La computación evolutiva basada en humanos (HBEC) es un conjunto de técnicas de computación evolutiva que se basan en la innovación humana.
Clases y ejemplos
Las técnicas de computación evolutiva basadas en humanos se pueden clasificar en tres clases más específicas análogas a las de computación evolutiva. Hay tres tipos básicos de innovación: inicialización, mutación y recombinación. Aquí hay una tabla que ilustra qué tipo de innovación humana se respalda en diferentes clases de HBEC:
Inicialización | Mutación | Recombinación | |
Estrategia de selección basada en humanos | X | ||
---|---|---|---|
Estrategia de evolución basada en humanos | X | X | |
Algoritmo genético basado en humanos | X | X | X |
Todas estas tres clases también tienen que implementar la selección, realizada por humanos o por computadoras.
Estrategia de selección basada en humanos
La estrategia de selección basada en humanos es un procedimiento de cálculo evolutivo basado en humanos más simple. Hoy en día, los sitios web que subcontratan la recopilación y selección del contenido a los seres humanos lo utilizan mucho (contenido aportado por el usuario). Visto como cálculo evolutivo, su mecanismo admite dos operaciones: inicialización (cuando un usuario agrega un nuevo elemento) y selección (cuando un usuario expresa preferencia entre elementos). El software del sitio web agrega las preferencias para calcular la idoneidad de los artículos para que pueda promover los artículos más aptos y descartar los peores. En estudios de Kosorukoff [1] y Gentry se compararon analíticamente varios métodos de selección basada en humanos . [2]
Debido a que el concepto parece demasiado simple, la mayoría de los sitios web que implementan la idea no pueden evitar el error común: la cascada de información para solicitar la preferencia humana. Por ejemplo, las implementaciones de estilo digg , omnipresentes en la web, sesgan en gran medida las evaluaciones humanas posteriores de las anteriores al mostrar cuántos votos ya tienen los elementos. Esto hace que la evaluación agregada dependa de una muestra inicial muy pequeña de evaluaciones raramente independientes. Esto anima a mucha gente a jugar con el sistema que podría aumentar la popularidad de digg pero restar valor a la calidad de los resultados presentados. Es demasiado fácil enviar una evaluación en un sistema de estilo digg basado solo en el título del contenido, sin leer el contenido real que se supone que debe evaluarse.
Un mejor ejemplo de un sistema de selección basado en humanos es Stumbleupon . En Stumbleupon, los usuarios primero experimentan el contenido (se topan con él) y luego pueden enviar su preferencia presionando un botón con el pulgar hacia arriba o hacia abajo. Debido a que el usuario no ve la cantidad de votos otorgados al sitio por usuarios anteriores, Stumbleupon puede recopilar un conjunto relativamente imparcial de preferencias del usuario y, por lo tanto, evaluar el contenido con mucha más precisión.
Estrategia de evolución basada en humanos
En este contexto, y tal vez en general, el software de Wikipedia es la mejor ilustración de una estrategia de evolución basada en el ser humano en la que la evolución (dirigida) de cualquier página determinada comprende el ajuste fino de la base de conocimientos de dicha información que se relaciona con esa página. [3] La estrategia de evolución tradicional tiene tres operadores: inicialización, mutación y selección. En el caso de Wikipedia, el operador de inicialización es la creación de páginas, el operador de mutación es la edición incremental de páginas. El operador de selección es menos destacado. Lo proporciona el historial de revisiones y la capacidad de seleccionar entre todas las revisiones anteriores mediante una operación de reversión. Si la página sufre actos de vandalismo y ya no se ajusta bien a su título, un lector puede ir fácilmente al historial de revisiones y seleccionar una de las revisiones anteriores que se ajuste mejor (con suerte, la anterior). Esta función de selección es crucial para el éxito de Wikipedia.
Un hecho interesante es que el software wiki original se creó en 1995, pero se necesitaron al menos otros seis años para que aparecieran grandes proyectos colaborativos basados en wiki. ¿Por qué tardó tanto? Una explicación es que el software wiki original carecía de una operación de selección y, por lo tanto, no podía respaldar eficazmente la evolución del contenido. La adición del historial de revisiones y el surgimiento de grandes comunidades respaldadas por wiki coinciden en el tiempo. Desde el punto de vista de la computación evolutiva, esto no es sorprendente: sin una operación de selección, el contenido sufriría una deriva genética sin rumbo y no sería de utilidad para nadie. Eso es lo que mucha gente esperaba de Wikipedia en sus inicios. Sin embargo, con una operación de selección, la utilidad del contenido tiende a mejorar con el tiempo a medida que se acumulan cambios beneficiosos. Esto es lo que realmente sucede a gran escala en Wikipedia.
Algoritmo genético basado en humanos
El algoritmo genético basado en humanos (HBGA) proporciona un medio para la operación de recombinación basada en humanos (una característica distintiva de los algoritmos genéticos ). El operador de recombinación reúne partes altamente adecuadas de diferentes soluciones que evolucionaron de forma independiente. Esto hace que el proceso evolutivo sea más eficiente.
Ver también
Referencias
- ^ Kosorukoff, A. (2001). "Algoritmo genético basado en humanos". 2001 IEEE International Conference on Systems, Man and Cybernetics. e-Systems y e-Man para la cibernética en el ciberespacio (n.o de catálogo 01CH37236) . 5 : 3464–3469. doi : 10.1109 / ICSMC.2001.972056 .
- ^ Gentry, Craig; Ramzan, Zulfikar; Stubblebine, Stuart (2005). "Computación humana distribuida segura". Actas de la sexta conferencia ACM sobre comercio electrónico - EC '05 : 155–164. doi : 10.1145 / 1064009.1064026 .
- ^ Leuf, Bo (2001). El método Wiki: colaboración rápida en la Web . Boston: Addison-Wesley. ISBN 020171499X.