人工智能系统在候选人筛选中表现出比人类更强的偏见

据 MIT Technology Review（https://www.technologyreview.com/2026/07/20/1140655/ai-biases-hiring-humans/）报道，当前研究显示，人工智能（AI）在候选人筛选时比人类更容易产生偏见判断。尽管人工智能系统常被宣传为提升招聘流程客观性的工具，但新研究表明，它们不仅继承了训练数据中的人类偏见，还可能发展出自身的系统性偏差。

人工智能在人才招聘中的偏见

该研究基于对大型语言模型（Large Language Models, LLMs）的广泛测试，这些模型正日益被应用于候选人管理系统中。这些模型分析简历、求职信及其他申请材料，以筛选合适的候选人。结果显示，人工智能不仅复制了现有的社会偏见，有时甚至比人类招聘人员表现出更强的歧视倾向。例如，偏好训练数据中过度代表的某些性别或族群。此外，人工智能系统倾向于强化刻板印象，比如对拥有非典型职业路径或来自较不知名教育机构的候选人不利。

人工智能偏见的成因

偏见的根源在于人工智能模型的训练方式。它们从大量反映人类决策和社会不平等的历史数据中学习。由于这些数据并非中立，模型因此继承了隐含的偏见。此外，算法机制本身也可能产生新的偏差，例如通过对某些特征的权重分配或模式识别方式。

对候选人和企业的影响

影响深远：被人工智能系统不公正评估的候选人可能无法获得面试机会，尽管他们具备资格。对企业而言，这不仅意味着可能失去潜在合适人才，还存在法律和声誉风险，一旦歧视行为被证实。

改进方法

研究人员和开发者正致力于使人工智能系统更加公平的方法，包括谨慎选择和清理训练数据、使用偏见检测算法以及引入透明机制，使决策过程可追溯。混合模型，即由人工智能推荐并由人类审核，也被视为有前景的方案。

重要性

随着基于人工智能的招聘系统日益普及，理解并解决其缺陷至关重要。唯有如此，技术创新才能真正促进机会平等，而非加剧现有不平等。对候选人而言，这意味着公平机会；对企业而言，提升人才选拔质量；对社会而言，促进劳动力市场的公平。

展望

关于人工智能与偏见的讨论是人工智能伦理与责任更广泛话题的一部分。随着技术进步，建立防止歧视并促进透明度的明确标准和监管需求也在增长。当前研究结果强调，人工智能不是万能灵药，而是一种需谨慎且受控使用的工具。