文章 使用语义搜索，招聘新手摇身变为招聘专家
记得《黑客帝国》吗？那部电影讲述的正是机器奴役人类的后世界末日。那年夏天，青少年、儿童和成年人都梦想着慢动作躲避子弹，表演特技跳跃。 但这其中并不包括我。真正触动我的一幕发生在拳击开始之前。
我们毫无经验的主人公，在软盘、电缆和脑后插座的帮助下，从对柔道一无所知的门外汉秒变拳击专家。那时起，我就入迷了。
这部电影呈现了一个激动人心的想法。技术可以像这样将新手变成专家吗？
事实证明是可以的。例如，招聘人员要具备多年工作经验才能了解一个行业的术语、职位名称、技能和具体情况。而这个问题已经解决了。我们使用了一些智能软件，它们可以无缝地融入到新招聘人员的生活中，从而增强招聘新手的能力。
我们该怎么做呢？第一个挑战便是要快速、准确且有效地记下这些知识。您可能会认为，一个人类程序员，甚至是整个程序员团队都不可能详细指出在不同行业、不同岗位、不同国家和公司中什么是重中之重。没错，您是对的。这就是我们使用大数据的原因。我们不是试图手动指定相关变量是什么，而是使用数据分析来创建本体，以帮助我们评估事物彼此之间的相关性。
第二个挑战是将这些知识转移给新的招聘人员。当然这最好不是通过在他们脑后钻一个洞这种办法！想象一下两个招聘人员试图完成相同的任务，一个有多年的经验，另一个事先没有行业知识。他们的搜索查询可能会产生完全不同的结果。
这就是神奇之处！我们可能无法将您的专家知识上传到招聘新手的大脑中，但我们可以使他们的搜索结果看起来像是专家搜索的结果。
语义搜索的目的是理解用户的意图之后进行搜索，而不是仅仅匹配关键词这么简单。当用户搜索具有“机器学习”经验的候选人时，该系统搜索时还会涵盖具有“人工神经网络”经验的候选人。虽然我们毫无经验的招聘人员可能不熟悉这个行业以及这两个概念之间的联系，但我们的系统是了解的。
然而，这项技术的上限即是其用于建构的数据。这就是 Avature 语义搜索与市场上其他解决方案的区别。大多数供应商简单地采用现成的工具，区分日常用品，比如摩托车和自行车，而 Avature则选择另外一条艰难的道路，构建了一个具有明确目标的内部解决方案，可以最大限度地提高在数据库中找到有前途的候选人的机会。它使用招聘数据构建，以实现招聘目标。
在某些方面，这个办法要优于《黑客帝国》中的办法。电影的知识版本，由一张一成不变的软盘代表，在时间上是固定的。而我们的知识概念是动态的，这要归功于我们不断进化的算法。每个企业都是不同的，所以我们经常与客户合作构建符合他们需求的自定义本体。而且我们的软件变得越强大，它就越有助于提高您的招聘人员。
黑客帝国式的知识转移存在的另一个问题是，你不确定什么内容将被上传到你的脑中。如果是片面的呢？如果是错误的呢？因为它是个黑匣子，所以我们无法知晓。这对现实世界有影响。亚马逊发现因为其招聘人工智能对女性有偏见，而不得不弃用。五年来，他们的评分算法对包含“女子国际象棋俱乐部”等短语的简历很不利。 想象一下亚马逊因为不知道自己的系统到底在考虑什么而到底失去了多少人才。
为了避免这种情况，我们所有的人工智能计划都采用了“白匣子”方法。我们不会像如今大多数行业使用标准的黑匣子办法，把用户蒙在鼓里，而是让我们的客户可以看见，并能控制系统正在处理的内容。您可以看到额外的条件，可以将这些条件部分或全部移除。使用Avature，系统中的错误不会被忽视，透明度是我们防止偏见和错误的盾牌之一。
这是一个趣味无穷的话题，值得被写成文章，但主旨是：在 Avature，我们相信赋予人力资源领导者、招聘经理和招聘人员权力的技术，而不相信试图为他们做出决策的系统。Avature 语义搜索使用为人力资源定制的本体来做我们一直努力做的事情：把权力交到我们的用户手中。
