Crowdsourcing nos ha traído Wikipedia y formas de comprender cómo se pliegan las proteínas del VIH. También proporciona un medio cada vez más efectivo para que los equipos escriban software, realicen investigaciones o realicen pequeñas tareas digitales repetitivas.
Sin embargo, la mayoría de las tareas han demostrado ser resistentes al trabajo distribuido, al menos sin un organizador central. Como en el caso de Wikipedia, su éxito a menudo se basa en los esfuerzos de un pequeño grupo de voluntarios dedicados. Si estas personas continúan, el proyectose vuelve difícil de mantener.
Los científicos financiados por la National Science Foundation NSF están encontrando nuevas soluciones a estos desafíos.
Aniket Kittur, profesor asociado en el Instituto de Interacción Humano-Computadora de la Universidad Carnegie Mellon CMU, diseña marcos de crowdsourcing que combinan las mejores cualidades del aprendizaje automático y la inteligencia humana, para permitir que grupos distribuidos de trabajadores realicen tareas cognitivas complicadastareas, que incluyen escribir guías prácticas u organizar información sin un organizador central.
En la conferencia Computer-Human Interaction en Chicago esta semana, Kittur y sus colaboradores Nathan Hahn y Joseph Chang CMU, y Ji Eun Kim Bosch Corporate Research, presentarán dos sistemas prototipo que permiten equipos de voluntarios, respaldados poralgoritmos de aprendizaje automático, para el crowdsourcing de tareas intelectuales más complejas con mayor velocidad y precisión y a un costo menor que los sistemas anteriores.
"Estamos tratando de ampliar el pensamiento humano permitiendo que las personas desarrollen el trabajo que otros han hecho antes que ellos", dijo Kittur.
El acelerador del conocimiento
Un prototipo de software desarrollado por Kittur y sus colaboradores, denominado Knowledge Accelerator, permite a los trabajadores distribuidos realizar síntesis de información.
El software combina materiales de una variedad de fuentes y construye artículos que pueden proporcionar respuestas a las preguntas más frecuentes, preguntas como: "¿Cómo consigo que mi planta de tomate produzca más tomates?" O "¿Cómo desatasco mi bañera?¿desagüe?"
Para reunir respuestas, las personas identifican fuentes de alto valor de Internet, extraen información útil de esas fuentes, agrupan clips en temas comúnmente discutidos e identifican imágenes o videos ilustrativos.
Con el Acelerador de conocimiento, cada trabajador colectivo contribuye con una pequeña cantidad de esfuerzo para sintetizar información en línea para responder preguntas complejas o abiertas, sin un supervisor o moderador.
El desafío de los investigadores radica en diseñar un sistema que pueda dividir las tareas en microtasks cortas, cada una de las cuales paga a los trabajadores de $ 1 por 5-10 minutos de trabajo. El sistema debe combinar esa información de manera que mantenga el flujo y la cohesión del artículo,como si hubiera sido escrito por un solo autor
Los investigadores demostraron que su método produjo artículos juzgados por los trabajadores colectivos como más útiles que las páginas que se encontraban entre los cinco primeros resultados de Google de una consulta determinada. Esos resultados de Google principales generalmente los crean expertos o escritores profesionales.
"En general, creemos que este es un paso hacia un futuro de pensamiento grande en piezas pequeñas, donde el pensamiento complejo puede escalarse más allá de los límites individuales al distribuirlo masivamente entre los individuos", concluyeron los autores.
aleación
Un problema relacionado que Kittur y su equipo abordaron incluyó la agrupación: extraer los patrones o temas entre los documentos para organizar la información, ya sea búsquedas en Internet, artículos de investigación académica o reseñas de productos de consumo.
Los sistemas de aprendizaje automático han demostrado ser exitosos en la automatización de aspectos de este trabajo, pero su incapacidad para comprender las distinciones de significado entre documentos y temas similares significa que los humanos aún son mejores en la tarea. Sin embargo, cuando se usa el juicio humano en el crowdsourcing, los individuos a menudoperder el contexto completo que les permite realizar la tarea de manera efectiva.
El nuevo sistema, llamado Alloy, combina la inteligencia humana y el aprendizaje automático para acelerar la agrupación mediante un proceso de dos pasos.
En el primer paso, los trabajadores colectivos identifican categorías significativas y proporcionan ejemplos representativos, que la máquina utiliza para agrupar una gran cantidad de temas o documentos. Sin embargo, no todos los documentos pueden clasificarse fácilmente, por lo que en el segundo paso, los humanos consideran esos documentosque las máquinas no pudieron agruparse bien, proporcionando información y conocimientos adicionales.
El estudio encontró que Alloy, utilizando el proceso de dos pasos, logró un mejor rendimiento a un costo menor que los enfoques anteriores basados en la multitud. El marco, dicen los investigadores, podría adaptarse para otras tareas, como la agrupación de imágenes o el video en tiempo realdetección de eventos
"El desafío clave aquí es tratar de construir una vista panorámica cuando cada persona solo puede ver una pequeña parte del todo", dijo Kittur. "Abordamos esto dando a los trabajadores nuevas formas de ver más contexto y uniendo cada unovisión del trabajador con una columna vertebral flexible de aprendizaje automático "
En el camino hacia el conocimiento
Kittur está llevando a cabo su investigación bajo un premio NSF Faculty Early Career Development CAREER, que recibió en 2012. El premio apoya a los docentes junior que ejemplifican el papel de los docentes académicos a través de una investigación sobresaliente, una educación excelente y la integración de la educación yinvestigación dentro del contexto de la misión de su organización. NSF está financiando su trabajo con $ 500,000 durante cinco años.
El trabajo avanza en la comprensión y el diseño de marcos de crowdsourcing, que se pueden aplicar a una variedad de dominios, dice.
"Tiene el potencial de mejorar la eficiencia del trabajo del conocimiento, la capacitación y la práctica de los científicos y la efectividad de la educación", dice Kittur. "Nuestro objetivo a largo plazo es producir un acelerador universal del conocimiento: capturar una fracción deel aprendizaje en el que cada persona se involucra todos los días, y hacer que eso beneficie a las personas que pueden aprender más rápido y más profundamente que nunca ".
Fuente de la historia :
Materiales proporcionado por Fundación Nacional de Ciencias . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :