سوسائٹی گائیڈ

Amazon کا ختم کر دیا گیا AI بھرتی کرنے کا ٹول

Amazon کا AI بھرتی کرنے کا ٹول ایک تجرباتی نظام تھا، جو 2014 کے آس پاس شروع ہوا تھا، جس نے گزشتہ دس سالوں کے تجربے سے سیکھ کر ملازمت کے درخواست دہندگان کے ریزوم کو ایک سے پانچ ستاروں تک درجہ دیا تھا۔

  • 4 منٹ پڑھیں
  • آخری بار اپ ڈیٹ کیا گیا۔
اس صفحہ پر4 منٹ پڑھیں
  1. جائزہ
  2. گہرا غوطہ
  3. اسٹریٹجک اثر
  4. Amazon کے ختم شدہ AI بھرتی کرنے والے ٹول کا مستقبل
  5. حقیقی دنیا کا نفاذ
  6. خطرات اور گارڈریلز
  7. نفاذ کا روڈ میپ
  8. دریافت کرتے رہیں
  9. اکثر پوچھے گئے سوالات

جائزہ

Amazon نے یہ معلوم کرنے کے بعد اسے ترک کر دیا کہ اس نے خواتین سے وابستہ ریزوموں پر جرمانہ عائد کیا۔ اب یہ اس بات کی معیاری مثال ہے کہ کس طرح تاریخی فیصلوں پر تربیت یافتہ ماڈل ماضی کے امتیاز کو دوبارہ پیش کرتے ہیں۔

گہرا غوطہ

رائٹرز نے اکتوبر 2018 میں رپورٹ کیا کہ Amazon نے نوکری کے امیدواروں کی درجہ بندی کے لیے مشین لرننگ ٹول بنایا، اور پھر خاموشی سے ختم کر دیا۔ ایک ٹیم نے 2014 کے آس پاس کام شروع کیا۔ مقصد ریزیومے کے ڈھیر میں کھانا کھلانا اور خدمات حاصل کرنے کے لیے سرفہرست چند امیدواروں کو واپس لانا تھا۔ ماڈلز کو دس سالوں کے دوران کمپنی کو جمع کرائے گئے ریزوموں پر تربیت دی گئی اور یہ سیکھا گیا کہ کون سے نمونے ان لوگوں کے ساتھ چلتے ہیں جن کی خدمات حاصل کی گئی تھیں۔ تکنیکی کرداروں کے لیے زیادہ تر درخواست دہندگان مرد تھے، اس لیے ماڈل نے جو نمونے سیکھے وہ مردانہ کوڈ والے تھے۔ 2015 تک، ٹیم نے دیکھا کہ سسٹم سافٹ ویئر ڈویلپر اور دیگر تکنیکی ملازمتوں کے امیدواروں کو صنفی غیر جانبدار طریقے سے درجہ بندی نہیں کر رہا ہے۔ روئٹرز کے مطابق، اس نے لفظ "خواتین" پر مشتمل ریزیومے پر جرمانہ عائد کیا جیسا کہ "خواتین کے شطرنج کلب کی کپتان" اور دو تمام خواتین کالجوں کے فارغ التحصیل افراد کو کم کر دیا گیا۔ اس نے "Executed" اور "captureed" جیسے فعل کو بھی پسند کیا جو مردوں کے ریزوم پر زیادہ کثرت سے ظاہر ہوتا ہے۔ انجینئرز نے ماڈلز کو ان مخصوص شرائط سے غیر جانبدار رہنے کے لیے ایڈٹ کیا۔ اس نے اس بات کی کوئی گارنٹی نہیں دی کہ سسٹم امیدواروں کو چھانٹنے کے دوسرے طریقے تلاش نہیں کرے گا جو بالکل امتیازی تھے۔ پروجیکٹ کی حمایت ختم ہوگئی اور ٹیم 2017 کے اوائل تک ختم کردی گئی۔ رائٹرز نے اطلاع دی ہے کہ بھرتی کرنے والوں نے اس کی سفارشات کو دیکھا لیکن اکیلے ان پر بھروسہ نہیں کیا۔ اہم سبق یہ ہے کہ تربیت کا لیبل مسئلہ تھا۔ ماڈل نے درست طریقے سے پیش گوئی کی کہ Amazon نے پہلے کس کی خدمات حاصل کی تھیں، اور ان کی خدمات حاصل کرنے کے ماضی کے فیصلوں میں تعصب تھا۔ ایک عام غلط فہمی یہ ہے کہ الگورتھم خود ہی "جنس پرست بن گیا"۔ درحقیقت اس نے بالکل سیکھا کہ ڈیٹا نے کیا بدلہ دیا۔ دوسرا یہ کہ جنس کو ہٹانے سے مسئلہ حل ہو جاتا ہے۔ متن میں بہت سے متعلقہ پراکسیز شامل ہیں، اور ایک لچکدار ماڈل انہیں تلاش کرے گا۔ یہ معاملہ اب ریگولیٹری بحثوں میں سامنے آتا ہے، بشمول نیو یارک سٹی کا خودکار ہائرنگ ٹولز کے لیے تعصب آڈٹ قانون اور EU AI ایکٹ کا روزگار کے نظام کو ہائی رسک کے طور پر درجہ بندی کرنا۔

اسٹریٹجک اثر

خطرہ اور حفاظت

تباہ کن اور روزمرہ کے AI نقصانات دونوں کا انحصار اس بات پر ہے کہ کون خطرات کو سمجھتا ہے اور کون عمل کر سکتا ہے۔

واضح فیصلے

عوامی اور پیشہ ورانہ خواندگی یہ تشکیل دیتی ہے کہ آیا مضبوط حفاظتی پالیسی سیاسی طور پر ممکن ہے۔

ہائپ کے ذریعے کاٹنا

واضح وضاحتیں ہائپ، لیب پی آر، اور مبہم اخلاقیات تھیٹر کے ذریعے کیپچر کو کم کرتی ہیں۔

Amazon کے ختم شدہ AI بھرتی کرنے والے ٹول کا مستقبل

بھرتی کرنا کلیدی الفاظ کے فلٹرز سے بڑے زبان کے ماڈلز کی طرف بڑھ رہا ہے جو امیدواروں کا خلاصہ اور درجہ بندی کرتے ہیں، اور یہ بڑے پیمانے پر ایک ہی خطرہ کو بڑھاتا ہے۔ ریگولیٹرز جواب دے رہے ہیں۔ نیو یارک سٹی کو روزگار کے خود کار طریقے سے فیصلے کرنے والے ٹولز کے لیے تعصب آڈٹ کی ضرورت ہے، اور EU AI ایکٹ بھرتی کے نظام کو اعلی خطرے کے طور پر درجہ بندی کرتا ہے، جس میں ذمہ داریوں کو مرحلہ وار کیا جا رہا ہے۔ امریکہ میں، موجودہ انسداد امتیازی قانون جیسا کہ Title VII اب بھی الگورتھمک ٹولز پر لاگو ہوتا ہے، یہاں تک کہ وفاقی ایجنسی کی رہنمائی منتقل ہو گئی ہے۔ آڈٹ کے طریقے اب بھی پختہ ہو رہے ہیں، اور ایک ڈیٹا سیٹ پر گزرنے والا آڈٹ کہیں اور انصاف کی ضمانت نہیں دیتا ہے۔ Amazon کیس کا دیرپا سبق یہ سوال کرنا ہے کہ ماڈل کو کس چیز کی پیش گوئی کرنے کی تربیت دی جاتی ہے اس پر بھروسہ کرنے سے پہلے کہ وہ اس کی کتنی اچھی پیش گوئی کرتا ہے۔

حقیقی دنیا کا نفاذ

"خواتین کے شطرنج کلب کی کپتان" کی فہرست درج کرنے والے ریزیومے کا اسکور کم ہوگا، کیونکہ تربیتی اعداد و شمار میں "خواتین" کا لفظ شاذ و نادر ہی ایسے لوگوں کے ریزیومے پر ظاہر ہوتا ہے جن کی خدمات حاصل کی گئی تھیں۔

نیو یارک سٹی میں ایک آجر کو امیدواروں کی اسکریننگ کرنے کے لیے ایک خودکار ٹول کا استعمال کرتے ہوئے ایک آزاد تعصبی آڈٹ کرنا چاہیے اور مقامی قانون 144 کے تحت ایک خلاصہ شائع کرنا چاہیے، یہ شرط Amazon جیسے کیسز کے مطابق ہے۔

ایک وینڈر اسکریننگ ماڈل سے صنفی فیلڈز اور صنفی الفاظ کو ہٹا دیتا ہے۔ اس کے بعد ایک متضاد اثر ٹیسٹ دکھاتا ہے کہ خواتین اب بھی مردوں کے مقابلے میں چار پانچویں سے کم شرح پر پاس ہوتی ہیں، جیسے کہ شوق یا کالج کے ناموں کی وجہ سے۔

ایک کمپنی "کامیاب ملازمین" کی پیشن گوئی کرنے کے لیے ایک درجہ بندی کے ماڈل کو دوبارہ تربیت دیتی ہے اور اسے پتہ چلتا ہے کہ لیبل خود پروموشن کے متعصبانہ فیصلوں کی عکاسی کرتا ہے۔ یہ تربیتی ہدف کے طور پر منظم، ملازمت سے متعلقہ مہارتوں کے جائزوں پر سوئچ کرتا ہے۔

خطرات اور گارڈریلز

  • قابلیت کے مرکبات کے دوران وجودی خطرے کا سائنس فائی کے طور پر علاج کرنا۔

  • اعلی خود مختاری کے تحت سیدھ کے ساتھ سطح کی مصنوعات کی حفاظت کو الجھا دینا۔

  • غیر انگریزی اور غیر ماہر سامعین کو صرف کم معیار کے ذرائع کے ساتھ چھوڑنا۔

نفاذ کا روڈ میپ

  1. الگ الگ مصنوعات کے نقصانات، غلط استعمال، اور نقصان کے کنٹرول / غلط خطوط کے خطرات۔

  2. پوچھیں کہ کون سے ثبوت ٹائم لائنز اور شدت کے بارے میں آپ کے نظریہ کو بدل دیں گے۔

  3. مارکیٹنگ کے دعووں پر بنیادی ذرائع اور ٹھوس ایولز کو ترجیح دیں۔

  4. ایک عمل کے راستے کی شناخت کریں: کیریئر، پالیسی، فنڈنگ، یا مہارتیں - نہ صرف آگاہی۔

دریافت کرتے رہیں

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Amazon's Scrapped AI Recruiting Tool quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

کوئز شروع کریں۔

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

اکثر پوچھے گئے سوالات

Amazon کا سکریپڈ AI بھرتی ٹول کیا ہے؟

Amazon کا AI بھرتی کرنے کا ٹول ایک تجرباتی نظام تھا، جو 2014 کے آس پاس شروع ہوا تھا، جس نے گزشتہ دس سالوں کے تجربے سے سیکھ کر ملازمت کے درخواست دہندگان کے ریزوم کو ایک سے پانچ ستاروں تک درجہ دیا تھا۔ Amazon نے یہ معلوم کرنے کے بعد اسے ترک کر دیا کہ اس نے خواتین سے وابستہ ریزوموں پر جرمانہ عائد کیا۔ اب یہ اس بات کی معیاری مثال ہے کہ کس طرح تاریخی فیصلوں پر تربیت یافتہ ماڈل ماضی کے امتیاز کو دوبارہ پیش کرتے ہیں۔

Amazon کے بھرتی ماڈل کو کس ڈیٹا پر تربیت دی گئی تھی؟

ماڈل نے Amazon کو جمع کرائے گئے تقریباً دس سال کے ریزوم سے سیکھا، اور تکنیکی کرداروں کے لیے زیادہ تر درخواست دہندگان مرد تھے۔

رائٹرز نے ماڈل کو کس لفظ کی سزا دی؟

"خواتین،" پر مشتمل ریزیومے جیسا کہ "خواتین کے شطرنج کلب کی کپتان" میں کمی کی گئی تھی۔ "پھانسی" اور "قبضہ" کی حمایت کی گئی، سزا نہیں دی گئی۔

مخصوص صنفی شرائط کو نظر انداز کرنے کے لیے ماڈل میں ترمیم کیوں مسئلہ کو حل کرنے میں ناکام رہی؟

چند الفاظ کو مسدود کرنے سے متن کے ذریعے پھیلے ہوئے باہم مربوط سگنلز نہیں ہٹتے، اس لیے ماڈل اب بھی دیگر پراکسیز کے ذریعے امتیازی سلوک کر سکتا ہے۔

اس معاملے میں تربیتی لیبل کے بارے میں مرکزی سبق کیا ہے؟

ماڈل نے پیش گوئی کی کہ پہلے کس کی خدمات حاصل کی گئی تھیں۔ چونکہ ماضی کی بھرتی کو متزلزل کیا گیا تھا، اس لیے لیبل نے اس سکیو کو انکوڈ کیا اور ماڈل نے اسے دوبارہ تیار کیا۔

ماڈل نے مبینہ طور پر کون سے فعل کو پسند کیا کیونکہ وہ مردوں کے ریزوم پر زیادہ کثرت سے ظاہر ہوتے ہیں؟

رائٹرز نے اطلاع دی ہے کہ ماڈل نے "پھانسی" اور "کیپچر" کی حمایت کی ہے جو مردوں کے ریزوم میں زیادہ عام تھے، ٹھیک ٹھیک پراکسی خصوصیات کی ایک مثال۔