想象一下:在一家普通的愛爾蘭酒吧裡,一個男人喝著快樂時光的肥皂水,想要一個廉價的笑聲來取悅他的同事。他解開iPhone,開啟LinkedIn,輸入兩個字的提示。該應用程式思考了一會兒,然後載入了一個屬於中年男子的普通個人資料頁面。在他的個人資料照片中,這名男子剃了一頭灰色的頭髮和一件相配的連帽衫。右邊是他的名字:迪克怪物。
迪克·莫斯特生活在荷蘭,是火星食品公司(而不是地球)的包裝排程員。他精通微軟Excel、專案管理和其他一些辦公技能。迪克怪獸還有一個名字,對某些美國人來說,聽起來像是亞當·桑德勒電影中的笑料。M***ter沒有回應置評請求。
但迪克·莫斯特並不是唯一一個登上這一頁的人。在他的個人資料最右邊的框架上,怪物加入了一群人,他們可能在小學時就過得很艱難。這是一個“別人也看了”的框,通常會顯示同事和有類似技能的人。對迪克怪物來說可不是這樣。檢視他的LinkedIn個人資料的人也傾向於尋找加思·布朗斯沃德、杜魯門·哈頓和吉多·皮克。
在一封電子郵件中,LinkedIn的營銷和傳播高階經理Suzi Owens解釋說,“這個模組是由我們4.33億會員的點選/瀏覽行為驅動的,當人們想搜尋具有類似專業知識的會員時,經常使用這個模組。”
當然,這個案子不是這樣的。一組相互脫節的LinkedIn衝浪者,僅僅透過我們共同的幽默感連線起來,不知不覺地訓練了服務的演算法,根據他們的名字打包一個群組。演算法反映了人們對群體的看法,而不是他們的真實身份。
該演算法反映了使用者如何感知彼此,而不是他們是誰
從怪物的模組分支出來的每個個人資料,在他們自己的個人資料欄中,也可以看到另一組名字可能被惡作劇呼叫者使用的個人資料。例如,瀏覽耐克公關經理範妮·特勞姆(Fanny Trouble)簡介的人,也會瀏覽休·賈斯(Hugh Jass)和查爾斯·旺克斯坦(Charles Wankstain)的簡介。
“關於你提到的會員資料,”歐文斯在談到迪克怪獸時寫道,“這是一個真實的資料。對於不同來源的名字,我們需要記住一些文化敏感性。”
歐文斯是對的。但該演算法沒有這種敏感性。從《迪克怪獸》開始的線索引出了很多亞洲名字,這些名字通常被包括在一起:Yu Arafuka、Hammer Dong和Poo Pong。
演算法沒有這種敏感性
歐文斯不願透露公司是否計劃對該模組進行調整。但她表示,LinkedIn非常重視虛假個人資料的問題。”我們有一個地方的措施,以確認真實性的個人資料,並刪除那些是假的。我們還鼓勵會員利用我們的幫助中心向LinkedIn報告不準確的個人資料和特定的個人資料內容。”
公司似乎正在採取一些行動。自從我們第一次聯絡LinkedIn以來,很多關於Howie Feltersrack的個人資料都被刪除了。Feltersratch的一個簡介在許多人觀看的模組上都有顯著的特色(一張可能是假的Feltersratch的照片上,一個赤膊上陣的男人,戴著牛仔帽,騎著拖拉機在空中穿行。)
但真正的****仍然是根據他們的名字而不是他們的技能來分類的。這是人們濫用專業網站的另一種方式。在2015年的《大西洋月刊》中,蘇菲·吉爾伯特(Sophie Gilbert)寫到了那些錯誤地將這個平臺用作約會網站的男人。這些人還認為,這個模組有時也會把非常有吸引力但在其他方面不相關的****在一起,這表明有些人把這個網站當作一種安全的工作****。
可拆卸模組
LinkedIn確實允許會員從他們的個人資料中刪除該模組,不過LinkedIn幫助頁面警告說,“如果你在LinkedIn上的目標之一是提高你的知名度,那麼這個功能會大大增加你的個人資料被其他會員發現和檢視的可能性。”
但即使該模組從頁面中刪除,其背後的演算法仍將學習新的方法,以反映塑造它的人——類似於它更具語言性的表兄,微軟的青少年聊天機器人變成了惡毒的****boy,Tay。
上週,LinkedIn執行長傑夫•韋納(Jeff Weiner)表示,他的平臺將對工人們很有價值,因為他們的工作將被機器人奪走。想象一下這樣的情景:下班後,三個機器人在充電站相遇,對著ASS-r371的側面竊笑。
... 2016年,LinkedIn是專業人士最重要的社交網路。這不應該讓人感到意外。畢竟,LinkedIn是為專業人士設計的。但別搞砸了:LinkedIn不應該是你使用的唯一平臺。每個主要平臺都有自己...
...也可以利用這段時間來美化你的線上社交媒體賬戶,比如LinkedIn。這是一個好的,短的任務,可以在幾周內完成。 ...
根據2020年數字信任報告,LinkedIn仍然是最受信任的社交平臺。多年來,它一直排名第一,領先於Facebook和Twitter等其他社交媒體巨頭。 ...
... 你也可以透過Facebook、LinkedIn、Instagram和Twitter等社交媒體收集資料。從社交媒體獲取資料比其他任何方法都要技術化一些。它是完全自動化的,涉及到使用不同的API工具。 ...
...則可以告訴你。此外,谷歌不會告訴我們,因為這會導致人們利用他們。 我們所知道的 當你訓練一個機器學習模型時,你給它一堆輸入,然後根據它們的正確程度對它的建議輸出進行排序。 這是一個非常簡單的例子。假設你...
...算機語音識別系統在理解每個聲音方面不如實際的人類。訓練你的語音助手,它會更好地理解你。 傳統上,計算機化語音識別系統在理解你之前需要一些培訓。現代的語音助手被設計成“只工作”,但是你仍然可以透過訓練他...
馮英格麗沒想到自己在LinkedIn上的帖子會引起轟動。她曾寫過關於反亞裔暴力升級的文章,轉載了一張圖片說,過去一年,針對亞裔美國人的襲擊急劇上升。這條資訊可能會在Twitter或Facebook上引起種族主義評論,但這是世界上最...
...的。 感謝那些為鄰居們提供食物、住房和健康而工作的人們,他們的工資往往微薄。他們應該得到更多。在這場毀滅性的流行病中失業、被監禁或無家可歸的人也是如此。 我特別感謝你。感謝你們的閱讀,感謝你們在過去的幾...
...同的事情:它包括來自Facebook、Twitter、Google+、Blogger以及LinkedIn、Quora和Foursquare的社交資料。這樣做的目的是,這些社交結果將比谷歌的結果更具相關性,這僅僅是因為它包含了更多的社交網路,而且以一種不引人註目的方式。 ...
...Google+檢索的版本實際上是其大小的四分之一,使用RAISR的演算法“恢復裝置上的細節”,這樣做可以將每張影象的資料成本降低高達75%,Google說。目前,這項技術每週應用於超過10億張影象,該公司表示,這樣做減少了“使用者...