AI看脸预测职业成就？揭秘逆天研究背后的真相与AI资讯

type

status

date

slug

summary

“赛博相面”：AI如何通过照片看透你的职业未来

这项听起来像是“算命2.0”的研究，并非来自街头巷尾的玄学大师，而是由多所美国顶级高校的研究者联合完成的严肃学术项目。研究团队构建了一个庞大的数据库，涵盖了美国排名前110所商学院的近10万名MBA毕业生。

数据的维度惊人地丰富：不仅包含了毕业生的教育背景、完整的职业轨迹、起薪及薪资增长速度，还收集了他们的领英（LinkedIn）头像以及院校相册中的照片。研究的核心逻辑在于利用计算机视觉技术，先通过1.2万人的自拍数据配合性格问卷训练AI模型，让算法学会将面部特征转化为数字信号，并据此预测个体的“五大人格”特质（外向性、尽责性、开放性、宜人性、神经质）。

结果令人震惊：AI计算出的“性格分”与现实世界的职场数据表现出了极高的相关性。 * 薪资预测：在男性群体中，面部特征显示出高“尽责性”和“外向性”的人，往往拥有更高的起薪，且薪资增长速度更快。而在女性群体中，虽然外向性是加分项，但过高的责任心特征反而与薪资增长呈现负相关。 * 跳槽倾向：AI分析认为，“宜人性”和“责任心”强的人职业稳定性更高；而“外向性”和“神经质”高的人则更倾向于频繁跳槽。有趣的是，被判定为“神经质”的人跳槽范围往往局限在特定行业，而“责任心”强者则能实现跨行业通吃。

算法黑箱与招聘歧视：Eightfold AI 被诉的警示

虽然上述研究在学术上展示了大模型与数据分析的潜力，但在实际应用层面，AI招聘系统正面临严重的法律与道德危机。硅谷知名AI招聘平台 Eightfold AI 近期被两名求职者告上法庭，这一事件揭开了算法筛选残酷的一面。

微软、拜耳、PayPal等巨头都在使用的这套系统，旨在“用AI帮企业更高效选人”。然而，原告指控该算法在实际运行中产生了实质性的歧视。核心问题在于“训练数据”。如果用于训练AI的历史招聘数据本身就包含了人类招聘者的隐性偏见（如对特定性别、种族或年龄的偏好），那么LLM（大型语言模型）和算法只会将这些偏见放大并固化。

更可怕的是算法的“隐蔽性”。传统的招聘歧视可能源于面试官的一句话，有迹可循；而AI的歧视则隐藏在复杂的代码和权重之中。求职者往往在毫不知情的情况下被系统自动过滤，甚至连质疑的机会都没有。这起诉讼不仅要求经济赔偿，更呼吁法院强制提高招聘筛选过程的透明度，打破“算法黑箱”。

从招聘到招生：AI决策边界的泛化风险

AI筛选的触角已经不仅仅局限于职场，更伸向了高校招生领域。例如，弗吉尼亚理工大学利用AI审核学生入学申请材料，成功节省了约8000小时的人工工作量，让录取通知书的发放提前了一个月。

效率的提升固然诱人，但AI新闻界对此的质疑声从未停止。过度依赖AI模型进行排名或决策存在巨大风险： 1. 同质化竞争：如果学生知道AI偏好某种特定的作文格式或提示词（Prompt）结构，他们就会刻意迎合算法，导致申请材料千篇一律，扼杀创造力。 2. 公平性缺失：正如AI招聘一样，招生AI也可能因为训练数据的偏差，对某些背景的学生产生不公平的评判。

结语：在AI时代保持清醒

AI通过照片预测职业成就的研究，向我们展示了数据挖掘的恐怖能力；而Eightfold AI的诉讼案，则敲响了算法伦理的警钟。在人工智能技术日新月异的今天，我们既不能因噎废食，拒绝AI带来的效率提升，也不能盲目迷信算法的“客观性”。

有些判断，关乎人性、潜力和复杂的社会背景，或许真的不能完全交给机器去做。作为个体，我们需要时刻保持对新技术的关注与思考。想要在AI浪潮中不被淘汰，掌握最新的AI资讯、理解Prompt工程、关注AGI的发展趋势至关重要。

访问 AIGC.BAR，获取最及时、最专业的AI新闻与深度解读，让我们共同见证并思考这个被AI重塑的世界。