Правительство США понесло стратегическую потерю в области искусственного интеллекта (ИИ) в этот понедельник (20-е) в связи с уходом Криса Фалла с поста директора Центра стандартов и инноваций в области искусственного интеллекта (CAISI). Он занимал эту должность всего три месяца, будучи назначенным администрацией Дональда Трампа.
Пока правительство не назначило постоянного преемника, Арвинд Раман, директор Национального института стандартов и технологий (NIST), временно исполняет обязанности директора. Этот шаг происходит в то время, когда Вашингтон усиливает мониторинг передовых технологий ИИ и сталкивается с растущей конкуренцией со стороны китайских компаний, стремящихся проникнуть на рынок, доминируемый американскими корпорациями.
Уход Фалла поднимает вопросы о том, кто будет определять основные политики в области ИИ в Белом доме. Кроме того, администрация Трампа до сих пор не назначила постоянного преемника Дэвиду Саксу, который покинул свою должность в марте, будучи предыдущим ответственным за повестку дня правительства в области ИИ и криптовалют.
Кристен Айхамер, пресс-секретарь Министерства торговли, подтвердила, что Раман продолжит руководить NIST, одновременно временно возглавляя CAISI. CAISI был создан для поддержки правительства США в разработке процедур оценки и технического сотрудничества, связанных с коммерческими системами ИИ, внося вклад в тестирование и исследования по разработке этих технологий.
Этот шаг произошел после подписания президентом Дональдом Трампом исполнительного указа, посвященного ИИ. Этот документ позволяет разработчикам моделей добровольно предоставлять свои системы правительству для анализа возможностей до полномасштабных запусков. Указ также потребовал от федеральных ведомств создать структуру оценки для этих технологий в течение 60 дней, создавая неопределенную среду для компаний, выпускающих новые модели.
Такие компании, как OpenAI и Anthropic, уже продемонстрировали регуляторное влияние; OpenAI ограничила распространение своей серии GPT-5.6 доверенным партнерам по запросу правительства США в июне. Ранее Anthropic временно приостановила доступ к своим моделям Fable 5 и Mythos 5 из-за предписаний Министерства торговли о контроле за экспортом. Внутренняя реорганизация происходит параллельно с развитием моделей ИИ с открытым исходным кодом, разработанных в Китае, таких как Kimi K3 от стартапа Moonshot AI, которые сокращают разрыв с американскими системами.
Кроме того, администрация Трампа начала внедрение мер исполнительного указа через систему под названием «Gold Eagle», направленную на выявление и исправление уязвимостей цифровой безопасности. По данным Белого дома, этот механизм уже принимает и приоритизирует уязвимости кибербезопасности, координируя проверки, хотя CAISI не упоминался как участник этой инициативы.
Отправляя резюме и адаптируя документы для разных возможностей, кандидаты могут заметить, что получаемые ответы часто схожи. Исследование, проведенное Стэнфордским университетом, предполагает, что это сходство может быть не совпадением.
Исследователи проанализировали миллионы заявок и пришли к выводу, что различные компании могут использовать системы искусственного интеллекта, которые воспроизводят одни и те же критерии принятия и отбраковки. Исследование под названием «Алгоритмические монокультуры в найме» изучило около 4 миллионов заявок, поданных более чем 3,4 миллионами человек в 156 компаний из 11 секторов экономики.
Ключевым выявленным фактором было то, что все эти организации использовали алгоритмы, предоставленные одним и тем же поставщиком. Эта деталь позволила выявить явление, называемое «алгоритмической монокультурой», термин, заимствованный из сельского хозяйства, где обширные территории посвящены одному типу посевов. Когда многие компании принимают аналогичные инструменты, возрастает вероятность того, что они будут оценивать соискателей, по сути, по одной и той же логике, что относится как к успехам, так и к недостаткам, присущим моделям.
Другое важное открытие касается схожих профилей кандидатов. Согласно исследованию, люди с аналогичными характеристиками, как правило, получают последовательную оценку, даже претендуя на вакансии в разных корпорациях. Основные результаты показывают, что примерно 10% кандидатов, участвующих в четырех отборах, отклоняются во всех них. Кроме того, около 4% тех, кто подает заявки на десять вакансий, сталкиваются с десятью последовательными отказами.
Отказы происходят чаще, чем ожидалось при независимом принятии решений. Примечательно, что многие резюме отсеиваются еще до того, как их рассмотрит человек-рекрутер. Чтобы подтвердить, был ли это поведение случайным, исследователи сравнили данные с теоретической базой и предыдущими исследованиями о найме без алгоритмической централизации, показав, что последовательные отказы отражают общий паттерн между различными процессами отбора.
Согласно проведенным симуляциям, продолжение отправки резюме все еще выгодно. Исследование показывает, что увеличение объема заявок повышает шансы получить возможность, хотя эта выгода снижается, когда компании используют идентичные системы. В сценарии, где решения автономны, около десяти заявок будет достаточно для достижения высокой вероятности получения хотя бы одной положительной рекомендации. Однако, когда процессы опосредованы централизованными платформами, это число возрастает примерно до 25 заявок, чтобы гарантировать вероятность в 99,9%.
Авторы также предупреждают о концентрации рынка технологий, ориентированного на подбор персонала. Поскольку немногие поставщики обслуживают множество компаний, любые существующие предубеждения или ограничения могут быстро распространиться. Более того, низкая прозрачность этих платформ затрудняет проведение независимых исследований и усложняет понимание того, как такие инструменты влияют на доступ к работе, при этом для многих кандидатов весь этот процесс происходит без ведома того, что алгоритм провел первый анализ резюме.
