Archiv tagů kolektivní inteligence

Využití kolektivní inteligence

Velmi často uváděným a názorným příkladem využití kolektivní inteligence (Harnessing Collective Intelligence) je algoritmus Page Rank, kterým Google hodnotí „důležitost“ indexovaných stránek. Namísto pouhého zjišťování relevance použitím názvu, metainformací (tag meta), četností slov či struktury stránky je zkoumáno, v jaké míře a odkud se na danou stránku odkazuje. Základní premisa je jednoduchá: čím více zdrojů na danou stránku odkazuje, tím by měla být důležitější1.

Podobně funguje, jak zmiňuje O’Reilly, kolaborativní systém Cloudmark pro filtrování spamu. Na základě vstupů od uživatelů v podobě e-mailových zpráv označených jako spam vyhodnocuje ostatní zprávy, které mají podobný charakter. Vyhodnocená data jsou pak poskytována systémům, které je využívají pro filtraci e-mailových zpráv.

Kolektivní inteligence je v tomto kontextu kolaborativní přístup, který díky integraci, spolupráci a vzájemné důvěře vede k větší míře komplexnosti a porozumění. Zásadní v tomto ohledu je právě integrace a spolupráce umožněná počítačovými systémy, které dokáží vhodně spojit a vyhodnotit jednotlivé prvky tak, aby ve výsledku přinesly větší užitek velkému počtu uživatelů, kteří jsou zároveň uživateli i tvůrci.

Kolektivní inteligence může být využívána v prostředí „otevřených systémů“, ale zdá se, že docela dobře podporuje obchodní modely některých komerční společností. Příkladem komerčního využití je například firma Amazon, která začala používat kolektivní inteligenci svých uživatelů tak, že jim umožnila vkládat k prodávaným produktům uživatelské recenze a hodnocení. To doplňuje celý systém prodeje o významnou přidanou hodnotu. Částečně je tak vyvážena velká nevýhoda internetového obchodu, tj. nemožnost reálného „osahání“ zboží jako v tradičním obchodě. Z podobného principu těží i internetové tržiště eBay, kde je hledisko reputace uživatelů (ať už prodávajících či kupujících) určující pro uskutečnění nákupu. Pokaždé, když je prostřednictvím eBay uzavřen nákup, je nakupující požádán o názor, zda byla jeho zkušenost s prodávajícím pozitivní, neutrální či negativní – přičemž je možno použít i slovní hodnocení pro více detailů. Stejně je hodnocen i nakupující prodejcem. Tím se snaží eBay navodit mezi uživateli jistotu a důvěru.

  1. To byla základní myšlenka algoritmu Page Rank. Dnes je ovšem hodnoceno daleko širší spektrum informací. Problémem, jak ovlivňovat pozici ve výsledcích vyhledávačů se zabývá disciplína SEO – Search Engines Optimization.

Datová základna

Zásadní význam pro Web 2.0 služby má práce s daty, která při jejich používání poskytují uživatelé. O’Reilly dává ve své práci za příklad společnost Google, o které říká, že její hlavní kompetencí je právě správa obrovské databáze – říká, že systém má o to větší hodnotu, čím je větší šíře dat a schopnost je spravovat (O’Reilly, 2005b). Dalším příkladem výtěžnosti datové základny je Amazon (a mnohé další obchody) a jeho schopnost doporučovat další produkty k nákupu. Systém ukládá všechny nákupy a je schopen pomocí agregace a jakéhosi „data miningu“ doporučovat uživateli jiný vhodný nákup (pokud se vám líbí toto, tak by se vám mohlo také hodit toto). Zde se automaticky otevírá otázka, jak mohou společnosti s těmito daty nakládat. Kupříkladu webová aplikace pro správu elektronické pošty Gmail využívá automaticky analyzovaná data z uživatelových e-mailů k zobrazování kontextové a „personalizované“ reklamy. Právní otázkou je také, komu vlastně uživatelem vytvořená data patří. Uživatelé proto před použitím většiny služeb musí potvrdit základní právní ujednání. Problémem jsou pak rozdílné pohledy na legislativu v jednotlivých zemích, které vznikají díky globální povaze internetu, pro který hranice neexistují (např. server je umístěn v USA, ale uživatel je z EU) (Anderson, 2007).

Last.fm

Last.fm je sociální webovou aplikací pro sdílení hudebních preferencí jednotlivých uživatelů. Pomocí speciálního software (nebo zásuvného modulu pro desktopové audio přehrávače) zaznamenává identifikační prvky skladeb, které uživatel poslouchá. Vzniklý seznam je následně algoritmicky porovnáván se seznamy jiných uživatelů a na základě shody a podobnosti jsou uživateli doporučovány další skladby, které by pro něj mohly být zajímavé. Základní premisou je, že pokud se v portfoliu dvou uživatelů objeví tytéž skladby/tíž intepreti, je dost pravděpodobné, že jejich vkus by se mohl shodovat i v případě dalších skladeb/interpretů z jejich portfolií. Uživatelé Last.fm si tak můžou navzájem rozšiřovat obzory, a to s nejvyšší pravděpodobností ve směru, kterým si je rozšiřovat doopravdy chtějí1.

Uživatelé se mohou navzájem přidávat do Přátel, sdružovat se do skupin. Systém automaticky generuje žebříčky nejposlouchanějších interpretů v různých časových obdobích. Tyto žebříčky jsou vypočítávány na základě dat od uživatele, skupiny uživatelů nebo země původu uživatele, ale také u jednotlivých interpretů. Systém také automaticky generuje žebříčky interpretů a skladeb, jejichž poslouchanost se v aktuálním týdnu nejvíce zvýšila (tzv. Hype Tracks, Hype Artists).

Výsledky doporučujícího algoritmu jsou pro uživatele generovány z dat jeho poslechů za poslední týden nebo celkově. Je důležité poznamenat, že má-li být systém účinný, je třeba ho nejdříve „naplnit“ větší sadou dat. Skladby, které aplikace automaticky doporučí, lze poslouchat pomocí automaticky generovaného streamu – rádia (nebo přímo stažením celé skladby, pokud je k dispozici). Uživatel si tak může ověřit, zda se mu doporučované skladby opravdu líbí a má si je „obstarat“ (ať už to znamená cokoliv).

Uživatel se ovšem nemusí spoléhat pouze na seznam doporučených interpretů, systém mu nabízí také, na základě podobnosti, seznam uživatelů s podobným vkusem – Neighbours. Jejich profily s jejich žebříčky a seznamy poslouchaných skladeb mohou sloužit k další hudební edukaci uživatele.
Pomocí algoritmu je také doporučován seznam akcí (např. koncerty), které se konají v blízkosti místa bydliště uživatele. Neuvedenou akci lze také doplnit. U každé akce je možné podchytit účast nebo neúčast, což se následně objeví Přátelům v jejich profilu. U každé akce lze prohlížet seznam účastníků.

Profil se také automaticky vytváří každému poslouchanému interpretu a uživatelé mají možnost doplnit jeho popis. Pro editaci je použito vnitřního wiki, kdy systém zaznamenává veškerou historii změn a nabízí prostor k diskuzi o těchto změnách. U každé entity systému (uživatelé, interpreti, jednotlivé skladby, akce, videa) je možné vést diskuzi pomocí krátkých zpráv – Shoutboxu a lze ji také „otagovat“. Tyto tagy je možné použít k pozdějšímu vyhledání.

Aplikace je velice komplexní a výčtem jejích funkcionalit bychom zabrali mnoho stran textu (tvoření vlastních rádií, možnost interního žurnálu atd.), pokusili jsme se „vypíchnout“ pouze ty podstatné a relevantní vzhledem k předchozímu textu. Pro její fungování je zásadní princip vytěžování kolektivní inteligence, kdy jsou na základě uživatelem dodaných dat generována jiná pro něj „prospěšná“ data.

Objevuje se také velká nevýhoda všech systémů, které jsou závislé na vstupech od uživatelů. Mnohdy totiž uživatelé zadávají interpreta a názvy skladeb pod různými jmény. Například uživatel posílá jméno v některé z následujících verzí: Dvořák; Dvorak; Antonín Dvořák; Antonin Dvorak, což pak vede k znehodnocení výsledků. V takových případech se nabízí uživatelům možnost hlasování o správnosti jména. Horší je to v momentě, kdy se na jedné skladbě podílí více interpretů nebo se jedná o remix skladby původní.
V systému se objevují AJAX prvky, ale pouze při zadávání formulářových dat, plugin pro Adobe Flash je nutný pouze pro sledování videí a poslech rádia. Jako RSS feed je možné přihlásit seznam posledních poslouchaných skladeb jednotlivých uživatelů a stejně tak všechny žebříčky. Do systému není možné přihlásit se pomocí OpenID ani jiné podobné služby, při přihlášení je použit zabezpečený protokol HTTPs.

Systém má otevřené API pro další využití . Zajímavé použití je například na serveru MusicPortl, kde se při zadání jména interpreta kombinují výsledky vyhledávání z Last.fm, Amazonu, Flickru, YouTube a dalších. Nebo propojení Amazonu a poslouchaných interpretů na Last.fm, kdy je výsledkem RSS feed vycházejících desek dle vašich preferencí. Bohužel výsledek je trochu diskvalifikován příliš úzkou nabídkou Amazonu, v jehož katalogu nejsou ve velké míře zastoupeni evropští producenti.

  1. Uživatel A poslouchá Beatles, Rolling Stones a The Kinks, uživatel B poslouchá také Beatles, Rolling Stones a The Who. Je tedy pravděpodobné, že se uživateli A budou líbit The Who a uživateli B The Kinks.