Dataprogram gjør mange hjerner bedre

Forskere har laget programvare som kan brukes til å forbedre samarbeid mellom folk som ikke vet om hverandre.
17.8 2013 05:00


 

Peng Dai og hans kolleger ved Universitetet i Washington utvikler teknologi som benyttes til crowdsourcing - nettbasert dugnadsarbeid hvor mange mennesker jobber i flokk for å utføre ulike typer oppgaver.

Mange av oss er involvert i slike dugnader hver dag, ofte uten å vite om det. Når vi rapporterer e-post som søppelpost i Gmail, bidrar vi med en vurdering som benyttes til å forbedre Googles søppelpostfilter.

Når vi benytter stavekontrollen i Google docs, hjelper vi til med å forbedre et avansert system for tekstanalyse som snart omfatter alle levende språk på kloden.

Nå har Peng Dai og kollegaene hans, i samarbeid med Google, laget en arbeidsleder-programvare som kan heve kvaliteten på slike nett-dugnader betraktelig.

Overgår ekspertene

Digitale dugnader kan ofte ende opp med adskillig bedre resultater enn tradisjonell ekspertise kan få til, fordi de har direkte tilgang på et mangfold av menneskelige erfaringer.


 

I det nye prosjektet har forskerne benyttet en tjeneste fra en annen nettgigant som laboratorium, The Mechanical Turk fra Amazon. Den er oppkalt etter en sjakkspillende robot som ble en verdenssensasjon på slutten av 1700-tallet fordi den var i stand til å spille og vinne mot flere av datidens kjendiser.

Problemet var at det hele var lureri. Inne i maskinen satt det en menneskelig sjakkmester som gjennomførte spillet ved hjelp av sinnrike mekanismer.

Amazons mekaniske tyrker fungerer etter samme prinsipp, bortsett fra at nå sitter det ikke bare én person inne i maskinen, men mange tusen anonyme arbeidere som utfører enkle oppgaver, eller human intelligence tasks (HITs) for maskinen.

Slik fungerer den nye tyrkeren

La oss si at du har et bilde og lurer på hvilke personer som er avbildet. Da kan du du spørre den mekaniske tyrkeren som vil bruke noen av sine arbeidere til å finne svar. Prosessen kan se slik ut:

Tyrkeren sender bildet til fem arbeidere som får i oppdrag å finne mest mulig informasjon om personene på bildet.


Peng Dai er både forsker ved University of Washington og software engineer hos Google.

Fem nye arbeidere får tilsendt denne informasjonen og blir bedt om revidere/komplettere den.

Til slutt får ti arbeidere tilsendt den reviderte informasjonen fra steg 2 for å bedømme kvaliteten og gi dem karakterer.

Forutsatt at tyrkeren har lykkes med å velge de rette arbeiderne, vil den informasjonen som får høyest poengsum sannsynligvis gi en grei oversikt over hvem som er på bildet.

Denne tjenesten er tilgjengelig for alle og kan brukes til å løse mange ulike oppgaver for en billig penge. Man kan også registrere seg som arbeider og tjene noen kroner på det.

Har oppnådd store forbedringer

Slike prosesser kan bestå av mange typer oppgaver som kan kjedes sammen på mange måter. Problemet er å finne ut hvordan man skal bygge dem opp for å få best mulig resultat med minst mulig innsats.

Det er her teknologien til Peng Dai og hans kolleger kommer til unnsetning. De har konstruert en intelligent arbeidsleder som holder oversikt over prestasjonene til arbeiderne, følger med på prosessene og tar kontinuerlige avgjørelser om hva som bør være neste steg.

De har utført et stort antall eksperimenter som viser at denne arbeidslederen øker kvaliteten på informasjonen som kommer ut med 30 prosent og halverer feilraten ved enkle ja/nei spørsmål.

Enormt potensiale

Denne teknologien kan brukes til svært mange ting. Til nå har de mest vellykkede kommersielle anvendelsene vært tilpassing og og spredning av reklame.

I fremtiden kan metoden som Peng Dai utvikler til helt andre ting. For eksempel kan bidra til å vinne ny kunnskap på områder som medisin, folkehelse, arkeologi og miljø. Den kan også benyttes i mer kreative prosesser som musikkproduksjon, produktutvikling og idédugnader.

- Teknikkene vi har utviklet er i virkeligheten nokså generelle. De kan benyttes i hvilke som helst crowdsourcing-oppsett som krever at man arbeider systematisk, steg for steg, skriver Peng Dai

Kan gi nye arbeidsplasser

Arbeiderne i Amazons mekaniske tyrker blir belønnet med ørsmå pengebeløp som varierer i størrelse avhengig av omfang på oppgaven og kvaliteten på arbeidet de utfører.

En typisk timelønn kan ligge på rundt 1 dollar per time, noe som fungerer bra i store deler av verden. Peng Dai ser mange positive muligheter knyttet til dette:

- Jeg tror crowdsourcing generelt har skapt en overflod av muligheter for mennesker som ønsker å forbedre sin levestandard gjennom nettbasert arbeid, spesielt de fra utviklingsland eller folk som ønsker å tjene litt ekstra penger på fritiden.

Referanse:

Peng Dai, Christopher H. Lin, Mausam, Daniel S. Weld: POMDP-based control of workflows for crowdsourcing. Artificial Intelligence 202 (2013) 52–85

Annonse

forskning.no ønsker en åpen og saklig debatt. Vi forbeholder oss retten til å fjerne innlegg. Du må bruke ditt fulle navn. Vis regler

Regler for leserkommentarer på forskning.no:

  1. Diskuter sak, ikke person. Det er ikke tillatt å trakassere navngitte personer eller andre debattanter.
  2. Rasistiske og andre diskriminerende innlegg vil bli fjernet.
  3. Vi anbefaler at du skriver kort.
  4. forskning.no har redaktøraransvar for alt som publiseres, men den enkelte kommentator er også personlig ansvarlig for innholdet i innlegget.
  5. Publisering av opphavsrettsbeskyttet materiale er ikke tillatt. Du kan sitere korte utdrag av andre tekster eller artikler, men husk kildehenvisning.
  6. Alle innlegg blir kontrollert etter at de er lagt inn.
  7. Du kan selv melde inn innlegg som du mener er upassende.
  8. Du må bruke fullt navn. Anonyme innlegg vil bli slettet.

Annonse

Annonse