[论文解读] A U.S. Research Roadmap for Human Computation

Pietro Michelucci, Lea Shanley+3 more|arXiv (Cornell University)|Jan 1, 2015

Mobile Crowdsensing and Crowdsourcing参考文献 9被引用 2

一句话总结

本文提出了一项美国国家级的人机协同计算研究计划，旨在通过整合人类智能与机器智能来解决复杂的社会问题。该计划倡导建立一个跨学科的国家级研究中心，以推进利用人类认知与计算系统相结合的方法，实现在医疗、环境和危机应对等领域的可扩展、可重复的解决方案。

ABSTRACT

The Web has made it possible to harness human cognition en masse to achieve new capabilities. Some of these successes are well known; for example Wikipedia has become the go-to place for basic information on all things; Duolingo engages millions of people in real-life translation of text, while simultaneously teaching them to speak foreign languages; and fold.it has enabled public-driven scientific discoveries by recasting complex biomedical challenges into popular online puzzle games. These and other early successes hint at the tremendous potential for future crowd-powered capabilities for the benefit of health, education, science, and society. In the process, a new field called Human Computation has emerged to better understand, replicate, and improve upon these successes through scientific research. Human Computation refers to the science that underlies online crowd-powered systems and was the topic of a recent visioning activity in which a representative cross-section of researchers, industry practitioners, visionaries, funding agency representatives, and policy makers came together to understand what makes crowd-powered systems successful. Teams of experts considered past, present, and future human computation systems to explore which kinds of crowd-powered systems have the greatest potential for societal impact and which kinds of research will best enable the efficient development of new crowd-powered systems to achieve this impact. This report summarize the products and findings of those activities as well as the unconventional process and activities employed by the workshop, which were informed by human computation research.

研究动机与目标

• 应对日益增长的对可扩展、可重复系统的需求，以结合人类与机器智能来解决大规模社会问题。
• 通过促进跨学科协作，弥合人机协同计算在方法论和基础设施方面的缺口。
• 通过国家级的协调研究资助和政策支持，加速人机协同计算的创新。
• 制定标准化框架和工具，以提高人机协同计算系统的可靠性与可重复性。
• 建立一个以 SESYNC 为模板的国家级中心，作为人机协同计算领域跨学科研究和方法论进步的枢纽。

提出的方法

• 组织国家级峰会，识别人机协同计算中的关键挑战、机遇和研究优先事项。
• 通过愿景工作坊制定结构化路线图，重点强调参与、分析、架构、设计方法和基础设施。
• 提出建立国家级人机协同计算中心，作为来自不同学科的研究人员、实践者和利益相关者的协作枢纽。
• 整合来自实际应用的案例研究（例如，Project Houston、UpRiver、Pathways to Radiology），以指导方法论的发展。
• 采用参与式设计和迭代优化流程，基于成功案例和利益相关者反馈来塑造解决方案概念。
• 建立政策和资金机制，以支持人机协同计算领域长期、大规模的研究与开发。

实验结果

研究问题

• RQ1 如何系统性地结合人类与机器智能，以解决大规模社会问题？
• RQ2 需要哪些方法论和基础设施框架，以确保人机协同计算系统具备可重复性和可扩展性？
• RQ3 何种机构模式——尤其是国家级中心——最能有效支持人机协同计算的跨学科研究？
• RQ4 如何有效将公民、科学家和政策制定者等多元利益相关者整合进人机协同计算工作流程？
• RQ5 构建可靠、可重复且具有影响力的智能计算系统的关键设计原则和评估指标是什么？

主要发现

• 国家级人机协同计算计划对于释放人类认知与机器处理相结合的全部变革潜力至关重要。
• 建立一个以 SESYNC 为模板的国家级人机协同计算中心，将为跨学科协作和方法论创新提供必要的基础设施。
• Project Houston 和 UpRiver 等案例研究证明了人机协同计算在医疗、环境监测和危机响应中的可行性与影响力。
• 当前的人机协同计算系统在方法论成熟度和可重复性方面仍显不足，亟需标准化框架和共享工具。
• 各级别资金和政策支持对于推动人机协同计算从孤立项目迈向系统性、可持续的影响至关重要。
• 所提出的路线图将架构、设计方法和基础设施确定为未来该领域研究与开发的基石。