※参考
全スタートアップ戦士の父、ポール・グレアム(PG)の全エッセイをGPTに突っ込んで相談できるサイトを見つけた。
— KAJI | 梶谷健人 (@kajikent) March 5, 2023
強いチームのつくり方やアイデアの見つけ方などを聞くと、彼の過去のエッセイを元に生成されたPGの回答と関連エッセイが表示される。
起業家の孤独な夜を助けてくれそうな良いサービス。 pic.twitter.com/uHu17um7BP
ポール・グレアムの翻訳や自作クイズ、その他
全スタートアップ戦士の父、ポール・グレアム(PG)の全エッセイをGPTに突っ込んで相談できるサイトを見つけた。
— KAJI | 梶谷健人 (@kajikent) March 5, 2023
強いチームのつくり方やアイデアの見つけ方などを聞くと、彼の過去のエッセイを元に生成されたPGの回答と関連エッセイが表示される。
起業家の孤独な夜を助けてくれそうな良いサービス。 pic.twitter.com/uHu17um7BP
偏見検出法
2015年10月
多くの人には驚きだろうが、場合によっては、候補者の集団について何も知らなくても、選抜時における偏見を検出できる。他のものの中では、第三者がこの技術を使って、選抜している人が意図的にしているかに関わらず、偏見を検出できるので、これは興味深い。
このテクニックは
(a)候補者の、少なくともランダムに選んだサンプルがあり
(b)選抜後の能力が測定されており
(c)比較している申請者のグループも、能力がおおむね同等に分布している
なら、いつでも使える。
なぜうまく行くのだろうか? 「偏見」とは何を意味しているのか考えよう。選抜方法がタイプxの候補者に偏見を持つとは、選抜されにくくなるということだ。つまり、タイプxの候補者は、選抜されるときにタイプx以外の選抜された人たちよりも良くなければならない、ということだ。 [1] これは、タイプxの選抜者は、他の選抜者よりも優れていることを意味する。そして、選抜された全応募者の成績を測定すれば、選抜時に偏見があったかどうかを測定できる。
もちろん、成績を測定するのに使うテストは、意味のあるテストである必要がある。 特に、測定しようとしている偏見によって無効になってはいけない。だが成績を測定できる分野もいくつかあり、その場合はこれらの偏見を検出するのは簡単だ。選抜プロセスが何らかのタイプの候補者を差別しているか知りたい? 選抜された彼らが、他の選抜された人より優れているかどうかを調べよう。これは偏見を検出するための経験則ではない。それは偏見の定義そのものだ。
例えば、「ベンチャーキャピタルは女性の起業家を差別しているのでは?」と多くの人が考えている。これは簡単に検出できる。投資先企業の中で、女性が起業家のベンチャーは、女性以外の起業家のベンチャーよりも投資の成果が上がっているだろうか? 数ヶ月前、あるVC会社は研究成果を出版したが、そこには(ほぼ確実に)このタイプの偏見が見られる。ファーストラウンドキャピタル社は、投資先企業の中で、女性が起業家のベンチャーの成績は、そうではないベンチャーの63%よりも上回っていることを発見した。
[2]
この手法は多くの人々にとって驚きだろうと私が最初に述べた理由は、こういった分析をめったに見ないからだ。それを測定したファーストラウンドキャピタル社も驚いたに違いない。サンプルを自分たちの投資先に限定すると、ベンチャーの傾向ではなく、企業を選ぶ際の偏見について測ることになると、誰も気づいてないんじゃないか。自分たちが公開した数字の意味を理解していれば、そんな風には公開しなかっただろう。
将来、このテクニックはもっと使われるようになるだろう。こういった研究を実施するために必要な情報は、どんどん入手しやすくなっている。何かに応募した人のデータはふつう、選抜した組織によって厳重に管理されるが、今日では、選抜された人に関するデータは、集める手間さえいとわなければ、一般に公開されることがよくある。
注釈
[1] 雇用者が男性は能力に基づいて、女性はルックスに基づいて採用した場合など、選択時に異なるもので選抜した場合、この手法はうまくいかない。
ポール・ブッフハイトが指摘したように、First Round社は最も成功した投資であるUberを研究から除外した。外れ値を除外することが合理的な研究もあるが、ベンチャー企業のリターンの研究のように、大成功の外れ値を引き当てることがすべてのような研究は、その限りではない。
サム・アルトマン、ジェシカ・リビングストン、ジェフ・ラルストンに感謝する。
lionfan