[논문 리뷰] Revisiting Citizen Science Through the Lens of Hybrid Intelligence

Janet Rafner, Miroslav Gajdacz외 14명|arXiv (Cornell University)|2021. 04. 30.

Species Distribution and Climate Change인용 수 11

한 줄 요약

이 논문은 시민 과학(CS)의 품질을 향상시키기 위해 인간지능과 인공지능을 상호보완적으로 통합하는 하이브리드 지능(HI) 프레임워크를 제안한다. 디지털화 수준과 필요로 하는 전문 지식의 두 차원을 통해 시민 과학 프로젝트를 분석함으로써 분류 체계와 실행 가능한 상호작용 모델을 도입하여, CS에서 더 효과적이고 인간 중심적인 AI 통합을 가능하게 한다. 이는 AI 및 시민 과학 공동체 모두에게 유익하다.

ABSTRACT

Artificial Intelligence (AI) can augment and sometimes even replace human cognition. Inspired by efforts to value human agency alongside productivity, we discuss the benefits of solving Citizen Science (CS) tasks with Hybrid Intelligence (HI), a synergetic mixture of human and artificial intelligence. Currently there is no clear framework or methodology on how to create such an effective mixture. Due to the unique participant-centered set of values and the abundance of tasks drawing upon both human common sense and complex 21st century skills, we believe that the field of CS offers an invaluable testbed for the development of HI and human-centered AI of the 21st century, while benefiting CS as well. In order to investigate this potential, we first relate CS to adjacent computational disciplines. Then, we demonstrate that CS projects can be grouped according to their potential for HI-enhancement by examining two key dimensions: the level of digitization and the amount of knowledge or experience required for participation. Finally, we propose a framework for types of human-AI interaction in CS based on established criteria of HI. This "HI lens" provides the CS community with an overview of several ways to utilize the combination of AI and human intelligence in their projects. It also allows the AI community to gain ideas on how developing AI in CS projects can further their own field.

연구 동기 및 목표

• 시민 과학(CS) 프로젝트에서 인간지능과 인공지능을 통합하기 위한 체계적인 프레임워크 부족 문제를 해결하기 위해.
• 21세기 인간 중심 AI 시스템을 개발하기 위한 시험대로서 시민 과학이 어떻게 활용될 수 있는지 탐색하기 위해.
• CS 프로젝트의 하이브리드 지능(HI) 향상 잠재력을 결정짓는 핵심 차원인 디지털화 수준과 필요 전문 지식을 규명하기 위해.
• CS에서 인간-AI 상호작용을 분류하고 설계하기 위한 실용적이고 기준 기반의 프레임워크를 제안하기 위해.
• 상호보완적 협업을 통해 AI 및 시민 과학 공동체 간 격차를 좁히고 상호 이점을 제공하기 위해.

제안 방법

• 저자들은 시민 과학 프로젝트를 분석할 때 핵심적인 두 차원인 디지털화 수준과 참가에 필요한 도메인 지식 또는 경험의 정도를 기준으로 삼는다.
• 기존의 하이브리드 지능(HI) 기준을 적용하여 기존의 CS 프로젝트를 인간-AI 상호작용의 다양한 유형으로 분류한다.
• 상호보완적 인간-AI 협업 원칙에 기반하여 프레임워크를 개발하며, 인간의 주도성과 인지적 보완성을 강조한다.
• 인간-컴퓨터 상호작용, AI, 계산 기반 사회과학 분야의 다학제적 통찰을 활용하여 상호작용 모델을 체계화한다.
• HI 이론에 기반한 인간-AI 상호작용의 유형 체계를 제안하며, CS 내에서 AI 지원형에서 AI 협업형까지의 스펙트럼을 포함한다.
• 실제 시민 과학 프로젝트의 분석을 통해 프레임워크의 타당성을 검증하였으며, 다양한 과학 분야에 걸쳐 적용 가능함을 입증하였다.

실험 결과

연구 질문

• RQ1 하이브리드 지능 향상 잠재력에 기반해 시민 과학 프로젝트를 체계적으로 분류할 수 있는 방법은 무엇인가?
• RQ2 인간-AI 협업에 적합한 시민 과학 프로젝트의 적합성을 결정짓는 핵심 차원은 무엇인가?
• RQ3 시민 과학 워크플로우에 AI를 통합하면서 인간의 주도성과 인지적 강점을 어떻게 유지할 수 있는가?
• RQ4 AI와 인간 지능을 어떻게 상호보완적으로 조합하여 시민 과학의 과학적 성과를 향상시킬 수 있는가?
• RQ5 시민 과학에서 AI 통합은 더 넓은 맥락에서 인간 중심 AI 개발을 어떻게 이끌 수 있는가?

주요 결과

• 디지털화 수준과 필요 전문 지식의 정도에 기반해 시민 과학 프로젝트를 네 가지 유형으로 효과적으로 분류할 수 있으며, 이는 타겟 기반의 HI 통합을 가능하게 한다.
• 높은 디지털화 수준과 낮은 전문 지식 요구 사항을 갖는 프로젝트는 주로 AI 지원형 워크플로우에 가장 적합하며, 낮은 디지털화 수준과 높은 전문 지식 요구 사항을 갖는 프로젝트는 AI 협업형 모델에 더 적합하다.
• 제안된 HI 렌즈는 인간의 주도성을 유지하면서 생산성을 향상시키는 인간-AI 상호작용 설계를 위한 체계적인 접근법을 제공한다.
• 프레임워크를 통해 AI 연구자들은 실제 시민 과학 응용 사례를 식별하여 맥락 인식 기반의 인간 중심 AI 시스템 개발에 활용할 수 있다.
• 이 연구는 시민 과학이 복잡한 실제 환경에서 하이브리드 지능을 발전시키기 위한 타당하고 가치 있는 시험대임을 입증한다.
• 인간 중심 설계 원칙에 따라 이행될 경우, 시민 과학에서 AI 통합은 보다 확장 가능하고 포용적이며 효과적인 과학 연구로 이어질 수 있다.