|
《紐約時(shí)報》網(wǎng)站周一發(fā)表署名史蒂夫·勞爾(Steve Lohr)的文章稱(chēng)，如今計算機算法承擔了越來(lái)越多的工作，從股票買(mǎi)賣(mài)到廣告定位，從政治競選活動(dòng)到約會(huì )安排，甚至是挑選胸罩尺寸，計算機算法無(wú)處不在。 但不管算法如何演變，都不能完全脫離人工的介入而勝任當今不斷升級的需求。以下是文章全文： 
盡管計算機算法正變得越來(lái)越強 大、快速和精準，但始終還是只能理解文字字面的意思，任何上下文的引申義和細微的差異往往會(huì )成為絆腳石。即便已經(jīng)非常強大，但計算機算法還是無(wú)法破譯人類(lèi) 語(yǔ)言的模糊性和推理的奧秘。但現在人們的要求已經(jīng)大大提高，希望身邊的設備更能像一個(gè)人一樣提供信息。 因此，當編程專(zhuān)家們仍然“按部就班” 地編寫(xiě)計算機代碼時(shí)，更多的人需要加入進(jìn)來(lái)做些更微妙的貢獻。為了滿(mǎn)足用戶(hù)更深層次的需求，人們不得不對計算機算法的工作進(jìn)行評價(jià)、編輯或校正。例如，人 們收集網(wǎng)絡(luò )上的資料庫，檢查和驗證它們，然后把它們編輯成能夠響應計算機請求的表單，將答案呈現在用戶(hù)面前。在這一過(guò)程中，人類(lèi)對信息做了解釋和調整，使 之能夠同時(shí)被機器和用戶(hù)所理解。 我們不妨把這種行為稱(chēng)為新興的機械與人工協(xié)作模式，諸如蘋(píng)果語(yǔ)音助手Siri和IBM的沃森超級計算機在內的問(wèn)答技術(shù)都屬于這一范疇。在這類(lèi)技術(shù)中，單純的計算機算法是無(wú)法勝任的。 Twitter的裁判員 以 Twitter為例，該服務(wù)就動(dòng)用了很多被稱(chēng)為“裁判員”的合約工，來(lái)理解那些搜索頻率突然飆升的詞匯的語(yǔ)義和上下文意思。例如，當米特·羅姆尼 (Mitt Romney)在去年的總統競選中談及削減政府對公眾廣播的預算時(shí)提到了“大鳥(niǎo)”(Big Bird)一詞，一時(shí)間包含該詞的消息在Twitter上炸開(kāi)了鍋。很快，Twitter的人工裁判就判斷出這里的“大鳥(niǎo)”應該是一個(gè)政治評論，而非通常 意義上的意思，從而對算法做出調整——當人們搜索“大鳥(niǎo)”時(shí)，保證跳出來(lái)的是羅姆尼談?wù)摰摹按篪B(niǎo)”及其相關(guān)消息。 在這個(gè)實(shí)例中，只有人類(lèi)才 能快速而準確地理解這樣的詞匯及其背后的相關(guān)信息，軟件是無(wú)法在較短時(shí)間內完成的。同時(shí)，裁判們會(huì )立即把它加入Twitter的搜索算法，確保顯示結果與 人們期望的一致。Twitter的兩位工程師在博客中寫(xiě)道：“在這類(lèi)事件中，人工才是系統的核心�！� 谷歌搜索的評估員 即 便是在非常崇尚算法和工程的谷歌，人工對搜索結果的貢獻也越來(lái)越多。幾個(gè)月前，谷歌開(kāi)始在知名的地點(diǎn)或人物的搜索結果右邊欄顯示摘要信息，譬如當你搜索 “奧巴馬”或“紐約”時(shí)，旁邊就會(huì )出現簡(jiǎn)單的介紹。這些摘要介紹信息一般來(lái)自維基百科和其它數據庫，經(jīng)過(guò)人工編輯而成。這樣一來(lái)，當谷歌的搜索算法檢測到 這些特殊詞匯是就會(huì )調用整理好的介紹信息，而不是簡(jiǎn)單的顯示連接到其它站點(diǎn)的鏈接。 在谷歌負責搜索質(zhì)量的工程總監斯科特·霍夫曼(Scott Huffman)表示：“我們的思路有了轉變，部分搜索結果加入了人工策劃的結果�！� 除了內容策劃人員，還有其他人在幫助谷歌開(kāi)發(fā)調整搜索算法，以應對每月超過(guò)1000億次的搜索請求。他們通常被成為“評估員”�；舴蚵硎荆骸拔覀兊墓こ處熼_(kāi)發(fā)了搜索算法，但需要評估員幫助測試某一改動(dòng)是否能夠提升搜索質(zhì)量�！� 23 歲的凱瑟琳·楊(Katherine Young)是一位谷歌搜索的評估員，她是谷歌簽的合同工，目前還在上大學(xué)。楊的工作是檢測和調整模糊的搜索結果和排序問(wèn)題。譬如，針對“國王手里握的是 什么”，她需要審核現有的搜索結果，給出合理的搜索結果和先后排序。譬如，一個(gè)包含“國王手握權杖”的網(wǎng)頁(yè)會(huì )被作為合理的參考答案放在第一位。 楊表示：“評估不是非黑即白的選擇，有時(shí)你不得不將自己置于用戶(hù)的角色，然后找出合理的結果及排序�！� 沃森的醫學(xué)老師 IBM的超級問(wèn)答計算機沃森經(jīng)過(guò)了很長(cháng)時(shí)間的訓練，試圖為醫生診斷提供專(zhuān)業(yè)的答案。不過(guò)即便如此，它也需要人工的介入。 作 為“助理醫生”，沃森掌握了多種醫療書(shū)籍里面的知識。此外，沃森還會(huì )接受來(lái)自醫學(xué)院的臨床醫生們各種詢(xún)問(wèn)，不斷修正自己的知識庫。譬如，沃森可能會(huì )被問(wèn)到 這樣的問(wèn)題，“什么樣的神經(jīng)系統疾病是禁忌使用安非他酮的？”沃森的軟件系統數據庫里可能包含了安非他酮這種抗抑郁劑，但它可能會(huì )不明白禁忌是什么意思。 這時(shí)就需要人工的介入，告訴機器禁忌就是不能使用的意思，然后沃森才可能給出“癲癇癥不能使用安非他酮”這樣的答案。 IBM科學(xué)家埃里克·布朗(Eric Brown)稱(chēng)：“我們借助醫學(xué)專(zhuān)家幫助沃森學(xué)習，使它變得越來(lái)越聰明�！� 總之，我們的計算機算法正變得越來(lái)越好，但要完成更智能、更人性化的任務(wù)，它們離不開(kāi)人力的幫助。 |
