[论文解读] Crowd Memory: Learning in the Collective

Walter S. Lasecki, Samuel White+2 more|arXiv (Cornell University)|Apr 17, 2012

Mobile Crowdsensing and Crowdsourcing参考文献 12被引用 23

一句话总结

本文提出了「群体记忆」的概念——即通过经验与共享策略，群体能够随时间共同学习并保留知识。通过实时游戏和 Mechanical Turk 实验，证明了群体可在工人代际更替中传递知识，实现动态任务中的持续学习与性能提升，即使存在高流动性。

ABSTRACT

Crowd algorithms often assume workers are inexperienced and thus fail to adapt as workers in the crowd learn a task. These assumptions fundamentally limit the types of tasks that systems based on such algorithms can handle. This paper explores how the crowd learns and remembers over time in the context of human computation, and how more realistic assumptions of worker experience may be used when designing new systems. We first demonstrate that the crowd can recall information over time and discuss possible implications of crowd memory in the design of crowd algorithms. We then explore crowd learning during a continuous control task. Recent systems are able to disguise dynamic groups of workers as crowd agents to support continuous tasks, but have not yet considered how such agents are able to learn over time. We show, using a real-time gaming setting, that crowd agents can learn over time, and `remember' by passing strategies from one generation of workers to the next, despite high turnover rates in the workers comprising them. We conclude with a discussion of future research directions for crowd memory and learning.

研究动机与目标

• 探究群体如何随时间共同学习并记忆信息，挑战‘群体工作者始终缺乏经验’的假设。
• 探索在工人更替背景下，群体代理维持记忆与策略的持续人机计算任务的可行性。
• 设计支持群体长期知识保留与传递的系统，受组织学习理论启发。
• 通过将群体建模为具有记忆的单一演化代理，实现更复杂、持久的人机计算任务。
• 研究沟通、示范点与历史日志如何增强群体中的集体记忆与学习。

提出的方法

• 在 Amazon Mechanical Turk 上开展实验，通过重新招募工人，在 0–12 小时内测试群体记忆的保留情况。
• 使用实时游戏环境（Legion）模拟持续控制任务，使群体作为单一代理运作。
• 实施‘示范点’——提供反馈并编码先前知识的事件——实现新工人对知识的隐性传递。
• 探索基于排名的论坛与自动事件日志（如截图、视频）等机制，以支持长期沟通与知识共享。
• 提出在多个会话中重叠招募工人，以随时间逐步扩展群体的集体知识库。
• 研究通过多工人协作重构并保留信息，以实现分布式认知负荷与记忆，使群体整体记忆能力超越单个工人。

实验结果

研究问题

• RQ1 即使存在工人更替与个体记忆衰退，群体是否仍能长期保留与任务相关知识？
• RQ2 在持续任务中，知识如何从一代群体工作者隐性传递至下一代？
• RQ3 在高工人更替背景下，哪些机制可实现群体代理的集体学习与记忆？
• RQ4 沟通与历史日志在多大程度上可增强群体的长期知识保留？
• RQ5 通过分布式处理与共享记忆，群体代理的认知负荷与记忆容量能否超越单个个体？

主要发现

• 群体在 12 小时内表现出可测量的记忆保留，但随着工人回忆能力衰退与重新招募效率下降，性能有所下降。
• 示范点实现了隐性知识传递，使新工人无需明确指导即可继承有效策略。
• 在多个会话中重叠招募先前工人，使群体代理能够随时间逐步扩展其知识库。
• 历史日志与排名论坛支持长期沟通，并帮助新工人发现相关过往决策。
• 由于分布式处理与共享记忆，群体代理展现出潜在的扩展工作记忆与更高认知负荷，超越单个工人。
• 通过多工人分别回忆信息的不同部分，集体记忆实现了比单个工人更高的整体保留率。