专业正规安全的配资公司炒股平台门户网
关键词不能为空

期货配资

导航

「ai 算法 期货」AI都能炒股了,以后就要拼谁的

未知
admin

ai 算法 期货:AI都能炒股了,以后就要拼谁的算法牛了

人工智能量化交易平台宣布获得数百万人民币融资。据悉,本轮融资将主要用于团队建设、产品开发和硬件设备投入。 是一家基于人工智能的量化投资公司,成立于2017年10月,主要将技术应用于量化投资领域,实现低风险高收益的投资回报。 中国私、公募基金规模呈大跨步发展,截止2018年2月底,中国私募基金规模已达12.01万亿元,公募资金规模已达12.64万亿,在控制风险的前提下,提高获得投资收益的效率,是公、私募投资最大需求,国外盛行的量化交易越来越被国内机构所接受。 在量化交易这个领域,目前已有不少项目:私人量化交易平台JoinQuant、RiceQuant以及优矿,为量化交易领域提供核心算法支持的众加,量化策略商城微量网、以量财富为代表的量化理财平台,以及为量化投资者提供智能交易和分析工具的名策数据。 量化交易策略的建立是量化交易的重要环节。目前主要方式有两种,一种是输入与这套逻辑相关联的因子,比如历史表现、公司财务数据、宏观经济数据、上下游供应商数据等众多参数,建立一套模型,以算出标的上涨或下跌的概率,并生成投资组合和调仓策略。随着近几年人工智能兴起,不少人开始选用机器学习等方式,输入众多因子,让AI自己生成策略。 创始人兼CEO庞表示,的做法则不同,是用神经管网络替代原来用逻辑和策略构建的数学模型,通过输入股票相关数据,利用训练不同结构的神经网络来实现机器自主的量化交易。想做量化交易界的Deepmind(研发阿尔法狗的团队),成为中国的基金。 目前,的首个产品A股机器人“狗”已上线,应用于国内二级市场的投资,产品已实盘测试8个月。数据显示,狗实盘业绩显著,在2017年11月A股普跌的情况下(中证1000跌幅超4%),狗依然实现了5.23%的收益,最大回撤控制在2.7%,并在2018年1月底上证指数大跌12%的情况下,智富狗做到了提前清盘避险,业绩明显优于大盘。 投资人黄表示:“人工智能是非常好的提高效率的方式,非常关注人工智能在各个领域的应用,我们认为以为代表的、基于神经网络的人工智能量化交易平台,能极大地提高大型的高频交易的效率。人的精力有限,一个再好的操盘手也不可能同时看2000支股票,但机器能轻易办到。”

ai 算法 期货:期货能实现人工智能吗

不能

ai 算法 期货:益发期货分析指导软件怎么样

用AlphaGo背后的人工智能做金融投资 金融人工智能的浪潮已来 近年来,伴随着大数据和机器学习技术的兴起,人工智能技术被大规模地应用在许多工业领域,并在一些领域(搜索引擎、个性化推荐、智能客服等)取得了良好的效果。Google去年展示的围棋AIAlphaGo,击败了目前人类最优秀的围棋大师。这标志着人工智能技术日趋成熟,具备在一些高智力行业取代人类专家的能力。 在众多行业中,金融投资领域无疑是最有价值又充满挑战性的人工智能应用场景。然而两个行业间存在着一定的技术壁垒——大多数金融从业者不熟悉人工智能技术,正如大部分人工智能专家们不了解金融市场。为了帮助人工智能领域和金融行业更好的互通和合作,这篇文章将介绍我们在金融投资领域运用人工智能方法的一些经验和思考。 在海外发达国家(美国、英国),人工智能与金融投资已经非常紧密地结合并取得了良好的成效。一些新兴的人工智能投资机构的崛起,证明了人工智能方法在金融市场的巨大潜力。比如著名的大奖章基金在2008年金融危机时,通过成功的预测风险,避免了投资者的重大损失,并保持连续多年资产的稳定增长。2017年5月,摩根大通发布了一份题为《大数据与人工智能战略:机器学习和其它投资数据分析方法(BigData and AI Strategies: Machine Learning and Alternative Data Approach toInvesting)》的报告,对人工智能和对金融领域的影响进行了全面的阐述。报告指出人工智能量化技术将成为未来金融业的主流方法,帮助投资者处理、分析、理解数据,指导投资决策。一个优秀的金融投资机构,必须发展人工智能投资系统,以适应金融数据化、智能化时代的到来。 金融投资如何应用人工智能 下面我们将具体介绍人工智能是如何在金融领域发挥作用,帮助投资者做出更好的投资决策。为了易于读者理解,我们先介绍一些基本的机器学习概念,也就是人工智能背后的算法,并简单说明他们如何与金融投资相联系。通过合理运用机器学习技术,投资者们有能力开发出与人类专家水平相当甚至更好的投资决策系统,称之为人工智能投资系统。 什么是机器学习:机器学习是通过一系列算法,挖掘出历史数据中我们关心的规律的技术手段,并期望挖掘出的规律,能帮助我们对未来数据做出正确的预测。 金融领域的机器学习:在金融领域,从业者们其实也做着同样的工作。以计划长期持有某只股票为例,分析师们一般会关注公司的基本面信息、财务状况和发展规划等因素,从而对公司的未来运营状况做出预测,并决定是否投资。如果我们将公司的信息量化成各种数据因子,将预测目标改为公司的未来发展趋势、风险情况,则整个问题可以通过机器学习方法解决,获得可靠的预测,并指导投资行为。 因此,借助机器学习的手段,打造一个人工智能系统来分析金融市场是一个直接而自然的想法。随之而来的问题是,机器学习能否与有经验的分析师竞争呢?就欧美国家的市场经验来看,机器学习方法在某些方面确实是比人工决策更为出色。例如上文提到的文艺复兴基金和著名的DEShaw基金,都是人工智能在金融投资领域成功落地的案例,是近年来金融投资领域的领头羊。下图汇总了一些使用人工智能技术的知名量化投资机构和平台,以及他们专注的具体方向。可以看到,金融AI技术被广泛的应用在金融投资的各个环节之中,并带来了一些新的机遇。对某个应用方向具体感兴趣的读者可以查找相关资料做进一步的了解。 具体来说,相比如传统投资方式,基于人工智能的量化投资理念有如下几个方面的优势: 1.相比于传统分析,机器学习方法可以处理更多的输入信息,能够考虑的信息面更全,信息量更大,可以达到的效果上限更高。从效率上说,人工智能方法可以同时考虑整个市场,从中选出更多的优质股票,分散投资风险,提供稳定的投资回报,并容纳更大量的资金。 2.人工智能算法会量化整个投资过程中的变量,做出更精准高效的投资决策。例如对于一个上市公司,投资者关心公司每个信息因子和未来长期股价的相关性。哪些因子对长期受益更重要?未来上涨的概率是多少?最大投资回撤是多少?这些问题都可以通过算法和回测获得答案。 3.近年来伴随着深度学习算法的快速发展,一些重要但之前不易获取的非结构性信息可以被算法分析得到,从而提高投资效率。其中文字类和图像类信息是传统金融信息的重要补充。借助于深度学习和自然语言处理技术,新闻、舆论、图像信息可以被加工成用于构建人工智能的模型特征,轻松使用于投资决策中。欧美的一些发达投资机构早已成立专门的部门对社交媒体进行分析,从而判断一个企业的流行程度和受众群体等信息,甚至通过这些信息对关注公司的未来财报进行预测,以占得投资先机。 4.从金融交易角度,人工智能算法带来的一个巨大的优势是在决策中可以回避人性弱点,例如性格、情感、害怕失败等因素,始终保持客观的态度。对于普通投资者,市场的波动或多或少会影响人的情绪,进而影响之后的投资决策。

ai 算法 期货:什么是AI算法

AI 人工智能 用程序实现搜寻答案的计算方法 比如说一棵二叉树上的某一点的数据是你要的 你就要写一个程序让它找到这个数据 而这个程序怎么找 就要看算法了~ 常见的算法大概有什么A*算法之类的

ai 算法 期货:如何才能成为AI算法工程师

AI, 人工智能; AI工程师就是人工智能工程师。 属高端前沿的技术研究领域。全世界的科学家都在摸索阶段, 怎么可能有人随随便便就能告诉你如何成为一个AI工程师呢? 建议先学好高等数学、离散数学、操作系统原理、数据结构、神经网络理论等之后再考虑这个问题吧。

ai 算法 期货:目前人工智能在金融行业属于什么水平

资产管理领域应用AI可以把它分成三个子概念:智能投顾、智能投研、智能投资。每一类的功能偏向有所不同,涉及的AI算法也会不尽相同。 1)智能投顾 典型功能包括:客户偏好分析、市场分析提醒、智能配置组合、交易执行、组合优化等。 典型AI算法包括:知识图谱、机器学习、智能语言处理技术、图像识别等。 这方面有代表性的应该是美国的Wealthfront和Personal Capital两家公司。国内做得出彩的目前看来没有。铂诺希望作为一个先行者,在客户偏好和市场提醒这两项功能上着重发力,打造一个前端的智能顾问,帮助客户更好的了解自己和了解市场。 2)智能投研 典型功能包括:股票市场信息的深度挖掘分析、投资策略的量化与回测等。 这些功能的过程本质:数据获取、特征提取、数据转换、模型训练、模型选择、模型预测。 典型AI算法包括:监督学习算法:(1)回归算法:决策树、随机森林等; (2)分类算法:二次判别分析、K最近邻算法等; (3) 降维算法:偏最小二乘法等。 无监督学习算法:(1) 聚类算法:K均值、分层等; (2) 降维算法:主成分分析、独立成分分析等。 3)智能投资 典型功能包括:量化交易,智能风控 典型AI算法包括:在线过程分析(OLAP)、聚类、滤波、神经网络、预测模型等。 这部分同样是外国的企业走得比较靠前,07年开始Rebellion research就开始采用贝叶斯网络算法进行智能投资相关的工作了。 国内的跟进速度也比较快,铂诺这几年也一直致力于搭建自己的智能风控平台。

ai 算法 期货:请问自学AI算法需要懂什么知识?

首先你需要数学基础:高等数学,线性代数,概率论数理统计和随机过程,离散数学,数值分析 其次需要算法的积累:人工神经网络,支持向量机,遗传算法等等算法;当然还有各个领域需要的算法,比如你要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累; 然后,需要掌握至少一门编程语言,毕竟算法的实现还是要编程的;如果深入到硬件的话,一些电类基础课必不可少; 人工智能一般要到研究生才会去学,本科也就是蜻蜓点水看看而已,毕竟需要的基础课过于庞大。

ai 算法 期货:人工智能出现在金融领域,股票,期货等市场,是人工智能间的博弈还是人智能辅助人类?

这个问题很好哩。 人工智能在金融领域的应用范围很广,包括风控,客户挖掘等等... 在不同的应用场景下,人工智能与人工智能之间,人工智能与人之间有辅助、有博弈。。

ai 算法 期货:求问五子棋AI算法思路

五子棋的核心算法 五子棋是一种受大众广泛喜爱的游戏,其规则简单,变化多端,非常富有趣味性和消遣性。这里设计和实现了一个人机对下的五子棋程序,采用了博弈树的方法,应用了剪枝和最大最小树原理进行搜索发现最好的下子位置。介绍五子棋程序的数据结构、评分规则、胜负判断方法和搜索算法过程。 一、相关的数据结构 关于盘面情况的表示,以链表形式表示当前盘面的情况,目的是可以允许用户进行悔棋、回退等操作。 CList StepList; 其中Step结构的表示为: struct Step { int m; //m,n表示两个坐标值 int n; char side; //side表示下子方 }; 以数组形式保存当前盘面的情况, 目的是为了在显示当前盘面情况时使用: char FiveArea[FIVE_MAX_LINE][FIVE_MAX_LINE]; 其中FIVE_MAX_LINE表示盘面最大的行数。 同时由于需要在递归搜索的过程中考虑时间和空间有效性,只找出就当前情况来说相对比较好的几个盘面,而不是对所有的可下子的位置都进行搜索,这里用变量CountList来表示当前搜索中可以选择的所有新的盘面情况对象的集合: CList CountList; 其中类CBoardSituiton为: class CBoardSituation { CList StepList; //每一步的列表 char FiveArea[FIVE_MAX_LINE][FIVE_MAX_LINE]; struct Step machineStep; //机器所下的那一步 double value; //该种盘面状态所得到的分数 } 二、评分规则 对于下子的重要性评分,需要从六个位置来考虑当前棋局的情况,分别为:-,¦,/,\,//,\\ 实际上需要考虑在这六个位置上某一方所形成的子的布局的情况,对于在还没有子的地方落子以后的当前局面的评分,主要是为了说明在这个地方下子的重要性程度,设定了一个简单的规则来表示当前棋面对机器方的分数。 基本的规则如下: 判断是否能成5, 如果是机器方的话给予100000分,如果是人方的话给予-100000 分; 判断是否能成活4或者是双死4或者是死4活3,如果是机器方的话给予10000分,如果是人方的话给予-10000分; 判断是否已成双活3,如果是机器方的话给予5000分,如果是人方的话给予-5000 分; 判断是否成死3活3,如果是机器方的话给予1000分,如果是人方的话给予-1000 分; 判断是否能成死4,如果是机器方的话给予500分,如果是人方的话给予-500分; 判断是否能成单活3,如果是机器方的话给予200分,如果是人方的话给予-200分; 判断是否已成双活2,如果是机器方的话给予100分,如果是人方的话给予-100分; 判断是否能成死3,如果是机器方的话给予50分,如果是人方的话给予-50分; 判断是否能成双活2,如果是机器方的话给予10分,如果是人方的话给予-10分; 判断是否能成活2,如果是机器方的话给予5分,如果是人方的话给予-5分; 判断是否能成死2,如果是机器方的话给予3分,如果是人方的话给予-3分。 实际上对当前的局面按照上面的规则的顺序进行比较,如果满足某一条规则的话,就给该局面打分并保存,然后退出规则的匹配。注意这里的规则是根据一般的下棋规律的一个总结,在实际运行的时候,用户可以添加规则和对评分机制加以修正。 三、胜负判断 实际上,是根据当前最后一个落子的情况来判断胜负的。实际上需要从四个位置判断,以该子为出发点的水平,竖直和两条分别为 45度角和135度角的线,目的是看在这四个方向是否最后落子的一方构成连续五个的棋子,如果是的话,就表示该盘棋局已经分出胜负。具体见下面的图示: 四、搜索算法实现描述 注意下面的核心的算法中的变量currentBoardSituation,表示当前机器最新的盘面情况, CountList表示第一层子节点可以选择的较好的盘面的集合。核心的算法如下: void MainDealFunction() { value=-MAXINT; //对初始根节点的value赋值 CalSeveralGoodPlace(currentBoardSituation,CountList); //该函数是根据当前的盘面情况来比较得到比较好的可以考虑的几个盘面的情况,可以根据实际的得分情况选取分数比较高的几个盘面,也就是说在第一层节点选择的时候采用贪婪算法,直接找出相对分数比较高的几个形成第一层节点,目的是为了提高搜索速度和防止堆栈溢出。 pos=CountList.GetHeadPosition(); CBoardSituation* pBoard; for(i=0;ivalue=Search(pBoard,min,value,0); Value=Select(value,pBoard->value,max); //取value和pBoard->value中大的赋给根节点 } for(i=0;ivalue) //找出那一个得到最高分的盘面 { currentBoardSituation=pBoard; PlayerMode=min; //当前下子方改为人 Break; } } 其中对于Search函数的表示如下:实际上核心的算法是一个剪枝过程,其中在这个搜索过程中相关的四个参数为:(1)当前棋局情况;(2)当前的下子方,可以是机器(max)或者是人(min);(3)父节点的值oldValue;(4)当前的搜索深度depth。 double Search(CBoardSituation& board,int mode,double oldvalue,int depth) { CList m_DeepList; if(deptholdvalue))== TRUE) { if(mode==max) value=select(value,search(successor Board,min,value,depth+1),max); else value=select(value,search(successor Board,max,value,depth+1),min); } return value; } else { if ( goal(board)<>0) //这里goal(board)<>0表示已经可以分出胜负 return goal(board); else return evlation(board); } } 注意这里的goal(board)函数是用来判断当前盘面是否可以分出胜负,而evlation(board)是对当前的盘面从机器的角度进行打分。 下面是Select函数的介绍,这个函数的主要目的是根据 PlayerMode情况,即是机器还是用户来返回节点的应有的值。 double Select(double a,double b,int mode) { if(a>b && mode==max)¦¦ (a< b && mode==min) return a; else return b; } 五、小结 在Windows操作系统下,用VC++实现了这个人机对战的五子棋程序。和国内许多只是采用规则或者只是采用简单递归而没有剪枝的那些程序相比,在智力上和时间有效性上都要好于这些程序。同时所讨论的方法和设计过程为用户设计其他的游戏(如象棋和围棋等)提供了一个参考。

ai 算法 期货:AI算法可以复制人类大脑功能吗?

针对人工智能(AI)算法的网络攻击新闻已不再罕见,现在几乎每天都在发生。研究人员发现,无论是在实验室环境还是在实践中,算法都十分脆弱。在许多头条新闻中,我们看到人脸识别系统可能被特殊眼镜和黑客操纵的医疗应用程序欺骗,比如AI癌症诊断系统。AI的进步、新神经网络的构成以及神经科学新模型的出现都表明,我们正在接近这样的现实,即AI算法可以复制大脑功能。尽管这些技术还远远不够完美,但AI和人类大脑有许多惊人的相似之处,尤其是在图像处理技术方面。最近,科学家们发现,黑客不仅可以对神经网络发起对抗性攻击,也可以对人类发起类似攻击。通过某些操作,他们成功地对狗的图像进行了修改,让人们误以为它是猫。然后,科学家们又改变了蛇的图像,使它看起来像蜘蛛,反之亦然。这项研究之所以引起了我的注意,是因为它提供了很好的例子,我们可以把它付诸实践,检查各种情况下发生欺骗的可能性。这促使我做了个实验,调查人们对这些照片的反应,尤其是那些患有蜘蛛恐惧症的人。喜欢蛇的人(同时也对蜘蛛有很深的恐惧)看到蜘蛛变成蛇的画面会感到不舒服。然而,当他们意识到照片中的主体确实是蜘蛛时,他们的不安变成了恐惧。这些实验表明,这种类型的对抗性攻击可以在潜意识中发挥作用。也就是说,某个人没有意识到图片有什么问题,就像算法不能识别攻击一样。因此,当涉及到对抗性攻击和网络安全时,我们必须考虑到,即使是人类的眼睛,这个复杂的器官和长期进化的产物,也无法抵御这种攻击。从这个意义上说,很容易看出对感官的攻击可以与对算法的攻击进行比较。虽然神经语言程序设计(NLP)还没有得到科学的证实,但对语言或其他感官的对抗性攻击可能与这个领域有关。

ai 算法 期货:人工智能AI炒股……靠谱吗?AI可以自动驾驶车辆,下棋羞辱人类,那人工智能量化投资自动交易股票怎么样?

这个我和De Shaw、Two Sigma还有大摩的人都聊过,假设你说的人工智能指机器学习,那现在的金融机构都在用,只不过他们几乎不用很深的模型,都是线性模型。

做交易都是真金白银,对风险非常敏感,必须弄清楚模型里每个参数对结果的影响。像gbdt和神经网络这种比较深的模型可解释性太差了,贸然上线一旦亏钱死都不知道怎么死的,更别说改进模型了。另外计算速度也是一个限制,高频交易可能只允许几毫秒的延迟,深度模型达不到这么高的性能要求。

题主还提到了自动驾驶,但实际上自动驾驶并不全是靠机器学习,机器学习主要用来做感知,大部分决策还是人事先写好的,而不是机器自己学出来的。另外自动驾驶和交易不同的地方在于,自动驾驶可以反复做实验把风险降到最低:一辆车造好了能跑好久,出问题了改个参数继续跑。但是交易模型你怎么反复做实验?要知道金融市场有反身性,你的决策会影响市场,用小量金额实验达不到效果,用大量金额实验成本又太高,所以金融公司只能靠提高模型可解释性来尽可能预测市场,从而降低风险。

ai 算法 期货:厉害了!AI算法交易

近年来,随着证券市场的不断完善,专业投资者的涌入,传统的交易模式已无法满足资金量庞大的交易者,对于提高交易效率,减小市场冲击成本和提高交易隐蔽性的需求也越发凸显。由计算机程序和数学模型决定的算法交易,根据证券的历史数据分析、实时市场行情、和交易者选择的相关参数等进行拆单,决定交易下单的时机、价格和数量等,是人机结合的智能化交易执行方式

AI算法交易是传统算法的深度演变,将人工智能模型与算法交易完美结合。经过同花顺多年的研发,模型已具备超强的自我学习、动态预测和隐藏交易目的的能力,基差已达到+1bp,大大降低了交易成本

算法功能全景

1.基础算法交易

  • 特点:机械式算法
  • 模式:用户自定义算法参数
  • 算法:TWAP、VWAP、冰山等等

2.智能算法交易

  • 特点:结合多种人工智能模型的算法交易
  • 模式:局部预测方法解决参数最优化问题/基于强化学习的全局预测算法
  • 算法:AI-VP、AI-TWAP、AI-VWAP、AI-冰山等等
智能算法全景图

3.独立算法交易

  • 特点:全局预测算法交易
  • 模式:将交易成本和交易成本的不确定性最优化
  • 算法:IS算法、深度强化学习算法

4.绩效分析

  • 母单分析:执行落差分解,基准比较,RPM,EBEX
  • 账户汇总:全量母单数据聚合,算法滑点图,EBEX Framework
买卖EBEX分布示意图
绩效分析全景示意图
执行落差分析示意图

5.算法定制

  • 场景:股票、期货、外汇、比特币等
  • 算法模式:包含机械算法、局部预测算法、全局预测算法定制

公众号:智投优服(ths_ztyf)

ai 算法 期货:把人工智能用于外汇市场、期货市场、股票市场上,能赚到钱吗?虽然人工智能很强大,但我表示怀疑?

可以赚钱,小编所在平台BigQuant是国内首家将人工智能应用于量化投资领域的平台级产品,过去一段时间的实践经验告诉我们,在这个大数据时代下,机器做的一定比人做的更好,它可以帮助普通投资者短时间内赶超经验丰富的投资者。

BigQuant希望可以将人工智能的能力赋予每一位量化投资者,平台拥有A股、美股、港股、期货、期权等多市场海量数据,全面支持主流AI框架。平台提供代码模式、生成器模式和可视化模式共三种模式进行策略开发,让不同专业水平的用户都能在平台开发策略。可视化策略开发是业内成熟的开发模式,也是业内微软、谷歌等采取的方式,用户仅需拖拽模块而无需编程就可以开发出人工智能驱动的量化投资策略,让金融工程师、普通交易员甚至业务人员都可以无门槛的使用人工智能技术提升投资效率及效果,而不需学习大量艰深的编程和算法知识。

平台目前90%以上的策略都是人工智能驱动的AI量化策略,如果要具体的案例,可以前往BigQuant平台策略天梯查看,策略均经过长时间回测和模拟实盘检验,小编截取部分大家可以简单了解一下。

BigQuant——人工智能量化投资平台

当你的面试官是AI:联合利华等公司已用上面试算法

南都讯 见习记者陈志芳 据外媒报道,近日,AI面试算法出现在部分英国公司的岗位招聘中,已应用在英国的约10万次面试中。

该算法由在线视频面试公司HireVue开发,背靠25,000条人脸和语音数据库,均是工作表现优秀的人的面试数据。参照这些数据,算法分析其余面试者的视频表现,挑选出最佳人选。

HireVue的后台界面。图自HireVue。

研发这一面试算法的美国公司HireVue称,面试算法能帮助公司在初始阶段就面试更多的候选人,而不只是简单地依靠简历,同时,还能避免人类歧视,为应聘者以后的工作表现提供更可靠和客观的指标。

上个月从凯雷投资集团(Carlyle Group)获得巨额投资的HireVue表示,全球有700家公司采用,包括希尔顿、联合利华等,该技术每90天就服务于约100万次面试和超过15万次聘前评估。

展开剩余70%

HireVue的首席技术官洛伦·拉森(Loren Larsen)接受外媒采访时说,80%至90%的预测评估都是基于算法对候选人语言和口头能力的分析。

洛伦·拉森举例说,算法涵盖了350种语言特征:你使用被动或主动型词汇?你谈论的是“我”还是“我们”?你的词语选择或句子长短是怎样的?又或者,在医生招聘中,你会希望招聘一名使用更多专业词汇的人。

洛伦·拉森还说,算法也关注语速等,如果某人说话速度很慢,你可能就不会保持通话并接受他们的推销。如果某人每分钟讲400个单词,人们可能无法理解他说的话,同理心在其中发挥作用。

另外,据外媒报道,HireVue的算法会评估面部的皱眉、抬眉、眼睛睁大、双唇紧闭、抬下巴、微笑等面部表情,这些在销售或需要面对公众的工作中很重要。

HireVue的面试界面。图自HireVue。

2017年,一名外媒记者参与了HireVue的面试算法测试,他表示在整个面试过程中,他感到十分奇怪和不自然,最终,算法给了他65分。洛伦·拉森说,根据这一得分,公司会招聘他。

面试者界面。图自Business Insider。

对招聘的公司来说,这似乎十分便利。但也有不少人认为,人工智能算法的数据库不可避免地存在偏见情况。

伦敦大学学院人机交互教授安娜·考克斯(Anna Cox)说,此算法将青睐那些擅长视频面试的人,任何数据集都存在偏见,这可能会排除掉在实际工作中表现优秀的人。

英国一家非营利性无党派组织的法律和政策官员格里夫·费里斯(Griff Ferris)接受外媒采访时说,这个算法试图识别、解析人类语言、肢体动作和面部表情,会使面试者感到恐惧,不可避免地不利于那些非常规的应聘者。与许多此类系统一样,除非经过极为多样化的数据集训练,否则很可能会以某种方式生成偏见,歧视来自某些背景的应聘者。

2014年,亚马逊开发了AI筛选简历的工具,其训练数据集是过去10年内亚马逊收到的简历,通过计算出应聘成功者的简历特征,这个AI工具出现了性别偏见问题,更倾向在软件开发等技术工种中招聘男性,并将所有带有“女性”词汇的简历降级处理。最终,据外媒报道,2017年,因为亚马逊高管对项目失去了希望,解散了该研发团队。

编辑:李玲

相关阅读

ai 算法 期货

猜您喜欢

更多与ai 算法 期货相关文章