El crowdsourcing (participación colectiva) implica subir tareas sencillas a un sitio web como Mechanical Turk de Amazon, donde varios usuarios Web las completan a cambio de unos centavos. Las tareas suelen ser fáciles y repetitivas, labores sencillas para los humanos pero difíciles para los ordenadores, como por ejemplo clasificar imágenes. Este tipo de exte alización colectiva se ha convertido en una forma popular para las empresas de gestionar este tipo de tareas, pero hay investigadores, incluyendo el grupo de Rochester, que creen que se puede usar para objetivos más complejos.
Cuando alguien habla con Chorus -el nuevo sistema de charla que usa recursos colectivos- a través de una ventana de mensajes instantáneos, vive una experiencia prácticamente idéntica a charlar con una única persona real. Sin embargo, entre bambalinas, cada respuesta es el resultado de decenas de personas a las que se les pagan unos centavos para llevar a cabo pequeñas tareas, entre ellas, sugerir posibles respuestas y votar por las mejores sugerencias propuestas por otros trabajadores.
Se han llevado a cabo pruebas en las que a Chorus se le pedían consejos para viajar y los resultados demostraron que las respuestas eran más inteligentes que las que podría ofrecer un único individuo, porque unas siete personas contribuían con sus respuestas en cualquier momento dado. Los ayudantes construidos de esta forma también podrían resultar más baratos que pagar a un ayudante convencional. “Demuestra cómo un sistema relativamente sencillo gestionado por la masa es capaz de hacer algo que la inteligencia artificial lleva décadas intentando lograr”, afirma Jeffrey Bigham, profesor adjunto de la Universidad de Rochester y miembro del equipo de investigación que ha creado Chorus. Bigham bromea con que es más probable que Chorus pase el Test de Turing -que reta a un sistema de inteligencia artificial a engañar a alguien y que crea que es humano- que que lo haga el software convencional para chatear, aunque no cumple con la mayoría de las definiciones de inteligencia artificial.
Durante las pruebas al sistema, la gente pidió a Chorus consejos sobre restaurantes a los que ir en Los Ángeles o Nueva York y recibieron sugerencias rápidamente. Ante respuestas como “Mmmm, me parece un poco caro”, el colectivo se ponía rápidamente en marcha y sugería una alte ativa. Los sistemas de inteligencia artificial como Siri suelen tener dificultades para seguir este tipo de conversación, especialmente en lenguaje coloquial.
Bigham ha trabajado con sus compañeros de Rochester Walter Lasecki y Rachel Wesley, y con Anand Kulka i, cofundador de la empresa de crowdsourcing MobileWorks (ver "Business impact: trabajadores humanos gestionados por un algoritmo"). Su objetivo era encontrar una nueva forma de aumentar la potencia del trabajo colectivo de este tipo, que habitualmente se limita a tareas sencillas y aisladas, como añadir etiquetas a archivos de imágenes. “Lo que realmente nos interesa es el punto en el que un grupo de individuos, como colectivo, es capaz de lograr mejores resultados que un individuo experto”, explica Bentham. Su propuesta es hacerlo combinando el trabajo sobre muchas tareas sencillas en un todo coherente y complejo.
Chorus lo consigue con tres tipos de tareas sencillas. Primero, cualquier actualización de la charla hecha por el usuario humano se pasa a muchos trabajadores, a los que se les pide que sugieran una respuesta. A continuación, otros trabajadores votan sobre esas sugerencias para decidir cuál se devolverá al usuario inicial.
Un mecanismo final crea una especie de memoria de trabajo que se asegura de que las respuestas de Chorus reflejen la historia de la conversación hasta ese punto, algo clave si el objetivo es mantener conversaciones prolongadas. Este aspecto es un reto para aplicaciones como Siri e incluso para robots de charla creados para demostrar capacidades de conversación.
Para el mecanismo de memoria de trabajo, a los miembros del grupo se les pide que elaboren una lista corta de los ocho puntos más importantes del tema que se está discutiendo, para que sirvan de referencia cuando otros trabajadores sugieran respuestas. Esto es importante para permitir un flujo natural de trabajadores. “Una persona puede no estar presente a lo largo de toda la conversación, van y vienen y algunos pueden contribuir más que otros”, afirma Bentham.
Bentham sostiene que Chorus tiene el potencial de ser algo más que una demostración ingeniosa. “Queremos empezar a incluirlo en sistemas reales”, afirma. “Quizá podrías ayudar a alguien con dificultades cognitivas si tuviera un grupo como asistente personal”.
Otra posibilidad es combinar Chorus con otro sistema desarrollado anteriormente en Rochester en el que trabajadores colectivos colaboran para manejar a un robot. “¿Podrías crear un robot así, capaz de andar por ahí e interactuar inteligentemente con los humanos?”, se pregunta Bentham.
Michael Be stein, profesor adjunto de la Universidad de Stanford (EE.UU.) que en la actualidad se encuentra investigando en Facebook, está de acuerdo en que Chorus podría usarse en aplicaciones en el mundo real (ver "Adición de inteligencia humana al software"). “Podríamos pasar de lo que sucede hoy -que cuando llamas a la compañía telefónica hablas con un individuo- a un futuro en el que muchas personas con distintas destrezas trabajan juntas para actuar como un único servicio técnico increíblemente inteligente”, sostiene. Be stein afirma que el software de Chorus podría convertirse en un auténtico experto si fuera capaz de dirigir específicamente las preguntas entrantes a miembros del grupo con conocimientos o habilidades concretas.
Sin embargo, Be stein añade que quizá sea necesario añadir más pasos de repaso en Chorus para poder filtrar las sugerencias hechas por el grupo, para impedir que el programa desarrolle una 'doble personalidad' al enfrentarse a preguntas difíciles. Este es un problema recurrente a la hora de poner en práctica el crowdsourcing. Uno de los mayores retos del equipo de Rochester al crear su robot controlado por un grupo, por ejemplo, fue impedir que se chocara contra obstáculos que tenía justo delante porque la mitad del grupo lo dirigía a la izquierda y la otra mitad hacia la derecha.