The Emerging Science of Human Computing

Mængdens visdom er blevet så magtfuld og så tilgængelig via internettet, at den er blevet en ressource i sig selv. Forskellige tjenester udnytter nu dette rige udbud af menneskelig kognition, såsom Wikipedia, Duolingo og Amazons Mechanical Turk.

Så vigtig er denne ressource, at videnskabsmænd har givet den et navn; de kalder det menneskelig beregning. Og et hurtigt opstået og stadig vigtigere spørgsmål er, hvordan man bedst udnytter det.

I dag får vi et slags svar takket være en gruppe dataloger, crowdsourcing-pionerer og visionære, der har lavet en køreplan for forskning i menneskelig beregning. Holdet, ledet af Pietro Michelucci ved Human Computation Institute, påpeger, at menneskelige beregningssystemer har haft stor succes med at tackle komplekse problemer fra at identificere spiralgalakser til at organisere katastrofehjælp.

Men deres potentiale er endnu større, forudsat at menneskelig erkendelse effektivt kan udnyttes på globalt plan. Sidste år mødtes de for at diskutere disse spørgsmål og har nu offentliggjort resultaterne af deres debat.

Begynd med at påpege de ekstraordinære succeser med menneskelig beregning. Et af de mest bemærkelsesværdige er Fold.it-projektet, hvor deltagerne bliver bedt om at folde virtuelle proteiner på den mest effektive måde. Målet er at løse et af de vigtigste udestående problemer inden for molekylærbiologi: hvordan proteiner foldes så hurtigt og effektivt.

Projektet har haft nogle imponerende succeser. Kort efter det begyndte, opdagede den den tertiære struktur af et regulatorisk protein til prosimian immundefektvirus, et problem, som forskersamfundet havde undret sig over i årtier, og som kunne føre til nye måder at tackle AIDS-virussen på.

Og Zooniverse-projektet beder borgerforskere om at identificere kratere på månen, hjælpe med at oversætte gamle skibslogfiler, identificere galakser i astronomiske billeder og finde planeter omkring andre stjerner, blandt mange andre ting.

Michelucci og co beskriver derefter den slags projekter, de ønsker at skabe. De kalder en idé Project Houston efter den crowdsourcede indsats på jorden, der hjalp med at bringe Apollo 13-astronauterne tilbage efter en eksplosion ombord på vej til månen.

Deres idé er, at lignende hjælp kan ydes fra hele verden, når individer på jorden befinder sig i problemer. Med dette mener de personer, der måske overvejer selvmord eller lider af depression, for eksempel.

Planen er at bruge state-of-the-art taleanalyse og naturlig sprogforståelse til at opdage stress og tilbyde hjælp. Dette ville komme i form af sammensatte personligheder bestående af individer med varierende niveauer af ekspertise i mængden, understøttet af kunstig intelligens-teknikker. Project Houston kunne give en konsekvent venlig og tålmodig personlighed, selvom mængden ændrer sig fuldstændig over tid, siger de.

En anden idé er at bygge videre på den måde, hvorpå crowdsourcing hjælper folk med at lære. Et eksempel på dette er Duolingo, en app, der tilbyder gratis sprogundervisning og samtidig fungerer som en dokumentoversættelsestjeneste. Hvorfor stoppe med sprogindlæring og oversættelse? de spørger.

En lignende tilgang kunne hjælpe folk med at lære nye færdigheder, mens de arbejder online, en proces, der skulle give dem mulighed for at påtage sig mere komplekse roller. Et eksempel er inden for radiologi, hvor en vigtig opgave er at genkende tumorer på røntgenbilleder. Dette er en opgave, som maskinsynsalgoritmer endnu ikke udfører pålideligt.

Mennesker er dog gode til dette. En nybegynder kan begynde med at se på billeder, der er lette at klassificere og derefter gå videre til sværere sager, når de har demonstreret et vist niveau af færdigheder. Vi tror på, at online læring, der fungerer som arbejde (og omvendt), kan have en transformativ indflydelse på fremtiden for arbejde og uddannelse, siger Michelucci og co.

Endnu en idé ville være at crowdsource information, der hjælper de fattigste familier i Amerika med at finde sociale velfærdsprogrammer. Disse programmer er ofte svære at navigere og repræsenterer en uforholdsmæssig vanskelighed for de mennesker, der med størst sandsynlighed vil nyde godt af dem: dem, der er hjemløse, som har handicap, som har lav indkomst, og så videre.

Tanken er, at mængden skal påtage sig noget af denne byrde og frigøre denne gruppe til andre opgaver, som at finde arbejde, håndtere sundhedsproblemer og så videre.

Det er værdige mål, men de rejser nogle væsentlige spørgsmål. Den vigtigste blandt disse er arten af ​​de etiske, juridiske og sociale implikationer af menneskelig beregning. Hvordan kan dette arbejde udformes til at tillade meningsfuld og værdig menneskelig deltagelse? Hvordan kan resultaterne designes, så de mest udsatte mennesker kan få gavn af det? Og hvad er den optimale arbejdsdeling mellem maskiner og mennesker for at frembringe et bestemt resultat?

Michelucci og co skitserer disse og andre spørgsmål, som de siger vil være afgørende for den nye videnskab om menneskelig beregning.

Ingen undersøgelse af denne art ville være komplet uden en analyse af finansieringsmiljøet. Michelucci og slutter sammen med at opfordre til et nyt nationalt initiativ inden for menneskelig beregning med oprettelsen af ​​et nationalt center dedikeret til denne nye videnskab.

Et nationalt center i USA virker bestemt som en god idé. Menneskelig beregning er et tværfagligt område, der kræver ekspertise inden for datalogi, kompleksitetsvidenskab, kognitiv videnskab, adfærdsøkonomi, menneske-computer-interaktion og så videre.

Så at have et sted, hvor forskere fra disse felter kan mødes og arbejde sammen, er et oplagt skridt fremad.

Ref: arxiv.org/abs/1505.07096 : En amerikansk forskningskøreplan for menneskelig beregning

skjule