Вычисления, основанные на человеческом факторе
Техника компьютерных наук

Human-based computing ( HBC ), human-assisted computing , [1] повсеместное человеческое вычисление или распределенное мышление (по аналогии с распределенными вычислениями ) — это метод компьютерной науки , в котором машина выполняет свою функцию, передавая определенные шаги людям, обычно в качестве микроработы . Этот подход использует различия в способностях и альтернативных затратах между людьми и компьютерными агентами для достижения симбиотического взаимодействия человека и компьютера. Для вычислительно сложных задач, таких как распознавание изображений, человеческие вычисления играют центральную роль в обучении систем искусственного интеллекта на основе глубокого обучения . В этом случае человеческие вычисления называются искусственным интеллектом с помощью человека . [2]

В традиционных вычислениях человек использует компьютер [3] для решения проблемы; человек предоставляет компьютеру формализованное описание проблемы и алгоритм и получает решение для интерпретации. [4] Человеческие вычисления часто меняют роли; компьютер просит человека или большую группу людей решить проблему, [5] затем собирает, интерпретирует и интегрирует их решения. Это превращает гибридные сети людей и компьютеров в «крупномасштабные распределенные вычислительные сети». [6] [7] [8] где код частично выполняется в человеческом мозге и на кремниевых процессорах.

Ранние работы

Исследования вычислений на основе человека (помимо исторического значения «компьютер ») берут свое начало в ранних работах по интерактивным эволюционным вычислениям (EC). [9] Идея интерактивных эволюционных алгоритмов была приписана Ричарду Докинзу ; в программном обеспечении Biomorphs, сопровождающем его книгу «Слепой часовщик» (Докинз, 1986) [10], предпочтение человека-экспериментатора используется для руководства эволюцией двумерных наборов отрезков линий. По сути, эта программа просит человека быть функцией приспособленности эволюционного алгоритма, так что алгоритм может использовать человеческое визуальное восприятие и эстетическое суждение, чтобы сделать то, что обычный эволюционный алгоритм сделать не может. Однако трудно получить достаточно оценок от одного человека, если мы хотим развить более сложные формы. Виктор Джонстон [11] и Карл Симс [12] расширили эту концепцию, используя возможности многих людей для оценки приспособленности (Колдуэлл и Джонстон, 1991; Симс, 1991). В результате их программы смогли создавать красивые лица и произведения искусства, привлекательные для публики. Эти программы фактически изменили обычное взаимодействие между компьютерами и людьми. В этих программах компьютер больше не является агентом своего пользователя, а вместо этого является координатором, объединяющим усилия многих людей-оценщиков. Эти и другие подобные исследовательские усилия стали темой исследований в области эстетического отбора или интерактивных эволюционных вычислений (Такаги, 2001), однако сфера этого исследования была ограничена аутсорсингом оценки и, как следствие, оно не полностью исследовало весь потенциал аутсорсинга.

Концепция автоматического теста Тьюринга, впервые предложенная Мони Наором (1996) [13], является еще одним предшественником вычислений, основанных на человеке. В тесте Наора машина может контролировать доступ людей и компьютеров к сервису, бросая им вызов с помощью задачи обработки естественного языка (NLP) или компьютерного зрения (CV), чтобы идентифицировать среди них людей. Набор задач выбирается таким образом, чтобы у них не было алгоритмического решения, которое было бы одновременно эффективным и действенным на данный момент. Если бы он существовал, такой алгоритм мог бы быть легко выполнен компьютером, тем самым пройдя тест. На самом деле, Мони Наор был скромен, назвав это автоматизированным тестом Тьюринга. Имитационная игра, описанная Аланом Тьюрингом (1950), не предлагала использовать задачи CV. Она предлагала только конкретную задачу NLP, в то время как тест Наора выявляет и исследует большой класс задач, не обязательно из области NLP, которые можно было бы использовать для той же цели как в автоматизированных, так и в неавтоматизированных версиях теста.

Наконец, генетический алгоритм на основе человека (HBGA) [14] поощряет участие человека в нескольких различных ролях. Люди не ограничены ролью оценщика или какой-либо другой предопределенной ролью, но могут выбирать для выполнения более разнообразного набора задач. В частности, они могут вносить свои инновационные решения в эволюционный процесс, вносить постепенные изменения в существующие решения и выполнять интеллектуальную рекомбинацию. [15] Короче говоря, HBGA позволяет людям участвовать во всех операциях типичного генетического алгоритма . В результате этого HBGA может обрабатывать решения, для которых нет доступных вычислительных инновационных операторов, например, естественных языков. Таким образом, HBGA устранил необходимость в фиксированной репрезентативной схеме, которая была ограничивающим фактором как стандартного, так и интерактивного EC. [16] По словам Алекса Косорукова и Дэвида Голдберга, эти алгоритмы также можно рассматривать как новые формы социальной организации, координируемые компьютером. [17]

Классы вычислений, выполняемых человеком

Методы вычислений на основе человека объединяют компьютеры и людей в разных ролях. Косорукофф (2000) предложил способ описания разделения труда в вычислениях, который группирует методы на основе человека в три класса. В следующей таблице используется эволюционная модель вычислений для описания четырех классов вычислений, три из которых полагаются на людей в некоторой роли. Для каждого класса показан репрезентативный пример. Классификация основана на ролях (инновация или отбор), выполняемых в каждом случае людьми и вычислительными процессами. Эта таблица является срезом трехмерной таблицы. Третье измерение определяет, выполняется ли организационная функция людьми или компьютером. Здесь предполагается, что она выполняется компьютером.

Разделение труда при вычислениях
Инновационный агент
КомпьютерЧеловек

Агент по подбору персонала		КомпьютерГенетический алгоритмКомпьютеризированные тесты
ЧеловекИнтерактивный генетический алгоритмГенетический алгоритм на основе человеческого фактора

Классы вычислений, основанных на человеке, из этой таблицы можно обозначить двухбуквенными сокращениями: HC, CH, HH. Здесь первая буква определяет тип агентов, осуществляющих инновации, вторая буква указывает тип агентов отбора. В некоторых реализациях ( наиболее распространенный пример — wiki ) функциональность отбора, основанная на человеке, может быть ограничена, ее можно обозначить маленькой буквой h.

Методы вычислений, основанные на человеческом факторе

  • (HC) Darwin (Высоцкий, Моррис, Макилрой, 1961) и Core War (Джонс, Дьюдни, 1984) Это игры, в которых несколько программ, написанных людьми, соревнуются в турнире (вычислительное моделирование), в котором выживут наиболее приспособленные программы. Авторы программ копируют, изменяют и рекомбинируют успешные стратегии, чтобы повысить свои шансы на победу.
  • (CH) Интерактивный EC (Докинз, 1986; Колдуэлл и Джонстон, 1991; Симс, 1991) IEC позволяет пользователю создавать абстрактный рисунок, просто выбирая его/ее любимые изображения, поэтому человек выполняет только вычисление приспособленности, а программное обеспечение играет инновационную роль. [Unemi 1998] Стиль имитации размножения не вводит явную приспособленность, а только отбор, что проще для людей. [18]
  • (HH 2 ) Wiki ( Cunningham , 1995) позволяла редактировать веб-контент несколькими пользователями, т. е. поддерживала два типа инноваций, основанных на людях (создание новой страницы и ее постепенное редактирование). Однако механизм выбора отсутствовал до 2002 года, когда вики была дополнена историей изменений, позволяющей отменять бесполезные изменения. Это предоставило средства для выбора среди нескольких версий одной и той же страницы и превратило вики в инструмент, поддерживающий совместную эволюцию контента (что было бы классифицировано как стратегия эволюции, основанная на людях, в терминах ЕС).
  • (HH 3 ) Генетический алгоритм на основе человека (Kosorukoff, 1998) использует как отбор на основе человека, так и три типа инноваций на основе человека (внесение нового контента, мутация и рекомбинация). Таким образом, все операторы типичного генетического алгоритма передаются на аутсорсинг людям (отсюда и происхождение ). Эта идея была расширена до интеграции толпы с генетическим алгоритмом для изучения креативности в 2011 году. [ 19]
  • (HH 1 ) Приложения социального поиска принимают вклады от пользователей и пытаются использовать человеческую оценку для выбора наиболее подходящих вкладов, которые попадают в начало списка. Они используют один тип инноваций, основанных на людях. Ранняя работа была выполнена в контексте HBGA. Digg и Reddit являются популярными примерами в последнее время. См. также Collaborative filtering .
  • (HC) Компьютерные тесты. Компьютер генерирует проблему и представляет ее для оценки пользователю. Например, CAPTCHA отличает пользователей-людей от компьютерных программ, представляя проблему, которая предположительно проста для человека и сложна для компьютера. Хотя CAPTCHA являются эффективными мерами безопасности для предотвращения автоматизированного злоупотребления онлайн-сервисами, человеческие усилия, потраченные на их решение, в противном случае тратятся впустую. Система reCAPTCHA использует эти человеческие циклы для помощи в оцифровке книг, представляя слова из отсканированных старых книг, которые оптическое распознавание символов не может расшифровать. [20]
  • (HC) Интерактивные онлайн-игры: Это программы, которые извлекают знания из людей в развлекательной форме. [21] [22] [23] [24] [25]
  • (HC) «Человеческое роение» или «Социальное роение». Платформа UNU для человеческого роения устанавливает замкнутые системы в реальном времени вокруг групп сетевых пользователей, сформированных по образцу биологических роев, позволяя человеческим участникам вести себя как единый коллективный разум . [26] [27] [28] [29] [30] [31]
  • (NHC) Естественные человеческие вычисления включают в себя использование существующего человеческого поведения для извлечения вычислительно значимой работы без нарушения этого поведения. [32] NHC отличается от других форм человеческих вычислений тем, что вместо того, чтобы привлекать аутсорсинг вычислительной работы к человеческой деятельности путем поручения людям выполнения новых вычислительных задач, он предполагает использование ранее незамеченной вычислительной значимости в существующем поведении.

Стимулы к участию

В различных проектах, связанных с вычислениями, люди мотивируются одним или несколькими из следующих факторов.

  • Получение справедливой доли результата
  • Прямая денежная компенсация (например, в Amazon Mechanical Turk , ChaCha Search guide, Mahalo.com Answers members)
  • Возможность участия в глобальной информационной экономике [33]
  • Желание разнообразить свою деятельность (например, «в повседневной жизни от людей не требуется быть креативными» [34] )
  • Эстетическое удовлетворение
  • Любопытство, желание проверить, работает ли это
  • Волонтерство, желание поддержать дело проекта
  • Взаимность, обмен, взаимопомощь
  • Желание развлечься в соревновательном или кооперативном духе игры
  • Желание общаться и делиться знаниями
  • Желание поделиться пользовательской инновацией, чтобы посмотреть, сможет ли кто-то ее улучшить
  • Желание обмануть систему и повлиять на конечный результат
  • Наслаждение
  • Повышение репутации/узнаваемости в Интернете

Многие проекты исследовали различные комбинации этих стимулов. Подробнее о мотивации участников этих проектов см. в Kosorukoff, [35] и Von Hippel. [36] [37]

Человеческие вычисления как форма социальной организации

Рассматриваемые как форма социальной организации, человеческие вычисления часто неожиданно оказываются более надежными и продуктивными, чем традиционные организации. [38] Последние зависят от обязательств по поддержанию своей более или менее фиксированной структуры, функциональности и стабильности. Каждая из них похожа на тщательно спроектированный механизм, частями которого являются люди. Однако это ограничивает свободу их сотрудников-людей и подвергает их различным видам стресса. Большинству людей, в отличие от механических частей, трудно приспособиться к некоторым фиксированным ролям, которые лучше всего подходят организации. Эволюционные проекты человеческих вычислений предлагают естественное решение этой проблемы. Они адаптируют организационную структуру к человеческой спонтанности, учитывают человеческие ошибки и креативность и используют и то, и другое конструктивным образом. Это освобождает их участников от обязательств, не ставя под угрозу функциональность целого, делая людей счастливее. Есть еще несколько сложных исследовательских проблем, которые необходимо решить, прежде чем мы сможем реализовать весь потенциал этой идеи.

Алгоритмические методы аутсорсинга, используемые в вычислениях, выполняемых человеком, гораздо более масштабируемы, чем ручные или автоматизированные методы, используемые для традиционного управления аутсорсингом. Именно эта масштабируемость позволяет легко распределять усилия между тысячами (или более) участников. Недавно было высказано предположение, что этот массовый аутсорсинг достаточно отличается от традиционного мелкомасштабного аутсорсинга, чтобы заслужить новое название: краудсорсинг . [39] Однако другие утверждают, что краудсорсинг следует отличать от настоящих вычислений, выполняемых человеком. [40] Краудсорсинг действительно подразумевает распределение вычислительных задач между несколькими людьми-агентами, но Микелуччи утверждает, что этого недостаточно для того, чтобы его можно было считать вычислениями, выполняемыми человеком. Вычисления, выполняемые человеком, требуют не только того, чтобы задача была распределена между разными агентами, но и того, чтобы набор агентов, между которыми распределяется задача, был смешанным: некоторые из них должны быть людьми, а другие — традиционными компьютерами. Именно эта смесь различных типов агентов в вычислительной системе придает вычислениям, выполняемым человеком, его отличительный характер. Некоторые примеры краудсорсинга действительно соответствуют этому критерию, но не все.

Human Computation организует работников через рынок задач с API, ценами на задачи и протоколами «программное обеспечение как услуга», которые позволяют работодателям/запрашивающим лицам получать данные, произведенные работниками, непосредственно в ИТ-системы. В результате многие работодатели пытаются управлять работниками автоматически с помощью алгоритмов, а не отвечать работникам на индивидуальной основе или решать их проблемы. Реагирование на работников трудно масштабировать до уровней занятости, обеспечиваемых микроплатформами человеческих вычислений. [41] Работники в системе Mechanical Turk, например, сообщили, что работодатели, занимающиеся человеческими вычислениями, могут не реагировать на их проблемы и потребности [42]

Приложения

Помощь человека может быть полезна при решении любой ИИ-полной проблемы, которая по определению является задачей, невыполнимой для компьютеров, но выполнимой для людей. Конкретные практические приложения включают:

Критика

Вычисления, основанные на человеке, подвергались критике как эксплуататорские и обманчивые, способные подорвать коллективные действия. [45] [46]

В социальной философии утверждается, что человеческие вычисления являются неявной формой онлайн-труда. [47] Философ Райнер Мюльхофф различает пять различных типов «машинного захвата» человеческой микроработы в «гибридных сетях человек-компьютер»: (1) геймификация, (2) «захват и отслеживание» (например, CAPTCHA или отслеживание кликов в поиске Google), (3) социальная эксплуатация (например, пометка лиц на Facebook), (4) добыча информации и (5) работа с кликами (например, на Amazon Mechanical Turk ). [48] [49] Мюльхофф утверждает, что человеческие вычисления часто вливаются в системы искусственного интеллекта на основе глубокого обучения , явление, которое он анализирует как «искусственный интеллект, поддерживаемый человеком».

Смотрите также

Ссылки

  1. ^ Шахаф, Дафна; Амир, Эяль (28 марта 2007 г.). «На пути к теории полноты ИИ» (PDF) . Проверено 12 мая 2022 г.
  2. ^ Мюльхофф, Райнер (2019-11-06). «Искусственный интеллект с поддержкой человека: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые медиа и общество . 22 (10): 1868– 1884. doi : 10.1177/1461444819885334 . ISSN  1461-4448. S2CID  209363848.
  3. ^ Термин «компьютер» используется в современном значении слова «компьютер», а не в значении « человек-компьютер».
  4. ^ Тьюринг, Алан М. (1950). "Вычислительная техника и интеллект" (PDF) . Получено 12 мая 2022 г.
  5. ^ Фогарти, Теренс К. (20 августа 2003 г.). "Автоматическая эволюция понятий". Вторая международная конференция IEEE по когнитивной информатике, 2003 г. Труды . стр. 89. doi :10.1109/COGINF.2003.1225961. ISBN 0-7695-1986-5. S2CID  30299981 . Получено 21 июня 2021 г. .
  6. ↑ фон Ан, Луис (22 августа 2012 г.), Human Computation, т. Google Tech Talk 26 июля 2006 г., заархивировано из оригинала 2021-12-19 , извлечено 2019-11-22. Цитируется по Мюльхоффу, Райнеру (2019). «Искусственный интеллект с поддержкой человека: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые медиа и общество: 146144481988533. doi:10.1177/1461444819885334. ISSN 1461-4448.
  7. ^ Джентри, Крейг; Рамзан, Зульфикар; Стабблбайн, Стюарт. «Безопасные распределенные человеческие вычисления» (PDF) . Получено 12 мая 2022 г.
  8. ^ Джентри, Крейг; Рамзан, Зульфикар; Стабблбин, Стюарт (2005). «Безопасные распределенные человеческие вычисления». Безопасные распределенные человеческие вычисления . Конспект лекций по информатике. Том 3570. С.  328– 332. doi :10.1007/11507840_28. ISBN 978-3-540-26656-3. Получено 12 мая 2022 г. .
  9. ^ Херди, Майкл (1996). Стратегии эволюции с субъективным отбором. Основные концепции эволюционных вычислений. Том 1141, стр. 22–31. стр.  22–31 . doi :10.1007/3-540-61723-X_966. ISBN 9783540706687. Получено 12 мая 2022 г. .
  10. ^ Докинз, Ричард. "Слепой часовщик" . Получено 12 мая 2022 г.
  11. ^ Джонстон, Виктор. "Метод и аппарат для создания композитов человеческих лиц". Архивировано из оригинала 14 октября 2013 г. Получено 12 мая 2022 г. Патент США 5,375,195
  12. ^ Симс, Карл П. "Компьютерная система и метод генерации и мутации объектов путем итеративной эволюции". Архивировано из оригинала 14 октября 2013 г. Получено 12 мая 2022 г. Патент США 6,088,510
  13. ^ Наор, Мони. «Проверка человека в петле или идентификация с помощью теста Тьюринга» . Получено 12 мая 2021 г.
  14. ^ Косорукофф, А. (2001). "Генетический алгоритм на основе человека". Генетический алгоритм на основе человека . Том 5. С.  3464–3469 . doi :10.1109/ICSMC.2001.972056. ISBN 0-7803-7087-2. S2CID  13839604 . Получено 12 мая 2022 г. .
  15. ^ Фогарти, Теренс К.; Хаммонд, Мишель О. «Кооперативная OuLiPian (Ouvroir de littérature potentielle) Generative Literature Using Human-Based Evolutionary Computing» (PDF) . Получено 12 мая 2022 г.
  16. ^ Такаги, Хидеюки (сентябрь 2001 г.). «Интерактивные эволюционные вычисления: слияние возможностей оптимизации EC и человеческой оценки», стр. 1275–1296. Труды IEEE . 89 (9): 1275–1296 . doi :10.1109/5.949485. hdl : 2324/1670053 . S2CID  16929436. Получено 12 мая 2022 г.
  17. ^ "Эволюционное вычисление как форма организации, стр. 965-972" (PDF) . Архивировано из оригинала (PDF) 7 июля 2011 г. . Получено 12 мая 2022 г. .
  18. ^ Unemi, Tastsuo (1998). «Проект многопрофильного пользовательского интерфейса для имитации селекции», стр. 489-494. Труды конференции Корейского института интеллектуальных систем : 489–494 . Получено 12 мая 2022 г.
  19. ^ Ю, Ликсиу; Никерсон, Джеффри В. (7 мая 2011 г.). Повара или сапожники?: Креативность толпы через комбинирование. С.  1393– 1402. doi :10.1145/1978942.1979147. ISBN 9781450302289. S2CID  11287874 . Получено 12 мая 2022 г. .
  20. ^ фон Ан, Луис; Маурер, Бенджамин; Макмиллен, Колин; Абрахам, Дэвид; Блюм, Мануэль (12 сентября 2008 г.). "reCAPTCHA: Распознавание символов на основе человека с помощью мер веб-безопасности" (PDF) . Получено 12 мая 2022 г. .
  21. ^ Бергенер, Робин. "20Q . net. Двадцать вопросов. Нейронная сеть в Интернете. Играть в двадцать вопросов". Архивировано из оригинала 29 февраля 2000 года . Получено 12 мая 2022 года .
  22. ^ фон Ан, Луис; Даббиш, Лора. «Маркировка изображений с помощью компьютерной игры» (PDF) . Получено 12 мая 2022 г.
  23. ^ фон Ан, Луис; Кедия, Михир; Блюм, Мануэль. «Многословие: игра для сбора здравых фактов» (PDF) . Проверено 12 мая 2022 г.
  24. ^ фон Ан, Луис; Гиносар, Шири; Кедия, Михир; Лю, Руоран; Блюм, Мануэль. «Улучшение доступности Интернета с помощью компьютерной игры» (PDF) . Проверено 12 мая 2022 г.
  25. ^ фон Ан, Луис (19 июля 2011 г.). «Метод маркировки изображений с помощью компьютерной игры» . Получено 12 мая 2022 г.[ постоянная мертвая ссылка ‍ ] Патент США 7,980,953
  26. ^ Розенберг, Луис Б. «Человеческие стаи: парадигма коллективного интеллекта в реальном времени» (PDF) . Колледж LSA Мичиганского университета . Получено 12 мая 2021 г. .
  27. ^ "Swarms: a real-time paradigm for Collective intelligence". Архивировано из оригинала 27 октября 2015 года . Получено 12 мая 2022 года .
  28. ^ Санстейн, Касс Р. (16 августа 2006 г.). «Инфотопия: как много умов производят знания». SSRN  924249 . Получено 12 мая 2022 г. .
  29. ^ Malone, Thomas W.; Laubacher, Robert; Dellarocas, Chrysanthos (3 февраля 2009 г.). «Использование толпы: картирование генома коллективного интеллекта». doi : 10.2139/ssrn.1381502. hdl : 1721.1 / 66259 . S2CID  110848079. SSRN  1381502. Получено 12 мая 2022 г. {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  30. ^ "Human Swarms, метод коллективного интеллекта в реальном времени". Архивировано из оригинала 27 октября 2015 г. Получено 12 октября 2015 г.
  31. ^ "Swarms of Humans Power AI Platform: Discovery News". Архивировано из оригинала 21 июня 2015 г. Получено 21 июня 2015 г.
  32. ^ Эстрада, Дэниел и Джонатан Лохед, «Игра в экономику внимания» в The Springer Handbook of Human Computation, Pietro Michelucci (ред.), (Springer, 2014)
  33. ^ Шрайнер, Эндрю; Ортер, Дэниел (2014). «Нет, на самом деле, (работа толпы) — это серебряная пуля». Procedia Engineering . 78 (2014): 224– 228. doi : 10.1016/j.proeng.2014.07.060 .
  34. ^ (Вопросы и ответы) Ваше задание: Искусство
  35. ^ Косорукофф, Александр. "Структуры социальной классификации. Оптимальное принятие решений в организации" (PDF) . Архивировано из оригинала (PDF) 7 июля 2011 г. . Получено 12 мая 2022 г. .
  36. ^ Фон Хиппель, Эрик. «Демократизация инноваций» . Получено 12 мая 2022 г.
  37. ^ фон Хиппель, Эрик (2005). Демократизация инноваций. Книжные коллекции по проекту MUSE. MIT Press . ISBN 978-0-262-00274-5. Получено 17 июня 2024 г. .
  38. ^ Косорукофф, Александр; Голдберг, Дэвид (2002). "Эволюционное вычисление как форма организации" (PDF) . Архивировано из оригинала (PDF) 7 июля 2011 г. . Получено 12 мая 2022 г. .
  39. ↑ Howe, Jeff (июнь 2006 г.). «Расцвет краудсорсинга». Wired . Получено 12 мая 2022 г.
  40. ^ Микелуччи, Пьетро. Справочник по человеческим вычислениям . Получено 12 мая 2022 г.
  41. ^ Ирани, Лилли (2015). «Культурная работа микроработы». Новые медиа и общество . 17 (5): 720– 739. doi :10.1177/1461444813511926. S2CID  377594.
  42. ^ Irani, Lilly; Silberman, Six (2013). "Turkopticon". Труды конференции SIGCHI по человеческому фактору в вычислительных системах. Chi '13. стр.  611– 620. doi :10.1145/2470654.2470742. ISBN 9781450318990. S2CID  207203679.
  43. ↑ US 7599911, Manber, Udi & Chang, Chi-Chao, «Метод и аппарат для ранжирования поиска с использованием человеческого ввода и автоматизированного ранжирования», опубликовано 2009-10-06, передано Yahoo! Inc. 
  44. ^ "Метод и аппарат для ранжирования поиска с использованием человеческого ввода и автоматизированного ранжирования" . Получено 12 мая 2022 г.
  45. ^ Зиттрейн, Джонатан (20 июля 2019 г.). "Minds for Sale" . Получено 12 мая 2022 г. .
  46. ^ Джафаринаими, Нассим (7 февраля 2012 г.). Изучение характера участия в социальных сетях: случай Google Image Labeler. стр.  72–79 . doi :10.1145/2132176.2132186. ISBN 9781450307826. S2CID  7094199 . Получено 12 мая 2022 г. .
  47. ^ Мюльхофф, Райнер (2020). «Искусственный интеллект с поддержкой человека: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые медиа и общество . 22 (10): 1868–1884 . doi : 10.1177/1461444819885334 . S2CID  209363848.
  48. ^ Мюльхофф, Райнер (2019-11-06). «Искусственный интеллект с поддержкой человека: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения». Новые медиа и общество . 22 (10): 1868– 1884. doi : 10.1177/1461444819885334 . ISSN  1461-4448. S2CID  209363848.
  49. ^ Мюльхофф, Райнер. «Искусственный интеллект с поддержкой человека: или как выполнять большие вычисления в человеческом мозге? К медиасоциологии машинного обучения» (PDF) . Получено 12 мая 2022 г.
Взято с "https://en.wikipedia.org/w/index.php?title=Вычисления_на_основе_человека&oldid=1248343685"