還停留在大數據? 人本計算正流行

（圖／取自網路）

互聯網讓集體智慧變成了無比強大且唾手可得的資源。維基百科、Duolingo以及Amazon的Mechanical Turk等都是利用豐富的人類認知資源的典範。科學家甚至給這種資源起了一個名字：人本計算（human computation）。從識別螺旋星雲到組織賑災，人本計算在處理複雜問題時已經取得了巨大成功。

Fold就是最著名的例子之一。這個專案讓參與者用進可能高效的方式對虛擬的蛋白質進行折疊。其目標是想要弄清楚為什麼蛋白質能夠折疊的那麼快那麼高效？弄清楚這個，就有可能解決分子生物學最重要的問題之一。專案啟動不久就取得了不小的成功。眾包的玩家很快就發現了猿猴免疫缺陷病毒（SIV）調節蛋白的三級結構，這個問題已經困擾了愛滋病研究者數十年，其解決將有助於人類想出治療愛滋病的新辦法。

怎麼樣利用人本計算資源才是最好的？研究發現，不同的問題類型需要創建不同類型的眾包專案。

眾包救助

其中一個專案叫做Project Houston，以地面眾包幫助太空員在阿波羅13號爆炸後返回地球的努力命名。這種項目可以設立來幫助那些遇到麻煩的個人，比方說因為壓力、沮喪、抑鬱而想自殺的人（有的人甚至會在微博上直播，但大家往往卻無能為力）。

針對這類問題，其想法是利用最新的語音分析和自然語言理解技術去檢測壓力水準並提供幫助。幫助的形式是由不同專業水準的人組成到一起，形成一種複合的人格，再通過人工智慧技術來提供支援。這樣提供幫助的這個人就能呈現出始終如一的耐心和寬容，哪怕背後的眾包者隨著時間轉移已經徹底改變了。

眾包學習

另一種想法是利用眾包來幫助學習。Duolingo就是例子，這款app在提供語言學習課程的同時還提供文檔翻譯服務。類似地，眾包機制可以幫助大家在網上工作得同時學習新技能，這個過程要求眾包者承擔更加複雜的角色。比方說放射學裡面的重要工作是識別X光片裡面的腫瘤。這方面機器視覺演算法尚不能可靠識別。

但是人卻比較擅長這個。初學者可以先從比較容易分類的圖片開始，然後在證明具備一定熟練程度後逐步處理更複雜的情況。這種學以致用的學習方式對學習和工作而言都可以事半功倍，會對未來的教育和工作均產生革命性影響。

眾包資訊提供

第三種是幫助困難家庭尋找社會福利計畫。無家可歸者、殘疾人、低收入家庭等最需要這樣的計畫，但現實是他們找到並享受這樣的計畫非常艱難。

研究人員的想法是眾包替這些人分擔尋找福利計畫的負擔，讓他們騰出時間去做其他更重要的任務，如找工作、管理健康問題等。設想一下，如果有這樣一套眾包機制，最近在畢節發生的悲劇是不是可以避免呢？

這些當然都是不錯的想法，但是也會引發道德、法律及社會問題。如何設計才能讓眾包參與有意義讓受助者有尊嚴？如何才能令最弱勢群體受益？人和機器如何分工才能產生最理想結果呢？這些都是人本計算學需要進一步研究的問題。如果這些問題得到解決，那麼在互聯網、AI的配合下，人類集體的作用必將發揮出難以想像的效應。

【101創業大小事／整理報導】

-------------------------------------------------------

文章內容若有侵權疑慮，請來信告知。

客服信箱：[email protected]

免責聲明：

部分圖片、觀點，來源於網際網路及其他網路平台，主要目的在於分享訊息，讓更多人獲得需要的資訊，其版權歸原作者所有。如涉及侵權請告知，我們會在24小時內刪除相關內容。