【编者按】
人工智能正在重塑人才评估的边界。这项跨学科研究试图通过面部图像解码个性特质，为劳动力市场预测开辟全新视角。当算法开始”读脸识人”，我们既需要关注其科学依据，也要警惕可能引发的伦理争议——技术革新与隐私保护的平衡，将成为数字时代人力资源管理的重要命题。
沃顿商学院金融学教授Marius Guenzel和Shimon Kogan与耶鲁大学及印第安纳大学的研究人员合作，研究人工智能是否能够通过面部图像推断个性特征，从而帮助预测劳动力市场结果。
面部特征与个性特质之间的联系可能看似牵强，但Guenzel和Kogan考虑了多种可能连接两者的生物和社会机制。遗传学和激素暴露可以同时影响颅面结构和个性发展。此外，一个人被感知的方式（以及他们在照片中的表现方式）可以反映或强化某些特质。例如，研究发现面部更对称的人在外向性上得分更高，而”娃娃脸”特征与温暖和天真的感知相关，影响行为趋向更高水平的宜人性。
研究人员强调，他们的研究不应被视为支持在就业决策中使用面部推断的个性数据。相反，它突显了此类技术引发的伦理担忧，并呼吁对其使用的伦理、实践和社会影响进行更深入的审查和公众讨论。
AI可以通过单张照片推断个性特质。为了从面部图像估计个性特质，研究人员使用了卷积神经网络（一种旨在处理和理解视觉数据的深度学习模型），该网络在一个单独的数据集上训练，其中个人提供了自己的照片并完成了标准个性评估，在心理学中称为”大五人格”。然后将这个预训练模型应用于超过96,000名美国顶尖MBA项目毕业生的LinkedIn照片。该模型仅基于面部特征提取了研究人员所称的”照片大五人格”特质。
从AI模型提取的照片大五人格特质包括：
– 开放性（如好奇心、审美敏感性、想象力）
– 尽责性（如组织性、高效性、责任感）
– 外向性（如社交性、自信、精力水平）
– 宜人性（如同情心、尊重、信任）
– 神经质（如焦虑、抑郁、情绪波动）
虽然MBA样本中的个体本身没有进行个性评估，但该模型的准确性在其他大型数据集上得到了验证。然后将得到的照片大五人格特质与职业数据（薪资、职位、任期和学校排名）进行匹配，以识别个性特质与工作结果之间的统计关系。
AI衍生的个性得分与广泛的职业结果相关，包括薪资、工作资历、流动性，甚至就读的MBA项目排名。例如，具有最”理想”和最不理想个性得分的个体之间的预测薪资差距在某些情况下超过了种族间的薪酬差距。
照片大五人格与GPA和GMAT等认知测量指标相关性较低，意味着它们为可能的职业成功提供了独特、增量的洞察。
外向性是更高薪资和资历的最强预测因子。尽责性预测了薪酬增长，特别是对男性而言，并与较低的离职率相关。此外，研究表明，按职位和行业衡量的个性匹配对离职和晋升很重要。
使用职位功能描述与个性之间的映射，研究人员发现个性/工作风格匹配影响工作选择，并有助于解释职业类别内的工资变化。那些在个性上更好匹配的人获得更高的工资。
这些发现表明，基于个性的洞察可以补充GPA或GMAT等认知测量指标来预测职业成功。然而，它们也强调了在实践中，公司可能在个人不知情或不同意的情况下，在招聘和晋升等高风险环境中采用基于外貌的AI。
虽然该技术已经可行并可能变得更加普遍，但其使用引发了关于公平性、隐私和歧视的严重担忧。研究人员指出，由于面部特征不易改变，并且可能与个人被他人感知的方式合理相关，在招聘决策中依赖它们可能强化偏见。
