Autorė: Gabija Maršalkaitė
Dr. Pietro Michelucci apsigynė daktaro laipsnį matematinėje psichologijoje ir kognityviniame moksle ir yra JAV vyriausybės konsultantas mokslo reikalais nuo 2006. Jis stipriai palaiko žmonių komiuteriją ir yra knygos „Handbook of Human Computation“ redaktorius, pirmo mokslinio žurnalo apie žmonių kompiuteriją įkūrėjas. Šiuo metu jis yra žmonių kompiuterijos instituto vadovas ir veda „EyesOnALZ“ projektą, kuriame minios pagalbos pagrįstais metodais padedama alzheimerio tyrimams. Pasikalbėjome su juo apie piliečių mokslą ir tai, kaip mokslas gali išlipti iš laboratorijų ir tapti kasdienybės dalimi.
Jūs dirbate su žmonių kompiuterija. Gal galėtumėte paaiškinti, kas tai yra mūsų skaitytojams?
Žmonių kompiuterija yra ryšio suformavimas tarp žmonių ir mašinų sprendžiant problemas, kurios šiuo metu negali būti išsprendžiamos žmonių ar kompiuterių atskirai. Aš nekalbu apie Terminatorių ar kibernetinius implantus – tai galbūt vieną dieną taps to dalimi. Mes koncentruojamės į paskirstytas sistemas, kur mašinos ir žmonės dirba kartu prie atskirų problemos dalių.
Pagrindinė priežastis yra tai, kad mašinos yra geresnės nei žmonės kai kuriuose dalykuose, tokiuose kaip skaičiavimas ar proceso sekimas konkrečia tvarka. Žmonės yra geresni dalykuose, kur naudojamas abstraktus mąstymas ir išradingumas. Mes taip pat turime pranašumą platesniu pasaulio suvokimu, kurio vis dar nemokame suprogramuoti.
Yra manoma, kad nors intelektas gyvūnų karalystėje šiek tiek priklauso nuo neuronų kiekio organizmo smegenyse, labiausiai intelekto lygį tarp skirtingų rūšių ir tarp individų rūšyje nulemia neuronų jungčių skaičius ir jų tipas. Kaip tai gali būti pritaikyta žmonių grupėms?
Tai įdomus ir išties kertinis klausimas, kurį mes formuluojame projektuodami, konstruodami ir tirdami žmonių grupes ar paskirstytas sistemas. Tik norėčiau dar pridėti, kad ne tik jungčių skaičius, bet ir jų tankis yra svarbūs.
Jei kiekvienas neuronas būtų sujungtas su kiekvienu kitu neuronu smegenyse, kai vienas neuronas aktyvuotųsi smegenyse, visi kiti aktyvuotųsi kartu ir tai būtų visiškas chaosas. Tai neatspindėtų jokios informacijos ir smegenys visada būtų hiperaktyvioje būsenoje. Taigi dalis to, ką bandome išsiaiškinti, yra optimalus jungčių skaičius pasirinkus neuronų skaičių arba kitaip optimalus jungčių tankis, t.y. jungčių skaičius, tenkantis vienam neuronui.
Sugrįžtant prie klausimo, kaip mes bandome sukurti žmonių kompiuterijos sistemą: mes turime atsižvelgti į jungčių skaičių ir tipą, laiko tarpą, kurį užtrunka informacijos perdavimas iš vieno mazgo į kitą. Tai dar sudėtingiau, kai kalbame apie žmones. Mes nesame paprasti neuronai, kurie gali būti arba aktyvūs, arba neaktyvūs. Mes patys esame labai sudėtingi neuroniniai tinklai, todėl iš tiesų kalbame apie tinklus iš tinklų. Tai labai pakeičia konstrukcijas, kurias galime naudoti.
Procesas, atsirandantis, kai žmonės bendradarbiauja ir jų darbo rezultatas yra didesnis nei atskirai dirbančių žmonių atliktų darbų suma, vadinamas sinergija. Ar galėtume duoti eksperimentinių sinergijos pavyzdžių?
Mes tai vadiname organizminiu skaičiavimu. Tai pagrįsta gyvo organizmo – žinduolio ar žmogaus – stebėjimu ir bandome atsakyti, kaip jie gali taip efektyviai veikti. Tarkim, grupė neuronų optimaliai dirba kartu dėl to, kad galėjo evoliucionuoti per ilgą laiką. Mes tokius dalykus stebime ir pritaikome sistemoms, tokioms, kaip paskirstytas žmonių skaičiavimas.
Sujungiame informacijos pasidalijimą tarp žmonių taip, kad jie galėtų dirbti efektyviau. Vienas iš atrastų dalykų buvo, kad kiekvieną kartą pridėjus naują žmogų į grupę, tai duoda tam tikrą naudą, bet už ją reikia sumokėti kažkokią kainą. Dauguma atvejų kaina gali nusverti naudą, todėl sakoma, kad per daug virėjų sugadina sultinį. Naudojant šį posakį kaip analogiją, kiekvieną kartą pridėjus naują žmogų į virtuvę, jis užima daugiau vietos ir taip trukdo kitiems žmoniems, kurie bando pagaminti sultinį.
Tokia problema kelia klausimą, kaip tai apeiti. Mes turime technosocialinę infrastruktūrą – internetą, kuris mums leidžia bendrauti su žmonėmis skirtingais būdais. Mes galime pradėti eksperimentuoti, kokie būdai leidžia žmonėms dirbti kartu. Tokiu būdu jie nemina vieni kitiems ant kojų, o vietoje to yra išties naudingi.
Todėl atlikome eksperimentą, kur leidome žmonėms dalintis informacija skirtingais būdais. Viena grupė bendravo labai paprastu būdu – tekstinėmis žinutėmis ar kalbėdami. Kitoje grupėje eksperimento dalyviai bendravo turėdami bendrus užrašus, panašius į Wikipedia, kur visi kuria informaciją dalinimuisi. Trečioje grupėje mes leidome žmonėms dalintis jų potyriais realiu laiku vienas su kitu neperkraunant jų gaunamos informacijos. Taigi visa tai susiję su organizminiu skaičiavimu.
Mes apibrėžiame organizminį skaičiavimą kaip turintį tris pagrindinius komponentus. Pirmiausia bendrus jutimus, antra kolektyvinį protavimą, t. y. bendrą mąstymą. Trečias elementas yra koordinuoti veiksmai, kad nesielgtume visiškai nepriklausomai be supratimo apie kitus grupės narius.
Mes atradome, kad mažiausiose grupėse susirašinėjimas žinutėmis buvo efektyviausias, bet kai pradėjome didinti grupės dydį ir ryšių tarp žmonių skaičiui greitai didėjant, Wikipedia stiliaus modelis veikė geriausiai. O labai didelėms grupėms organizminio skaičiavimo modelis veikė geriausiai. Kitais žodžiais tariant, kai žmonės dalinosi savo sensoriniais potyriais. Kartu mąstydama, kartu darydama sprendimus 150 žmonių grupė buvo pati efektyviausia eksperimento užduotyje.
Ar mes stebime sinergiją realiame gyvenime, o ne tik eksperimenėje aplinkoje?
Geras klausimas, ar mūsų visuomenėje yra pavyzdžių. Manau, kad tai gal gali būti dalis naujų technologijų ir įpročių, kurie keičia mūsų visuomenę. Kaip pavyzdį imčiau Uber ar automobilių dalinimosi paslaugas, kurių kainos lygis rodo jų bendrą kaip sistemos efektyvumą, nes jos turi šiek tiek daugiau žinių ir yra išmanesnės.
Jūs esate išreiškęs mintį, kad mokslas galėtų vykti panašiau kaip programinės įrangos kūrime naudojama versijų kontrolės sistema. Gal galėtumėte plačiau papasakoti?
Manau, kad tai yra didesnės vizijos dalis, kurioje mes labai bendrai bandome išgyventi kaip rūšis. Mes bandome klestėti ir ne tik išlikti gyvi, bet ir tuo džiaugtis. Ir kaip mes atėjome iki šio taško? Manau, kad mokslas visada buvo ligų gydymo paieškos ir gyvenimo kokybės gerinimo daugybe būdų dalis. Ir mokslas tai padarė padėdamas mums sukurti geresnį supratimą, patikimesnį modelį apie mus supantį fizinį pasaulį.
Naudinga turėti gerą modelį (ir tuo turiu omenyje funkcinį supratimą, kaip skirtingos dalys susijungia ir veikia kartu), kad galėtume geriau prognozuoti, kokie sprendimai tiks skirtingoms problemoms spręsti, kokį poveikį turės ir kaip gerai veiks.
Geresnis modelis, pirmiausia, taip pat mums padės sugalvoti tinkamas idėjas kaip suprojektuoti sistemą. Jei mes galėtume pagerinti žinių atradimo proceso efektyvumą, kuriame šiandien dominuoja mokslas, mes turime šansą progresuoti, pakankamai greitai rasti sprendimus, pakankamai greitai apsaugoti save nuo savęs pačių.
Pagrindinė ironija yra tai, kad daug problemų yra mūsų sukurtų sprendimų pašalinis efektas. Vienas iš pavyzdžių yra pandemijos. Kodėl pandemijos kelia susirūpinimą šiandien? Mes išties išsprendėme keletą kitų problemų. Viena iš jų tai, kad žmonės ilgiau gyvena, nes mes turime geresnę sveikatos apsaugą. Ir tokiu būdu populiacija auga, jos tankis auga ir todėl virusams atsiranda daugiau galimybių mutuoti. Mes išradome keliones oru. Taigi, mutavę virusai turi galimybę plisti į daugiau vietų ir greičiau. Taigi dabar turime spręsti naują problemą ir nemanau, kad kas nors norėtų atsisakyti kelionių oru.
Grįžtant prie klausimo apie mokslą. Tai yra labiau kolektyvinės pastangos, kurios įtraukia ne tik mokslininkus, bet ir kitus žmones. Yra daugybė būdų kaip su mokslu nesusiję žmonės gali prisidėti. Ir dalis to, kas skiria mokslą nuo kitų būdų, yra tai, kad mokslas išties yra metodas, pasirinktas procesas. Tai yra kažkas, kas gali būti užprogramuojamas sistemoje.
Neprivalai būti mokslininkas, kad galėtum sekti mokslinį procesą, užtenka žinoti kaip šis procesas atrodo ir tada, pavyzdžiui, leisti padėti surinkti duomenis ar padėti analizuoti duomenis. Mes po truputį judame šia kryptimi su piliečių mokslu. Tai sukuria naują klausimą, kokia yra mokslininkų rolė. Jie gali prisidėti savo dalyko žiniomis, padėti mums suprasti, kurie klausimai turėtų būti užduodami ir kaip paaiškinti tyrimų rezultatus.
Ne mokslininkai taip pat gali dalyvauti ir kitose proceso dalyse, nes kartais mokslininkams reikia naujų minčių. Vienas iš būdų yra paklausti auditorijos. Ne visada išgirsi pacientus, turinčius lėtinio nuovargio sindromą ir jų patyrimus. Ne visada klausiama, ar jie pastebi kažkokių naujų dalykų, apie kuriuos jų daktarai nežino. Jei padarai kažkokių stebėjimų ir manai, kad gali būti verta tai toliau nagrinėti, toje vietoje mokslininko užduotis yra surinkti tą informaciją ir su dabartine technosocialine infrastruktūra išsiaiškinti, ar prasminga tai nagrinėti.
Kokie yra minios išminties privalumai? Kuo tai lenkia, tarkim, konvoliucinius neuroninius tinklus Alzheimerio tyrimuose?
Tai klausimas, kurį aš galiu dalinai atsakyti, nes prisidedu prie projekto, kuris būtent tai daro – mes prašome ne mokslininkų pagalbos analizuojant tyrimų duomenis. Mes gauname duomenis iš Alzheimerio tyrimų laboratorijos, padarome šiuos duomenis prieinamus kaip internetinį žaidimą, kur žmonės žaisdami padeda mums analizuoti duomenis. Su tūkstančiais, dešimtimis tūkstančių, šimtais tūkstančių žmonių duomenys išanalizuojami greičiau ir tyrimai, analizuojantys Alzheimerį, gali vykti greičiau.
Ir atsakant į klausimą, kada mes nenaudojame kompiuterių analizei atlikti, kada mums reikia žmonių. Kai kuriose analizės tipuose kompiuteriai idealiai tinka, nes tai tiesiog skaičiavimas. Bet mūsų atveju projekte „eyes on ALZ“ ir žaidime puslapyje stallcatchers.com, vien kompiuterių neužtenka. Žmonės stebi kraujagysles pelių smegenų vaizdo įrašuose ir bando atsakyti paprastą klausimą – ar kraujas prateka konkrečia kraujagysle.
Klausimas atrodo itin paprastas, tačiau mašinoms jį atsakyti yra gana sudėtinga ir to priežastis nebūtinai visiškai aiški nuo pat pradžių. Pavyzdžiui, sprendimas reikalauja atkreipti dėmesį į netoliese esančias jungtis tarp kraujagyslių ir atsakymo, kuria kryptimi kraujas teka. Ši užduotis nėra tik vizualių bruožų atpažinimas, tai yra atpažinimo ir supratimo, kaip veikia pasaulis, kombinacija. Tai priverčia naudotis žmonių pagalba.
Projekte Eyes On ALZ mes naudojame ir tęsiame geriausių mašininio mokymosi algoritmų paiešką kartu su kompiuterinio matymo būdais spręsti problemai. Bet iki šiol geriausi modeliai galėjo pasiekti tik 85% tikslumą palyginus su žmonėmis. Todėl jeigu mes norime pasiekti 99.9% tikslumą, mums vis dar reikia žmonių.
Grįžtant prie žmonių kompiuterijos apibrėžimo kaip žmonių ir kompiuterių partnerystės. Mes aktyviai ieškome būdų padaryti, kad paprasčiausios kraujagyslės butų analizuotos mašininio mokymosi algoritmais kol esame užtikrinti rezultatų tikslumu, ir kad kompiuteriai atskiria, kurie yra paprasčiausi. Tai sumažina darbo kiekį, tenkantį žmonėms ir palieka tik sudėtingiausias, bet ir įdomiausias kraujagysles.
Ar turite minčių, kur ieškoti naujų idėjų žmonėms, dirbantiems techninėje dirbtinio intelekto pusėje?
Dirbtinio intelekto tyrimai yra viliojantis laukas ir aš jo šaka laikau ir žmonių kompiuteriją. Žmonių kompiuterijoje juokaujame, kad mes kuriame dirbtinį dirbtinį intelektą. Taigi mano patarimas kam nors, įžengiančiam į šį dirbtinio intelekto lauką, būtų atpažinti, kas gali būti nukopijuojama iš žmogaus mąstymo proceso.
Kai mes priartėsime prie į žmogų panašaus dirbtinio intelekto, likusios paskutinės detalės greičiausiai sukels iššūkių, jų sprendimas greičiausiai užtruks. Vienas iš būdų laikinai apeiti tą problemą yra surasti algoritmo dalis, kurioms atlikti žmogus dar reikalingas ir iškart gauti rezultatą. Ir kai žmogus yra algoritme, galima stebėti jo elgesį sistemoje ir tai naudoti kaip įkvėpimą, kuriant dirbtinę versiją.
Minios išmintis yra pradedama pastaruoju metu plačiau naudoti tokiose dalykuose kaip The Good Judgement Project, kur žmonės, kurie nebūtinai yra specialistai, bando prognozuoti ateitį. Ar manote, kad tai geras būdas išvengti individualaus triukšmo? Gal turite minčių kaip jį pagerinti?
Minios išminties fenomenas remiasi idėja, kad nors vienas žmogus gali šiek tiek klysti, vidutiniškai jų atsakymas teisingas. Pavyzdžiu galime imti mugės žaidimą: nuėjęs į mugę bandai spėti vieno žmogaus svorį kartu su kitais mugės dalyviais. Tiksliausias spėjimas dažniausiai būna visų spėjimų vidurkis. Tai, apie ką mes dabar kalbame, yra įvairų žmonių sujungimas ir jų atsakymų suderinimas.
Yra daugybė būdų, kaip sujungti atsakymus ir kažkurie iš jų efektyvesni nei kiti. Pastaruoju metu pradėjome naudoti naują teoriškai pagrįstą būdą projektui Eyes On ALZ. Tik pradėjus šį projektą mums reikėdavo 20 žmonių, norint gauti eksperto lygio atsakymą, naujam būdui reikia tik 7, jei atsakymai teisingai sujungiami tarpusavyje. Ir, žinoma, dar liko daug darbo tiriant, koks yra optimalus būdas sujungti atsakymus.
Manau, kad šis klausimas yra platesnis nei tai. Yra labai įdomu sujungti žmonės su skirtingais ryšiais, kitaip tariant, jei gali išsiaiškinti, kuris žmogus geriausia supranta problemą. Ta informacija iš pirmo žmogaus eina pas antrą, kuris galbūt ją panaudoja, bet tada prideda kitų žinių ir padeda sujungti su kita informacijos dalimi. Tokiu būdu galima suformuoti informacijos tėkmę, kuri sukuria geresnius rezultatus.
Stiprūs ryšiai ir greitas naujienų sklidimas tarp žmonių turi ir trūkumų, tarkim, kuria naujas idėjas terorizmui. Ar manote, kad tai gali ir turėtų būti kažkaip ribojama?
Tai yra suktas klausimas ir aš nežinau, ar turiu galutinį atsakymą, kaip tai išspręsti, bet manau, kad turiu kelias mintis, kur galėtume pradėti. Su kiekviena nauja technologija ateina ir naujos grėsmės. Ir technologijų demokratizacija reiškia, kad daugiau žmonių gali prieiti prie vis galingesnių technologijų. Tai reiškia, kad šiandien individai ar labai mažos grupės gali pasiekti valstybės lygio gebėjimus ir tai gali kelti grėsmę likusiems pasaulio žmoniems.
Manau, kad žmonių kompiuterija gali būti tiek naudinga, tiek žalinga. Pagrindinė nauda būtų tai, kad ji grąžina valdžią grupei, kitais žodžiais minia pagrįstos sistemos potencialiai yra galingesnės jose esant daugiau žmonių. Jei gali sukurti teisingos konstrukcijos sistemą, prie kurios prisideda daugybė žmonių, tai atneša daug skirtingų patirčių ir tai gali sugrąžinti jėgos balansą.
Tai senas dalykas, kur jei gyveni mažame kaimelyje senovėje ir žmogus pradeda blogai elgtis, kelia grėsmę aplinkiniams, kaimas susivienija kaip didesnė ir stipresnė grupė, kuri gali neleisti problemai išplisti. Mūsų dienomis tai mažiau kontroliuojama, nes tas vienas žmogus kaime gali tapti labai galingu ir tai turėtų mus priversti dirbti kartu efektyviau grupėse.
Manau, kad tokia struktūra turėtų būti mums naudinga, bet iš kitos pusės, yra nedidelis šansas, kad mažos grupės pavirs didesnėmis be jų žinios. Tarkim, turime kenkėjišką individą paprastų žmonių sistemoje ir todėl žmonės atsiduria pavojuje. Jie nežino, kaip yra naudojami. Ir aš nežinau, kaip to išvengti, nebent įdėtume sistemos išjungimo mygtuką. Tai būtų apsauga ir prieš automatines sistemas, jei atsirastų tikimybė, kad jos norėtų užvaldyti pasaulį.
Daugiau informacijos apie eyes on ALZ projekto žaidimą stall catchers: https://stallcatchers.com/main .