LinkedIn算法曝光：人工智能内容分发中令人震惊的性别偏见

BitcoinWorld

LinkedIn算法曝光：AI内容分发中令人震惊的性别偏见

想象一下，你的专业内容覆盖范围在一夜之间骤减，而拥有较少粉丝的男性同事却飞速上升。这不仅仅是猜测——这是LinkedIn用户发现的令人不安的现实，他们发现自己的性别可能是抑制其可见度的无形之手。#WearthePants实验揭示了LinkedIn新的LLM驱动算法中的潜在缺陷，引发了关于专业社交平台公平性的紧迫问题。

LinkedIn算法到底发生了什么？

11月，一位我们称之为Michelle的产品策略师进行了一个简单但具有启发性的实验。她将LinkedIn个人资料性别改为男性，名字改为Michael。结果令人震惊：几天内，她的帖子浏览量跃升200%，互动增加27%。她并非孤例。Marilynn Joyner在做出相同改变后报告浏览量增加了238%，而许多其他职业女性也记录了类似模式。

这个实验是在重度LinkedIn用户抱怨互动下降数月后出现的。时机恰好与LinkedIn在8月宣布他们"最近"实施大型语言模型(LLMs)来呈现内容相吻合。对于那些通过持续发帖建立大量粉丝的女性来说，这种突然变化感觉特别不公平。

#WearthePants实验：系统性性别偏见？

这场运动始于企业家Cindy Gallop和Jane Evans，他们要求两位男性同事发布相同内容。尽管她们的粉丝总数超过150,000（相比男性的9,400），结果却很能说明问题：

"唯一显著的变量是性别，"Michelle告诉Bitcoin World。她指出，尽管她拥有超过10,000名粉丝，而她丈夫只有2,000名，但他们收到的浏览量数字相似——直到她采用了他的个人资料详情和写作风格。

AI偏见如何渗入社交媒体算法

LinkedIn坚称其"算法和AI系统不使用年龄、种族或性别等人口统计信息作为决定内容可见度的信号。"然而，专家表示，这种偏见可能更加微妙和系统性。

数据伦理顾问Brandeis Marshall解释说："平台是一个复杂的算法交响乐，同时不断地拉动特定的数学和社会杠杆。由于训练模型的人，这些平台天生就嵌入了白人、男性、西方中心的观点。"

问题源于LLMs的学习方式：

• 它们是在包含现有偏见的人类生成内容上训练的
• 人类训练师在后期训练中经常强化某些模式
• 历史互动数据可能偏向传统男性沟通风格

写作风格：LinkedIn算法中的隐藏变量

Michelle在实验中注意到一个关键点。当以"Michael"身份发帖时，她调整了写作风格，采用更直接、简洁的方式——类似于她为丈夫代笔的风格。这种风格变化，加上性别转换，产生了戏剧性的结果。

康奈尔大学计算机科学助理教授Sarah Dean指出："一个人的人口统计信息可以影响算法的'两面'——他们看到什么以及谁看到他们发布的内容。平台在决定要推广的内容时，通常使用整个个人资料，包括工作和互动历史。"

这表明LinkedIn的算法可能在奖励历史上与男性专业人士相关的沟通模式：

• 简洁、直接的语言
• 自信的断言
• 行业特定术语
• 较少的情感或限定性语言

LinkedIn的回应和算法黑盒

LinkedIn负责AI和治理的负责人Sakshi Jain在11月重申，他们的系统不使用人口统计信息来决定内容可见度。该公司告诉Bitcoin World，他们测试了数百万帖子，以确保创作者"在平等基础上竞争"，并且信息流体验在各受众群体中保持一致。

然而，该平台对其AI训练过程提供的透明度很低。LinkedIn上活跃的销售专家Chad Johnson将新系统描述为优先考虑"理解、清晰度和价值"，而非传统指标如发帖频率或时机。

用户报告的关键变化：

• 点赞和转发的优先级降低
• 竞争增加（发帖量同比增长15%）
• 针对特定受众的内容获得奖励
• 更加强调专业见解和行业分析

不仅仅是性别：更广泛的算法不满

这种挫折感超出了性别问题。无论性别，许多用户都对新系统感到困惑：

• 数据科学家Shailvi Wakhulu看到浏览量从数千降至数百
• 一位男性用户报告最近几个月互动下降50%
• 另一位男性通过为特定受众写作，浏览量增加100%
• Brandeis Marshall注意到她关于种族的帖子表现比关于她专业知识的帖子更好

Sarah Dean认为算法可能只是在放大现有信号："它可能奖励某些帖子不是因为作者的人口统计信息，而是因为平台上类似内容历史上有更多回应。"

应对新LinkedIn算法的可行见解

基于用户经验和LinkedIn的指导，以下是看起来有效的方法：

1. 为特定受众写作，提供清晰的专业见解
2. 注重清晰度和价值，而非情感诉求
3. 分享职业经验和行业分析
4. 提供关于工作和商业经济的教育内容
5. 有意义地互动，而非追求虚荣指标

社交媒体算法中的透明度困境

"我想要透明度，"Michelle表示，呼应了一种普遍情绪。然而，正如Brandeis Marshall指出的，完全透明可能导致算法被操纵。平台严密保护其算法秘密，创造了专家所称的"黑盒"问题。

根本矛盾依然存在：用户希望公平、可理解的系统，而平台需要防止操纵。这种冲突在LinkedIn等专业网络中尤为严重，因为可见度可以直接影响职业和商业机会。

常见问题：了解LinkedIn算法争议

什么是#WearthePants实验？

#WearthePants实验涉及女性将LinkedIn个人资料性别改为男性，以测试平台算法在内容分发中是否显示性别偏见。

谁发起了#WearthePants运动？

这个实验始于企业家Cindy Gallop和Jane Evans，他们怀疑性别可能解释互动下降。

LinkedIn对这些指控有何回应？

LinkedIn坚称其算法不使用人口统计数据来决定内容可见度。负责AI的负责人Sakshi Jain和工程副总裁Tim Jurka都已回应了这些担忧。

写作风格能解释这些差异吗？

是的。参与者注意到，采用更直接、简洁的写作风格——通常与男性沟通模式相关——与增加可见度相关。

其他社交媒体平台是否面临类似问题？

是的。正如Brandeis Marshall等专家和包括Sarah Dean在内的研究人员所指出的，大多数依赖LLM的平台都在努力应对其训练数据中嵌入的偏见。

结论：算法公平性的不安现实

#WearthePants实验揭示了一个令人不安的可能性：即使是善意的AI系统也可能延续现实世界的偏见。虽然LinkedIn否认有意歧视，但众多职业女性观察到的模式表明存在系统性问题。无论是嵌入在训练数据中，通过历史互动模式强化，还是通过风格偏好放大，效果都是一样的：一些声音被放大，而其他声音被压制。

随着AI越来越多地嵌入专业平台，对透明度、问责制和多样化训练数据的需求变得更加紧迫。替代方案是一个数字专业景观，成功不仅取决于能力，还取决于一个人如何符合算法偏好——这些偏好可能带有其人类创造者的偏见。

要了解有关AI算法最新发展及其社会影响的更多信息，请浏览我们关于塑造社交媒体平台AI实施和伦理考虑的关键发展的文章。

这篇文章《LinkedIn算法曝光：AI内容分发中令人震惊的性别偏见》首次发表于BitcoinWorld。