• 机器人
    HR新同事:办公室里的机器人 - 如何改善数字世界的工作场所文化 数字工具和虚拟团队使改善公司文化变得更加困难。但商业成功需要积极的文化。了解在工作场所解决这个问题的技巧对于员工说“我会回来”至关重要 想象一下,到达工作岗位,找到坐在每张桌子上的机器人,敲击键盘。听起来像电影的情节。事实上,它是。这是我的世界,机器人。 幸运的是,今天的工作场所还​​没有办公室里的机器人。但技术的传播仍然发挥着巨大的影响力。随着数字工具和虚拟团队的使用增加,保持积极的公司文化变得更加困难。 这对企业有非常实际的影响。员工从未更快,更轻松地获取信息。但是很多人都被他们的数字能力所淹没。他们很难脱离。数字协作工具使创建真正有凝聚力的团队变得更加困难。 建立强大的文化对于企业成功至关重要 - 但如何在这种环境中实现它?无论您的组织在数字化旅程中的位置如何,这都是您需要了解的信息和解决方案。 Cause and e-tech --文化与数字化工作场所之间的联系  Cause and e-tech – The link between culture and digital workplaces 积极的公司文化的重要性是每个人都可以达成的共识。它不仅提高了员工的幸福感和满意度,还提升了业务绩效。拥有强大文化的公司收入增长率提高了400%。 但是,我们如何证明公司文化与数字化工作场所之间的联系呢?当今以技术为主导的工作场所如何影响工作场所的文化? 随着越来越多的组织开始进行数字化转型项目,与文化的关系正在被揭示出来。几乎一半的组织认为公司文化是有效数字化转型的最大贡献者。 贫困的文化是最高管理层关注的问题。2018年的一项调查发现,46%的CIO认为贫穷的文化是成功数字业务的最大障碍。 为什么是这样?是什么导致文化在数字主导的工作场所遭受损失? Digital downtime- 为什么文化在数字化工作场所受到影响?Digital downtime – Why does culture suffer in digital workplaces? 既然技术提供了许多好处,为什么它会破坏工作场所文化?其中一些原因与技术直接相关。其他因素则是无意中引入的工作场所行为变化。 数字化转型本身往往是根本原因。就其性质而言,这些举措侧重于技术而非人。自动化,数字化,系统和基础设施 - 它们都是旨在改进流程和交付的技术改进。关注人们需要的东西,不仅仅是数字化能力,是关键 - 但往往被忽视。 为安全或方便而引入的技术通常不鼓励文化。网络摄像机,身份证读卡器,生物技术 - 都具有非人性化的影响,无论如何都是无意识的。 移动数字技术模糊了工作生活和个人生活之间的界限。员工不再能够在家中断开连接。检查电子邮件,回复邮件和“随叫随到”是司空见惯的事。在许多工作场所,他们是预料之中的。缺乏明确的工作和个人时间正在增加压力,鼓励网络攻击和侵蚀文化。 即使是在线协作工具,也被吹捧为促进团队合作的方式,但在很大程度上是非个人化的。它们可以实现快速的信息交换(或者只是毫无意义的对话),但它们不支持更深入,更丰富的构建文化的讨论。 技术带来了传统团队模式的变革。以前工作人员会与同事一起坐在吊舱里,今天的团队越来越虚拟而不是实体。它们是分散的,基于远程的,地理上分散的。虚拟团队培养健康的人际关系和积极的文化是无比的。 Techs happy - 如何改善您的工作场所文化  Techs happy – How to improve your workplace culture 由于强大的工作场所文化是可取的,但数字发展正在破坏这一点,可以做些什么呢?如何在不冒技术进步风险的情况下改善文化?这些策略将有助于您的团队从技术娴熟到技术高兴。 1.个性化您的项目 - 不要在下一个数字项目中让人们成为事后的想法。通过使其对员工有意义来个性化旅程。项目将如何在每个阶段影响他们?如何突出个人的贡献? 抓住每个机会让员工参与其中。获取有关初始要求,概念反馈或预发布测试的输入。在推动成功的数字化发展的同时建立积极文化的关键是将人员和流程置于技术之上。 2.促进实际利益 - 确保新数字工具的价值清晰。关注这些好处可以减少对变化的不信任。它会以什么方式改善工作条件?也许它将为更灵活的工作安排提供机会,或简化流程以消除繁琐的任务。不要害羞保持WIIFM的首位 - 从屋顶喊出来! 3.专注于成就 - 很容易陷入技术细节,特别是当工作人员需要注意的时候。但这并不是推动文化发展的那种内容。 相反,花费相同的时间在成就消息上。取得了哪些关键里程碑?哪些员工表现出色?取得了什么惊人的成果?促进成就建立了成功感和实现感 - 无论是个人还是团队。 这是内部沟通真正发挥作用的地方。使用一系列高可见性的内部沟通工具来传播有关成功的信息。 4.不要将数字设为默认设置 - 当您需要与同事协作时,不要立即跳转到数字解决方案。考虑一下可以亲自做些什么。这种相互作用对于打破筒仓并产生更令人满意的结果非常重要。 弗兰克的讨论更容易,情绪反应更清晰,结果也更好理解。鼓励面对面会议,建立关系,改善文化。 5.投资培训 - 并非所有员工都对数字工具感到满意。有些人会对这些变化感到不满,许多人需要不断的支持。投资适当的培训,包括后续培训或有针对性的培训,有助于克服阻力并培养积极的心态。 将培训作为任何数字化工作场所战略的关键考虑因素,以便员工培养必要的技能,以保持在动态环境中。 6.建立一个愉快的工作场所 - 我们大多数人注定要在工作中度过一半的生命,所以尽可能地,这必须是我们想要的地方,而不是恐惧。无论多少技术已遍布,我们的目标是建立一个既愉快又富有成效的地方。 这包括以人为本,重新评估团队合作的本质以及一系列其他策略,以建立适合未来的数字化工作场所。为积极的工作场所文化创造条件,您将确保员工始终如一。 在数字世界中鼓励工作场所的文化变革更难,但可以通过正确的策略和正确的态度来实现。哪会让您的员工满意并帮助业务增长?机器人不需要申请。   原文来自:https://www.hrtechnologist.com/articles/digital-transformation/androids-in-the-office-improving-workplace-culture-in-a-digital-world/ 以上由AI翻译完成,仅供参考! 假设小编也是机器人。。。。
    机器人
    2019年08月28日
  • 机器人
    与机器人一起工作时,人类会有什么生理反应? 研究人员开发了一个人机新框架,可监测人类生理反应,进而改善人机互动效果。         人类-机器人协作(HRC)概念框架图。HRC系统主要强调3方面特性:意识、智能和遵从性。   据techxplore.com网站近日报道,美国罗切斯特理工学院机器人实验室(CMCRL)的研究人员开发了一种新的框架,可用于监测用户与机器人合作完成任务时的生理反应。 在Ferat Sahin教授的指导下,研究人员展开了对系统、框架和软件工具的开发工作,以研究工业环境下的人机协作。该研究可在人机交互过程中持续收集生理数据,同时改变机器人的动作,以触发与之交互的人的反应。相关成果发布于arXiv和IEEE会议等。 研究人员Shitij Kumar在接受techxplore.com采访时说:“在我们看来,工业人机合作主要面临三大挑战——安全、信任和产能。为了应对挑战,我们开发了人-机器人协作(HRC)系统,它可以帮助我们创建不同的人-机器人协作场景,并分析人机交互情况。”                    原型机实验中使用的监测设备。研究人员利用这些设备监测人类的运动与生理反应。 在传统的社交机器人实验中,受试者需要在实验中或实验后向研究人员反馈主观体验和感知。根据收集到的信息,研究人员再开展量化分析工作。 Kumar分析说:“然而,打断实验对象或让实验对象回忆这样的方法并不能较好地保持实验的完整性或提供准确的信息。因此,新框架转而让受试者在HRC中生成事件标记。我们的框架还为研究人员提供了可以回放和可视化HRC实验的界面。并且,数据分析的模式也更加完善。”                                                          HRC实验过程中采集的信息。 随着可穿戴设备和物联网(IoT)的兴起,人类生理数据的收集变得更加容易。因而,HRC新框架的开发变得更有价值。 Kumar等认为,在HRC框架系统中,人类用户和机器人的行动都会受到监控,信息在他们之间共享。这会使两者有更好的沟通,并最终培养出更高的信任值和提高生产力。在未来,Kumar等计划将他们的数据与其他HRI研究人员共享。 他说:“下一步,我们的研究将集中于开发生理计算系统的完整用户界面应用,以处理记录信号、提取信息、机器学习算法分析和反馈等全过程。这项研究的最终目标是生成一个数据库,以用于理解和推断人类的生理反应,进而帮助机器人产生适应性行为。”   期刊来源:IEEE会议论文、arXiv.org等 原文链接:https://techxplore.com/news/2019-08-human-physiological-responses-interactions-robots.html 来源地址:https://user.guancha.cn/main/content?id=159694&from=timeline                
    机器人
    2019年08月20日
  • 机器人
    接近10%的英国工作岗位面临着自动化的风险,但这并非全是坏消息 文/KYLE WIGGERS 英国近10%的劳动力 - 约150万工人 - 占据了自动化“高风险”的工作岗位。根据英国国家统计局(ONS)今天发布的一项研究,该研究发现,在2017年调查的1990万人中,未来几年大约7.4%的人可以被自动机器取代。(与2011年相比,这是一个小幅改善,实际上,当风险工作的数量达到8.1%时。) ONS预测服务工作者 - 主要是服务员和女服务员,零售库存补贴者和入门级销售人员 - 将受到不成比例的影响; 据报道,2011年至2017年期间,25.3%的超市收银工作岗位消失。而且预计农业,汽车和服务业的表现不会好得多 - 他们在同一时间段内看到集体下跌15%。 女性在2017年持有70.2%的高风险工作岗位,可能会承受即将到来的劳动力市场变化的冲击。但是年龄在35岁到39岁之间的男性工人受影响的可能性较小 - 目前仅有1.3%的人担任ONS指定为“高风险”的角色。 英国不是唯一一个有人工智能从根本上改变就业市场的国家。在去年年底的一份报告中,Forrester发现自动化 - 特别是聊天机器人,物联网(IoT)事件和分析平台 - 也可能在未来几个月内消除美国10%的就业岗位。而世界经济论坛,普华永道,麦肯锡全球研究院,和 Gartner的预测,AI会在2025年使多余的,因为许多75万个就业机会,并从当前抑制2030年的工作需要“低数字技能”,以30%的数量40%。 不过,这并不全是坏消息。 今年夏天,普华永道发布的一项研究表明,到2037年,英国人工智能的广泛采用可以带来更多的就业机会。根据普华永道的数据,仅医疗保健市场就增长了100万(约占其现有工作岗位的五分之一),而法律,会计和广告公司可以获得多达50万个就业岗位。 另一项Gartner调查预测,到2020年,人工智能将创造500,000个就业岗位,到2025年将创造200万个就业岗位,部分原因在于创造“新的工作方式”。此外,麦肯锡预测人工智能可以为国内生产总值增长贡献额外的1.2%(GDP) )在接下来的十年中,它有助于在未来12年内获得额外20-25%的净经济效益(相当于全球13万亿美元)。 麦肯锡报告的作者写道:“政策制定者需要表现出大胆的领导力,以克服公民对自动化工作所带来的工作威胁的可理解的不适感,”[和]公司将[需要]成为搜索中的重要参与者为解决人们使用人工智能的艰巨任务提供解决方案。” 以上为AI翻译,内容仅供参考 原文链接:Close to 10% of U.K. jobs at risk from automation, but it’s not all bad news
    机器人
    2019年03月27日
  • 机器人
    2019年HR需要关注的转变趋势 文/Diana Coker 美国研究公司Forrester对2019年的预测显示,这一年将伴随着许多业务转型。Forrester警告说,考虑到技术的快速发展,许多工作场所的创新将出现在商业领域。伴随这些创新而来的是处理它们的挑战。组织准备、老化的品牌、数据治理和技术债务将是业务必须处理的几个挑战之一。 应对这些挑战首先需要HR们了解2019年的基本转变趋势。当这些问题得到确认并从理论上加以处理时,就会为2019年的成功奠定更有力和更可靠的基础。 以下是2019年HR必须密切关注的三大转变趋势: 机器人重塑人才管理 自从引进自动化以来,由于对人力的需求有限,人们一直担心失业问题。这种担忧在2019年将进一步加剧。Forrester指出,大约7%的体力劳动岗位将被自动化取代。更大的问题是如何利用自动化的潜力来解决不同领域的技能短缺,这就是人才短缺。为了在2019年解决这个问题,人力资源经理必须推荐机器人商数(RQ)作为数字工作者和同事的重要学习和测量基础。 员工体验(EX)将无效 在新的一年里,大多数企业高管将在管理上做出一些基本的改变。其中一个重大变化将是用有针对性的员工体验(EX)计划取代去年采用的大规模文化变革战略。然而,由于缺乏协调一致的努力,结果将是好坏参半。因此,员工的工作体验不但不会提高,反而会降低。人力资源经理注意到,85%的员工体验测量工作将会失败。 人工智能(AI)奠定了基础 这将是2019年最重要的转变趋势之一。在改善数据治理方面,人工智能将更有效地为企业所用。这将通过使用智能工具来实现,这些工具可以将数据处理转移到更具体的环境和承接状态中。到2019年,超过40%的企业将拥有人工智能和机器人流程自动化(RPA)相结合的数字化员工。因此,对于人工智能将建立的数字化成功的基础,HR们有必要关注、预测和理解人工智能。 2019年将严重影响工作场所发明的趋势将在很大程度上取决于人工智能。从人工智能驱动的招聘,到更先进的数据存储和计算程序,再到人才管理,再到对员工体验的需求减少,2019年对人工技术的期望会更高,人力资源管理人员必须做好在商业中继续发挥作用的准备。   以上为AI翻译,内容仅供参考。 原文链接:Transformation Trends in 2019 HRs Need To Watch
    机器人
    2019年01月08日
  • 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