Software agent與human agent相互合作－－合作式設計的最佳範例

由 How to casting uncertain human computing hours 談起

數位運算技術在影像辨識的相關研究一直沒有明顯的突破，例如“影像資訊擷取“這類的工作，還是人力比較能勝任。因此，如何運用 Web 2.0 的精神 “meshup power“，誘使廣大的網民(在網際網路上的人類)來做這類工作，是一項有趣又可行的研究。不過這樣的研究，好像是在回應美國科幻大師艾西莫夫所諸揭的未來場景－“人力“其實是“機械或cybrog“族類的奴隸。如果艾氏所言不假，那機械統治世界的時日又要向前邁進一步了。

太科幻也是Cybroging的一種迷思，回到現實面上，一個最直接的應用是，當你想快速地在www.flickr.com上申請一百萬個帳號，那正常程序是你得解決一百萬張小影像上文數字的解碼(需解碼影像)。目前這樣的工作因為電腦的誤判率太高了，還沒有任何演算法能勝任。所以，在自動申請帳號的程式中，如果能巧妙安排當 flickr 送出需解碼影像時，系統就將這個影像安排到一個線上遊戲當中，等待線上網民來用他的人力(眼睛和他的大腦解譯)代替電腦運算，然後傳回網民的輸入結果，只要線上遊戲夠火熱，也就是網民不玩這個遊戲會很難過，一定得先幫你做解碼影像的運算，這樣就可能達到快速申請帳號的需求了。

其實，這就是software agent與human agent相互合作的最佳範例。同樣的想法如果應用在“合作式設計“的行為上，那大部分需要設計專家意見的案例分析這個半個世紀以來科學家一直挑戰電腦技術極限的工作－－專家系統或智能系統，真的還不如回歸人力。但這回可以不只是所謂的專家意見，所有網民都是案例分析的好手，只要你題目設計的簡單易懂，然後有絕佳的誘因，簡單的回應系統等程序。複雜的案例分析作業就像孔明借箭般地不費吹灰之力，以省時省力的方式完成。此外，所得結果又有廣大意見為基礎(ground truth)，那這樣的案例分析結果，絕對勝過任何單板又無用武之地的專家系統。