中国邮箱网讯 6月15日消息，互联网让集体智慧变成了无比强大且唾手可得的资源。维基百科、Duolingo以及Amazon的Mechanical Turk等都是利用丰富的人类认知资源的典范。科学家甚至给这种资源起了一个名字：人本计算（human computation）。从识别螺旋星云到组织赈灾，人本计算在处理复杂问题时已经取得了巨大成功。
Fold就是最著名的例子之一。这个项目让参与者用进可能高效的方式对虚拟的蛋白质进行折叠。其目标是想要弄清楚为什么蛋白质能够折叠的那么快那么高效？弄清楚这个，就有可能解决分子生物学最重要的问题之一。
项目启动不久就取得了不小的成功。众包的玩家很快就发现了猿猴免疫缺陷病毒（SIV）调节蛋白的三级结构，这个问题已经困扰了艾滋病研究者数十年，其解决将有助于人类想出治疗艾滋病的新办法。
Zooniverse（宇宙动物园）项目则发挥公民科学家的集体力量，让这些人识别月球上的环形山，帮助翻译古老船只上的日志，认出天文图片上的星系，行星等等。
Human Computation Institute的Pietro Michelucci领导的团队于是开始思考一个问题，怎么样利用人本计算资源才是最好的？
他们研究发现，不同的问题类型需要创建不同类型的众包项目。
众包救助
其中一个项目叫做Project Houston，以地面众包帮助宇航员在阿波罗13号爆炸后返回地球的努力命名。这种项目可以设立来帮助那些遇到麻烦的个人，比方说因为压力、沮丧、抑郁而想自杀的人（有的人甚至会在微博上直播，但大家往往却无能为力）。
针对这类问题，其想法是利用最新的语音分析和自然语言理解技术去检测压力水平并提供帮助。帮助的形式是由不同专业水平的人组成到一起，形成一种复合的人格，再通过人工智能技术来提供支持。这样提供帮助的这个“人”就能呈现出始终如一的耐心和宽容，哪怕背后的众包者随着时间转移已经彻底改变了。
众包学习
另一种想法是利用众包来帮助学习。Duolingo就是例子，这款app在提供语言学习课程的同时还提供文档翻译服务。类似地，众包机制可以帮助大家在网上工作得同时学习新技能，这个过程要求众包者承担更加复杂的角色。比方说放射学里面的重要工作是识别X光片里面的肿瘤。这方面机器视觉算法尚不能可靠识别。
但是人却比较擅长这个。初学者可以先从比较容易分类的图片开始，然后在证明具备一定熟练程度后逐步处理更复杂的情况。这种学以致用的学习方式对学习和工作而言都可以事半功倍，会对未来的教育和工作均产生革命性影响。
众包信息提供
第三种是帮助困难家庭寻找社会福利计划。无家可归者、残疾人、低收入家庭等最需要这样的计划，但现实是他们找到并享受这样的计划非常艰难。
研究人员的想法是众包替这些人分担寻找福利计划的负担，让他们腾出时间去做其他更重要的任务，如找工作、管理健康问题等。设想一下，如果有这样一套众包机制，最近在毕节发生的悲剧是不是可以避免呢？
这些当然都是不错的想法，但是也会引发道德、法律及社会问题。如何设计才能让众包参与有意义让受助者有尊严？如何才能令最弱势群体受益？人和机器如何分工才能产生最理想结果呢？这些都是人本计算学需要进一步研究的问题。如果这些问题得到解决，那么在互联网、AI的配合下，人类集体的作用必将发挥出难以想象的效应。
本文编译自：technologyreview.com
文章来源：36氪
RSS订阅
