本文看点
外貌偏见在社会上广泛存在，指的是一个人如果被认为有吸引力，就能够享受特殊优待。这种情况往往会有意无意地出现在职场中，他们会更有可能获得工作面试和录用、迅速晋升，比没有吸引力的人工资更高。
好消息是识别这种偏差非常简单，而坏消息是除非用数据代替人类的直觉，否则不可能实现该目标。首先需要衡量吸引力，然后将吸引力分数与一系列成功指标相关联。在这一步骤，人工智能作为一种诊断工具，可以预测某人工作表现被视为更高效是基于他的吸引力。
尽管不可否认的是，某些行业确实需要吸引力强的人，而且这群人在过去由于得到优势，简历看起来也更加出色，但这并不能成为放任外貌偏见的借口。如果正确编程，人工智能可以帮助我们在招聘时克服有意识和无意识的偏见。
原文来自Harvard Business Review，作者Tomas Chamorro-Premuzic
人们之所以广泛关注人工智能，原因之一是它有可能减少人工决策的偏见。例如，元分析研究长期以来一直强调招聘中普遍存在的偏见情况。
即使在发达国家，工作环境里也存在偏见，大多表现为一些团体相较于其他团体存在不道德、不公正的优势，忽略后者的实际才能和潜力，比如性别歧视、种族歧视和年龄歧视等。
但是，几乎没有人讨论或承认过最主要的偏见之一，是外貌偏见，也叫“外貌主义”。确实，劳动力市场上存在外貌优先的事实已得到充分证明。
对此，一个比较全面的学术总结为：“外貌上具有吸引力的人更有可能获得工作面试和录用、迅速晋升，比没有吸引力的人工资更高。”外貌歧视通常表现为不喜欢肥胖、穿着古怪或纹身的人，或任何不符合社会主流审美标准的人。
广义上讲，外貌偏见包括个人被认为更具吸引力时所享受的特殊优待，无论这种情况的发生是有意还是无意。当然，很少有个人，更不用说招聘公司，会真的承认他们愿意与有吸引力的人共事。
当然，也有一些例外。美国服饰品牌Abercrombie＆Fitch曾因优先雇用好看的、条件优渥的白人为零售助理，需支付高达5,000万美元的和解费；但是，同样是招募好看的申请人，只要是多人种，企业就不会招致这样的麻烦，不会因为将“好看”作为潜规则而受到处罚。
好消息是，识别这种偏差非常简单。这意味着，任何企业，如果致力于消除对于申请人的外貌偏见，应该都能识别偏见，评估任何干预措施的有效性。但坏消息是，除非用数据代替人类的直觉，否则不可能实现该目标。如果善于利用，人工智能可以提供潜在帮助。所以，如何解决该问题呢？
首先，你可以衡量吸引力，通常是对外貌接纳程度的函数。比如，你要求10个人根据外貌或吸引力给100个人评分。尽管吸引力不是客观因素，这就是为什么对同一人的评级总是存在分歧；但也不是完全主观的，因此大多数人会倾向于就某人是否更有吸引力而达成共识，例如使用10分制，并且不仅限于同一文化背景。
接下来，你可以将此分数与一系列成功指标相关联，从面试评分到工作绩效评分，再到升职或加薪的数据。鉴于吸引力不是选择一个人的正式标准（当然，约会除外），评估人们的吸引力是否或者为什么与关系到职业成功的客观指标相关联是显而易见的。
人工智能可以在此帮助：将人工智能作为一种诊断工具，预测某人由于有吸引力而被视为更高效的可能性。一项重要的研究表明，如果我们想生活在一个公正的世界，一个人的吸引力水平更比他自己希望的更能预测成功的结果。
那么，科学告诉了我们什么？
教育领域存在职业吸引力偏见。研究表明，外表更吸引人的学生往往会在大学获得更高的成绩，部分原因是无论事实如何，他们仍被认为更努力、更聪明。此外，在大学招生面试中，外貌作为加分项往往能帮助学生通过面试。这与“光环”效应是一致的。这种效应通常认为有吸引力的人善于交际、健康、成功、诚实、才华横溢。实际上，元分析研究认为，如果人们认为某个儿童更具吸引力，就会倾向于认为其更聪明、更诚实、更努力，而儿童在判断成年人是否具有吸引力时也会做出相同类型的推论。
毫不奇怪，外貌偏见也会转移到职场。科学研究表明，吸引力较低的人更容易被解雇，虽然他们最初也不太可能被雇用。例如，在一项实验研究中，研究人员向各种在招职位发送了11,000份简历，简历内容相同，但申请人照片颜值各异。结果表明，与没有吸引力（或没有照片）的申请人相比，有魅力的人更有可能收到面试邀请。
外貌与长期收入之间也有关联，这点是公认的。颜值处于中上等的人群工资比中下等颜值的薪水高10％至15％。在美国，这种外貌优势类似于种族或性别优势。而且，即使在非常成功的个体中，也存在这种现象。例如，根据《财富》500强企业高管的外貌吸引力等级，可以预测其公司的利润高低。
虽然我们都知道，关联并不意味着因果关系，但关联确实有原因。一个微妙的问题是，在许多进化心理学研究的支持下，外貌与职业成就之间有相关性可能不仅是因为偏见或偏差，而是实际才华。换句话说，是否至少一部分有魅力的人在生活中表现更好的原因，是他们实际上拥有更强的适应能力特征，例如智力或才华？
有时，考虑到大多数人的绩效仅由其直属经理或老板提供的单个主观评分来衡量，尤其是因为通常缺乏客观表现数据，无法区别主观偏好，这个命题很难检验。如果雇主缺乏客观数据，从经理对员工绩效的评估中提炼其主观偏差，那么他们如何量化员工对公司的确切贡献？
正因如此，试图使用人工智能来衡量吸引力，恰恰暴露了种族偏好，而种族偏好表现为认为某个文化吸引力更强或更弱。如果我们教人工智能模仿人类喜好，那么它不仅会复制，还会加剧人类的偏差。
此外，有时很难确定是否应将外貌视为偏差因素或与工作相关的特征，尤其是当员工绩效取决于客户看法时。正如职业网站Glassdoor报告指出的那样：“如果我们要立法消除外貌偏差，那么许多行业和企业将遭受巨大损失。”
进化科学家发现，吸引力等级与社会理想人格特质（例如情绪稳定、性格外向和抱负远大）评分之间存在正相关。例如，身体上的吸引力就像心理上的吸引力（情商高或者讨人喜欢）一样，有助于更好的销售和融资潜力，那么阻止企业招聘更具吸引力的销售或融资人员是否明智？
相反情况是，吸引力较弱的个人受到歧视，包括不符合主要审美标准的少数群体。但是，当企业假装忽略吸引力因素，只关注应聘者的以往业绩或面试表现，并认为这些数据客观无偏见时，也无法保证吸引力较弱的应聘者不会受到打击。这与假装忽略种族或社会阶层，而实际上偏好与种族和社会阶层相关的学历证书无异。
那么，显然，被认为更具吸引力会获得不公平的优势，而被认为不那么具有吸引力会受到不公正的打击。尽管企业可以使用人工智能，侧重科学评估和以往业绩简历数据，消除录用数据中的外貌影响因素，来缓解这种偏见，但这些措施仍不足以消除偏见，因为这些因素也受历史或过去偏见的影响。如果有吸引力的人过去曾得到过有利评估，他们的简历表现往往更出色。但是，这并不意味着用人工智能减少外貌偏见不可行。
重要的是，人工智能可以有力检测和暴露人们对一个人的潜力和绩效存在的偏见程度。如果编程正确，那么人工智能也许能客观衡量我们自己都没有意识到的行为。例如，如果你想减肥，那么秤可以帮助你避免自欺欺人。如果你想多运动，健身手环可以帮助监测进度。如果编程正确，人工智能可以帮助我们在招聘时克服有意识和无意识的偏见。
