Люди — социальные существа. Для большинства из нас обычный день наполнен социальными взаимодействиями. Мы общаемся с семьей и друзьями. Говорим с коллегами по работе. И даже с незнакомцами мы обмениваемся информацией.
Социальное взаимодействие — это не просто разговор: мы вступаем в зрительный контакт, киваем головой, жестикулируем, корректируем положение тела. Мы не только вовлечены во взаимодействие, но и проявляем удивительный уровень чувствительности по отношению к поведению окружающих. Наш мир наполнен социальными сигналами, поставляющими нам полезный материал для умозаключений, планирования и действий. Мы проявляем интерес к толпе на улице, собравшейся неподалеку. Мы принимаем решение не останавливаться у этого магазина, потому что на ближайшей к нему автопарковке нет свободных мест. Мы присоединяемся к стоячим овациям, даже несмотря на то, что нам не очень понравилось представление. Социальные взаимодействия, подобные этим, привносят смысл, интерес и содержательность в нашу повседневную жизнь.
1. Социальные вычисления: что это такое и откуда оно взялось?
Социальные вычисления (Social computing) неразрывно связаны с цифровыми системами, поддерживающими интерактивные общественные взаимодействия. Некоторые интерактивные взаимодействия со всей очевидностью являются социальными — например, обмен электронными письмами, фотографиями и мгновенными сообщениями. Эти взаимодействия являются первоначально-социальными, поскольку они касаются людей, которых мы знаем. Но другие виды онлайн-активности также считаются социальными — создание лендинга, торги в Интернете за какой-то лот на eBay, подписка на обновления чьего-то аккаунта в сервисе микроблогов Twitter, редактирование статьи в Википедии. Эти действия могут не быть связаны с людьми, знакомыми нам, и могут не приводить к личному взаимодействию, но тем не менее они являются социальными, поскольку мы совершаем их, принимая во внимание других людей: вера в то, что у нас имеется некая аудитория, — даже если она состоит из незнакомцев, с которыми мы никогда не встретимся, — определяет то, что мы делаем, как мы это делаем и почему мы это делаем.
Следовательно, когда мы говорим о социальных вычислениях, то имеем в виду цифровые системы, поддерживающие общественные взаимодействия. Это коммуникационные механизмы, при помощи которых мы можем обмениваться информацией друг с другом, а также фиксировать наши действия онлайн. Таково определение «социальные вычисления», а теперь рассмотрим истоки этого явления.
Корни социальных вычислений восходят к 1960-м годам, когда люди поняли, что компьютеры могут использоваться также для коммуникации, а не только для обработки данных. Еще в 1961 году Саймон Рамо (Simon Ramo), выдающийся американский инженер, говорил о «миллионах умов, связанных воедино» и предполагал «степень участия граждан [в социальной жизни], сегодня немыслимую».
Саймон Рамо
Возможно, самым известным предсказанием будущего компьютеров была статья исследователей Джозефа Ликлайдера (Joseph Licklider) и Роберта Тэйлора (Robert Taylor) «Компьютер как коммуникационное устройство» (The Computer as a Communication Device), в которой они писали об «интерактивных сообществах географически разделенных людей», организованных вокруг общих интересов и применяющих развитые компьютерные информационных технологии.
Иллюстрация из книги «Компьютер как коммуникационное устройство»
Первые системы, поддерживающие компьютерные информационные технологии общего назначения, появились в 1970-х годах. В качестве примеров можно привести новаторские системы EMISSARY и EIES, разработанные основоположником компьютерных средств связи Мюрреем Тероффом (Murray Turoff) для «компьютерных конференций» в Иллинойском университете (University of Illinois) и первого списка электронной рассылки в компьютерной системе ARPANET. За ним последовали и другие разработчики, и в 1980-х годах наблюдалось расцвет онлайн-систем, поддерживающих социальное взаимодействие посредством обмена текстовыми сообщениями: системы информационных бюллетеней, протокол прикладного уровня для обмена сообщениями в режиме реального времени (Internet Relay Chat — IRC) и компьютерная сеть USENET. В начале 1990-х годов продолжалось совершенствование базовых коммуникационных технологий, приведшее к появлению интернета в современном понимании. Хотя вначале интернет лишь условно поддерживал социальное взаимодействие, позволяя людям отображать в Сети некий контент и ссылаться на веб-страницы других пользователей, он ознаменовал начало широкого распространения и совместного использования цифрового информационного контента населением в целом.
Техническая архитектура сети USENET
По мнению Томаса Эриксона (Thomas Erickson), разработчика интеракций и исследователя систем искусственного интеллекта в IBM Watson Labs, социальные вычисления стали самостоятельным явлением в конце 1990-х и начале 2000-х, когда цифровые системы стали способны выполнять нечто большее, чем просто выступать в качестве платформы для обмена онлайн-контентом и общения. Важнейшим событием стало появление у цифровых систем способности обрабатывать контент, создаваемый в процессе социального взаимодействия, и возвращать результаты этой обработки обратно в систему.
Другими словами, хотя онлайн-конференции, письма и чаты служили платформами по обмену информацией, саму беседу понимали только люди. Цифровые системы лишь обеспечивали пассивную среду, через которую они взаимодействовали. Современные социальные вычисления появились тогда, когда цифровые системы начали обрабатывать пользовательский контент и использовать его в своих целях, что зачастую было связано с созданием дополнительных ценностей и функционала.
Хорошим примером создания ценности путем обработки пользовательского контента является Pagerank, алгоритм, используемый поисковой системой Google. Фундаментальный принцип Pagerank заключается в том, что важность веб-страницы можно оценить, посмотрев на количество ссылок, указывающих на нее (с учетом важности ссылающихся страниц, которые могут быть рекурсивно оценены таким же образом). Основополагающая идея состоит в том, что создание ссылки на страницу является указанием на то, что данная страница в той или иной степени важна для пользователей Интернета. Это ранний и очень примечательный пример признания того, что действия большого числа людей в Сети могут использоваться для предоставления ценности.
Итак, в 70-х годах прошлого века цифровые системы начинают удовлетворять потребности в людей в социальной активности, первоначально выступая в качестве платформ, поддерживающих онлайн-общение и другую коллективную деятельность. Но через некоторое время происходит важный сдвиг: системы стали способны использовать продукты социальной активности своих пользователей, чтобы приносить людям дополнительную пользу, что, в свою очередь, увеличило их применение.
2. Пример: механизм социальных вычислений
От абстрактных рассуждений перейдем к рассмотрению типичного примера из практики компании Amazon. Как известно, Amazon — это своего рода «онлайн-универмаг», продающий широкий ассортимент товаров от своего имени, а также предоставляющий свою торговую площадку в Интернете в распоряжение сторонних ритейлеров.
Хотя в основном бизнесе компании — продаже товаров онлайн — нет ничего, что требовало бы социальных вычислений, Amazon примечателен тем, что он использует Social computing как механизм, позволяющий компании выделиться на фоне конкурентов. Для иллюстрации этого утверждения внимательно рассмотрим ее механизм рецензирования.
Amazon позволяет своим пользователям создавать онлайн-обзоры продуктов. Каждый обзор состоит из текстового эссе, оценки по 5-балльной шкале и имени автора рецензии. Продукты могут собирать много отзывов — например, планка оперативной памяти CORSAIR DDR4 на 8Гб 2,4ГГц удостоилась более 2000 обзоров. Однако если бы речь шла о диапазоне охвата данного механизма, эти сведения были бы интересными и полезными, но только не для социальных вычислений: такая практика была доступна и ранним социальным системам, служившим платформами для создания контента, понятного только пользователям. И несмотря на большое число пользовательских отзывов, маловероятно, что посетители действительно прочитают все 2 тысячи с лишним рецензий на данный электронный компонент.
Отличие, которое выделяет механизм рецензирования Amazon и перемещает его территорию социальных вычислений, заключается в том, что маркетологи компании приняли мудрое решение относительно той информации, которую они разрешили вводить пользователям. Помимо возможности составлять рейтинги продуктов, Amazon позволила покупателям рецензировать сами обзоры: они могут проголосовать за то, является ли отзыв «полезным» или нет, обозначить его как «неуместный» или добавить комментарий. И люди действительно делают это. За «самый полезный» обзор представленной выше планки памяти проголосовало почти 200 пользователей, также написавших к нему 9 комментариев.
Резюме обзоров Amazon.com включает в себя элементы, показывающие (а) общую шкалу оценок и (b) наиболее полезные позитивный (с точки зрения проголосовавших читателей) и критический обзоры.
Это важно, потому что голоса пользователей и рейтинги могут применяться для извлечения ценной информации (как и в случае с Pagerank). Используя эту ее, Amazon предоставляет два компонента пользовательского интерфейса, которые значительно увеличивают полезность введенной пользователем оценки. Во-первых, это график распределения рейтингов, который предоставляет зрителям краткое резюме мнений относительно продукта. Во-вторых, это ТОП-обзоров для предварительного просмотра — например, самый полезный критический обзор и самая полезная положительная рецензия.
Эти элементы интерфейса основываются на введенных пользователями данных и упрощают людям просмотр больших объемов контента. Первый компонент объединяет результаты всех обзоров, предоставляя не только средний рейтинг, но и более информативное распределение рейтингов. Второй использует рейтинг отзывов параллельно с голосами, отданными за ту или иную рецензию, чтобы выделить конкретные обзоры. Теперь вместо того чтобы читать десятки, сотни или тысячи рецензий, вы можете сразу найти нужную вам информацию. Это увеличивает полезность механизма рецензий Amazon и, скорее всего, повышает конверсию. Кроме того, возможность быть признанным автором «наиболее полезного» обзора может послужить для рецензентов стимулом к написанию лучших отзывов. В целом, эти механизмы создают благотворную тенденцию: петли позитивной обратной связи способствуют достижению желаемых маркетологами результатов.
Эта картина точно иллюстрирует сдвиг, который начался в 2000 году. Появились системы, представлявшие собой нечто большее, чем платформы для социального взаимодействия: результаты обмена информацией стали применяться не только людьми, но и системами. Иногда обычный контент переводится в цифровой формат с помощью вычислений, как в случае с алгоритмом Google Pagerank, который «прочесывает» Интернет, пока не определит частотность поставленных ссылок. Amazon также применяет этот подход, когда использует историю покупок пользователя для идентификации тех, кто имеет схожие данные, а затем предоставляет вам рекомендации как бы от покупателей, похожих на вас в плане покупательского поведения. Иногда система просит вводить данные в форме, которую она сразу может использовать — например, в виде рейтингов Amazon и количества голосов, отданных за «полезную» рецензию, или же числа голосований за оценку «Мне это нравится», используемую в других системах. Как бы это ни происходило — способность систем обрабатывать и повторно использовать информацию, созданную посредством общественной интеракции, является отличительной чертой современных социальных вычислений.
3. Значение социальных вычислений
Почему социальные вычисления так важны? Помимо того факта, что общественное взаимодействие, поддерживаемое социальными вычислительными системами, по самой своей природе является вознаграждением для человека, существует множество способов, которыми такие системы могут обеспечить себе преимущества над чисто цифровыми системами.
Во-первых, социальные вычислительные системы позволяют добиваться нужных результатов более эффективными способами. Поскольку Amazon использует всю клиентскую базу для рецензирования продуктов, компания может намного быстрее предоставить потенциальным клиентам гораздо больше обзоров, чем если бы она полагалась на неторопливый поток рецензий, исходящих от отраслевых изданий, освещающих новинки.
Точно таким же образом онлайн-энциклопедия Википедия (Wikipedia) в своей английской редакции предлагает читателям более пяти с половиной миллионов статей и может генерировать статьи о текущих событиях буквально за одну ночь. Например, в течение часа после землетрясения и цунами в Японии, произошедших в 2011 году, в Википедии появилась статья из трех абзацев, которая, в свою очередь, в следующие 24 часа была более 1500 раз отредактирована для того, чтобы создать правильно оформленную статью с картами, фотографиями и 79 ссылками.
Второй способ, с помощью которого социальные вычисления могут приносить пользу, заключается в повышении качества этих результатов. Хорошим примером является конкурс программирования на языке MatLab (MatLab Programming Contest). MatLab — это коммерческий программный пакет для математического анализа, использующий собственный скриптовый язык, и один из способов, которым его разработчики продвигают его — это проведение соревнований по программированию. Каждое соревнование посвящено конкретной проблеме, и задача участников заключается в том, чтобы создать программу, которая решает ее как можно быстрее и полнее.
Конкурсанты предоставляют исходный код своих программ, написанный на языке MatLab, и программы сразу же оцениваются, получают баллы и вносятся в список в соответствии с полученными ими баллами. Что делает соревнование необычным и интересным, так это то, что запись (листинг) каждого исходного кода также становится доступной всем участникам. Поэтому, когда новая высоко оцененная программа предоставляется в общее пользование, другие участники загружают ее и просматривают исходный код, разыскивая способ оптимизировать его так, чтобы он работал немного быстрее. Новая подправленная версия программы может быть утверждена устроителями соревнований в качестве лучшей, соответственно и она, и ее автор окажутся на первом месте в списке участников (до тех пор, пока другой конкурсант не внесет удачные изменения в код). Поскольку этот процесс настройки повторяется десятки раз, код быстро оптимизируется, используя и интегрируя в себя специализированные знания сообщества программистов MatLab.
Коллективная оптимизация решения в конкурсе программирования с открытым исходным кодом MatLab. После введения нового алгоритма (варианты показаны красным) конкурсанты его дорабатывают путем постепенной оптимизации.
Третий способ, которым социальные вычислительные системы могут обеспечить ценность — это предоставить результаты, которые считаются более легитимными или более честными. Таким образом, если еще раз вернуться к примеру с отзывами на Amazon, то доверие покупателей к оцененному сообществом рецензенту больше, чем «официальному» рецензенту, у которого могут быть цели, не совпадающие с таковыми у обычного покупателя. Другим примером является онлайн-аукцион, в ходе которого множество людей предлагают свою цену за товары — тем, кто проиграет, может не понравиться результат, но мало кто будет утверждать, что он не является законным.
А теперь на мгновение оставим сферу цифровых технологий и обратим внимание на следующее: обоснование референдумов, на которых базируются политические системы демократических государств, заключается не в том, что они принимают более быстрые постановления, или в том, что их решения обязательно обладают более высоким качеством, а скорее в том, что они являются репрезентативными (представительными) и отражают общественный консенсус. Примечательно, что ценность референдумов и аукционов (и даже рецензирования на Amazon) может быть признана недействительной из-за сбоев в процессах их проведения — наполнения избирательных урн фальшивыми бюллетенями, скупки голосов и других форм мошенничества в ходе выборов; участия подставных лиц в онлайн-аукционах; и сговора между участниками торгов и рецензентами. В подобных случаях легитимность результатов будет подорвана; тогда демонстрация того, что решение было достигнуто более быстро или отличалось максимально высоким качеством, не имеет никакого значения. В этом случае ценность отзыва на продукт зависит от процесса, посредством которого он был получен.
Четвертый способ получения пользы от социальных вычислений — это возможность задействовать способности, присущие только людям. Например, ESP-игра, о которой мы поговорим подробнее чуть ниже, представляет собой онлайн-игру, в которой пользователь и его анонимный партнер смотрят на изображение и пытаются угадать слова, которые возникают при взгляде на объект у другого человека. Оба участника вводят слова одновременно, и когда они оба вводят одно и то же слово, то «выигрывают» и получают призовые очки; побочным эффектом этого соревнования является то, что игроки выполняют задачу — присвоение описания видимым объектам, — которую пока что не могут выполнять компьютерные программы, предназначенные для распознавания образов.
ESP-игра по угадыванию мыслей оппонента (от англ. Extra Sensory Perception — «экстрасенсорное восприятие»)
Суммируя вышесказанное, следует отметить, что существуют различные способы с помощью которых социальные вычислительные системы могут приносить пользу: они способствуют скорейшему достижению результатов за счет взаимно усиливающегося эффекта совместных действий; они могут давать более качественные результаты путем интеграции знаний нескольких участников; они, используя уникальные человеческие способности, оказываются в состоянии решать задачи, выходящие за рамки компетенции существующих цифровых систем.
Но хотя эти ценности имеют большое практическое значение, они не должны заслонять наиболее важный аспект социальных вычислений: собственно общественное взаимодействие. Повышение эффективности, качества и легитимности является большим преимуществом, но причина, по которой большинство людей взаимодействует с системами социальных вычислений, заключается в том, чтобы участвовать в самой интеракции; в смысле и опыте, которые мы извлекаем из нее; в создании и укреплении связей с другими людьми.
4. Социальные вычисления как система: ESP-игра
До сих пор мы истолковывали понятие социальных вычислений как подход, способный на нечто большее, чем обеспечивать платформу для общественных интеракций — а именно, на создание ценности. Переход к социальным вычислениям в основе своей обусловлен способностью цифровых систем обрабатывать продукты социального взаимодействия, которое они поддерживают. Продукты социального взаимодействия производятся в результате цифровой обработки: либо путем компьютерных вычислений (как Pagerank), либо путем убеждения пользователей ввести информацию в форме, которую может использовать вычислительная система (например, голосование за «полезный обзор» и 5-балльные рейтинги на Amazon).
И хотя Amazon была чрезвычайно успешна в использовании механизмов социальных вычислений, если бы компания полностью отказалась от применения Social Computing, она все равно смогла бы выполнять свою главную задачу — продавать товары через Интернет. Чтобы расширить наше понимание рассматриваемой концепции, обратимся к некоторым примерам систем социальных вычислений, то есть таких систем, которые без механизмов Social Computing попросту вообще не будут работать.
ESP-игра — это один из классов систем, которые можно охарактеризовать как способные выполнять «человеческие вычисления». Этот вид систем предназначается для того, чтобы дать возможность большому количеству людей выполнить простую задачу много раз (а зачастую — и много-много раз). Искусство проектирования систем социальных вычислений подобного типа заключается в том, чтобы суметь обнаружить область исследований с имеющейся в ней сложной проблемой, которая может быть решена путем массированного повторения решения простой — с точки зрения человека — задачи, и в определении того, как мотивировать людей-участников выполнить это несложное задание множество раз.
ESP-игра отличается как успешностью в практическом применении, так и тонкостями проектирования, лежащими в основе ее кажущейся простоты. На верхнем уровне ESP Game предлагает пользователям выполнить несложную задачу — присвоить описание изображениям Это задача, трудновыполнимая для компьютеров, но очень простая для людей. Однако тут имеется сложность: хотя люди легко решают подобные задачи, им неинтересно выполнять такие задания, что, с учетом необходимости просмотреть миллиарды изображений, становится реальной проблемой. Успех ESP Game объясняется тем, что процесс присвоения названий изображениям система подает в игровой форме и, поскольку решение задачи выглядит скорее развлечением, чем работой, в эту деятельность удалось вовлечь большое количество участников. Фактически, за первые 5 лет существования ESP Game 200 000 человек использовали ее, чтобы промаркировать более 50 миллионов изображений.
ESP-игра работает следующим образом. Пользователь переходит на веб-сайт, где после короткого ожидания он или она образуют пару с анонимным партнером, и игра начинается. Обоим участникам показывают (a) изображения и просят ввести с клавиатуры (b) слова, которые, по их мнению, лучше всего описывают картинку; им также могут быть показаны (c) «запретные слова» («Taboo words»), которые нельзя использовать как догадки. Когда участники добиваются (d) совпадения описаний, они получают призовые очки и переходят к новому изображению; если оно слишком сложное для достижения согласования ответов, игрок может нажать (e) кнопку «Пропустить», которая вызовет на монитор новое изображение. Каждая игра длится три минуты, и оба участника получают баллы каждый раз, когда они их слова совпадают.
ESP Game в игровом режиме. Игрок (a) смотрит на изображение, (b) вводит слова, описывающие изображение, за исключением тех (c) определенных слов, что называются «запретными» и не могут быть выбраны. Если другой игрок вводит точно такое же слово, то отмечается (d) совпадение, и оба игрока получают баллы. Если задача окажется слишком сложной для того, чтобы высказать правильное предположение, любой игрок может (e) пропустить ее.
После окончания игры игроки расстаются, и каждый из них видит экран, на котором показывается, насколько хорошо они играли: как в отдельной игре, так и по показателю для всех игр. Игрокам также показывают, сколько они должны пройти, чтобы достичь следующего «уровня», и как их результаты соотносятся с показателем лучшего на текущий день игрока.
Окно оценки ESP Game. В конце игры игрокам показываются (a) их баллы, (b) уровень, (c) очки, необходимые для достижения следующего уровня, и (d) количество баллов, необходимое, чтобы обыграть лучшего игрока дня. Игроки также могут зарабатывать очки (е), обращаясь к друзьям за помощью.
В ESP Game есть ряд конструктивных особенностей, иллюстрирующих задачи, которые должны решать социальные вычислительные системы. Как мы увидим позже, разные системы могут делать это различными способами, но ESP-игра представляет собой хорошую отправную точку для дискуссии.
4.1. Вычисления
Социальные вычислительные системы осуществляют различные виды деятельности для получения ценности, при этом часто применяя алгоритмы обработки к пользовательскому контенту. ESP-игра выполняет вычисления, побуждая людей использовать свои перцептивные и когнитивные способности для создания описаний для изображений и для суммирования результатов всех игр для получения значимого итогового решения. Результатом одной отдельной игры является комплект изображений, каждое из которых либо ассоциировано со словом, которое оба игрока напечатали для описания увиденного, либо «пропуск». Поскольку некоторое количество пар участвует в игре с применением одних и тех же объектов для распознавания, то для каждого изображения создаются комплекты соответствующих слов. Лучшими считаются те, которые употребляются наиболее часто, и через некоторое время игра добавит их в список «запретных слов», которые больше не принимаются в качестве предположений. Это мера требует от игроков создания менее очевидных описаний, которые, в свою очередь, тоже будут добавлены в список «запретных слов», пока не задача не станет настолько сложной, что при показе изображения и его списка запретных слов большинство игроков откажутся от выполнения задания. На этом этапе изображение может быть «удалено» из игры, и далее будет анализироваться полный комплект слов, ранжированных по частотности их употребления участниками. Такой результат не может быть достигнут исключительно цифровыми методами.
4.2. Привлечение и мотивирование
Способность социальной вычислительной системы производить ценность основывается на пользовательском контенте, а это означает, что система должна принимать меры для вовлечения достаточного количества пользователей, мотивированных на участие. Это не было проблемой для Amazon, потому что ее механизм рецензирования встроен в более крупную экосистему всей компании, и часто случается так, что некоторые из посетителей, которых привлекает Amazon как онлайн-ритейлер, могут быть заинтересованы в проведении обзоров продуктов. Дело обстоит совсем другим образом в случае ESP-игры — она самостоятельно должна провести всю возможную работу по привлечению участников. Система решает эту задачу посредством использования игровых механизмов стимулирования для привлечения и мотивации своих игроков. Люди узнают об ESP Game благодаря сарафанному радио — поскольку игроки могут зарабатывать очки, обращаясь к посторонним людям, и приходят играть, потому что это забавное развлечение. Когда потенциальные игроки прибывают на сайт, проблема переключается на вопрос вовлечения их в игру. Для этой цели система спроектирована максимально привлекательной: ее интерфейс отличается яркими цветами, быстрым взаимодействием и уместными звуковыми эффектами.
Другой интерфейс ESP-игры
Многие из функций ESP Game — ограничение по времени, присуждение баллов за правильные ответы, графическая шкала, показывающая суммарное количество призовых очков, звук тикающих часов, раздающийся в последние моменты игры, — работают на то, чтобы стимулировать пользователей к прохождению. Когда игра заканчивается, то другие факторы — совокупность заработанных баллов, достигнутые пользователями уровни, количество очков, необходимых для достижения следующего уровня, и баллы, требуемые для победы над лучшим игроком дня, — поощряют участника к тому, чтобы играть снова и снова. Это также мотивирует игроков регистрироваться и создавать профили, которые могут накапливать баллы за игровые сеансы и соперничать за позиции в списках лучших результатов за «сегодня», «в этом месяце» и за «все время». Все эти особенности ESP Game служат для привлечения и мотивирования пользователей, включая поощрение их к возвращению — то есть для решения проблем, которые актуальны для любой социальной вычислительной системы.
4.3. Идентификация и коммуникация
Социальным вычислительным системам необходимо не только привлекать и мотивировать своих пользователей — они также должны обеспечивать их «присутствие» в системе. Участники социальных вычислительных систем обычно нуждаются в создании уникальных профилей, при помощи которых можно взаимодействовать с другими игроками, а также связанных с мотивацией и репутацией участника. ESP-игра фактически является примером социальной вычислительной системы с относительно низким уровнем персонализации игрока, поскольку ее участникам не разрешают общаться друг с другом во время игры, чтобы предотвратить мошенничество. Тем не менее, ESP Game прилагала все усилия, чтобы поддерживать идентичность участников и укреплять социальные аспекты игры. Как отмечалось выше, игроки могли регистрироваться и вводить свое имя, изображение и другие элементы профиля. В то время как коммуникация между парой игроков во время игры была запрещена, участники могли присоединиться к чату сайта в целом (игра ESP являлась частью сайта под названием «Игры с целью» — Games with a Purpose). Если смотреть в более общем плане, то дизайн интерфейса позволял отображать данные о присутствии других игроков.
После того как пользователь решал сыграть, следовало недолгое ожидание, пока игра не сообщала о том, что «обнаружено совпадение ответов у вас и партнера». После совпадения названий игрок видел имя его напарника и аватар. Как и механизм стимулирования, эти социальные характеристики были направлены на повышение привлекательности игры и интереса к ее сайту.
Но предположим, что вы явились на игру, и вам не с кем играть. Возникшая проблема заключается не только в том, что игра может не состояться, но и в том, что игрок, напрасно авторизовавшийся на сайте, вернется на него повторно с меньшей вероятностью. ESP Game справлялась с этой ситуацией, используя автономные компьютерные программы, известные как «боты» (Bots). Если посетитель прибывал на сайт ESP Game, и там никого больше не было, этот участник все равно находился в паре с другим «игроком», не будучи поставлен в известность, что его партнером является программа-бот. В начавшейся игре использовались изображения, которые уже были помечены как минимум одной парой людей-игроков, и бот просто воспроизводил их ответы (и характерное время реакции) одного из предыдущих участников, обеспечивая человеку-партнеру опыт игры против партнера. Подобное использование ботов способствовало непрерывному приобретению игрового опыта, однако такие программы имели и другое предназначение, которое мы рассмотрим в ближайшее время.
4.4. Руководство процессом и определение направления деятельности
Другой проблемой, с которой приходится сталкиваться системам социальных вычислений, является необходимость направлять в определенное русло или иным образом формировать деятельность своих пользователей. В ESP Game этой цели служили «запретные слова». Как уже указывалось, табуированные слова были нужны для расширения диапазона набора слов, выбранных для описания изображения, при параллельном исключении описаний, примененных многими предыдущими парами игроков. «Запретные слова» также формировали комплект маркировок, созданных более тонким способом: они могли обращать внимание игроков на определенные аспекты изображения (например, изображение, для которого запретным словом было «зеленый», могло склонить игроков маркировать картинку при помощи других имеющихся на картинке цветов). Игра ESP могла использовать другие подходы к фокусировке деятельности, такие как выбор изображений из конкретных известных наборов (например, репродукций картин) или привлечение участников из определенных групп населения (например, учеников художественной школы). Многие системы социальных вычислений обладают механизмами того или иного типа, способными фокусировать деятельность участников или другим образом контролировать природу вычислений, выполняемых системой.
4.5. Мониторинг и контроль качества
Хотя люди могут выполнять расчеты, которые трудновыполнимы или вообще недоступны для цифровых систем, нельзя исключить вероятность того, что результаты, полученные человеком, могут быть неточными, поэтому многие социальные вычислительные системы должны решать вопросы мониторинга и контроля качества полученных результатов. Проблемы с качеством вычислений могут возникнуть из-за недостатка знаний, необъективности или преднамеренного выбора. В случае игры ESP главной угрозой качеству результатов был обман. То есть, игровые механизмы стимулирования работали так хорошо, что игроки могли играть с целью получения баллов, а не затем, чтобы точно описывать изображения.
По мере развития игры ESP были определены и нейтрализованы различные стратегии мошенничества. Жульничество в одиночку проявлялось тогда, когда пользователь дважды входил в систему и пытался играть сам с собой — это можно было обнаружить и предотвратить путем сопоставления IP-адресов. Двойная махинация происходила, когда два игрока разрабатывали стратегию ввода слов (например, «один», «два», «три») и пытались войти в систему одновременно, надеясь, что их объединят в пару — этого можно было избежать, применив достаточно длительный период ожидания (для проверки совпадения ответов обоих участников) и располагая необходимым количеством ожидающих игроков, что значительно снижало вероятность того, что соучастники сгруппируются, а их ответы совпадут. Если участников было недостаточно, чтобы гарантировать малозначимую вероятность случайного совпадения, то ESP-игра могла использовать ботов в качестве суррогатных игроков, как описано выше. Наконец, когда кто-то публиковал стратегию ввода слов и время начала игры на общедоступном веб-сайте, то обман мог происходить в массовом порядке. Применение этого подхода обнаруживалось бы по внезапному всплеску активности (или неожиданному увеличению производительности), а способ противостоять этой стратегии нам уже знаком: спарить игроков и ботов.
Эти примеры мошенничества затрагивают несколько вопросов. Во-первых, с точки зрения проектирования социальных вычислительных систем вопрос жульничества может быть успешно решен. Необходимо только определить мошеннические стратегии и заблокировать их — или, по крайней мере, снизить вероятность успеха обмана до такой степени, чтобы легче было выиграть честно, используя систему так, как предполагали разработчики. Во-вторых, следует учитывать то, что обман является проблемой только в определенных типах социальных вычислительных систем. Мошенничество имеет место главным образом в системах, где механизм стимулирования не связан с системной целью. В-третьих — обратите внимание! — поскольку мошенничество удаляет из игры развлекательный фактор, само ее существование является достаточно убедительным свидетельством силы игровых механизмов стимулирования.
4.6. Резюме
В этом разделе, используя ESP Game в качестве наглядного примера, мы рассмотрели социальные вычисления как систему. В отличие от механизма рецензирования Amazon, который встроен в более широкую среду крупнейшего онлайн-ритейлера, ESP-игра функционировала как целостная система, самостоятельно решая проблемы набора участников, предоставляя им внутрисистемную идентичность, фокусируя их внимание на задачах, которые необходимо решить, побуждая их выполнять эти задачи, а также отслеживая их действия и контролируя качество результатов. ESP-игра добивалась этого путем применения дизайн-мышления к игровому процессу, а также благодаря тому, что задачи, на которые ориентирована система, просты и правильно сформированы и, следовательно, подходят для весьма быстрого итеративного взаимодействия — что, в свою очередь, хорошо соответствовало формату игрового процесса.
И хотя многие задачи нельзя разбить на совокупность простых хорошо сформированных заданий, тем не менее, как мы увидим далее, социальные вычислительные системы — хотя и с различающимися подходами к вышеуказанным проблемам — по-прежнему могут добиваться успеха.
5. Социальные вычисления как система: Википедия
В этом разделе мы рассмотрим то, что, по мнению многих, является самым успешным примером социальной вычислительной системы — проект Википедию (Wikipedia). Если оставить в стороне ее феноменальных успех, то Википедия вызывает интерес исследователей потому, что она представляет собой разительный контраст с ESP-игрой. В то время как последняя привлекала постоянный поток анонимных пользователей, которые выполняли простую задачу, встроенную в игру, Wikipedia — это скорее сообщество с базовым ядром из преданных участников, взаимодействующих друг с другом при выполнении множества сложных задач.
Википедия также оказалась популярной в исследовательских кругах, что делает ее прекрасно изученным примером социальной вычислительной системы. Таким образом, нижеследующий анализ функционирования Wikipedia расширит наше понимание социальных вычислений.
Как известно, Wikipedia в соответствии со своим лозунгом представляет собой «свободную энциклопедию, которую может редактировать каждый». За некоторыми исключениями каждая статья в Википедии имеет вкладку «Редактировать» (Edit), которая позволяет любому желающему вносить в нее изменения. На первый взгляд это выглядит слегка парадоксальным: как можно создать авторитетный источник знаний, если кто угодно может изменить его в любой момент? И все же Википедия работает достаточно хорошо. Хотя сделать обобщенный вывод о миллионах статей на всех этапах разработки достаточно сложно, можно с полным основанием сказать, что точность этой онлайн-энциклопедии вызывает удивление. Исследования показали, что некоторые классы статей сопоставимы по достоверности с их аналогами в Британской энциклопедии (Encyclopedia Britannica), и, в более общем смысле, качество статьи, как правило, улучшается с увеличением количества исправлений, которые были в нее внесены.
Википедия — это удивительно успешный проект. Располагающий более чем пятью с половиной миллионами статей только в англоязычной версии и 1 465 022 — в русской, а ее сайт является одним из самых посещаемых в Интернете. И, как вы уже могли убедиться ранее, она может генерировать объемные, тщательно проработанные статьи очень быстро — в отдельных случаях буквально за ночь. В ряду всевозможных энциклопедий эта особенность выделяет Википедию в отдельную категорию.
Страница Википедии, посвященная статье о «Девушке с татуировкой дракона». Большинство посетителей приходят читать (a), но они также могут редактировать статью (b), просматривать ее историю (c) или читать страницу ее обсуждения (d). Те, кто желает принять более активное участие в работе над Википедией, могут посетить портал Сообщества (e).
5.1. Вклад в Википедию
Начнем наше исследование, рассмотрев, чем занимаются участники Википедии. Хотя их целью является создание статьи в онлайн-энциклопедии, ясно, что это слишком неподъемная задача, чтобы выполнить ее в одиночку и с одного подхода. Авторы не сразу создают полностью законченные статьи. Один из авторов пишет заготовку текста, другой добавляет абзацы, а третий расширяет, изменяет и редактирует написанное. Некоторые участники могут ставить ссылки на справочные материалы, другие — исправлять опечатки и грамматические ошибки, а третьи — добавлять изображения. Таким образом разрабатывалась статья о «Девушке с татуировкой дракона». Начиная с заготовки статьи, которая появилась приблизительно в момент первой публикации книги на английском языке, статья постепенно росла — со вспышками активности после появления каждой из экранизаций — до сегодняшнего дня.
Ключевой вопрос, который необходимо задать сейчас, звучит так: как получается, что качество статей Википедии со временем улучшается? Как Википедия определяет, что конкретное изменение — независимо от того, заменяет ли оно одно слово, добавляет абзац или реорганизует статью — меняет ситуацию в лучшую сторону? Иногда это очевидно — например, в случае исправления опечатки, — но чаще всего дело обстоит не столь понятным образом. Ответ заключается в том, что для того, чтобы судить о качестве изменений в статье, Wikipedia полагается на пользователей. Но это не полный ответ. Важным представляется то (и в этом заключается искусство Википедии), — каким способом она оказывает содействие своим пользователям при принятии таких решений. Как мы сейчас увидим, Википедия мобилизует сложный комплекс механизмов социальных вычислений для того, чтобы оказать поддержку деятельности участников.
5.2. Оценка качества и внесение изменений
Для того чтобы пользователи могли судить о качестве изменений, должны выполняться два условия: индивидуальные изменения должны быть видимыми и пользователи должны иметь возможность высказать свое мнение о желательности изменения. Wikipedia выполняет это посредством механизма истории изменений, доступ к которому осуществляется через вкладку «История» (View History), имеющуюся у каждой статьи. История редактирования перечисляет все изменения, внесенные в статью, и предоставляет ссылки, которые позволяют участнику отменять произведенные правки. Таким образом, если весь текст статьи был заменен цепочкой непристойных ругательств — действие, встречающееся чаще, чем можно было бы ожидать, и называемое «вандализмом» — пользователь может нажать ссылку «Отменить» и вернуть статью в предшествующее состояние. И действительно, один из самых ранних и неожиданных результатов исследований Википедии заключался в том, что такие акты вандализма обычно обнаруживались и нейтрализовались в течение двух-трех минут, причем этот результат остается неизменным в течение долгих лет. Он становится менее неожиданным, если учесть тот факт, что в Википедии предусмотрен механизм, называемый «Список наблюдения», позволяющий пользователям отслеживать изменения интересующих их статей.
Страница истории правок в Википедии. История изменений показывает список всех правок, внесенных в статью (a), предоставляет способ отменить любое изменение (b) и позволяет тем, кто заботится о статье, добавить ее в «список наблюдения» (c) с тем, чтобы отслеживать все преобразования.
Тем не менее, существуют и другие возможности поддерживать надлежащий уровень качества, чем простое выявление и нейтрализация вандализма. В конце концов вандализм очевидно меняет статью к худшему. Многие акты вандализма могут быть легко обнаружены. Проблема заключается в том, как решать более тонкие вопросы, например: понятным или же невразумительным является то или иное определение, данное в тексте? Улучшается ли параграф от его реорганизации? Какая польза статье будет от размещения в ней именно вот этой конкретной фотографии? Не отходит текст ли от принципа нейтральности, соблюдение которого желательно для энциклопедий?
Чтобы принимать решения по такому виду проблем качества, участники должны общаться друг с другом, а страница истории изменений закладывает основу для подобных обсуждений. Чтобы увидеть, как работает этот механизм, взгляните на раздел истории изменений, показанный на рисунке 7.
Сегмент истории изменений в Википедии, показывающий 6 последних правок. Для каждого изменения существуют: способ сопоставления с другими правками (a), отметка о времени и дате (b), ссылка на пользователя, внесшего изменение (c), информацию об изменении (d) и способ действия над ним (e).
Особый интерес для нас заключается в том, что запись также содержит информацию о том, кто внес изменения. В частности, запись содержит:
- имя или IP-адрес лица, внесшего изменения
- ссылку на страницу обсуждения этого участника (которая обеспечивает способ общения с ним) и
- ссылку на список вкладов, внесенных данным пользователем в Википедию (что дает возможность судить о том, насколько он компетентен)
Эта запись развивает историю правок до уровня социального механизма путем создания каналов идентификации и связи. То есть вместо просмотра изменений и принятия решения о том, следует ли вернуть статью в предшествующее состояние, читатель может увидеть, кто именно внес изменения, узнать что-то о пользователе (через ссылку на его профиль), его опыт работы с Википедией (по ссылке на его страницу вкладов участника), и даже обсудить внесенные им изменения с ним лично (через ссылку на его страницу обсуждений). Качество статей в Википедии не сводится просто к количеству людей, которые их редактируют, — необходимо также, чтобы участники были вовлечены в коммуникации и сотрудничество. Например, исследуя более ранние правки на указанную статью, можно обнаружить, что пользователь Луговкин — опытный редактор Википедии, которому было присуждено звание «Заслуженный корректор», и в среднем он делает 20 правок в сутки:
Даже если кто-то не согласится с изменением, внесенным этим пользователем, остальные участники могут просто отказаться от исправления, приводя в качестве доказательства уровень его компетентности.
У другого профиля уже совсем другая история:
5.3. Идентификация и коммуникация
Ссылки на странице истории изменений иллюстрируют еще один аспект Википедии: она обладает множеством механизмов, которые обеспечивают идентификацию и поддерживают общение участников. Каждый человек, который вносит вклад в Википедию, имеет страницу пользователя, страницу вклада участника и страницу обсуждений. Страница пользователя похожа на обычную домашнюю страницу, где человек может публиковать о себе все, что ему захочется. Пользователи часто размещают на ней информацию, рассказывающую другим об их опыте и знаниях касательно тем, которые они любят редактировать. Эта страница также является местом, где участники демонстрируют награды, которые они получили от сообщества (в Википедии существует обычай поощрять авторов вручением символических наград):
Помимо личной страницы, у пользователя имеются еще две другие автоматически создаваемые страницы. На странице вклада участника перечислены все изменения, внесенные им в Википедию, а страница обсуждений позволяет общаться с этим пользователем.
В дополнение к «страницам обсуждения» (Talk pages) участника имеются также «страницы обсуждения» (Discussion page) статьи для проведения дискуссий по поводу ее содержания. Например, на странице обсуждения «Девушки с татуировкой дракона» ведутся 2 дискуссии:
Хотя все эти страницы и вкладки могут показаться рецептом погружения в хаос, они, как показывает опыт, работают вполне успешно. Люди общаются друг с другом, и их обсуждения, как правило, касаются того, следует ли — и если да, то каким образом — изменять содержание статей. Например, более половины комментариев на страницах обсуждений — это запросы о координации внесения поправок. И хотя этот аргумент является очевидным, но участники часто достигают приблизительного консенсуса. Что интересно, так это не то, что люди приходят к некой договоренности, а скорее то, каким образом они достигают согласия. Википедия имеет обширный набор политик и руководящих принципов, которые регулируют ее деятельность. Например, одним из основополагающих принципов Википедии является то, что статьи должны придерживаться нейтральной точки зрения и стараться честно представлять все значимые мнения, опубликованные надежными источниками. Другая политика — проверяемость (Verifiability — «возможность проверки»), то есть читатели должны иметь возможность проверить, что материал в Википедии, вызывающий сомнение в его корректности, может быть объяснен через обращение к надежному источнику информации, ссылка на который доступна через встроенную цитату.
Что здесь важно для целей понимания социальных вычислений — это не сами по себе внутренние политики и руководящие принципы, а то, как они организуют инфраструктуру для обсуждения. В идеале участники, имеющие отличающиеся мнения, не обмениваются взаимными обвинениями в неправоте, а аргументированно дискутируют о том, согласны ли они с политиками и принципами или нет, или же работают над их улучшением.
Как и обычные статьи, политики Википедии имеют свои собственные страницы с вкладками «Редактировать», «Обсуждение» и «Просмотр истории», и, подобно тому, как это происходит со статьями, политика и руководящие принципы также обсуждаются и разрабатываются пользователями. Вследствие этого статья о политике нейтральной точки зрения («Neutral Point of View», см. рис. 8Б) насчитывает семь разделов, содержит 1500 слов и была отредактированы более чем 300 раз за 14 лет существования; за последние 60 дней она была просмотрена более 5 000 раз, что, конечно, меньше, чем у «Девушки с татуировкой дракона», но тем не менее четко указывает на то, что это активно используемый ресурс:
Итак, мы увидели, что, хотя случайные люди могут и могут кликнуть по вкладке редактирования и сразу же внести изменения, большая часть работы, которая совершается в Википедии, не осуществляется внезапно и случайно. Механизмы, которые обеспечивают идентификацию, обмен информацией и применение политик, объединяют свои усилия, чтобы сделать возможным сложный социальный процесс — руководство созданием и совершенствованием высококачественных статей.
С учетом этого, наверное, не удивительно, что существует ядро участников, часто называемых «википедианами» (Wikipedians), которые несут ответственность за большинство вкладов. Хотя существуют различные способы определения того, что считается вкладом, исследователи согласны с тем, что незначительная в процентном отношении группа редакторов вносит свой вклад в создание основного количества контента — например, 10% участников обеспечивают от 80 до 90% правок просматриваемого контента. В целом «википедиане» выполняют больший объем работы, вносят правки, которые дольше сохраняются в неизменном виде, и чаще ссылаются на общественные нормы Википедии, чтобы оправдать производимые изменения. Суммируя вышесказанное: хотя Википедия является «свободной энциклопедией, которую может редактировать каждый», далеко не каждый может это делать, и для редактирования требуется гораздо больше усилий и компетенций, чем может показаться на первый взгляд.
5.4. Резюме
Википедия — выдающееся достижение. Это самоорганизующаяся система, создающая хорошо структурированные статьи — иногда в буквальном смысле за ночь — которые достаточно полезны для аудитории, судя по тому, что сайт Википедии относится к числу наиболее посещаемых в Интернете. В этом посте мы попытались ответить на вопрос, в чем кроется причина улучшения статей Википедии с течением времени, подчеркнув, что, например, очевидные проблемы, такие как вандализм, преодолеваются в течение двух-трех минут. Мы увидели, что Википедия как система «знает» что-то о своем контенте. В частности, она отслеживает все изменения, произведенные в каждой статье, и делает эти отдельные изменения видимыми и практически осуществимыми на странице истории правок. Википедия (или, строго говоря, дизайн Википедии) признает, что некоторые изменения заслуживают сохранения, а другие нет, и что, упрощая пользователям просмотр и вынесение решений по ним, система может содействовать созданию статей все более высокого качества. И поскольку качество может быть тонким и спорным вопросом, Википедия предоставляет пользователям коммуникационные каналы, позволяющие участникам обсудить изменения между собой, а также предусматривает политику, направляющую процесс принятия согласованных решений по поводу этих изменений. В этом и состоит modus operandi (лат. «образ действия») социальных вычислений: пользователи добавляют контент, а система обрабатывает его таким образом, чтобы сделать его полезным для других.
6. Социальные вычисления: общая картина
На всем протяжении этой статьи мы рассматривали Social Computing с точки зрения того, как социальные вычислительные системы работают в качестве систем: они создают платформы для общественных интеракций, результаты которых могут быть использованы для повышения полезности/увеличения ценности взаимодействия. Настало время взглянуть на социальные вычисления с другой стороны — как на особый тип подхода к расчетам данных.
С этой точки социальные вычисления связаны не столько с компьютерными системами, учитывающими социальную активность, а скорее с системами, выполняющими расчеты на основе информации, встроенной в социальный контекст.
Иными словами, социальные вычисления относятся к системам, которые поддерживают сбор, обработку и распространение информации, распределенной среди социальных групп. Кроме того, информация, о которой идет речь, не зависит от людей, а скорее имеет значение именно потому, что она связана с людьми, которые в свою очередь ассоциированы с другими людьми.
В основе этого определения лежит связь информации с идентификацией. То есть, цифровые данные ассоциируются с людьми, а для целей социальных вычислений имеет значение связь между информацией и идентичностью. «Идентичность» не обязательно означает, что информация связана с конкретным, идентифицируемым человеком. Для целей социальных вычислений идентичность может охватывать целый диапазон значений — от гарантированной различимости (то есть уверенности, что различные единицы информации поступают от отдельных лиц, что важно при проведении, например, референдума) до распознавания некоторых характеристик человека, с которым ассоциирована определенная информация (например, в случае покупки товаров пользователями Amazon).
Второй элемент этого определения — идея, заключающаяся в том, что люди связаны друг с другом в социальных группах. Такими группами могут быть команды, сообщества, организации, рынки, когорты и т. д. То есть так же, как информация соотносится с человеком, так и люди ассоциированы друг с другом: важно, кто связан с кем, как и почему они связаны. Это не значит, что люди обязательно находятся друг с другом в личных отношениях. Они могут быть не знакомы и «ассоциироваться» друг с другом только потому, что они имеют какую-то общую характеристику, такую как интерес к определенной книге или к программированию на языке MatLab.
Фактически, в некоторых случаях системы социальных вычислений основаны на предположении, что люди могут сохранить взаимную анонимность. Например, рынки и аукционы привлекают участников с общими интересами, но основополагающие механизмы социальных вычислений предназначены для того, чтобы люди не могли идентифицировать друг друга. Рынок функционирует наиболее эффективно, когда его участники действуют независимо; в противном случае отдельные лица могут вступать в сговор, чтобы повлиять на функционирование рынка в свою пользу — например, когда на аукционы выставляются ложные заявки, предназначенные для повышения конечной цены лота. Короче говоря, именно потому, что связь между информацией и отдельными людьми имеет определяющее значение, для целей некоторых социальных вычислений она должна быть подавлена.
И наконец, третий момент касается того, что в то время как обычной вычислительной системе необходимо управлять только информацией и ее обработкой, социальные вычислительные системы должны также руководить социальным группой, то есть обеспечивать, чтобы индивидуумы обладали внутрисистемной идентичностью и получали релевантную личному профилю информацию. Системы также должны управлять отношениями между идентичностями (включая сохранение взаимной анонимности — как показано в примере с рынками).
7. Что дальше?
Социальные вычисления — обширная область, и она стремительно растет. Примеры, рассмотренные здесь, — Pagerank, механизм обзора Amazon, MatLab Programming Contest, ESP Game и Wikipedia — просто слегка затронули поверхность этого явления. Новые образцы механизмов и систем социальных вычислений возникают буквально за одну ночь.
Социальные вычисления развиваются стремительно. Как разработчики, так и ученые, принадлежащие к широкому кругу научных дисциплин — поведенческая экономика, информатика, игровой дизайн, человеко-компьютерное взаимодействие, психология и социология — активно изучают социальные вычислительные системы и применяют к ним идеи, почерпнутые из своих областей знаний. Трудно предсказать будущее, но можно с уверенностью сказать, что механизмы и системы социальных вычислений будут продолжать преобразовывать то, как мы живем, учимся, работаем и играем.
Высоких вам конверсий!
По материалам: interaction-design.org
