Вычисления на основе человека - Википедия - Human-based computation

Человеческие вычисления (HBC), вычисления с участием человека,[1] повсеместные человеческие вычисления или же распределенное мышление (по аналогии с распределенных вычислений ) это Информатика техника, при которой машина выполняет свою функцию, передавая определенные действия людям, обычно как микроволновая печь. Этот подход использует различия в способностях и альтернативные затраты между людьми и компьютерными агентами для достижения симбиотического взаимодействия человека и компьютера. Для сложных вычислительных задач, таких как распознавание изображений, вычисления, выполняемые человеком, играют центральную роль в обучении. Глубокое обучение -основан Искусственный интеллект системы. В этом случае вычисления, выполняемые человеком, называются управляемый человеком искусственный интеллект.[2]

В традиционных вычислениях человек использует компьютер[3] чтобы решить проблему; человек предоставляет компьютеру формализованное описание проблемы и алгоритм и получает решение для интерпретации. Человеческие вычисления часто меняют роли; компьютер просит человека или большую группу людей решить проблему, а затем собирает, интерпретирует и объединяет их решения. Это превращает гибридные сети людей и компьютеров в «крупномасштабные распределенные вычислительные сети».[4] где код частично выполняется в человеческом мозгу и на процессорах на основе кремния.

Ранняя работа

Человеческие вычисления (кроме историческое значение слова "компьютер" ") исследование берет свое начало в ранней работе над интерактивные эволюционные вычисления (ЕС). Идея интерактивных эволюционных алгоритмов связана с Ричард Докинз. В программе Biomorphs, прилагаемой к его книге Слепой часовщик (Докинз, 1986) предпочтение человека-экспериментатора используется для направления эволюции двумерных наборов отрезков линий. По сути, эта программа просит человека быть функцией приспособленности эволюционного алгоритма, чтобы алгоритм мог использовать человеческое визуальное восприятие и эстетическое суждение, чтобы делать то, чего не может сделать нормальный эволюционный алгоритм. Однако трудно получить достаточно оценок от одного человека, если мы хотим развивать более сложные формы. Виктор Джонстон и Карл Симс расширили эту концепцию, использовав возможности многих людей для оценки пригодности (Caldwell and Johnston, 1991; Sims, 1991). В результате их программы могли создавать красивые лица и произведения искусства, привлекательные для публики. Эти программы эффективно изменили обычное взаимодействие между компьютерами и людьми. В этих программах компьютер больше не является агентом пользователя, а координатором, объединяющим усилия многих оценщиков. Эти и другие подобные исследования стали предметом исследования эстетического отбора или интерактивные эволюционные вычисления (Takagi, 2001), однако объем этого исследования был ограничен оценкой аутсорсинга, и, как следствие, не был полностью изучен потенциал аутсорсинга.

Концепция автоматического Тест Тьюринга пионером Мони Наор (1996) - еще один предшественник человеческих вычислений. В тесте Наора машина может контролировать доступ людей и компьютеров к сервису, бросая им вызов обработка естественного языка (НЛП) или компьютерное зрение (CV) проблема выявления среди них людей. Набор задач подобран таким образом, чтобы у них не было алгоритмического решения, которое было бы эффективным и действенным на данный момент. Если бы он существовал, такой алгоритм мог бы легко быть выполнен компьютером, что привело бы к поражению теста. На самом деле Мони Наор скромно назвала это автоматическим тестом Тьюринга. В имитационная игра описанный Алан Тьюринг (1950) не предлагали использовать задачи CV. Он предлагал только конкретную задачу НЛП, в то время как тест Наора выявляет и исследует большие учебный класс проблем, не обязательно из области НЛП, которые могут быть использованы для той же цели как в автоматизированных, так и в неавтоматизированных версиях теста.

Ну наконец то, Генетический алгоритм на основе человека (HBGA) поощряет участие человека в различных ролях. Люди не ограничиваются ролью оценщика или какой-либо другой заранее определенной ролью, но могут выполнять более разнообразный набор задач. В частности, они могут вносить свои инновационные решения в эволюционный процесс, вносить постепенные изменения в существующие решения и выполнять интеллектуальную рекомбинацию. Короче говоря, HBGA позволяет людям участвовать во всех операциях типичного генетический алгоритм. В результате HBGA может обрабатывать решения, для которых нет доступных операторов вычислительной инновации, например естественные языки. Таким образом, HBGA устраняет необходимость в фиксированной схеме представления, которая была ограничивающим фактором как стандартной, так и интерактивной EC. Эти алгоритмы также можно рассматривать как новые формы социальной организации, координируемые компьютером (Kosorukoff and Goldberg, 2002).

Классы человеческих вычислений

Методы вычислений, основанные на человеке, объединяют компьютеры и людей в разных ролях. Kosorukoff (2000) предложил способ описания разделения труда в вычислениях, который группирует человеческие методы в три класса. В следующей таблице используется эволюционная модель вычислений для описания четырех классов вычислений, три из которых полагаются на людей в той или иной роли. Для каждого класса показан типичный пример. Классификация основана на ролях (инновация или выбор), выполняемых в каждом случае людьми и вычислительными процессами. Этот стол представляет собой часть трехмерного стола. Третье измерение определяет, выполняются ли организационные функции людьми или компьютером. Здесь предполагается, что это выполняется компьютером.

Разделение труда в вычислениях
Инновационный агент
КомпьютерЧеловек
Выбор
агент
КомпьютерГенетический алгоритмКомпьютеризированные тесты
ЧеловекИнтерактивный генетический алгоритмГенетический алгоритм на основе человека

Классы человеческих вычислений из этой таблицы могут обозначаться двухбуквенными сокращениями: HC, CH, HH. Здесь первая буква обозначает тип агентов, осуществляющих инновации, вторая буква указывает тип агентов отбора. В некоторых реализациях (вики является наиболее распространенным примером), функциональные возможности выбора, основанного на человеке, могут быть ограничены, он может отображаться с маленьким h.

Методы человеческих вычислений

  • (HC) Дарвин (Высоцкий, Моррис, Макилрой, 1961) и Основная война (Jones, Dewdney 1984) Это игры, в которых несколько программ, написанных людьми, соревнуются в турнире (компьютерное моделирование), в котором выживут наиболее приспособленные программы. Авторы программ копируют, модифицируют и рекомбинируют успешные стратегии, чтобы увеличить свои шансы на победу.
  • (CH) Интерактивный EC (Докинз, 1986; Колдуэлл и Джонстон, 1991; Симс, 1991) IEC позволяет пользователю создавать абстрактный рисунок, только выбирая его / ее любимые изображения, поэтому человек выполняет только расчет пригодности, а программное обеспечение выполняет инновационную роль. [Unemi 1998] Моделируемый стиль разведения не вводит явной приспособленности, только отбор, который проще для людей.
  • (ЧЧ2) Вики (Cunningham, 1995) позволил редактировать веб-контент множеству пользователей, то есть поддержал два типа человеческих инноваций (создание новой страницы и ее постепенное редактирование). Однако механизм выбора отсутствовал до 2002 года, когда в wiki была добавлена ​​история изменений, позволяющая отменить бесполезные изменения. Это предоставило средства для выбора из нескольких версий одной и той же страницы и превратило вики в инструмент, поддерживающий совместную эволюцию контента (с точки зрения ЕС, это можно было бы классифицировать как стратегию эволюции, основанную на человеке).
  • (ЧЧ3) Генетический алгоритм на основе человека (Kosorukoff, 1998) использует как человеческий отбор, так и три типа человеческих инноваций (внесение нового содержания, мутации и рекомбинации). Таким образом, все операторы типичного генетический алгоритм переданы на аутсорсинг людям (отсюда и происхождение человеческий). Эта идея распространяется на интеграцию толпы с генетическим алгоритмом для изучения творческих способностей в 2011 году (Yu and Nickerson, 2011).
  • (ЧЧ1) Социальный поиск приложения принимают вклады от пользователей и пытаются использовать человеческую оценку для выбора наиболее подходящих вкладов, которые попадают в верхнюю часть списка. Они используют один тип инноваций, основанных на человеке. Ранняя работа проводилась в контексте HBGA. Digg и Reddit являются популярными в последнее время примерами. Смотрите также Совместная фильтрация.
  • (HC) Компьютеризированные тесты. Компьютер создает проблему и представляет ее пользователю. Например, CAPTCHA сообщает людям-пользователям компьютерные программы, представляя проблему, которая предположительно легка для человека и сложна для компьютера. Хотя CAPTCHA являются эффективными мерами безопасности для предотвращения автоматического злоупотребления онлайн-сервисами, человеческие усилия, потраченные на их решение, в противном случае тратятся зря. В reCAPTCHA Система использует эти человеческие циклы, чтобы помочь оцифровывать книги, представляя слова из отсканированных старых книг, которые оптическое распознавание символов не может расшифровать. (фон Ан и др., 2008).
  • (HC) Интерактивные онлайн-игры: это программы, которые извлекают знания от людей в развлекательной форме (Burgener, 1999; von Ahn 2003).
  • (NHC) Natural Human Computing предполагает использование существующего человеческого поведения для извлечения вычислительно значимой работы, не нарушая этого поведения. (Эстрада и Лоухед, 2013 г.)[5] NHC отличается от других форм вычислений, основанных на человеке, тем, что вместо того, чтобы привлекать к аутсорсингу вычислительную работу для человеческой деятельности, предлагая людям выполнить новые вычислительные задачи, он предполагает использование преимуществ ранее незамеченной вычислительной значимости существующего поведения.
  • (HC) «Человеческое скопление» или «Социальное скопление» (Розенберг, 2015). Платформа УООН для роя людей устанавливает системы с обратной связью в реальном времени вокруг групп сетевых пользователей, сформированных из биологических роев, позволяя участникам-людям вести себя как единый коллективный разум.[6][7][8]

Стимулы к участию

В различных проектах вычислений, основанных на человеке, люди мотивированы одним или несколькими из следующих факторов.

  • Получение справедливой доли результата
  • Прямая денежная компенсация (например, в Amazon Mechanical Turk, ЧаЧа Руководство по поиску, Mahalo.com Ответы участников)
  • Желание разнообразить свою деятельность (например, «в повседневной жизни людей не просят заниматься творчеством»[9] )
  • Эстетическое удовлетворение
  • Любопытство, желание проверить, работает ли
  • Волонтерство, желание поддержать дело проекта
  • Взаимность, обмен, взаимопомощь
  • Желание развлечься в духе соревнования или сотрудничества в игре
  • Желание общаться и делиться знаниями
  • Желание поделиться нововведением пользователей, чтобы посмотреть, сможет ли кто-нибудь улучшить его
  • Желание игра в систему и повлиять на конечный результат
  • Весело
  • Повышение онлайн-репутации / признания

Во многих проектах использовались различные комбинации этих стимулов. Дополнительную информацию о мотивации участников этих проектов см. В Kosorukoff (2000) и von Hippel (2005).

Человеческие вычисления как форма социальной организации

Рассматриваемые как форма социальной организации, вычисления на основе человека часто неожиданно оказываются более надежными и производительными, чем традиционные организации (Kosorukoff and Goldberg, 2002). Последние зависят от обязательств поддерживать свою более или менее фиксированную структуру, быть функциональными и стабильными. Каждый из них похож на тщательно разработанный механизм, в состав которого входят люди. Однако это ограничивает свободу их сотрудников и подвергает их разного рода стрессам. Большинству людей, в отличие от механических частей, трудно адаптироваться к фиксированным ролям, которые лучше всего подходят для организации. Эволюционные проекты, связанные с человеческими вычислениями, предлагают естественное решение этой проблемы. Они адаптируют организационную структуру к человеческой спонтанности, учитывают человеческие ошибки и творческий подход и конструктивно используют и то, и другое. Это освобождает их участников от обязательств, не подвергая опасности функциональность в целом, делая людей более счастливыми. Есть еще несколько сложных исследовательских проблем, которые необходимо решить, прежде чем мы сможем реализовать весь потенциал этой идеи.

Методы алгоритмического аутсорсинга, используемые в вычислениях, выполняемых человеком, намного более масштабируемы, чем ручные или автоматизированные методы, традиционно используемые для управления аутсорсингом. Именно такая масштабируемость позволяет легко распределять усилия между тысячами участников. Недавно было высказано предположение, что этот массовый аутсорсинг достаточно отличается от традиционного мелкомасштабного аутсорсинга и заслуживает нового названия. краудсорсинг (Хау, 2006). Однако другие утверждали, что краудсорсинг следует отличать от истинных вычислений, основанных на человеке.[10] Краудсорсинг действительно включает в себя распределение вычислительных задач между несколькими человеческими агентами, но Мичелуччи утверждает, что этого недостаточно для того, чтобы считаться человеческими вычислениями. Для человеческих вычислений необходимо, чтобы задача не только была распределена между разными агентами, но и чтобы набор агентов, между которыми распределяется задача, был смешанный: некоторые из них должны быть людьми, а другие должны быть традиционными компьютерами. Именно эта смесь различных типов агентов в вычислительной системе придает человеческим вычислениям их отличительный характер. Некоторые примеры краудсорсинга действительно соответствуют этому критерию, но не все.

Human Computation организует работников через рынок задач с помощью API-интерфейсов, цен на задачи и протоколов «программное обеспечение как услуга», которые позволяют работодателям / заказчикам получать данные, созданные работниками, непосредственно в ИТ-системы. В результате многие работодатели пытаются управлять работником автоматически с помощью алгоритмов, вместо того, чтобы отвечать работникам на индивидуальной основе или решать их проблемы. Ответы на запросы работников сложно масштабировать до уровня занятости, обеспечиваемого платформами микропрограмм, выполняемых человеком.[11] Например, работники системы Mechanical Turk сообщают, что работодатели, работающие в сфере компьютерных вычислений, могут не реагировать на их проблемы и потребности.[12]

Приложения

Человеческая помощь может быть полезна в решении любых AI-полный проблема, которая по определению является задачей, которую невозможно выполнить для компьютеров, но выполнимой для человека. Конкретные практические приложения включают:

Критика

Человеческие вычисления подвергались критике как эксплуататорские и обманчивые, способные подорвать коллективные действия (Zittrain 2010; Jafarinaimi 2012).

В социальная философия Утверждалось, что вычисления, основанные на человеке, являются неявной формой онлайн-труда (Mühlhoff, 2019). Философ Райнер Мюльхофф выделяет пять различных типов «машинного захвата» микропрограмм человека в «гибридных компьютерно-человеческих сетях»: (1) геймификация, (2) «захват и отслеживание» (например, CAPTCHA или отслеживание кликов в поиске Google), (3) социальная эксплуатация (например, добавление тегов к лицам в Facebook), (4) сбор информации и (5) работа с кликами (например, на Amazon Mechanical Turk ).[14] Мюльхофф утверждает, что вычисления, выполняемые человеком, часто используются в Глубокое обучение -основан Искусственный интеллект систем, феномен, который он анализирует как «управляемый человеком искусственный интеллект» (Mühlhoff, 2019).

Смотрите также

Рекомендации

  • Тьюринг, А. М. (1950). Вычислительная техника и интеллект. Разум, 59, 433–460.
  • Докинз Р. (1986) Слепой часовщик, Лонгман, 1986; Книги Пингвинов 1988.
  • Колдуэлл, К. и Джонстон В.С. (1991), Отслеживание подозреваемого в преступлении через «пространство лица» с помощью генетического алгоритма, в материалах Четвертой Международной конференции по генетическим алгоритмам, издательство Morgan Kaufmann, стр. 416–421, июль 1991 г. (Патент США 5375195, поданный 1992.06.29) Патент США 5375195
  • Донг, Х., Хуссейн, Ф.К., Чанг, Э .: Ориентированная на человека платформа семантических услуг для среды цифровых экосистем. World Wide Web 13 (1–2) (март 2010 г.) стр. 75–103
  • Донг, Х., Хуссейн, Ф.К., Чанг, Э .: UCOSAIS: структура для ориентированного на пользователя поиска рекламной информации в Интернете. 14-я Международная конференция по разработке информационных веб-систем (WISE 2013) (октябрь 2013 г.), стр. 267–276.
  • Донг, Х., Хуссейн, Ф.К .: Модель выбора и ранжирования услуг, ориентированная на запросчиков, для цифровых транспортных экосистем. Вычислительная техника. 97 (1) (январь 2015) стр. 79–102.
  • Симс, К. (1991) Искусственная эволюция компьютерной графики, Компьютерная графика, 25 (4) (SIGGRAPH'91), 319–328 (Патент США 6088510, поданный 1992.07.02) Патент США 6088510
  • Херди, М. (1996) Стратегии эволюции с субъективным отбором. Параллельное решение проблем с натуры, PPSN IV, том 1141 LNCS (стр. 22–31)
  • Мони Наор (1996) Верификация человека в петле, или идентификация с помощью теста Тьюринга, онлайн.
  • Unemi, T. (1998) Дизайн многопрофильного пользовательского интерфейса для моделирования разведения, Труды Третьего Азиатского симпозиума нечетких и интеллектуальных систем, 489–494
  • Kosorukoff (1998) Alex Kosorukoff, Свободный обмен знаниями, генетический алгоритм на основе человека в сети архив описание
  • Lillibridge, M.D., et al. (1998) Метод выборочного ограничения доступа к компьютерным системам, Патент США. Патент США 6,195,698
  • Бургенер (1999) Двадцать вопросов: нейронная сеть в Интернете архив интернет сайт
  • Косорукофф, А. (2000) Структуры социальной классификации. Оптимальное принятие решений в организации, Конференция по генетическим и эволюционным вычислениям, GECCO-2000, Последние публикации, 175–178 онлайн
  • Косорукофф, А. (2000) Генетический алгоритм на основе человека онлайн
  • Каннингем, Уорд и Леуф, Бо (2001): The Wiki Way. Быстрая совместная работа в Интернете. Эддисон-Уэсли, ISBN  0-201-71499-X.
  • Хидеюки Такаги (2001) Интерактивные эволюционные вычисления: сочетание возможностей оптимизации EC и оценки человека, Труды IEEE, том 89, вып. 9. С. 1275–1296.
  • Косорукофф, А. (2001) Человеческий генетический алгоритм. IEEE Transactions по системам, человеку и кибернетике, SMC-2001, 3464–3469
  • Косорукофф А. и Голдберг Д. Э. (2001) Генетические алгоритмы для социальных инноваций и творчества (отчет Illigal № 2001005). Урбана, Иллинойс: Университет Иллинойса в Урбане-Шампейн. онлайн
  • Косорукофф А., Голдберг Д. Э. (2002) Генетический алгоритм как форма организации, Труды конференции по генетическим и эволюционным вычислениям, GECCO-2002, стр. 965–972. онлайн
  • Фогарти, T.C., (2003) Автоматическая эволюция понятий, Труды Второй Международной конференции IEEE по когнитивной информатике.
  • Mühlhoff, R, (2019) Искусственный интеллект, управляемый человеком: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения в New Media & Society. ISSN 1461-4448, стр. 1–17, DOI: 10.1177 / 1461444819885334 (sagepub.com, препринт philpapers.org ).
  • фон Ан, Л., Блюм, М., Хоппер, Н., и Лангфорд, Дж. (2003) CAPTCHA: Использование сложных проблем искусственного интеллекта для обеспечения безопасности, в достижениях в криптологии, Э. Бихам, ред., т. 2656 конспектов лекций по информатике (Springer, Berlin, 2003), стр. 294–311. онлайн
  • фон Ан, Л. (2003) Метод маркировки изображений с помощью компьютерной игры Заявка на патент США 10/875913
  • фон Ан, Л. и Даббиш, Л. (2004) Маркировка изображений с помощью компьютерной игры. Труды конференции SIGCHI по человеческому фактору в вычислительных системах (Ассоциация вычислительной техники, Нью-Йорк, 2004 г.), стр. 319–326. онлайн
  • Эстрада, Д. и Лоухед, Дж. (2014) Игра в экономику внимания. В Справочнике по вычислениям человека, Пьетро Микелуччи (редактор), (Springer, 2014). онлайн
  • Фогарти, Т. и Хаммонд, M.O. (2005) Совместная генерирующая литература OuLiPian с использованием эволюционных вычислений на основе человека, GECCO 2005, Вашингтон, округ Колумбия.
  • Джафаринаими, Нассим. «Изучение характера участия в социальных сетях: пример Google Image Labeler». Материалы конференции iConference 2012. ACM, 2012. онлайн
  • фон Хиппель, Э. (2005) Демократизация инноваций, MIT Press онлайн
  • Gentry, C., et al. (2005) Безопасные распределенные человеческие вычисления на Девятой Международной конференции по финансовой криптографии и безопасности данных FC'2005 онлайн
  • Хау, Дж. (2006) Рост краудсорсинга, Wired Magazine, июнь 2006 г. онлайн
  • фон Ан, Л., Кедиа, М., и Блюм, М. (2006) Многословие: игра для сбора здравых фактов, ACM CHI Notes 2006 онлайн
  • фон Ан, Л., Гиносар, С., Кедиа, М., и Блюм, М. (2006) Улучшение доступности Интернета с помощью компьютерной игры, ACM CHI Notes 2006 онлайн
  • Санштейн, К. (2006) Infotopia: Сколько умов производят знания, Oxford University Press, интернет сайт
  • Тапскотт, Д., Уильямс, А. Д. (2007) Викиномика, Портфолио в твердом переплете интернет сайт
  • Шахаф, Д., Амир, Э. (2007) К теории полноты ИИ. Здравый смысл 2007, 8-й Международный симпозиум по логическим формализации здравого смысла. онлайн.
  • фон Ан, Л., Маурер, Б., МакМиллен, К., Абрахам, Д., и Блюм, М. (2008) reCAPTCHA: Распознавание персонажей с помощью средств веб-безопасности. Science, 12 сентября 2008 г. Страницы 1465–1468. онлайн
  • Мэлоун Т.В., Лаубахер Р., Делларокас (2009) Использование толпы: картирование генома коллективного разума онлайн
  • Ю. Л. и Никерсон Дж. В. (2011) Повара или сапожники? Творчество толпы через сочетание онлайн
  • Зиттрейн, Дж., Minds for Sale., Март 2010 г. онлайн

Сноски

  1. ^ Шахаф, 2007 г.
  2. ^ Мюльхофф, Райнер (6 ноября 2019 г.). «Человеческий искусственный интеллект: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые СМИ и общество: 146144481988533. Дои:10.1177/1461444819885334. ISSN  1461-4448.
  3. ^ термин "компьютер" используется в современном использовании компьютера, а не в человеческий компьютер
  4. ^ фон Ан, Луис, Человеческие вычисления, Google Tech Talk 26 июля 2006 г., получено 22 ноября, 2019. Цитируется по Mühlhoff, Rainer (2019). «Искусственный интеллект, управляемый человеком: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые СМИ и общество: 146144481988533. doi: 10.1177 / 1461444819885334. ISSN 1461-4448.
  5. ^ Эстрада и Лоухед, "Экономия внимания на игре" в Справочник Springer по человеческим вычислениям, Пьетро Микелуччи (редактор), (Springer, 2014)
  6. ^ http://sites.lsa.umich.edu/collectiveintelligence/wp-content/uploads/sites/176/2015/05/Rosenberg-CI-2015-Abstract.pdf
  7. ^ «Архивная копия». Архивировано из оригинал 27 октября 2015 г.. Получено 12 октября, 2015.CS1 maint: заархивированная копия как заголовок (связь)
  8. ^ http://news.discovery.com/human/life/swarms-of-humans-power-a-i-platform-150603.htm
  9. ^ (Q&A) Ваше задание: Искусство
  10. ^ Микелуччи, Пьетро (2014), «Основы человеческих вычислений» в Справочник Springer по человеческим вычислениям
  11. ^ Ирани, Лилли (2015). «Культурная работа микроворка». Новые СМИ и общество. 17 (5): 720–739. Дои:10.1177/1461444813511926.
  12. ^ Ирани, Лилли; Зильберман, Шесть (2013). "Turkopticon: прерывание невидимости рабочих на Amazon Mechanical Turk". Материалы СИГЧИ 2013. Дои:10.1145/2470654.2470742.
  13. ^ Yahoo!: США награждены 7,599,911 
  14. ^ Мюльхофф, Райнер (6 ноября 2019 г.). «Искусственный интеллект, управляемый человеком: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые СМИ и общество: 146144481988533. Дои:10.1177/1461444819885334. ISSN  1461-4448.