-
Machine Learning
华人姐妹创办的AI人才技能评估公司Searchlight被纽约的Multiverse收购！
还记得双胞胎姐妹Anne Wang 和 Kerry Wang 2018年的创业公司吗？担任CEO的Kerry Wang 和CTO的 Anna Wang 于 2018 年创立了 Searchlight。作为双胞胎姐妹，不仅外表相似，而且表面上都拥有在斯坦福、谷歌和麦肯锡的工作经历，她们有动力创造一个人们都可以参与的世界。他们因其独特的技能而被理解，并与合适的公司相匹配。斯坦福大学的毕业生从 Y Combinator 开始了他们的旅程，此后获得了福布斯 30 位 30 岁以下人士的认可，并从风险投资基金 Founders Fund 和 Accel 获得了融资。（点击可以了解）
祝贺他们的公司被Multiverse收购！ 这里是他们的最新进展，一起来了解下！
2024年4月8日美东 — 科技公司Multiverse宣布收购Searchlight，这是一个借助AI帮助企业解决技能缺口的人才智能与技能评估平台。
位于加利福尼亚的Searchlight由双胞胎Anna Wang和Kerry Wang在2018年创立。这对斯坦福大学毕业生的创业之旅起步于Y Combinator，随后获得了福布斯30位30岁以下青年才俊的认可。该公司还成功吸引了Founders Fund和Accel等顶尖风投公司的投资。
[caption id="attachment_67581" align="alignnone" width="2560"] Searchlight Founders - Kerry and Anna Wang[/caption]
在过去的六年里，Searchlight始终致力于AI与技能领域的融合，开发出了一款无偏见的AI引擎。该引擎能够理解人的能力、软技能、工作风格以及工作要求，其数据显示，相比传统招聘方法，该引擎能以四倍的准确率识别候选人是否匹配。
将Searchlight的技术和人才资源并入Multiverse，将大大推动后者在生成式AI（Generative AI）和机器学习领域的应用。Searchlight开发的定制无偏见AI引擎将提升Multiverse在识别、分析及弥合组织内部技能差距方面的能力，进而为客户提供更贴合商业需求的培训方案。
Multiverse目前与超过1000家组织合作，在数据分析、软件工程等领域提供培训。它所倡导的新型学徒制模式强调测量、应用、指导和公平，旨在确保学习者能享受到高质量、个性化的学习体验，同时为雇主创造可衡量的投资回报。
继2023年5月收购Y Combinator公司Eduflow后，Searchlight成为Multiverse的第二次收购。
Searchlight团队将加盟Multiverse，负责将其人才智能技术融入Multiverse平台，并领导后者的AI项目。Searchlight的CEO Kerry Wang将出任产品总监，CTO的Anna Wang将成为AI负责人。
Searchlight联合创始人兼CEO Kerry Wang表示：“创建Searchlight的初衷是帮助企业公平地组建优秀团队，并助力个人找到有意义的工作。与Multiverse团队的首次会面就让我深刻感受到我们的目标高度契合，致力于解决相似的挑战。通过这次合作，我们将能够将Searchlight的技术和专长在全球最大公司中进行规模化应用，共同打造未来的劳动力发展平台。”
Searchlight联合创始人兼CTO Anna Wang表示：“在过去六年中，Searchlight建立了定制的数据流和专有的、道德的AI模型，这些模型全面理解人才并预测业务成功所需的技能。将Searchlight现有的AI和技能专长与Multiverse的丰富数据结合，我们将共同成为利用AI进行技能发展的领导者。”
Multiverse创始人兼CEO Euan Blair表示：“在深入了解Searchlight产品后，我对他们使用AI识别模式、发现技能解决方案的方法感到非常兴奋。多数公司都在经历技术转型，他们希望这一过程既公平又有效。但往往他们的转型愿景与实现这一愿景所需的技能之间存在差距。Searchlight的AI技术、平台和优秀团队将使我们更好地诊断企业内部所需的技能并提供有效的解决方案。我们的规模和世界级的学习资源结合Searchlight的技术和团队，将确保更多的公司和个人从中受益。”
关于Multiverse
Multiverse是一家新兴的以技术为先导的机构，它将工作与学习相结合，为每个人提供公平获取经济机会的途径。通过一种新型的学徒制，Multiverse关闭了关键的技能差距，利用以人为中心的辅导、AI和技术的最佳实践，提供一种被测量、应用、指导和公平的学习方式。
2022年6月，Multiverse宣布完成了由StepStone Group、Lightspeed Venture Partners和General Catalyst共同领投的2.2亿美元D轮融资。以17亿美元的估值，这轮融资使该公司成为英国首家教育科技独角兽。
更多信息，请访问www.multiverse.io
关于Searchlight
现为Multiverse一部分的Searchlight是一个开发道德AI以建立高效团队的人才智能平台。Searchlight提供一个无偏见的AI，能够发现顶尖的申请者，评估候选人，并验证招聘质量。它独特的学习循环利用员工的成果数据，让组织的每一次招聘都更加匹配。由双胞胎姐妹Anna和Kerry Wang在2018年创立的Searchlight坚信，当正确的人选放在正确的位置上，每个人都是赢家。了解更多，请访问Searchlight.ai。
Machine Learning
2024年04月09日
-
Machine Learning
时代变革：首位AI软件工程师Devin，面试成功入职且接过实际工作的单
在人工智能和软件开发的快速演进中，我们迎来了一个划时代的成就：首个AI软件工程师 Devin诞生。Devin不仅仅是一个程序，它是全球首个完全自主的AI软件工程师，这一突破性的技术由Cognition这个专注于提高技术推理和计划能力的应用AI实验室推出。(介绍视频可以访问视频号：HRTech 或者 抖音HRTech 均可)
Devin的能力超越了以往所有的界限。它在SWE-Bench编码基准测试中展现出非凡的性能，以高达13.86%的成功率解决了真实世界中的GitHub开源项目问题，远远超出以往模型的表现。Devin的出现不仅改变了编码工作的方式，更重塑了软件工程的未来。
与传统的软件工程师相比，Devin具备独立执行复杂编程任务的能力，能够使用开发者工具、代码编辑器和网页浏览器等，完全在一个安全的计算环境中自主工作。这意味着，Devin能够学习新技术、发现并修复程序错误、开发和部署应用程序、甚至对机器学习模型进行微调。
引入Devin这样的AI工程师，意味着人类工程师可以将更多时间和精力投入到创新和战略规划上，从而推动软件开发工作的效率和创造力。Devin的加入，预示着一个由人机协作驱动的新时代即将来临。
随着Devin进入早期访问阶段，Cognition邀请更多的工程师和团队来体验这种新型的工作模式，开启了技术行业的新篇章。这不仅是对AI技术和软件开发领域的一次重大创新，也为未来的工作方式提供了新的思路。
而对于人力资源领域，Devin的出现也带来了深远的影响。首先，人力资源专业人员需要重新考虑人才招聘和团队组建的标准。AI技术的融入意味着寻找能够与智能系统协作、适应新技术的人才变得更加重要。
此外，人力资源部门需要思考如何为员工提供学习和适应新技术的机会，确保团队能够充分利用AI工具如Devin，提高工作效率和创新能力。培训和发展计划将需要更新，以包括AI技术和人机协作的元素。
最后，人力资源管理者应该积极拥抱这一变革，通过教育和引导，帮助团队成员理解并适应AI带来的变化。通过这种方式，人力资源专业人员不仅能够帮助自己的团队顺利过渡到新的工作模式，同时也能确保公司能够在AI时代保持竞争力。
总之，Devin的诞生不仅是技术领域的一次飞跃，也是对工作方式和人力资源管理带来的深刻思考和挑战。在这个变化的时代，适应和创新将是走向成功的关键。
Machine Learning
2024年03月13日
-
Machine Learning
人工智能AI革命：重塑人力资源职能以取得成功
人工智能正在进一步推动人力资源技术的进步，从提高效率到增强员工体验，这绝非人为。了解人工智能如何重塑人力资源，以及人力资源如何将人工智能运用到工作中。
人工智能（AI）重塑了世界的格局，但机器人接管仍不是眼前的事情。相反,是人类正在利用AI的力量。从改善农业作物产量到提升医疗保健中的患者参与,各行各业正在以有益人类的方式运用AI。
同样的情况也发生在人力资源（HR）管理领域。人力资源从业者正在使用人工智能来帮助增强员工在工作场所的体验并提高人力资源流程的效率。更重要的是，人工智能表明它可以支持首席人力资源官办公室的下一步发展——与最高管理层合作，推动更具包容性和整体性的业务战略。
为未来的工作转变人力资源职能
根据“AI IQ：企业人工智能洞察报告”，这是Workday对全球1000名业务决策者的新调查，与AI增强的顶级HR相关任务包括招聘和申请人跟踪、业务分析和技能评估工具。此外，65％的受访者表示，他们现有的AI和机器学习（ML）部署已经改善了员工体验，这是HR的主要业务指标。
全面了解员工能力和人才管理
HR领导者必须拥有支持技能用于现今工作未来的技术：摆脱工作是通过结构化的工作角色和职责来完成的僵化观念，相反，将工作视为更流动的技能汇编，以便为业务不断变化的需求提供支持。
Workday的CHRO办公室产品的集团总经理David Somers表示：“随着组织加速并扩大其基于技能的人才战略，人工方式无法了解和管理他们的员工技能—现在和将来。” “没有AI和ML工具来帮助理解所有数据，就不可能理解，更不用说将员工的技能与业务需求相匹配了。”
AI和ML超越了识别和将员工的技能映射到不同的项目或角色，这是典型的技能管理方法。相反，通过AI和ML增强的技术帮助组织了解技能之间是如何相互关联的，以及它们是如何演变为其他相邻技能的，这是至关重要的见解，因为技能正在不断变化。例如，擅长Microsoft Excel的员工也可能具备数据分析、报告和其他Excel用于的任务的技能。 AI和ML有助于揭示组织中的技能深度，并获得基于技能的倡议所需的见解。
理解和改善工作场所文化和员工敬业度
员工敬业度曾经仅是HR部门的优先事项，现在已成为高管层的优先事项，推动了从生产力到创新等许多业务驱动因素。公司领导者希望了解员工如何看待雇主以及他们如何利用他们收集到的见解；反过来，人力资源领导者正在将这些见解带给最高管理层，并利用它们来创造一个更具吸引力的工作场所。
人工智能的预测能力正在帮助公司更深入地了解员工敬业度的挑战性方面之一：了解哪些员工可能更容易辞职。人力资源领导者可以利用这些见解来采取规范性行动，以帮助降低员工倦怠和自然流失的风险。
Somers分享了一个如何使用自然语言处理（一种ML技术）来帮助领导者理解员工情绪的例子。他解释说，组织正在使用Workday Peakon Employee Voice这种智能监听平台来帮助理解和确定离职风险。它具有一个利用AI和ML并使用在数据库中的数百万个调查数据点上训练的统计模型的离职预测功能。
Somers说：“该模型根据他们的回应和分数计算每个员工的离职风险。然后，它使用员工级别的离职风险来计算每个部门以及整个公司的平均离职风险。它还将每个部门的平均风险与公司的平均风险进行比较，以分配离职风险级别—例如，它可能揭示出市场部门的离职风险在您的组织的前10%。”
这些见解可以指导公司如何改善员工敬业度，例如增加福利或评估工作量。最终，重要的是要让人处于中心地位，这样他们才是最终的决策者。通过以人为中心的方法，人工智能和机器学习可以帮助人们提高工作效率和了解更多信息，使他们能够解决以前认为无法解决的问题。
自动化重复但动态的HR功能
自动化革命—无需人工干预就可以执行任务—在HR中的发生远早于大流行病。但是，应对前所未有的破坏加速了对数字创新的需求，因此，引发了AI采用的浪潮和HR中敏捷性和效率的下一次演变：智能自动化，这涉及读取数据并从该数据中进行预测。换句话说，智能自动化就是与机器学习配对的自动化。
这对于那些常规但动态的HR任务特别有帮助，例如调度和满足劳动力需求。例如，公司正在使用AI来匹配劳动力需求和工人的资格、技能、可用性、偏好等，以便为工人和业务优化时间表。这在雇佣一线工人的公司中尤其普遍，其中班次不断变化，经理需要在短时间内填补和调整。
Somers说：“通过AI自动映射工人的可用性和技能到开放的班次，提供工作人员调度的建议，公司可以确保他们不会过度和不足的调度，同时更好地控制劳动力成本和防止工人疲劳。”
HR在确保清洁数据以实现负责任的AI中的角色
虽然AI确实正在重塑HR的角色，但HR领导者必须与其他业务领导者一起成为实施AI的驱动者。
关于AI的关键是：其执行任务的能力，例如进行预测分析或生成新内容（生成性AI），取决于其AI基础模型的质量，而这只取决于提供给它的数据的质量。对数据治理的强烈承诺始于相信并实施HR数据在整个业务中都是相关的—这恰好与Workday人力资本管理（HCM）的基础相同。 Workday HCM建立在统一的数据模型和单一的安全模型上，可以读取多样化的数据集，以执行各种分析和报告用例。
Somers说：“因此，实施AI时的大‘警告’之一是要保持数据的清洁和连贯，以帮助确保准确性和质量控制。” “如果数据集不干净，HR和人员领导者可能会得出不准确的结果，这可能导致昂贵的错误。”
HR领导者是塑造未来工作场所的驱动者
在英国和美国等地进行的全球和国家级别的对AI的公众情绪调查揭示，越来越多的人正在设想一个AI的力量可以产生积极影响的未来。同时，这些调查也揭示了对AI的关注，特别是对是否有足够的监管。
对于每一个利用AI增加HR影响力的用例，重要的是要记住使这些努力成功的是什么：通过额外的见解和改进的效率来增强决策。这并不是要取代使HR专业人员如此有价值的东西：通过将业务中发生的事情与公司的目标和价值观联系起来，成为公司文化的管理者。
正如Somers所说：“最终，重要的是要将人类置于中心，使他们成为最终的决策者。以人为中心的方法，AI和ML可以帮助人们更加高效和更好地了解信息—使他们能够解决他们以前认为无法解决的问题。”
来自workday
Machine Learning
2023年08月04日
-
Machine Learning
你知道吗？机器学习与 人工智能：它们有何不同？
特伦斯米尔斯 AI.io和Moonshot的首席执行官Terence Mills是AI的先驱和数字技术专家。在LinkedIn上与他联系关于人工智能或移动设备
人工智能和机器已经成为日常生活的一部分，但这并不意味着我们很好地理解它们。你知道机器学习（ML）和人工智能（AI）之间的区别吗？
如果您希望在您的业务中使用其中一种，那么了解哪一项重点关注非常重要。ML和AI是相关的，但它们不相同，并且它们不一定适合于相同的任务。您可以通过了解何时选择ML或AI来将您的业务提升到新的水平。
本指南将向您介绍您需要了解的有关AI和ML的所有信息，以及它们为何与众不同。继续阅读，了解这种现代科技如何帮助您和您的企业。
机器学习与 人工智能：基础知识
以下是这些不同概念的两个简单，基本的定义。
AI意味着机器可以以“智能”的方式执行任务。这些机器不仅仅被编程为执行单个重复动作 - 它们可以通过适应不同情况做更多事情。
机器学习在技术上是人工智能的一个分支，但它比整体概念更具体。机器学习的基础是我们可以构建机器来处理数据并自己学习，而不需要我们不断的监督。
让我们仔细看看这两个概念的真正含义以及它们是如何发展的。
在一开始的时候
毋庸置疑，AI和机器学习相对较新。几十年，几百年甚至几千年前，这些概念可以追溯到某些富有想象力的个体。但直到最近，这些梦想才成为现实。
人工智能的概念在最早的计算机上得到了巩固。当然，这些第一台计算机并没有自己做出任何决定。然而，它们是能够记住信息并进行计算的“逻辑机器”。创建这些机器的人知道他们正在努力制造一台类似大脑的机器。
然而，从那时起技术变得更加先进，因此我们制造类似大脑的机器的能力也有所提高。在过去的几十年里，我们也更好地理解了自己的大脑是如何运作的。
我们越了解这些事情，人工智能的变化就越多。我们的计算机现在可以进行极其复杂的计算，但是现在的开发并没有真正关注那些。相反，人们正在寻求创造能够以类似于人类的方式做出决策并使用这些决策来完成任务的机器。
AI的类型
人工智能有两个主要的子类别。第一个应用AI。这是最常见的AI形式。它包括从智能股票交易系统到自动驾驶的所有内容。
广义AI不太常见，因为它更难创建。理想情况下，广义AI能够处理各种不同的任务，就像人类一样。尽管这些AI并不常见，但许多研究人员已经在广义AI领域取得了进步。
最重要的是，这一小节是导致机器学习发展的原因。
机器学习的成长
由于AI领域的某些突破，机器学习得以发展。
第一个突破涉及认识到教授计算机如何学习比教他们如何执行每项可能的任务并为他们提供完成这些任务所需的信息更有效。
第二个重大突破是互联网的发明。这导致了以前从未见过的巨大的信息存储潜力。现在，机器可以查看由于存储限制而无法访问的大量数据。实际上，创建的数据量太多，人类无法处理。
这两个突破清楚地表明，不是教机器做事，更好的目标是设计它们为自己“思考”，然后允许他们访问在线可用的大量数据，以便他们可以学习。
神经网络的作用
神经网络的出现对于教导计算机像人类一样思考的过程变得至关重要。神经网络允许计算机更紧密地模仿人类的大脑，同时仍然更快，更准确，更少偏见。
神经网络是一种计算机系统，它可以像我们自己的大脑一样对信息进行分类。例如，神经网络可以查看图片，识别图片中的元素，并根据它们显示的内容对图片进行分类。
这些网络使用他们有权访问的数据进行确定。数据不允许它们完全准确，但他们可以根据最有可能做出的决定做出决定。
最重要的是，这些系统涉及“学习”的反馈循环。机器可以查明其决策是否正确，然后改变其方法，以便下次做得更好。
机器学习能做什么？
这些系统的可能性似乎无穷无尽。
ML已经允许计算机查看文本并确定内容是正面还是负面。他们可以弄清楚一首歌是否更有可能让人伤心而不是快乐。其中一些机器甚至可以制作自己的作品，主题基于他们听过的作品。
机器学习的一个主要应用是与人沟通。人工智能领域称为自然语言处理，大量使用机器学习。有一天，这将使公司能够提供与人类客户支持一样有用的自动化客户服务。
机器学习与 人工智能：哪个适合你？
AI和ML都可以拥有有价值的业务应用程序。确定哪一个最适合您的公司取决于您的需求。
这些系统有很多很好的应用可供选择，但ML最近得到了更多的宣传，因此许多公司都专注于这种解决方案的来源。但是，AI对于许多不需要持续学习的简单应用程序也很有用。
以上由AI翻译完成！
原论文连接：https://www.forbes.com/sites/forbestechcouncil/2018/07/11/machine-learning-vs-artificial-intelligence-how-are-they-different/#177f00033521
Machine Learning
2018年07月16日
扫一扫 加微信
hrtechchina
