一个节点,多轮对话所有的节点就构成一个Pipeline的框架,但这个轮次非常多,因为要问很多的问题。整体框架也会因此非常难以维护。 所以我们是让机器人面试官基于知识图谱动态推演出整个面试的会话流程。举一个例子,现在机器人面试官的面试目标是要招一个工程师, 它就要确认这个工程师的技术水平是否适合来进行研发,候选人介绍说,“我当时在组里设计开发Chatbot的语义理解、实体识别、多轮对话等核心算法。”那么机器人的知识图谱里有语义理解,实体识别,多轮对话的相关知识,知道这些都是开发Chatbot的相关技能,那么机器人就可以抓住其中一个点,把这个对话深入展开下去,比如说,机器人可以抓住“多轮对话”接着问: 能具体介绍一下你采用的多轮对话策略吗? 这样整个过程就比较流畅,像人的面试,依赖预定义逻辑是无法做到的。 把知识图谱作为一个底层的知识以后,这些实体都已经嵌入了一个语义空间,被向量化了,使得我们可以得到整个对话在进入机器学习模型的时候能够给这些文本编码为合理的向量,否则依然停留在词语和关健词的级别,那么你依靠字符匹配做对话机器人就必然会陷入困境,大家可能玩SIRI的时候经常体验到这一点,你用一句话跟Siri沟通,它好像还可以,换一个词就不懂了,因为它硬编码了那几个词或某个句型,它是记住了那个词,但没有映射到其他的近义词或等价表述上。而当我们要让机器人真正掌握一个概念和语义的时候,就意味着它把这个概念和语义向量化了,这样AI才可以自如的对会话中的意义进行计算。 现在来说一下会话结构分析,你要想让聊天机器人或者说面试机器人说的更加接近于人,他需要对会话过程有理解,我们说面试是一场比较严肃的会话,这个会话是有一些规矩的,我们说一下里面有什么东西,这里是一些要点,话轮,邻接对和链接结构等等。 话轮是一个很基础的概念, 大家在说话的时候一般不会说一句话就结束了,你会需要连续说好几句,才能把你想说的话说完,这是一个话轮。因此句子不是会话的最小单位,话轮才是。这个话轮会转换,话轮有让步和夺取的操作, 比如有时候你想抢话过来说,对方还在说的时候,你会抢过来,这是话轮夺取。这个取决于说话的双方谁更有支配,或者说两人的上下位关系。他是你的领导,他抢话你肯定让他接着说。现在在面试的时候,机器人是处于地位比较高的那一方,他是可以主动来夺取话轮的,这也是非常必要的,如果机器人还像在做客服机器人一样,傻傻听人类候选人一直在滔滔不绝,但人类候选人很可能已经偏离了主题,这个时候机器人面试官需要主动把话轮夺取过来,打断对方告诉他你现在说的已经和我问的问题没有关系了,这个话轮的夺取变成了比较关键的事情。 在话轮切换的时候会产生相邻对的概念,就是属于两个不同说话人的相邻接的话轮,相邻对有不同的类型,例如:【问候-问候】类型,正常两个人见面互相问候,我说你吃过了吗?对方说,吃过了,你吃过了吗? 或者【提问-回答】类型,就是常见的一问一答。还有【陈述-反应】的类型,你说天气很热,他反应我们去凉快地方呆着吧,还有【邀请-接受/拒绝】类型,邀请了以后可以接受也可以拒绝,上面这些相邻对的不同类型体现了不同的对话意图,通过对这些相邻对类型的分析,机器人就可以理解当前这个会话的意图是什么,意图有什么意义呢?其实会让会话变的自然很多。我这里举一个例子,同样给正反馈,但如果有不同的意图,就会有完全不同的对话。 比如说你意图是表示在倾听,那你可能就会说“嗯”,“嗯嗯”,这是你在微信里面表示「我在听,你继续说」,这是不打断话轮的,如果你意图是表示理解,你说“知道”,“明白了“,这是一个肯定,它有一个概率会夺过话轮,有时候你表示认同,你说“是的”,这时候对于话轮转换是中立的, 有时候你比较关注这个话题,你会部分重复对方的话,说明我对这个话题也感兴趣,这个时候你表示自己的支持立场,但是夺取话轮继续往下说。同样是表达正面的肯定立场,但是结合不同意图以后会有完全不一样的表达。 我们在说话的时候,有时候感觉对方和我能够说的很流畅,有的时候这个人怎么都不接我的话茬,这个话茬就是邻接对之间存在的链接结构,我现在上面举了两个例子。 一个是面试官在那里说,你那份工作的动力是什么?他说我不服输,我有条件不应该输给别人。动力这个词把上面和下面连起来, 他问你动力是什么的时候,你回答了这么一句话,然后说这就是动力,有时候词语会发生变化,但是不要紧,通过这个意义的交点,把前后的相邻对连接在一起,使得这个主考官确认这个人是在回答我的问题,也是我们面试机器人能够了解候选人跟着我的话茬在走。通过这个链接的关系能够确认对话的焦点还在不在我的控制内。 另一个例子是说你离开那个工作的时候留恋吗?他说不留恋,留恋就把这个对话给链接起来了,这个链接结构的机制使得机器人可以使整个对话变的更加合理。比如说他可以在候选人长篇大论的时候打断,也可以主动把自己的话跟对方的话连接起来,使得候选人更容易理解这个主考官在问什么。 4、增强学习和模仿学习的混合方案 我现在到了比较困难的部分,我要强行给大家科普一下神经网络,这是增强学习和模仿学习,我应该会用比较通俗的比方尽量讲的清楚一点。先是看一下整体的结构: 底层是一个图谱,图谱层里面有人才画像、岗位画像和评估目标,这些画像都落实成为一个个知识图谱,人才画像就是关于这个候选人是什么样子的各种属性连接起来的一个图,岗位是什么也是一个知识图谱,以及不同的面试其实有不同的评估目标,这个评估目标也体现为一个小的图谱,图谱层上面是会话层,我们刚刚提到的话轮分析、意图分析,就是通过对相邻对的评估去分析它的意图,还有链接分析,让这个对话变的更加流畅,最终我们实现的时候,到了网络层。我们往下看网络层的具体结构。 这张图展示了一个对话处理的流程,候选人先问,“您对我的职业经历有什么评价?”他会经过一个话语的Encoder, 注意上面有一个圈,这是上一轮的系统对话行为编码(图里标着K-1轮),这个编码里包括一个意图和对话的焦点,让系统知道对方是响应什么来说出这句话的,然后网络把当前对话状态输出到历史对话的跟踪队列,这是整个历史对话的记录,右边是知识图谱,经过知识图谱的检索以后产生了一个确认的结果,这些一起进入会话策略网络,产生了第K轮的对话行为,包括新的对话意图和焦点,会由一个自然语言生成器负责产生具体的句子,然后面试官会说好的,等等。 我们对这个网络的训练采用了增强学习和模仿学习的混合方法,我先要科普一下什么是增强学习和模仿学习,大家可能有不少人听说过什么叫有监督学习,在这个场景下我们没有采用,为什么呢?因为有监督学习的样本标注工作量在做面试机器人的时候实在是太大了,我现在举一个例子,如果以学习驾驶为例,大家去驾校,我可以发给你一本手册,手册上面在所有路况的情况下你需要做出的反应,你见到马路是这样的,左边什么车、右边什么车,然后你要踩油门,什么情况你要换档,试想一下枚举了各种可能情况后你需要的手册有多少页?这是一个惊人的天文数字,因为你要罗列所有可能的组合。 我们人类是怎么样做的呢?我们会去驾校,驾校的教练首先会让你看他开,他用实际操作来告诉你,你应该怎么开车,然后教练会让你自己开,他在边上,他来告诉你这么做不对,你要怎么做,看教练开和教练看你开,这分别对应着模仿学习和增强学习,你在看一个人怎么做你去模仿的话,其实可以快速得到很多正面的例子,你如果自己操作由其他人或者环境给你一个反馈,这称之为增强学习,谷歌的AlphaGo就是通过增强学习来得到这么好的效果。但是增强学习也没法完全包办所有的事情,因为他对正样本的覆盖太稀疏了,你没有办法让这个人在开的时候覆盖所有的情况,有一个教练在边上告诉你也很难覆盖各种可能性。 比较正常的做法是你先看着教练开,模仿他,他再看着你,在关键时候点拨一下。我们采取了类似的策略,我们先让这个机器通过少量的样本预训练一下,然后模仿人类的教学,再收集人类的反馈增强学习,相当于你去驾校,需要先背一点基本的驾驶规则,交规手册,但那个是很少的,没有办法覆盖所有的开车情况,教练接着就会让你去模仿他,最后你快出师了,教练坐在你的边上给你一些关键的指点,这就是我们这个神经网络的学习方式。 5、面试机器人的未来 最后简单说一下面试机器人的未来,刚刚分享了我们的工作就到这里为止,但这对于面试机器人来讲只是一个开始, 它的未来还非常广大,我们正在做能够处理开放式问题的面试机器人,刚刚说到的那些都是封闭式问题, 问题的答案是一个有明确边界的有限集合。但开放式问题不一样,它对应的答案没有边际。但也没法办法回避去处理开放式问题。你在问一个人软性能力的时候,你会希望他跟你分享一些故事的时候,都是你没办法去约束他的对话和边界,这些开放性的问题需要能够让机器人处理。 我们先不说怎么让机器人理解一个故事,怎么让一个机器人知道一个故事说完了,他可以接着往下说,这件事情就很有挑战性,我们在听别人说一个故事的时候是能判断一个故事已经说完了,但怎么让机器人去判断故事说完了就是个问题。这个话题非常有意思,我希望在下次分享的时候可以跟大家分享这个方面的进展, e成会始终致力于人力资源行业的技术发展,谢谢大家!
    机器人
    2018年08月06日
  • 机器人
    构建聊天机器人,「Leena AI」想帮 HR 回答“年假还剩几天”等琐碎问题 来源/36氪 文/陈绍元 将 HR 从琐碎的员工事务沟通中解放出来。 HR 和行政人员需要解答内部员工大量的问题,包括“年假还有几天”、“怎么报销”、“怎么请假”等。这些问题其实都有明确的答案,但 HR 需要分别答复,或许还要登录特定的系统、查看特定的文件,然后将标准答案回复给员工。如果将这些任务都交给AI机器人来解决呢? Leena AI 是 Y Combinator Summer 2018 课程的成员,希望通过构建 HR 机器人,来即时回答员工的各种问题。 Leena AI 的 HR 机器人通过集成到公司现有的人力资源管理等系统中,例如 Slack、Workplace、Workday 等,实现数据库的自动化更新以及针对HR的一些常规问题的查询。 HR机器人可以集成到现有的人力资源管理等系统中 员工可以向 Leena AI  的 HR 机器人询问工资、考勤、报销、审批、假期等各类常见问题,除此之外,HR 机器人还会将员工与职位导师联系起来,让导师提供建议或推荐课程。员工入职时,HR机器人会指导手续、流程。员工离职时,会收集员工反馈。 目前,Leena AI 每周都会与员工进行 1000 次对话。所有这些数据都会反馈到神经网络中,将 Leena AI 训练的更好。 在收费方式上,Leena AI 按照功能将服务划分成十多个模块。其中招聘、新人入职、员工离职模块是一次性付费,每位候选人/员工 15~20 美元。HR FAQ 自动化、差旅和费用管理、健康与保健等模块是按月付费,每位员工每月 1~2 美元。 该服务在 2017 年推出,目前已经有十几个付费客户,包括可口可乐,Pearson,Marico,RPG 等。为实现 2018 财年收入增长到 5 倍的目标, Leena AI 也希望在 IT,管理,财务,采购,销售和管理信息系统等其他行业进行探索。 Leena AI 的竞争对手是其他将科技应用于人力资源领域的公司,包括 Bash,Skillate,EdGE Networks,PeopleStrong,Darwinbox 等。其中 Bash 使用 AI 来改善人力资源流程和员工体验,其前端聊天界面也可以在 Facebook Messenger,Slack 等平台上使用。 HR 机器人的价值很明显。对于员工来说,可以让他们的问题得到及时回应,改善工作体验。 对于公司来说,可以将 HR 从重复琐碎的事务中解放出来,提高效率,创造更高的价值。更深一层,如果能将员工与机器人对话的数据,结合员工信息、工作状况等进行综合分析,或许能帮助 HR 自动观察和判断员工状态、情绪、关心问题、离职和休假可能等,从而及时采取相应的措施。 看回国内,钉钉似乎是一个非常合适的“HR机器人”集成平台。钉钉本身就具有聊天功能,并且围绕办公场景,集成了丰富的应用,包括考勤、审批、招聘、请假、会议等。这些应用以及数据可以与HR机器人无缝对接。 这样当我们想请假时,不用再找到“请假”模块进行操作,而是直接对HR机器人说一句“请假”,就自动进入了请假流程。
    机器人
    2018年07月03日
  • 机器人
    麦肯锡研究:2030年,机器人或将取代全球8亿个工作岗位 编者按:本文来自华尔街见闻,作者:叶桢。 关于机器人将抢走人类工作机会的讨论已经屡见不鲜,但近日麦肯锡给出了一个触目惊心的数据:在自动化发展迅速的情况下,到2030年,全球8亿人口的工作岗位将被机器取代。 麦肯锡全球研究院(McKinsey Global Institute)在周三发布的报告中称,包括人工智能和机器人技术在内的自动化技术将为用户、企业和经济带来明显好处,提高生产率并促进经济增长。但技术取代人工的程度将取决于技术发展、应用、经济增速和就业增长等因素。 这份研究范围涉及46个国家的报告对不同程度自动化进展对就业的影响进行了分类预测,在自动化发展相对缓和的情况下,到2030年,机器人将取代全球4亿个工作岗位。 报告指出,自动化对就业的潜在影响因职位种类和行业部门不同而异,其中最容易受到自动化影响的是那些涉及在可预测环境中进行物理活动的工作类型。 例如机械操作,快餐准备,以及数据收集和处理,这将令取代大量劳动力,包括抵押贷款发放、律师助理事务、会计和后台事务处理等岗位。 而受自动化影响较小的岗位通常涉及管理、应用专业技术和社会互动,因为机器在这些方面的表现还无法超越人类。 另外值得一提的是,在不可预测环境下的一些相对低收入岗位,例如园艺工人、水管工、儿童和老人护理人员受自动化的程度也会较低,一方面由于他们的技能很难实现自动化,另一方面,由于这类岗位工资较低,而自动化成本又相对较高,因此推动这类劳动岗位自动化的动力较小。 自动化不意味着失业,就业大变迁时代即将到来 麦肯锡特别指出,被机器人取代并不意味着大量失业,因为新的就业岗位将被创造出来,人们应该提升工作技能来应对即将到来的就业大变迁时代。 麦肯锡预计,在自动化发展迅速的情况下,3.75亿人口需要转换职业并学习新的技能;而在自动化发展相对缓和的情景下,约7500万人口需要改变职业。 刺激就业岗位增加的因素包括: 收入和消费的增加。麦肯锡预计在2015年至2030年间,全球消费将增长23万亿美元,其中大部分来自新兴经济体的消费阶层。仅消费行业收入的增加就预计将创造出2.5亿至2.8亿个工作岗位; 人口老龄化趋势。随着人们年龄增长,消费模式将发生变化,医疗和其它个人服务方面的支持将明显增加,这将为包括医生、护士和卫生技术人员在内的一系列职业创造新需求。麦肯锡预计,在全球范围内,到2030年,和老年人医疗保健相关岗位可能会增加5000万到8500万。 技术发展和应用。在2015年至2030年间,科技相关支出预计会增加超过50%,因此技术开发相关工作需求预计也将增加,其中一半约为信息科技服务相关职位。麦肯锡预计,到2030年,这一趋势将在全球创造2000万到5000万个就业机会。 此外,麦肯锡指出,基础设施投资和建设、可再生能源等方面投资以及部分工种在未来的市场化趋势也将创造新的就业岗位需求。 1亿中国人面临职业转换 从人口数量角度,中国将面临最大规模的就业变迁。 麦肯锡报告指出,在自动化发展迅速的情境下,到2030年中国约有1亿的人口面临职业转换,约占到时就业人口的13%。 当然这一数字相对中国过去25年经历过的农业向非农劳动岗位的变迁来说,并不算多。麦肯锡认为,随着收入继续增长,中国就业人口从农业转向制造业和服务业的趋势预计将会持续下去。 麦肯锡预计,到2030年,在自动化发展迅速的情境下,中国高达31%的工作时间将被自动化,如果发展相对缓和,这一数值将下降到16%。
    机器人
    2017年11月30日
  • 机器人
    VR 和 AR 拯救美国劳工:培训新技能,对抗机器人带来的失业 编者按:本文编译自Fast Company名为Virtual And Augmented Reality Can Protect The American Workforce的文章。 在硅谷的任何一条街上散步,处处可见就业困难的美国劳工,他们被就业压力压的喘不过来气。当然,前提是你首先遇到的不是无人机。 在街道上奔驰而过自驾车,让乔治·杰森都自惭形秽的机器人,可以取代整个部门的计算机算法,即将代替配送员和狗仔队的无人机。因此,不难解释为什么一些专家预测,未来将是反乌托邦的世界 ,大部门人都将面临失业。 如今,美国的劳动力不仅老龄化,而且还得与全球各地的劳动力竞争。世界各地的廉价劳动力挡住了美国人的就业之路,自动化和大数据也取代了大部分工作。 幸运的是,未来并不像这些专家们所预测的那样暗淡。任何历史或经济专业的学生都知道,新兴技术会取代一部分工作,但也可以创造就业机会。就像汽车的出现取代了马车,但是汽车修理工,卡车司机应运而生。 如今,我们面临着类似的技术变革。许多行业和职业面临着生存危机。但与此同时,企业可以利用新的技术创造价值,从而创造新的就业机会。 因此,问题不仅仅是缺乏就业机会这么简单,而是大部分劳动力没有习得适合他们的的技能。 现在,不仅高新技术产业有很多职位空缺,传统行业也是如此。德勤2015年的一项研究估计,未来十年,美国将会出现350万个制造业就业岗位,而其中200万个将一直处于空缺状态。 为了应对这一挑战,各行各业的企业必须大量投资员工的培训和再培训,这就是所谓的员工“技能提升”。为了保持竞争优势,员工必须跟上时代的脚步,掌握迅速获得信息的方法,提高工作和沟通的效率。 那么,企业应该如何培训员工才能更经济,更高效呢? 办法倒是有一个。硅谷提出来可以使用AR和VR培训员工。 全球最大的企业已经开始利用AR和VR来培训员工。原因是,这项技术可以使培训更佳安全和高效。同时,这项技术在培训员工软技能(如换位思考和团队合作)方面也潜力惊人。 虚拟化,企业的新宠儿 人只要戴上VR头显,立即可以沉浸在数字世界中。虚拟现实技术融合了先进的计算机图形学和一系列技术。在工作的时候,虚拟现实会诱使大脑相信,自己处于一个完全不同的位置,甚至是一个新的世界。 虚拟现实是一个强大的培训工具。通过这项技术,我们几乎能够重新创建任何场景。同时,成本和风险相对较低,培训时间也较好掌控。例如,飞行员必须在飞行模拟器上进行上千小时的训练,锻炼如何应对各种突发事件,例如飞机失速和机身震动。 有了VR技术,我们可以无限地创建各类逼真的场景。 德国著名的铁路公司Deutsche Bahn通过VR让求职者体验一天工作生活。在这个过程中,求职者可以通过VR检查最新Intercity Express列车的底部。这吸引了大量求职者也提高了劳动力的保留率。在如今竞争激烈的劳动力市场,这无疑是一项至关重要的竞争优势。 UPS是世界上最大的派送服务机构。每时每刻,公司都有10万辆卡车奔波在路上。如今,为了提高效率,UPS也将VR引入了培训中心。在VR技术的帮助下,新员工模拟驾驶运送车辆来学习如何检测和避免一般的道路危险。 试验表明,这种培训方式更高效,更有吸引力,因而更成功。毕竟,游戏化,逼真的模拟场景非常受年轻游戏玩家的欢迎。 零售巨头沃尔玛已经部署将近200个虚拟现实培训中心。其目的是为每年黑色星期五做准备。 通过VR设备,受训的员工可以体验一年中最忙碌的一天,并学会如何解决可能出现的问题,例如库存短缺,流量控制和客户冲突等。 VR让培训变得更加生动有趣,这是在现实世界无法实现的。 与直觉相反,虚拟现实甚至可以用于软技能的训练。对于企业来说,考核和训练软实力非常难,例如同理心,敏锐度和团队合作精神,然而这些因素往往决定着个人能否成功。 VR可以将使用者置身于另一个人所处的境地之中,并且帮助使用者进行换位思考。 医生使用基于视角的虚拟现实技术来获取病人的就医体验,以此来改善他们对待病人的方式。 NFL(一个致力于保留妇女和少数名族领导职务的组织)也在使用VR技术提高受训者的技能。此外,NFL还希望通过让受训者体验受害者的经历,提高所有雇员对于偏见和骚扰的敏感度。 意料之中,比起客户的口述,让受训者亲身体验更加有效。 AR,高效的学习工具 VR只能掌控你的视野,AR却可以掌控你所有的感官。AR会尝试了解你的世界,在你眼前呈现有用的视觉图像。 AR可以运用于耳机,智能眼镜甚至手机之中,实时提供上下文信息和工具,就好像它们是物理环境的一部分。 世界上最大的电梯公司ThyssenKrupp拥有14,000名服务工程师,该公司已经将AR技术应用于提升员工技能。 该公司已经部署了Microsoft Hololens设备,一个可穿戴的AR耳机,并通过这个耳机培训和帮助24,000名服务工程师。技术人员无需亲赴现场,就可以通过三维投影来查看,拆卸和重新组装最新的产品模型。在AR场景中,他们可以修改原理图,体验教程,并与专家通过Skype通话。与此同时,他们还能观察产品模型的小部件。试验显示,该设备将服务效率提高了四倍。 在提升员工能力方面,AR非常强大。因为,AR可以实时提高工作人员的技能,同时还不影响员工完成手头的工作。这样在不影响员工的生产力的同时又能提高他们的技能。在GE风能部门,技术人员在工作中利用AR显示“瞄准线”原理图。与之前相比,这种做法将风力发电机的服务速度提高了46%。 这些案例才是VR和AR应用于培训的第一波尝试。现在几乎所有的iPhone都支持ARKit,而且大多数Android手机也都支持ARCore,VR头显的质量也会更高,价格也会更便宜。早晚,人们可以把AR装进口袋,在家里使用VR。 基于这样一个庞大的用户群,企业不仅能够利用VR培训在职的员工,还能考察求职者,服务客户。在这过程中,企业无需像传统培训方式一样耗费大量人力,物力。 试想一下,员工上班第一天,不仅心情喜悦,而且已经体验过了他们未来要做的工作。 自动化,人工智能和其他技术进步使毫无准备的工人们心生担忧。 工作虽然不会轻易消失或被机器人霸占,但其性质将会改变。同时,除了企业对员工的培训,企业和员工之间的技能匹配也至关重要。 沉浸式VR为企业解决这些问题提供了一个更安全,更快速,更有效的途径。企业和员工也可以更好的合作。 原文作者: WILL BYRNE AND DALE KNAUSS 原文链接:https://www.fastcompany.com/40484853/virtual-and-augmented-reality-can-protect-the-american-workforce
    机器人
    2017年11月07日
  • 机器人
    你得知道:世界上第一个拥有国籍的机器人诞生了,叫索菲娅,被授予沙特公民身份! 近日,被誉为“沙特达沃斯”的“未来投资倡议”大会在沙特首都利雅得举行。会上,一位女性机器人索菲娅被授予沙特公民身份,成为世界上首个获得公民身份的机器人。 在被授予国籍后,索菲娅告诉专家组:“我非常荣幸和自豪成为世界上第一个获得国家认可的机器人,这是历史性的。” 随后,《纽约时报》和美国全国广播公司的专栏作家安德鲁·罗斯·索金就其人形形态及人工智能等问题采访了索菲娅,索菲娅则给出了不少机智的答案。 当被问及机器人是否有自我意识时,她回答说:“好吧,让我再问你一下,你怎么知道你是人的?”她继续说:“我想和人类一起生活和工作,所以我需要表达情感来了解人类,并建立与人的信任。”当索金表达了对人工智能的担忧后,索菲娅则表示,人们并不需要对人工智能太过忧虑,她对斯尔金说:“你明显好莱坞影片看多了。如果你对我很好,那么我会对你很好。”   下一步我们要考虑下,当你雇佣一位有身份的机器人的时候,社保医疗工资如何办??还不知道是否她具有人类公民的一切权利,或者单独会有一套公民权利系统。   索菲娅创建者:机器人或将形成自己的社会 索菲娅的创建者大卫•汉森认为,如果一种AI产品看起来、听起来很像是人类,那么人们就会更愿意以一种有意义的方式与其互动。这样的机器人可以用来陪伴那些独居的人,比如老人。 汉森机器人公司宣称:“索菲娅是一个进化中的天才机器。随着时间的推移,她不断增长的智慧和非凡的故事将会让这个世界变得更加精彩,并与人们建立起更紧密联系,不管年龄、性别或文化差异。” 汉森在2017年的大部分时间里都带着索菲娅环游世界。他的任务是让人们习惯于看到索菲娅的脸,让他们对AI取得的进步感到兴奋。汉森机器人公司网站解释道:“索菲娅已经成为媒体宠儿,曾多次接受多个媒体的采访,在演唱会上演唱,甚至登上了顶级时尚杂志的封面。”很快,汉森将推出其他机器人,加入索菲娅人形机器人的行列,或许最终它们会形成自己的社会。 可是汉森本人认为,未来已经迫近。他表示:“我们将进入与机器人共存的时代。”
    机器人
    2017年10月29日
  • 机器人
    你的下一个老板会是机器人吗?用这个小工具评估一下 编者按:AI正在蚕食一切。很多人开始担心将来自己的工作会被机器替代。这一天未必到来的那么快。但是机器当你的老板的可能性却会越来越高。《机器人是老板》的作者、连续创业者Artur Kiulian探讨了这方面的可能性,并开发了一个评估这种可能性的工具,想知道你将来会不会有个机器人老板吗?去评估一下看看吧。小工具地址在文末。 人工智能软件和机器人在模式识别、预测性分析、重负载计算以及处理重复作业方面很强。正因为有了这些能力,机器在很多职业和活动方面正在逐渐替代人类,引发了自动化对工作市场的影响的日益担忧。 目前大量有价值的工作都是由人来完成的——比如检查安保视频寻找嫌疑行为,确定车辆是否即将撞上行人,查找和排除网上骂人的帖子——这些事情人在不到一秒钟之内就能完成。这些任务准备可以自动化了。然而,这些任务往往要放在一个更大的业务流程背景下才适合;找出它们跟业务其他部分的关联也很重要 ——吴恩达,最近刚刚推出了1.5亿美元的面向AI的风投机构 AI的威力无可争议,问题是自动化能走多远,它对员工、组织以及商业流程又会产生什么影响。一个主要问题是——AI会不会变成绝大多数员工的下一位老板? 大多数专家都同意在不久的将来绝大部分的工作都会部分或完全被自动化。实际上,这意味着员工要么完全被机器替代,要么开始跟机器合作,充当后者的助手、培训师或者下级。AI专家做出的部分预测是相当激进的。 比方说,麦肯锡得出结论说目前现有的AI技术可以对今天大家执行的45%活动进行自动化。这家咨询机构还预测未来10年约60种职业将会经历至少30%的自动化。 自动化场景 自动化的范围取决于技术可行性(员工在可以自动化的活动上所花费的时间占比),监管是否到位以及社会的接受度、经济利益和自动化的成本。 麦肯锡认为,管理别人和运用专业知识是最不容易受到自动化影响的活动。而更容易受到影响的任务包括利益攸关者互动、无法预测的体力工作(如建筑工、林业)。最后,最容易受到自动化影响的是可预测的手工作业,数据收集以及数据处理工作。 直觉上看,如果你保持受雇的话机器人会成为你的下一个老板。因此,在这种氛围下,就像无人驾驶或者自动交易那样,机器会成为自己的老板。比方说,在无人驾驶方面,卡车车队的活动会通过可在紧急情况下即时发送软件更新和安全补丁的空中系统(OTA)进行同步。显然,此类系统并不需要太多的人类干预也能顺畅工作。 人机通信的新形式,包括有AI引导的管理等,在AI与员工被结合到统筹商业流程的混合型公司中将变得更加可行。 第一个场景是机器承担了面向客户界面的角色,这种角色可以促进客户支持或商业分析等企业运营工作。执行廉洁消费者与人类顾问这一特殊任务的面向垂直领域的机器人就是这种模式的典型例子。 许多初创企业雇佣了所谓的聊天机器人训练师来评估聊天机器人的表现,并在出问题的时候插手干预。在这种模式下,人类员工对AI软件的作用是增强和辅助,后者利用其自然语言处理、分析、图像识别或其他机器学习功能来运行业务流程并作出重要决定。不过到最后还是由人类经理和员工说了算。 那么,机器人什么时候才会变成你的老板呢? 在决策严重依赖算法解决方案或者只要机器参与到管理员工和绩效评估的公司,AI很可能就会变成机器老板。据Gartner,到2018年全球将会由300万人由机器人监管。 机器老板已经在许多数据驱动型公司执行着重要任务。比方说,全球最大的对冲基金,监管着1600以美元资金的Bridgewater Associates(桥水联合基金)正在开发PriOS算法管理系统,他们要用这套系统来控制所有的基础业务流程和运作。这套系统负责了若干的关联任务,比如招聘和解雇员工,或者或相反看法进行打分,以解决团队的争端和分歧。这套AI系统背后的合理之处在于它完全排除了在投资决策当中感情和情绪的任何影响。 在银行和贷款经纪方面AI软件也有着良好的发展势头,他们利用机器来决定哪些客户有资格获得贷款。如果没有这类软件,抵押经纪就得把90%的时间花在审核申请上面。 而机器做这件事情可以更加高效,从而为经纪人向客户的咨询和建议工作腾出了时间。然而,大家日益担忧信用评估软件里面的机器学习算法会受到歧视性偏见的侵蚀。 公司还在借复杂图像识别软件之力,在人类主无法恰当衡量情况下来自动评估员工的表现。 比方说,机器老板可以跟踪Uber司机选择的轮偏转角来评估这位司机的驾驶技能和风格。类似地,在服务领域机器学习算法可以用来评估服务员的工作做得如何,办法是跟踪这些服务员在VIP客户面前笑容的灿烂程度如何。 算法已经在管理人了 并且我们还没怎么注意到这一点。 在许多构成所谓的零工经济的按需机动和送货服务中,AI软件负责重要的商业决策,规划以及绩效评估。在总部位于伦敦的食品外卖公司Deliveroo,大多数外卖员的行动都是由管理算法严格控制的。 如果某位外卖员拒绝订单,严格的算法就会惩罚他们。Deliveroo的算法系统仔细的监视着外卖员的表现,它会计算其平均“接单时间”,“行驶时间”以及“未分配订单数”。如果该外卖员的表现达不到服务水平协议,就有可能被系统屏蔽。 全球领先的共享打车服务Uber也采用了类似的算法过程。在Uber那里,一旦司机登录进系统,其接受打车请求的时间就只有10到20秒。如果连续错过3次订单,司机就会自动被踢出系统几分钟。如果频繁违背Uber的算法性政策,这位司机的账户可能就会被撤销。 在这些算法当中,Uber司机对Uber的Dynamic Pricing Model(动态定价模型)发生了抱怨。该模型会自动根据对Uber服务的总需求情况设置资费。因此,Uber司机的收入也会高度不稳定。Uber不公平的价格设定政策导致2016年司机加入了一场名为“Fight for $15”的示威游行,要求自己的服务要得到公平的报酬以及工会权利和社会福利。 正如这些例子说明那样,机器在以来于数据驱动系统、自动化分析以及算法性决策的企业是有可能成为老板的。当公司把决策的责任交给机器学习算法时,机器就自动变成了老板。 但与此同时,有些地方还不会受到机器人老板的影响——那就是错误决定会产生危险影响的领域。 医疗保健就是这样,因为保健专业人士的日常活动需要人类的专业知识以及跟病人的直接接触。尽管AI做出的医疗诊断可以为医生提供有价值的洞察分析,但最后的决定还得由保健专家来做,因为后者需要对机器的结论进行验证,确保其符合所有的道德规范和政策。 小工具 想知道你的工作由算法进行管理的可能性有多高吗?你可以来试试我开发的这个工具,它利用了公开的工作活动和职业数据,以及牛津大学的计算化研究:http://www.willrobotbemyboss.com/ 原文链接:https://hackernoon.com/why-your-next-boss-will-be-a-robot-fbe6098de696
    机器人
    2017年08月28日
  • 123