ابزارهای هوش مصنوعی به طور فزاینده‌ای در حال جایگزینی قضاوت‌های انسانی در برخی از محیط‌ها هستند. برای مثال، الگوریتم‌های غربالگری رزومه اغلب در استخدام استفاده می‌شوند که می‌توانند کارایی و ثبات در تصمیم‌گیری را بهبود بخشند. با این حال، برخی از محققان نگرانی‌هایی را مطرح کرده‌اند که پذیرش سیستم‌های خودکار ممکن است در نهایت منجر به استفاده از یک الگوریتم واحد برای اتخاذ تمام تصمیمات در یک صنعت خاص شود. آن‌ها نگران هستند که چنین «تک‌روی الگوریتمی» می‌تواند پیامدهای منفی داشته باشد. به عنوان مثال، در استخدام، این تصور وجود دارد که تک‌روی الگوریتمی ممکن است منجر به حذف سیستماتیک شود - وضعیتی که در آن داوطلب شغلی که توسط الگوریتم یک شرکت رد شده باشد، احتمالاً توسط الگوریتم هر شرکت دیگری نیز رد خواهد شد. با این حال، محققان MIT اکنون استدلال می‌کنند که تک‌روی الگوریتمی ممکن است همیشه به بدی که برخی از دانشمندان پیشنهاد می‌دهند نباشد. آن‌ها به طور سیستماتیک به اعتراضات اصلی به تک‌روی الگوریتمی، از جمله حذف سیستماتیک، رسیدگی کردند و نتیجه گرفتند که این و بسیاری دیگر از استدلال‌ها یا شکست می‌خورند یا در برابر تمام اشکال تک‌روی قاطع نیستند. در عوض، آن‌ها از نظر ریاضی ثابت می‌کنند که تک‌روی تمایل دارد تا محفظه‌های پژواکی اطلاعاتی ایجاد کند که می‌تواند اکتشاف را مختل کند. در استخدام، این ممکن است باعث شود که احتمال اینکه بهترین نامزدها شغل به دست آورند کاهش یابد - با این حال، محققان نشان می‌دهند که ترکیب الگوریتم‌های مختلف استخدام در یک «مجموعه» واحد می‌تواند بر این محدودیت غلبه کند. این امر گاهی اوقات می‌تواند تک‌روی را قادر سازد تا به خوبی یا حتی بهتر از چندگانگی عمل کند، جایی که...