Человеческие вычисления ( HBC ), вычисления с участием человека , [1] вездесущие человеческие вычисления или распределенное мышление (по аналогии с распределенными вычислениями ) — это метод информатики , в котором машина выполняет свои функции, передавая определенные шаги людям, обычно как микроработа . 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 искусственного интеллекта на основе глубокого обучения .системы. В этом случае человеческие вычисления называются искусственным интеллектом с участием человека . [2]
В традиционных вычислениях человек использует компьютер [3] для решения задачи; человек предоставляет компьютеру формализованное описание проблемы и алгоритм и получает решение для интерпретации. Человеческие вычисления часто меняют роли; компьютер просит человека или большую группу людей решить проблему, затем собирает, интерпретирует и объединяет их решения. Это превращает гибридные сети людей и компьютеров в «крупномасштабные распределенные вычислительные сети» [4] , где код частично выполняется в человеческом мозгу и на кремниевых процессорах.
Исследование человеческих вычислений (помимо исторического значения «компьютера ») берет свое начало в ранних работах по интерактивным эволюционным вычислениям (EC). Идея интерактивных эволюционных алгоритмов принадлежит Ричарду Докинзу . В программном обеспечении Biomorphs, сопровождающем его книгу The Blind Watchmaker.(Dawkins, 1986) предпочтение человека-экспериментатора используется для управления эволюцией двумерных наборов отрезков. По сути, эта программа требует, чтобы человек был фитнес-функцией эволюционного алгоритма, чтобы алгоритм мог использовать человеческое визуальное восприятие и эстетическое суждение, чтобы делать то, что не может сделать обычный эволюционный алгоритм. Однако трудно получить достаточно оценок от одного человека, если мы хотим развить более сложные формы. Виктор Джонстон и Карл Симсрасширили эту концепцию, используя возможности многих людей для оценки пригодности (Caldwell and Johnston, 1991; Sims, 1991). В результате их программы могли создавать красивые лица и произведения искусства, привлекательные для публики. Эти программы эффективно изменили обычное взаимодействие между компьютерами и людьми. В этих программах компьютер больше не агент своего пользователя, а вместо этого координатор, объединяющий усилия многих людей-оценщиков. Эти и другие подобные исследовательские усилия стали предметом исследований в области эстетического отбора или интерактивных эволюционных вычислений (Takagi, 2001), однако объем этого исследования был ограничен внешней оценкой и, как следствие, он не полностью исследовал весь потенциал аутсорсинг.
Концепция автоматического теста Тьюринга, предложенная Мони Наор (1996), является еще одним предшественником человеческих вычислений. 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 людей среди них. Набор задач подобран таким образом, что они не имеют алгоритмического решения, которое было бы одновременно эффективным и действенным в данный момент. Если бы он существовал, такой алгоритм мог бы быть легко выполнен компьютером, что привело бы к проигрышу теста. На самом деле Мони Наор скромно назвал это автоматическим тестом Тьюринга. Игра в имитацию, описанная Аланом Тьюрингом(1950) не предлагали использовать задачи CV. Он всего лишь предлагал конкретную задачу НЛП, в то время как тест Наора выявляет и исследует большой класс проблем, не обязательно относящихся к области НЛП, которые можно использовать для одной и той же цели как в автоматизированных, так и в неавтоматизированных версиях теста.