Πώς λειτουργεί η τεχνολογία ελέγχου παρασκηνίου

Πιθανότατα γνωρίζετε τουλάχιστον λίγα σχετικά με την προβολή παρασκηνίου. Γνωρίζετε τουλάχιστον τη γενική ιδέα. Μπορείτε πάντα να προσλάβετε μια εταιρεία για να κάνει έλεγχο ιστορικού σε κάποιον και θα επικοινωνήσει μαζί σας με μια λεπτομερή αναφορά.

Συχνά, μπορεί να κάνετε έλεγχο ιστορικού σε κάποιον εάν σκέφτεστε να τον προσλάβετε για να εργαστεί για την εταιρεία σας. Μπορείτε επίσης να το κάνετε αν βγαίνετε μαζί τους και σκέφτεστε να πάτε τα πράγματα στο επόμενο επίπεδο. Μπορεί να θέλετε να μάθετε για τη διαφάνεια και την ειλικρίνεια αυτού του ατόμου ή αν κρύβει οτιδήποτε θα θέλατε να μάθετε.

Ωστόσο, μπορεί να μην γνωρίζετε απαραιτήτως πώς λειτουργεί η προβολή παρασκηνίου. Θα μιλήσουμε γι’ αυτό στο επόμενο άρθρο, έτσι θα έχετε κάποια ιδέα για το τι συμβαίνει στα παρασκήνια πριν λάβει κάποιος αυτήν την αναφορά.

Τα βασικά

Αν θέλεις να καταλάβεις πώς λειτουργεί η τεχνολογία παρακολούθησης παρασκηνίου, θα χρειαστεί να μάθετε λίγα πράγματα για ένα πεδίο που ονομάζεται τεχνολογία πρόβλεψης. Είναι αρκετά νέο, αλλά έχει αυξηθεί αλματωδώς τα τελευταία χρόνια.

Όσοι βρίσκονται στον τομέα θεωρούν την τεχνολογία πρόβλεψης ως αιχμής. Υπάρχει για λίγο καιρό, αλλά όσο περνάει ο καιρός βελτιώνεται. Αυτό δεν είναι ασυνήθιστο. Εμφανίζεται μια νέα μορφή τεχνολογίας και σταδιακά γίνεται πιο εξορθολογισμένη και αποτελεσματική.

Η τεχνολογία πρόβλεψης, όταν την εφαρμόζετε στον έλεγχο παρασκηνίου, συνδυάζει τεχνητή νοημοσύνη και μηχανική μάθηση. Μαζί, εξετάζουν πληροφορίες που βρίσκουν στο υπόβαθρο ενός ατόμου. Θα εξετάσουν τα δημόσια αρχεία, τα μέσα κοινωνικής δικτύωσης και οποιεσδήποτε άλλες πηγές μπορούν να βρουν.

Χρησιμοποιούν τις πληροφορίες που ανακαλύπτουν για να προβλέψουν τη μελλοντική συμπεριφορά κάποιου. Είναι λίγο τρομακτικό να πιστεύει κανείς ότι η τεχνητή νοημοσύνη και η μηχανική μάθηση μπορούν να το κάνουν αυτό, αλλά μπορούν. Οι προβλέψεις τους είναι επίσης συνήθως αρκετά ακριβείς.

Πώς διαφέρει αυτό από την προηγούμενη εξέταση στο παρασκήνιο;

Στο παρελθόν, μπορεί να είχατε λάβει μια αναφορά εάν ελέγξατε κάποιον. Σας είπε αν είχαν ποινικό μητρώο, αν χρωστούσαν χρήματα στην εφορίατην οικογενειακή τους κατάσταση κ.λπ.

Αυτό είναι που η επιχείρηση ονόμασε έρευνα προσανατολισμένη στους ανθρώπους. Πήρες τις πληροφορίες. Στη συνέχεια, θα μπορούσατε να το χρησιμοποιήσετε για να προσπαθήσετε να προσδιορίσετε εάν θα πρέπει να συνεχίσετε να βγαίνετε με αυτό το άτομο, εάν θα πρέπει να το προσλάβετε για να γίνει μέλος της παρέας σας, εάν θα ήταν μια αξιόπιστη μπέιμπι σίτερ και ούτω καθεξής.

Ο συνδυασμός AI και μηχανικής μάθησης τα άλλαξαν όλα αυτά. Τώρα, δεν χρειάζεται να μαντέψετε εάν ένα άτομο μπορεί να συμπεριφέρεται με έναν συγκεκριμένο τρόπο στο μέλλον λόγω του τρόπου με τον οποίο ενήργησε στο παρελθόν. Ένας προηγμένος αλγόριθμος θα σας πει με αξιοσημείωτη ακρίβεια πώς θα συμπεριφερθεί κάποιος με βάση τις πληροφορίες που συγκεντρώνει από τη ζωή του μέχρι τώρα.

Είναι αυτό ένα αλάνθαστο σύστημα;

Όταν σκέφτεστε αυτό το μοντέλο που χρησιμοποιεί όλο και περισσότερο η βιομηχανία προβολής παρασκηνίου αυτές τις μέρες, είναι εύκολο να σκεφτείτε ταινίες όπως το Minority Report. Σε αυτό, η τεχνητή νοημοσύνη προβλέπει έναν φόνο πριν συμβεί.

Αυτό που είναι δυνητικά ανησυχητικό σχετικά με την ιδέα είναι ότι μόνο και μόνο επειδή μια μηχανή προβλέπει ότι υπάρχει μεγάλη πιθανότητα να συμβεί κάτι, αυτό δεν σημαίνει απαραίτητα ότι θα συμβεί. Για παράδειγμα, η τεχνητή νοημοσύνη και η μηχανική μάθηση μπορεί να προβλέψουν ότι κάποιος πιθανότατα θα διαπράξει ένα έγκλημα στο μέλλον επειδή το διέπραξε στο παρελθόν. Αυτό δεν συμβαίνει πάντα, όμως.

Αυτό το άτομο μπορεί να μάθει από τα λάθη του και να υπακούσει στο νόμο από ένα ορισμένο σημείο και μετά. Μπορεί να δουν το λάθος του τρόπου τους. Εάν έχουν μακρύ ποινικό ιστορικό, ωστόσο, ο αλγόριθμος πιθανότατα θα προβλέψει ότι δεν θα αλλάξουν και ότι θα συνεχίσουν με την ίδια συμπεριφορά για το άμεσο μέλλον.

Τι σημαίνει αυτό για τους ελέγχους ιστορικού και αυτούς που επηρεάζουν

Εάν είστε κάποιος με μακρά ποινική ιστορία, θα πρέπει να γνωρίζετε αυτήν την τεχνολογία. Πείτε ότι κάποιος σας κάνει έναν έλεγχο ιστορικού επειδή σκέφτεται να σας προσλάβει. Η τεχνητή νοημοσύνη και η μηχανική εκμάθηση θα εξετάσουν ένα μεγάλο σύνολο δεδομένων που σχετίζεται με εσάς. Θα βρει συνδέσεις και θα συντάξει μια ολοκληρωμένη αναφορά ιστορικού.

Όταν συμβεί αυτό, εάν η τεχνολογία τεχνητής νοημοσύνης και μηχανικής μάθησης πει σε έναν υποψήφιο εργοδότη ότι είναι πιθανό να κλέψεις από την εταιρεία ή να κάνεις κάτι άλλο εγκληματικής φύσης, αυτός ο εργοδότης πιθανότατα δεν πρόκειται να σε προσλάβει. Αυτό μπορεί να μην φαίνεται δίκαιο, αλλά αυτή είναι η πραγματικότητα όπου βρίσκεται η τεχνολογία αυτές τις μέρες.

Υπάρχουν πολλά διαφορετικά ανταγωνιστικά πακέτα λογισμικού που κυκλοφορούν στην αγορά και δεν μπορούμε να πούμε ποιο από αυτά μπορεί να χρησιμοποιήσει ένας πιθανός εργοδότης όταν προσπαθεί να μάθει για εσάς. Ένα άτομο μπορεί να χρησιμοποιήσει ένα διαφορετικό πακέτο λογισμικού προγνωστικής ανάλυσης εάν προσπαθεί να προσδιορίσει εάν κάποιος θα γίνει καλή μπέιμπι σίτερ, για παράδειγμα.

Το θέμα είναι ότι τα προγνωστικά αναλυτικά στοιχεία κυριαρχούν σε αυτό το πεδίο αυτή τη στιγμή, παρά την πιθανότητα να κάνουν λάθος όταν προβλέπουν τι μπορεί να κάνει κάποιος. Ακριβώς επειδή υπάρχει μια πιθανότητα ή ακόμα και μια μεγάλη πιθανότητα κάποιος να κάνει κάτι, δεν σημαίνει απαραίτητα ότι θα το κάνει.

Τι μπορείτε να κάνετε για αυτό;

Ως κάποιος που αναζητά δουλειά, αν ένας εργοδότης σας πει ότι ένα προγνωστικό αναλυτικό μοντέλο του αποκάλυψε ότι πιθανότατα δεν θα γίνετε καλός υπάλληλος, το μόνο που μπορείτε να κάνετε είναι να του υποβάλετε την υπόθεσή σας. Δεν μπορείτε να αλλάξετε αυτό που έχετε κάνει στο παρελθόν. Εάν διαπράξατε εγκλήματα, και αυτό είναι μέρος του δημόσιου αρχείου, δεν μπορείτε πολύ καλά να τα αμφισβητήσετε.

Αυτό που καταλήγει είναι να μαλώνετε με έναν αλγόριθμο. Μπορείτε να αισθάνεστε σίγουροι ότι θα γίνετε καλός υπάλληλος και δεν θα εμπλακείτε στις ίδιες συμπεριφορές που σας έφεραν σε μπελάδες στο παρελθόν. Ωστόσο, εάν ο εργοδότης δεν είναι πρόθυμος να σας δώσει αυτή την ευκαιρία, δεν έχετε τύχη.

Το καλύτερο που μπορείτε να ελπίζετε είναι να βρείτε μια εταιρεία που δεν χρησιμοποιεί το προγνωστικό αναλυτικό μοντέλο. Δυστυχώς, όπως αναφέραμε, αυτό το μοντέλο κυριαρχεί σε αυτόν τον κλάδο αυτή τη στιγμή. Μπορεί να δυσκολευτείτε να βρείτε εργασία εάν συνεχίσετε να αντιμετωπίζετε αυτό το πρόβλημα.