网络知识 娱乐 大数据实现背调与反向背调,人工智能成就测谎再无反测谎

大数据实现背调与反向背调,人工智能成就测谎再无反测谎

背调与反向背调

背调就是背景调查的意思,指的是企业在招聘环节中对候选人的相关信息和个人背景进行调查,故而称之为背景调查,背景调查在招聘中屡见不鲜。

背景调查也被称为“证明材料核查”,它并不是传统公安机关意义上的调查,而只是一种核实的动作和行为;背调是一种能够有效地证实候选人真实信息的有效方法。

候选人通过面试后企业针对该候选人所提供的履历进行一次验证过程这个过程为候选人拿offer前,最后一个步骤。

大数据时代的特点就是人人都是调查者、人人可成为分析师;公司可以比较容易地背调一个面试者;反过来,面试者也会对应聘公司作出“反向背调”,毕竟是大数据时代条件具备。这个实际上就是一个“实打实”的双向“探底”、双向“选择”的过程。

以00后为主体的毕业生开始步入职场,在给职场注入“新鲜血液”的同时,他们的言行和思维方式,也会潜移默化地改变职场环境。

一代人有一代人的追求和坚持;被打上“二次元”,喜欢动漫、国风、弹幕交流等标签的00后,在面试中也展露出了独特的个性,比如不再迷恋互联网大厂的光环、敢于对加班“说不”,甚至面试前“反向背景调查”雇主。

items

背调

反向背调

发起人

雇主

面试者

身份属性

数据或平台支撑的法人

“互联网原住民”00后

程序

必须得到候选人本人的授权

anytime

方法

线上求证;电话访问;调查最近两家公司的经历,如果这两家待的时间都不长,还会往前延伸;对于高层的员工,则背调起码是最近 3 家公司的经历。

向已经入职该公司的学长咨询;查询点评公司的APP;“在职”或“已离职”员工的匿名点评;查询公司的年报、股权结构、公司架构++

最终分析状态

信息的真实性、可靠性+

多维度为应聘的公司“画像”++

关注问题

核实学历学位信息;核实联系人身份及评价;核实前任履责状况;核实自我评价++

个人价值实现和工作的成长性;团队领导的个性;工作环境是否舒适;团队氛围是否融洽;是否被招聘者尊重?+++

一票否决项目

诚信

忠诚度

试用期大于6个月和工资比例小于80%的不去;有加班文化的公司坚决不去;单休或大小周,不给加班费或调休的公司不去;有多起法律纠纷的公司不考虑+

范围

校招生,一般是基础岗位,过往的经验较少,背调必要性不大,且入职的人数大,会造成人力资源的浪费。


调查结果

负面:材料伪造、虚构证件属诚信问题;经历夸大

负面:企业存在隐患、企业不适合

当事人态度

应聘者反感

雇主无可奈何

后续行动

是否发offer?

是否去上班?

大数据实现背调与反向背调,人工智能成就测谎再无反测谎

公司背调究竟能查出工资吗?——能!

薪资问题是每个求职者和HR都会慎重考虑的问题,HR要在合适的薪资范围内招聘到最合适的人选,求职者也会希望得到更高的薪资报酬,因此了解求职者在上家公司的薪酬水平往往是企业背景调查中较为关心的内容。

在采用背景调查的公司当中,虽然并不是全都会调查候选人的薪资,但大部分都会调查,而且普遍也都把薪资作为重点的调查内容;对背调机构来讲,不会自己去查候选人的精准收入,但大致的薪资待遇范围是一定会去了解的。

背调公司在进行工作履历的背景调查时,会通过候选人留下的证明人信息联系到候选人前公司HR、上级或同事,背调公司可以通过沟通询问了解到候选人之前真实的薪资状况。

企业除了请第三方背调公司核实薪资外,也会要求候选人直接提供近六个月的银行流水或者税单;背景调查公司还可以通过调查工资流水账单、调查社保缴纳记录的方式来核实候选人真实收入薪水。

另外,背景调查报告的最终结果一定会告知本人

企业在对新入职员工进行第三方背调调查时,都会先拿到背调候选人的背调授权书再安排进行背调,这一点许多求职者都比较明确。

求职者需要明确一点的是,背调报告本身就是在自己签字允许的前提下进行的一场背景调查,所以自己是具备知情权的。并且,正规公司的HR也会在拿到背调报告的第一时间安排通知背调候选人背调的结果,候选人是否被录取也会随同背调结果一同发放。

大数据平台花样保护弱势

吃瓜、工作等日常历练,让年轻人对天眼查、企查查等APP的使用驾轻就熟,如果升级为尊贵的会员,获得信息更加全面。

潇潇为舅舅追薪的经历简直是一部另类商业谍战片。老板欠薪跑路之后,潇潇在天眼查查到了这位老板的其它公司,有狡兔三窟那味了。蹲点守候3天后,终于在路边抓到老板。

用天眼查帮助亲友求职避雷的案例不胜枚举。初出茅庐的律师兴哥在对比几份律所offer之后,最终选择一家真正有实力的律所入职,更帮在房地产工作的女朋友发现公司的承包工程官司,躲过拖欠工资的风险。

只有落后的人工智能技术,没有骗得过去的“谎言”

人们相信可以通过面部细微的表情变化来揣摩人心。

美剧《别对我说谎》(Lie to me)中,男主十分擅长通过面部微表情和肢体语言来判断对方是否说谎。那么,通过观察微表情真的能够帮助我们识别谎言吗?前FBI特工杰森 · 鲍尔(Jason Bauer)会告诉你,通过微表情来测谎是多么不靠谱。

微表情指那些十分短暂,持续时间约为0.04秒-0.07秒的细小表情。这些表情由于持续时间太短而根本无法被人眼捕捉到;直到上世纪70年代,行为学专家使用高速摄像机才捕捉到了这些细微的表情。所以,我们平时看到的根本就不是所谓的微表情。如果我们平时都观察不到这些表情,那又谈何通过它们来判断对方是否撒谎呢?因此,微表情测谎不靠谱。

首先,这部剧拍于2009年,编剧写出剧本应该更早,剧情反映的微表情测谎失败是可以理解的;更关键的是,当时的人工智能技术多low。

2005~2010年间,人工智能技术在翻译领域才崭露头角

下面讨论一下前面那些否定测谎的说法:

首先,测谎手段升级,不会再用“测谎仪”了,这种手段早该进“垃圾堆”了,至于电影电视剧为什么还有这些家伙?那是因为编剧比较懒、比较笨,不知道如今人工智能技术的发展状态罢了。

新型测谎技术必须是:非接触+人工智能的模式;当对被测谎人加上电极、带上头盔、插上电线的那一刻起,你就给对方上了一道防线,你设计的你安装的,还有什么好说的,这叫做“人为增加排斥抗力”,呵呵呵

那么,怎样实现获取数据,以进行测慌分析?

这就是前面说的“微表情”了,当然“微表情”只是海量分析数据集的一小部分;现在的技术可以轻松实现360°、全方位、六度空间的高清图像,早就不是上个世纪70年代的那个low技术了;

那为什么会有下面这样的说法呢?

“很多人在撒谎的时候会出现眼神闪烁、手心出汗、口吃结巴等特征,通过这些特征能否断定对方就一定在撒谎呢?FBI通过近万次审讯嫌犯的经验得出结论,通过这些特征也不能断定对方一定在撒谎。”

答案很简单,数据捕获技术太Low。

手心出汗,头冒大汗,我想也能轻松捕获成数据;

口吃结巴,声音颤抖度,我想也能轻松捕获成音频数据;

至于被测慌者周边空间的化学指标数据,就看你能测到什么了?能否捕捉到数据了?

人工智能的基础成本,就是必须有海量数据,没有海量数据,不称之为“人工智能”;没有海量数据 + 算法, 测谎成功就一定有概率。

结论:只有落后的人工智能技术,没有骗得过去的“谎言”

在人工智能还没发达的现在,测谎技术只能干等吗?

好像不用,大数据分析时代,围绕主要嫌疑人建立“关系型的网络节点”图 + 数字技术分析 + 时空追踪,这种模式应该基本也够用了。

测谎获得海量数据的基础上,剩下的工作全部交给“算法”

为什么要采用“非接触”的测谎手段?

除了卸掉人为制造的防御障碍之外,更简单的一个理由,算法需要训练集;

这也是人们以前否定“测谎仪”的争论焦点——人各有差异,有的人很会伪装,你无法断定他是否在说谎。

但是,人不可能自己跟自己比,一旦跟自己比,伪装就做不成了。

是否必须在日常生活中监测,才能获得某人的正常训练数据集?

需 要——技术不行时;

不需要——技术行时,在询问、讯问、调查时,都可以建立训练集。

***技术实用的时间——1~10年。

***为什么时间跨度那么大?关键在哪儿?

关键在于准备语料库的时间。

“语料库”这个词不太适合这个场合,最初源于“翻译”战役中,那场战役中,人工智能终于脱胎换骨,一战成名;所以就有了那句话,只有落后的人工智能技术,没有不擅长的翻译。

关于大数据分析部分的“语料库”的核心问题,实际上就是考验核心技术的时候了;落后一年,后续技术就落后5~10年,实际应用就永远low了。

算法在捕获海量数据 + 训练集 的基础上,必须“闪亮登场”了

此处要明确一点,10年后,测谎的主要应用场合不仅仅在于FBI、CIA、刑侦、调查...这些领域,而是社会各方面,否则,测谎人工智能太被冤枉了,太被低估了。

哥本哈根大学的计算机科学家开发了一种新的机器学习算法,它可以通过分析你如何滑动或点击智能手机来识别你是否诚实。该研究发现,不诚实的互动通常要比诚实的互动花费更长的时间,并涉及更多的手部动作。

该算法名为 Veritaps,当你将真实的陈述输入智能手机时,它会闪烁出绿色的复选标记,如果输入的是可疑的信息时则会用红色问号标注。这样接收可疑消息的人便可以向发件人进行询问。

研究人员说,Veritaps 可能会对纳税申报表、保险索赔和线上市场等产生影响。例如,它可用于评估 Craigslist 广告中对待售汽车状况描述的准确性,或标记欺诈性的纳税报告和保险索赔。研究人员还发现,Veritaps 有助于自我改善,例如,Veritaps 会指出用户在为不去见私人教练而对自己撒谎。

No.

算法

开发者与功能或应用

1

Veritaps

哥本哈根大学,纳税申报表、保险索赔和线上市场

2

FFCSN,Face-Focused Cross-Stream Network

中国人民大学信息学院机器学习(ML)组,将人脸检测用于空间流来捕捉面部特征

3

LD19-0231

伦敦城市大学,分析用词、结构和上下文嗅探出电子邮件、交友资料和信用卡申请中的虚假信息

4

JH2206-72m013

基于regularexp + LSTM ,实现段落文本主要内容归纳,实现度大于85%;

5

JH2206-82m054

基于regularexp + regularization, 实现多个类似事件说法的差异比较分析

...

...

...

《面向视频测谎的聚焦人脸的跨帧双流网络》「Face-Focused Cross-Stream Network for Deception Detection in Videos」论文提出了一种新颖的视频测谎算法,这种算法只需要少量的视频数据进行训练,并在训练后对短视频进行测试。实验结果显示,该测谎算法的准确率高达 90% 以上,同时在结合语音和 word2vec 信息后,这一准确率可以进一步提高至 95% 以上。

不同于常见的双流网络模型(two-stream network)利用空间流捕捉视频帧整体静态空间特征以及利用时间流捕捉视频光流动态特征的做法,FFCSN 模型考虑将人脸检测用于空间流来捕捉面部特征,并在整个网络中利用相关学习来融合时空特征进行联合训练。

伦敦城市大学研究人员开发出了一款算法,它可以嗅探出电子邮件、交友资料和信用卡申请中的虚假信息。这款算法通过分析用词、结构和上下文,就可得出你是否在说谎。为了打造这款算法,研究人员对比了成千上万封充满谎言和真话的电邮。

通过对比,他们发现撒谎的人更喜欢用第一人称,此外,这些人话中的形容词也更多。研究人员称,撒谎时人们更想让他人忽视自己语言的原义,因此华丽的辞藻成了遮羞布。

此外,人们撒谎时更喜欢说相互连接的句子,而且他们还会不自觉的模仿他人的说话语气。

研究人员称,在识破谎言上,该算法比普通人厉害多了。在测试中,相同时间内人类只能识别54%的谎言,但算法的准确率却达到了70%。


这届年轻人,都“反向背调”了

背调能查出工资吗?-i背调官网

“00后秋招背调大厂”实火?评测发现:天眼查是有些真功夫在身上的_生活方式_澎湃新闻-The Paper

丹麦科学家发明测谎 AI 算法,但人性能否经受住机器的考验?