La scienza emergente del calcolo umano

La saggezza della folla è diventata così potente e così accessibile tramite Internet che è diventata una risorsa a sé stante. Vari servizi ora attingono a questa ricca offerta di cognizione umana, come Wikipedia, Duolingo e Mechanical Turk di Amazon.

Questa risorsa è così importante che gli scienziati le hanno dato un nome; lo chiamano calcolo umano. E una domanda che emerge rapidamente e sempre più importante è come sfruttarla al meglio.

Oggi, riceviamo una sorta di risposta grazie a un gruppo di informatici, pionieri del crowdsourcing e visionari che hanno creato una tabella di marcia per la ricerca sul calcolo umano. Il team, guidato da Pietro Michelucci dello Human Computation Institute, sottolinea che i sistemi di calcolo umano hanno avuto un enorme successo nell'affrontare problemi complessi dall'identificazione delle galassie a spirale all'organizzazione dei soccorsi in caso di calamità.

Ma il loro potenziale è ancora maggiore, a condizione che la cognizione umana possa essere sfruttata in modo efficiente su scala globale. L'anno scorso si sono incontrati per discutere di questi temi e ora hanno pubblicato i risultati del loro dibattito.

Iniziamo sottolineando gli straordinari successi della computazione umana. Uno dei più notevoli è il progetto Fold.it in cui ai partecipanti viene chiesto di piegare proteine ​​virtuali nel modo più efficiente possibile. L'obiettivo è risolvere uno dei più importanti problemi in sospeso della biologia molecolare: come le proteine ​​si ripiegano in modo così rapido ed efficiente.

Il progetto ha avuto dei successi impressionanti. Subito dopo il suo inizio, ha scoperto la struttura terziaria di una proteina regolatrice per il virus dell'immunodeficienza pros-simian, un problema su cui la comunità di ricerca si è interrogata per decenni e che potrebbe portare a nuovi modi di affrontare il virus dell'AIDS.

E il progetto Zooniverse chiede ai cittadini scienziati di identificare i crateri sulla luna, aiutare a tradurre i registri delle vecchie navi, identificare le galassie nelle immagini astronomiche e trovare pianeti intorno ad altre stelle, tra molte altre cose.

Michelucci e compagni descrivono poi i tipi di progetti che vogliono creare. Chiamano un'idea Project Houston dopo lo sforzo di crowdsourcing a terra che ha aiutato a riportare in vita gli astronauti dell'Apollo 13 dopo un'esplosione a bordo sulla strada per la luna.

La loro idea è che un aiuto simile può essere offerto da tutto il mondo quando gli individui sulla terra si trovano nei guai. Con questo intendono persone che potrebbero pensare al suicidio o soffrire di depressione, per esempio.

Il piano prevede l'utilizzo di analisi vocali all'avanguardia e comprensione del linguaggio naturale per rilevare lo stress e offrire aiuto. Ciò si presenterebbe sotto forma di personalità composite composte da individui con diversi livelli di esperienza in mezzo alla folla, supportate da tecniche di intelligenza artificiale. Il progetto Houston potrebbe fornire una personalità costantemente gentile e paziente anche se la folla cambia completamente nel tempo, dicono.

Un'altra idea è costruire sul modo in cui il crowdsourcing aiuta le persone a imparare. Un esempio è Duolingo, un'app che offre lezioni di lingua gratuite e contemporaneamente funge da servizio di traduzione di documenti. Perché smettere con l'apprendimento delle lingue e la traduzione? loro chiedono.

Un approccio simile potrebbe aiutare le persone ad apprendere nuove competenze mentre lavorano online, un processo che dovrebbe consentire loro di assumere ruoli più complessi. Un esempio è nel campo della radiologia, dove un compito importante è riconoscere i tumori sulle immagini a raggi X. Questo è un compito che gli algoritmi di visione artificiale non svolgono ancora in modo affidabile.

Gli esseri umani sono bravi in ​​questo, tuttavia. Un principiante potrebbe iniziare guardando immagini che sono facili da classificare e poi passare a casi più difficili quando ha dimostrato un certo livello di competenza. Riteniamo che l'apprendimento online che funge anche da lavoro (e viceversa) possa avere un impatto trasformativo sul futuro del lavoro e dell'istruzione, affermano Michelucci e co.

Ancora un'altra idea sarebbe quella di raccogliere informazioni che aiutino le famiglie più povere d'America a trovare programmi di assistenza sociale. Questi programmi sono spesso difficili da navigare e rappresentano un disagio sproporzionato per le persone che hanno maggiori probabilità di trarne beneficio: coloro che sono senzatetto, che hanno disabilità, che hanno un reddito basso e così via.

L'idea è che la folla dovrebbe assumersi parte di questo peso liberando questo gruppo per altri compiti, come trovare lavoro, gestire problemi di salute e così via.

Questi sono obiettivi degni, ma sollevano alcune domande significative. Il principale tra questi è la natura delle implicazioni etiche, legali e sociali del calcolo umano. Come si può progettare questo lavoro per consentire una partecipazione umana significativa e dignitosa? Come possono essere progettati i risultati in modo che le persone più vulnerabili possano trarne vantaggio? E qual è la divisione ottimale del lavoro tra macchine e esseri umani per produrre un risultato specifico?

Michelucci e colleghi delineano queste e altre domande che, secondo loro, saranno cruciali per la scienza emergente della computazione umana.

Nessuno studio di questo tipo sarebbe completo senza un'analisi dell'ambiente di finanziamento. Michelucci e colleghi concludono invocando una nuova iniziativa nazionale nel calcolo umano con la creazione di un centro nazionale dedicato a questa scienza emergente.

Un centro nazionale negli Stati Uniti sembra sicuramente una buona idea. La computazione umana è un campo multidisciplinare che richiede competenze in informatica, scienze della complessità, scienze cognitive, economia comportamentale, interazione uomo-computer e così via.

Quindi avere un luogo in cui i ricercatori di questi campi possono incontrarsi e lavorare insieme sembra un ovvio passo avanti.

Rif: arxiv.org/abs/1505.07096 : Una tabella di marcia della ricerca statunitense per il calcolo umano

nascondere