[论文解读] Revisiting Citizen Science Through the Lens of Hybrid Intelligence

Janet Rafner, Miroslav Gajdacz+14 more|arXiv (Cornell University)|Apr 30, 2021

Species Distribution and Climate Change被引用 11

一句话总结

本文提出了一种混合智能（HI）框架，通过协同方式整合人类智能与人工智能，以增强公民科学（CS）项目。通过分析公民科学项目在数字化程度和所需专业知识两个维度上的表现，该研究提出了一个分类体系与可操作的互动模型，实现了更高效、以人为本的人工智能在公民科学中的整合，为人工智能与公民科学社群均带来益处。

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.

研究动机与目标

• 解决当前在公民科学（CS）项目中缺乏系统性框架以整合人类智能与人工智能的问题。
• 探索公民科学如何作为开发21世纪以人为本的人工智能系统的试验场。
• 识别决定CS项目在混合智能增强方面潜力的关键维度——数字化水平与所需专业知识。
• 提出一个基于标准的实用框架，用于对公民科学中的人机交互进行分类与设计。
• 通过协同合作实现互利，弥合人工智能与公民科学社群之间的鸿沟。

提出的方法

• 作者通过两个关键维度分析公民科学项目：数字化水平与参与所需的专业知识或经验程度。
• 应用既定的混合智能（HI）标准，将现有公民科学项目分类为不同类型的人机交互模式。
• 该框架基于协同式人机协作原则构建，强调人类自主性与认知互补性。
• 该方法融合了人机交互、人工智能与计算社会科学等跨学科洞见，以构建互动模型。
• 提出了一种公民科学中人机交互的分类体系，涵盖从AI辅助到AI协作的多种模式，其理论基础为人机混合智能理论。
• 通过真实公民科学项目的分析对框架进行验证，证明其在多样化科学领域中的适用性。

实验结果

研究问题

• RQ1 如何基于混合智能增强潜力，对公民科学项目进行系统性分类？
• RQ2 哪些关键维度决定了公民科学项目适合人机协作？
• RQ3 在将人工智能整合进公民科学工作流时，如何保持人类自主性与认知优势？
• RQ4 人工智能与人类智能以何种方式协同结合，可提升公民科学的科研成果？
• RQ5 公民科学中人工智能的整合，如何为更广泛语境下以人为本的人工智能发展提供启示？

主要发现

• 基于数字化水平与所需专业知识，公民科学项目可有效划分为四类，实现针对性的HI整合。
• 数字化程度高且专业知识要求低的项目最适合采用AI辅助工作流；而数字化程度低但专业知识要求高的项目则更适合采用AI协作模式。
• 所提出的HI视角为设计保留人类自主性并提升生产力的人机交互提供了结构化方法。
• 该框架使人工智能研究人员能够识别真实世界中可用于开发情境感知、以人为本的人工智能系统的公民科学应用场景。
• 本研究证明，公民科学是推进复杂现实场景中混合智能发展的可行且有价值的试验场。
• 在以人为本的设计原则指导下，公民科学中的人工智能整合可推动科研实现更高水平的可扩展性、包容性与有效性。