研究警示：聊天机器人在招聘判断中复制“可信面孔”偏见，或放大外貌歧视
· 来源：msn.com
一项研究发现，聊天机器人会沿用人类对“看起来可信”的面孔所产生的判断偏差，尤其可能影响招聘等高风险筛选场景。
一项聚焦生成式人工智能与社会偏见的研究指出，聊天机器人在根据人脸信息作出判断时，可能复制人类长期存在的“可信面孔”偏见：人们往往会因某些面部特征而主观认定一个人更可靠、更适合被信任。这种倾向一旦进入招聘筛选等决定机会分配的流程，可能使外貌而非能力、经历或岗位匹配度影响候选人的评价。
报道所述研究将社会心理学中有关面孔信任判断的发现延伸至聊天机器人。研究关注的并非模型是否能准确识别人脸，而是当系统被要求根据候选人的形象或相关描述作出招聘式判断时，是否会把人类已有的刻板印象带入输出。结论显示，聊天机器人会复现与人类相似的“可信面孔”偏好，在招聘语境中尤其值得警惕。
所谓“可信面孔”并不等同于真实的诚信、工作能力或职业表现。人类对面孔的快速印象常受五官组合、表情、年龄感、性别化特征以及文化经验影响，但这类直觉缺乏充分的事实基础。若招聘人员将此类印象用于简历初筛、面试排序或录用建议，已可能造成不公平；当聊天机器人被用于批量生成候选人评价、辅助决策或模拟面试时，偏见则可能以更快速度和更大规模被复制。
这一发现也为企业使用生成式AI提出了更具体的治理问题。招聘系统不能仅以回答流畅、效率提升或总体准确率作为验收标准，还应测试其在不同候选人图像、外貌线索和人口群体之间是否出现系统性差异。尤其是在模型能够读取照片、视频截图或社交资料的场景中，企业应限制与岗位无关的视觉信息进入决策链条，并要求人工复核能够追溯至技能、经验和结构化评价标准。
从监管与审计角度看，研究提示反歧视审查需要覆盖生成式模型的交互式输出，而不只是传统自动化评分系统。审计者应检查提示词、输入材料、模型版本和最终建议之间的关系，辨别系统是否将“亲和”“可靠”“专业”等模糊评价偷偷建立在外貌印象之上。对于招聘这样直接影响就业机会的高风险用途，透明度、可申诉机制和独立偏见测试应成为部署前后的基本要求。
生成式AI不会天然消除人的主观偏见；如果训练数据、评价框架和使用方式没有得到约束，它也可能把这些偏见包装成看似中立的技术结论。此次研究的核心警示在于，招聘自动化应把重点放在可验证的岗位相关信息上，而不能让算法替外貌偏好披上“智能判断”的外衣。
—— 综合整理自：MSN