BOSS直聘首席科学家薛延波@科技生活节

7月29日，在钛媒体举办的“钛媒体 2018T-EDGE 科技生活节”上，BOSS直聘首席科学家薛延波带来了《消灭纸片人》的演讲，阐释了BOSS直聘如何将人工智能与招聘相结合，实现企业和员工双边的稳定匹配。

纸片人反映的是当下求职的痛点，也就是指在求职过程中，求职者只能通过简历被招聘公司认识，而简历往往不能真实反映人真实能力的状况。

据薛延波介绍，招聘行业是一个双边市场，这是一个宏观概念。想要招聘市场良好运作，需要深扎下去理解市场里面的每一个环节才能对其进行修正。对于招聘行业来说，这些微观的环节包括了招聘方、应聘方，还有这两者之间的匹配算法。

为了解决这一问题，薛延波提出了两条可行路径。

第一，要尝试去建立这样一个职业科学模型。对于职业科学模型的建立，通常需要从人文学的角度考虑，微观经济学、宏观经济学、心理学、劳动关系学等等的角度，考虑一个人在职业市场上，或者在职业规划中，处于什么样的一个节点。

第二，不可忽略机器学习、数据挖掘等等技术对这一模型的促进作用，我们想像的职业科学，其实就是由这两个模块共同协作完成的。

2018年7月，薛延波加入BOSS直聘，并牵头组建了CSL（Career Science Lab）职业科学实验室。BOSS希望通过CSL实验室对职场人的幸福感和安全感、企业在人才竞争中的竞争力以及双方的匹配度上展开研究。

在BOSS直聘已经解决了“跟谁谈”的问题的基础上，职业科学实验室将要重点解决两个问题。

问题一：如果你定位了你想跟谁谈，什么时候跟这个人谈，什么时候跟这个老板谈？

问题二：你解决了什么时候谈的问题时，你要怎么去谈？

这是一个When和How的问题，薛延波希望职业科学实验室在发展的一段历史时期内，能够逐渐解决When和How的问题。

作为BOSS直聘的首席科学家，薛延波博士有13年机器学习方面的研究经验，5年量子计算方面研究经验。薛延波博士有跨学科的研究经验：包括控制理论、信号处理。通信、机器学习和量子计算领域。曾经帮助孵化了四家技术公司:Solid state、Protein Folding、Chemistry Simulation、Fintech。

在此之前，薛延波博士曾担任商用量子计算机生产商D-WAVE量子计算机实验室高级深度学习科学家，从事量子计算机的性能测评、量子计算在深度学习和人工智能领域的应用、基于量子计算的模式识别等项目。再早之前，薛延波博士成立并组建了D-WAVE内部负责机器学习研究的商业部门Quandrant.ai。（本文首发钛媒体，作者/芦依）

以下为薛延波博士演讲实录，钛媒体编辑略作编辑整合。

1、“纸片人”是什么？

我自己有一个6岁的儿子，我儿子大概在3年以前的时候开始喜欢上Flat Stanley这个角色，翻译过来就叫纸片人Flat Stanley。这个角色是在1964年的时候，美国人杰夫创造出来的，大概到现在为止也有50多年的历史了 Stanley因为在昨天晚上的时候不小心被一个广告牌掉下来把他砸扁了，砸成大概5英寸这么厚的一个小孩子。

从此，Stanley的人生发生了巨大的变化，他到学校的时候别的小朋友都投来的异样的阳光，因为你想他已经不是一个正常的、活灵活现的小孩子了，你从侧面看只能看到5英寸的小孩。初期因为不同，Stanley发现他自己非常的自卑，后来他突然发现他有自己很神奇的功能，比方说他可以从一个还没有打开的门下面钻过去，在公园里面，有的小朋友可以给他拴个绳子把他当风筝一样在天上去放，甚至可以被装在信封里去旅行。后来还有一次他突然发现他自己变成了一个透明人，别人再也看不到Stanley这个小孩子了。

从我刚才讲的，他从最初的生活感觉到自卑，然后又出现一些自豪的情绪，发现他可以做一些别的小朋友不能做的事情，一直到最后他又出现一个自卑的情绪，他非常想回到和别的小朋友一样的状态。

这个时候请大家思考一下，其实我们每个人又何尝不是这样的一个纸片人的角色呢？这个是一个人的简历，其中有24年求学的历史，13年在海外求学。最近的13年一直在做机器学习的研究工作，其中最近的5年一直在做量子计算，也帮助了4家科技公司孵化他们的技术，在量子计算机上孵化了4家成功的企业，其中有一家做固态AI的，有一家是做蛋白质卷积的，还有一家是做化学仿真的，最后一家是做金融科技的。

他曾经完成了多次的跨学科，从最初的控制理论跨学科到信号处理这个领域，然后又跨学科到通讯的领域，最后跨到机器学习的领域，一直到量子计算的领域。

这个人大家可能知道，这个人就是我，如果你只是看着这样一个简历的话，你可能很难想象出为什么我会选择BOSS直聘这个平台开始我的下一次学科跨越。

那么可想而知，如果我们要去理解招聘这个市场的话，我们可能就要从其他不同的领域去借鉴一些知识进来，这些可能会包括经济学的领域、人文学的领域、社会学的领域、心理学的领域。那么作为这样的一个纸片人，属于你看他的简历的话，你很难会想象得到你会不会给他一个offer？

当Stanley出现他的人生低谷的时候，他感到非常痛苦的时候，其实也是我们每个人在求职的过程中都会碰到碰见同样的痛苦。

2、“纸片人”的求职痛点

当我们把我们的整个人生经历一层层的压缩，压缩到一个二维的简历上的时候，留下来的只有我经过几年的教育，我有几年的工作经验，我懂得什么样的编程语言或者我做什么样的项目，就是这么一个很简单的二维的信息。

刚才这是一个从应聘者的角度去考虑的，那么同样从公司，如果有这样的一个空缺的话，他同样也会把样的职位一层一层这样的压缩，压缩成一个所谓的招聘启事。

那么他要把什么样的人配备到他的团队里面，要做什么样的工作？也是通过这样的二维信息在进行交互。那么，这就会出现我们平常在招聘市场上看到的一个痛点，学历并不代表这个人的能力，文凭也不会代表他的水平，他的经历也并不一定完全展现他的经验。

在几年以前有一家台湾的公益组织做过这么一个视频广告，这家公益组织叫Begover，作为一个给予者。他这个广告里面随机的去采访了一些公司的老板和他的HR部门的一些负责人，他们会把几个简历匿名掉，把他的名字给粘上，然后让这些人去评判，你会不会去雇佣这么一个人。

其中有这么一个人，是33岁了，他做过很多工作，做过钟点工，每个工作几乎都超不过几个月的时间，那么很显然，从公司的老板和HR部门来看的话，肯定不会去雇佣这个人，并且言语都是非常苛刻的，我不能理解他为什么在这么多年里每几个月就换一份工作。

那么还有一些其它匿名掉的信息，比如说刚从大学毕业出来的学生，HR给的答案肯定是任何工作经验都没有，我肯定不会把他放到对这个经验要求比较高的岗位上。

令人比较吃惊的是，当他们把这些匿名信息全都撕掉的时候，他们发现其中第一个，33岁的那个人名字叫李安，大家可能知道李安的历史，他在美国其实过的非常痛苦，在他没有成为一个大导演之前，做过各种各样的钟点工，曾经还有一段时间，完全是他的妻子支撑着他。

这个里面就提出了一个信息，当然这个片子本身是以就业时存在的偏见为出发点，但是我们如果回过头去想的话，这个偏见存在的原因是什么？我们每个人如果有可能的话，我们不会把我们的偏见带入到某一个事业中。

那么，最主要的原因在于我们不充分的去了解这个人，如果你能把一个人活灵活现的站在你的面前，你跟他聊半个小时，并且你也知道他过往的经历，或者通过其它的一些渠道，知道他的一些经历的话，可能你会对这个人的感觉突然发生转变，这也是为什么在整个招聘行业会走这样一个流程，通过简历的筛选，一直到最后的真人面试。

3、重塑找工作的纸片人

我们在BOSS直聘想要做的一份工作，就是这样的一句话：让我们重新塑造找工作的纸片人。

招聘行业是一个很典型的双边市场概念，学过经济学理论的同学可能知道，在这样的一个双边市场，每一边都是一个主动的市场，我可以主动的向公司发起求职申请，公司也可以主动的向我发起一个申请。

刚才我们讲的很多是作为求职者的角度，我们如果把它比喻成一个Flat Stanley的话，我们可以去假想，在招聘的雇主里面，可能也会有这样的一个Flat人存在，我们姑且把他称为Flat  Stella。

其实整个在招聘这个市场现在的情况下，基本上就是这样的一个Flat Stanley和Flat  Stella，在二维的情况下，甚至很可悲的是可能在一维的空间进行对话，比如说两个HR之间对话，通常会这么说，你找的这个人打分多少，6分，差强人意吧，可以考虑面试，如果你打5分的话，可能很快就会把他Pass掉，这已经是从二维的信息更可悲的压到一维的信息里面了。

既然我们讲招聘行业是这样的一个双边市场的话，通常我们对市场的理解是市场是一个很宏观的概念，比如我们讲股票这个市场，可能今天会涨多少个点，明天可能会跌多少个点，但是如果我们不扎下去理解市场里的每一个环节、每一个模块的话，事实上很难对这个市场进行修正。

这就提出来另外一个概念，叫做市场设计的概念，学过微观经济学的同学可能知道，市场设计本身是从微观的角度出发，如果我要保证这样一个市场充分运作、良好运作的话，我其实要考虑到这个市场里的每一个环节。

那么，对于这样一个招聘行业来说，这样微观的环节其中就包括招聘方、应聘方，还有招聘和应聘方之间的匹配算法。

假想我们把一个人的职业需求放到一个更高的需求里面的话，可能学过心理学的朋友就知道，这是很经典的马斯洛的五层需求论，从最下层的生理、物理方面需求，一直到最上层对于超越自我的追求。

其实我们每个人在我们的职业生涯里面，总会把自己放到这五层需求里面的每一层，如果我不能很清楚的去定义这个人，在这个五层需求里面处于哪一个层面，我很难理解他对他的职业究竟怎么样规划。

可能一个刚从大学里面毕业的大学生，他可能追求更多的是底层需求，最起码要满足衣食住行，可能对于在一个企业里面工作很多年的资深管理者，他可能会超越第一层的需求，会跳到其它的一层需求上。

4、如何用AI匹配招聘双方的需求？

我们如果要真正解决这个问题的话，我们要从两个方面考虑：

第一方面：我们要尝试去建这样的一个职业科学模型，对于职业科学模型的建立，我们通常需要从人文学的角度考虑，微观经济学、宏观经济学、心理学、劳动关系学等等的角度，考虑一个人在职业市场上，或者在职业规划中，处于什么样的一个节点。

同时，我们不可忽略机器学习、数据挖掘等等技术对我们这个模型的促进作用，我们想像的职业科学，其实就是由这两个模块共同协作完成的。

今年7月份，BOSS直聘发布了直聘职业科学实验室，以机器学习、数据挖掘等手段为依托。BOSS直聘现在已经解决了工作找谁谈的问题，解决了忽悠的问题。

那么，这个职业科学实验室，我们将要重点解决两个问题：

问题一：如果你定位了你想跟谁谈，什么时候跟这个人谈，什么时候跟这个老板谈？

问题二：你解决了什么时候谈的问题时，你要怎么去谈？

这就是一个When和How的问题，所以我们希望在我们职业科学实验室在以后发展的一段历史时期内，我们逐渐能解决Who、When、How的问题。

从我刚才的描述中，大家可以看到，职业科学实验室是这么一个跨学科的实验室，会从比较人文的学科，包括心理学、社会学、经济学等等方面汲取营养，同时也会从计算科学、机器学习、数据挖掘等技术领域，去辅助解决这样的一个问题。

我们希望我们作为BOSS直聘这样一个职业科学实验室，能够帮助千千万万、数以万计的求职者，把他们从这样的一个纸片人状态，回到活灵活现的3D状态的Stanley。