Луис фон Ан: Массовое онлайн-сотрудничество

Скольким из вас приходилось заполнять какую-нибудь веб-форму, где требовалось прочитать искаженный ряд символов, такой как этот? Скольким из вас это показалось очень, очень раздражающим? Хорошо, многим. Я это придумал. Ну, или я один из тех, кто это сделал.

Эта штука называется капча (CAPTCHA). Она нужна, чтобы убедиться, что форма заполняется человеком, а не программой, предназначенной для отправки формы миллионы раз. Она работает, потому что люди, как минимум люди с нормальным зрением, легко могут прочитать эти искаженные символы, а программы пока не справляются с этим так же хорошо. Например, в случае сайта Ticketmaster вам нужно печатать эти искаженные символы, чтобы спекулянты не могли написать программу, покупающую миллионы билетов, по паре за раз.

Капча используются повсюду в интернете. И поскольку она так часто используются, нередко конкретная последовательность случайных символов, показываемая пользователю, оказывается не очень удачной. Это пример со страницы регистрации Yahoo. Случайные символы, которые видел пользователь, оказались W, A, I, T [подожди], и сложились в слово. Однако самое интересное — сообщение в службу поддержки Yahoo 20 минут спустя. Текст: «Помогите! Я ждал больше 20 минут, но ничего не происходит». Этот человек подумал, надо подождать. Конечно, это не так плохо, как у этого бедняги.

[текст: перезагрузитесь]

Мы сделали проект CAPTCHA здесь, в университете Карнеги-Меллон больше 10 лет назад, и он используется повсеместно. Сейчас я расскажу о проекте, который мы сделали несколько лет спустя, это следующий этап эволюции CAPTCHA. Этот проект мы назвали reCAPTCHA, и начали его здесь в университете Карнеги-Меллон, а затем превратили в молодую компанию. Примерно полтора года спустя Google купил эту компанию.

Позвольте рассказать о начале проекта. Этот проект начался со следующего озарения. Оказывается, примерно 200 млн капчей вводится каждый день людьми в мире. Когда я первый раз это услышал, я был очень горд собой. Я подумал о влиянии своих исследований. Но затем начались угрызения совести. Каждый раз при вводе капчи вы теряете 10 секунд вашего времени. Если умножить это на 200 млн, оказывается, человечество теряет 500 тысяч часов каждый день, вводя надоедливые капчи. После этого совесть меня загрызла.

И я начал думать, ладно, мы не можем избавиться от капчей, потому что от них зависит безопасность интернета. Я начал думать, можно ли использовать эти усилия с пользой для человечества? Итак, вот в чем дело. Пока вы вводите капчу, в эти 10 секунд, ваш мозг делает удивительные вещи. Ваш мозг делает то, что компьютеры пока не умеют. Можем ли мы использовать эти 10 секунд для полезной работы? Другими словами, есть ли некая гигантская проблема, которую компьютеры решить не могут, но которую можно поделить на мелкие 10-секундные кусочки так, что каждый раз, когда кто-то решает капчу, он решает маленький кусочек этой проблемы? Ответ — «да», и именно это мы сейчас делаем.

Вы можете не знать, но сегодня при вводе капчи вы не только подтверждаете, что вы человек, но вдобавок вы помогаете нам оцифровывать книги. Позвольте объяснить, как это работает. Есть много проектов по оцифровке книг. У Google, у The Internet Archive. Amazon, теперь с Kindle, пытается оцифровывать книги. Это выглядит примерно так: берем старую книгу. Видели эти штуки, верно? Ну… книги… У нас есть книга, и мы ее сканируем.

Сканирование книги, это как фотографирование каждой страницы. Мы получаем изображение каждой страницы книги. Это изображение с текстом каждой страницы книги. Следующий шаг в этом процессе — компьютеру нужно расшифровать все слова в этом изображении. При этом используется технология OCR, оптическое распознавание символов, которая берет изображение текста и пытается понять, что там за текст. Проблема в том, что OCR не идеальна. Особенно в старых книгах, где чернила выцвели и страницы пожелтели, OCR не может распознать многие слова. Например, в книгах, написанных более 50 лет назад, компьютер не может распознать примерно 30% слов. Поэтому сейчас мы выбираем все нераспознанные слова, и даем их на чтение людям, когда они вводят капчу в интернете.

При следующем вводе капчи знайте, что вы вводите слова, взятые из оцифровываемых книг, которые компьютер не смог распознать. Мы используем два слова вместо одного, потому что одно из слов система взяла из книги, оно неизвестно и показывается вам. Однако поскольку ответ неизвестен, то оценить точность невозможно. Поэтому мы даем другое слово, ответ для которого известен. Мы не говорим, какое из них какое, и просим ввести оба. При вводе правильного слова, того, для которого ответ известен, система считает вас человеком, а также получает уверенность в правильности ввода другого слова. Повторив это с 10-ю разными людьми, все из которых согласны с вводом нового слова, мы получим еще одно точно оцифрованное слово.

Вот так работает система. После выпуска системы три или четыре года назад, многие сайты стали переключаться со старых капч, тративших время впустую, на новые капчи, где люди помогают оцифровывать книги. Например, Ticketmaster. Каждый раз при покупке билетов на Ticketmaster, вы помогаете оцифровать книгу. Facebook: при каждом добавлении друга вы помогаете оцифровывать книгу. Twitter и примерно 350 тысяч других сайтов используют reCAPTCHA. На самом деле, сайтов, использующих reCAPTCHA, так много, что мы оцифровываем очень, очень много слов в день. Примерно 100 млн в день, эквивалент примерно 2,5 млн книг в год. И все это делается по слову за раз, просто людьми, вводящими капчи в интернете.

Конечно, при таком количестве слов в день случаются смешные истории. Особенно потому, что теперь мы даем людям два случайных английских слова рядом. Итак, случаются любопытные истории. Например, мы показываем это слово. Это слово «Христиане», вполне нормальное слово. Но если показать его с другим случайным словом, страшные вещи могут случиться. Получаем вот это (Текст: Плохие христиане) Хуже того, сайт, на котором мы это показали, назывался «Посольство Царства Божия». Оп-па. А вот еще один прокол. JohnEdwards.com (Текст: Чертов либерал) Мы продолжаем оскорблять людей направо и налево каждый день.

Конечно, мы не просто оскорбляем людей. Мы показываем два случайных слова, поэтому могут случиться интересные вещи. Это породило очень большой интернет-мем, называемый искусство капчей, в котором приняли участие тысячи людей. Я уверен, кто-то из вас о нем слышал. Вот как это работает. Представьте, вы в интернете и видите капчу, которая вам кажется необычной, например, как эта. (Текст: невидимый тостер) Вы делаете снимок экрана. Конечно, затем вы вводите капчу, чтобы помочь нам оцифровать книгу. Но сначала вы снимаете экран, а потом рисуете что-то связанное с этим. Вот как это выглядит. Таких рисунков десятки тысяч. Некоторые очень прикольные. (Текст: схватил) Некоторые еще смешнее. (Текст: обкуренные основатели) И некоторые из них, например, палеонтологическая фигня, содержат рэпера Snoop Dogg.

Это мое любимое число в reCAPTCHA. Это та самая вещь, которая мне нравится в проекте. Это количество отдельных людей, которые помогли нам оцифровать как минимум одно слово из книги в reCAPTCHA: 750 млн, чуть более 10% населения Земли, помогли нам оцифровать знания человечества. Вот такие цифры движут планом моих исследований. Вот вопрос, мотивирующий мои исследования: если посмотреть на историю крупных достижений человечества, те значительные вещи, которые люди собрались и сделали, например, постройка пирамид в Египте, или Панамский канал, или отправка человека на Луну, интересная особенность их в том, что все они были сделаны примерно одинаковым количеством людей. Странно. Все они сделаны примерно со 100 тысячью участников. Причина этого в том, что до интернета, координировать более 100 тысч человек, не говоря об оплате, было практически невозможно. Но сейчас, с интернетом, я только что показал вам проект, где мы с помощью 750 млн человек оцифровываем человеческие знания. Вопрос, двигающий план моих исследований: если мы смогли запустить человека на Луну со 100 тысячью участников, что мы сможем сделать со 100 млн?

Пытаясь ответить на этот вопрос, мы работали над множеством проектов. Позвольте рассказать об одном, который мне больше всего нравится. Мы негласно работали над ним последние полтора года. Он еще не запущен. Он называется Duolingo. Поскольку он еще не запущен, ш-ш-ш! Да, вам можно в этом доверять. Вот и проект. Вот как он начался. Он начался, когда я задал вопрос своему студенту, Северину Хакеру. Ладно, вот Северин Хакер. Я задал вопрос своему студенту. Между прочим, вы правильно услышали, его фамилия Хакер. Итак, я задал ему вопрос: «Как можно заставить 100 млн людей переводить интернет на все основные языки бесплатно?»

Ладно, по этому вопросу можно многое сказать. Во-первых, перевод интернета. Сейчас интернет разбит на множество языков. Большая часть его на английском. Если вы не знаете английского, она вам недоступна. Но есть большие части на других языках, и если вы не знаете этих языков, вам они недоступны. Я хотел бы перевести весь интернет, или хотя бы большую его часть, на каждый из крупных языков. Я хочу это сделать.

Кто-то спросит, а почему не перевести с помощью компьютера? Почему бы не использовать машинный перевод? Машинный перевод начинает использоваться для перевода предложений тут и там. Почему бы не использовать его для перевода всего интернета? Проблема в том, что он еще не так хорош, и, вероятно, не улучшится в ближайшие 15-20 лет. Он делает много ошибок. Поскольку он делает много ошибок, то даже когда он точен, доверия к нему нет.

Позвольте показать вам пример машинного перевода. Это была запись в форуме. Кто-то пытался задать вопрос о JavaScript. Он был переведен с японского на английский. Читайте. Этот человек начинает с извинений за машинный перевод. Следующее предложение — преамбула вопроса. Он просто что-то объясняет. Помните, вопрос о JavaScript. (Текст: В часто, козло-время ставит ошибкой рвоту.) Затем идет первая часть вопроса. (Текст: Как часто любят ветер, шест и дракона?) Затем — моя любимая часть вопроса. (Текст: Это оскорбляет камни предков?) Затем это завершается моей самой любимой частью. (Текст: Извинитесь за свою глупость. Есть много спасибо.) Итак, машинный перевод не очень хорош. Назад к вопросу.

Нам нужно, чтобы люди перевели весь интернет. Следующим вопросом может быть, а почему бы не заплатить людям за это? Можно заплатить профессиональным переводчикам за перевод интернета. Это можно сделать. К сожалению, это будет очень дорого. Например, перевести очень, очень малую часть интернета, Википедию, на один язык, испанский. Википедия есть на испанском, но она очень мала по сравнению с английской. Примерно 20% от размера английской. Если мы захотим перевести остальные 80% на испанский, это обойдётся в $50 млн, даже по ценам самой эксплуатируемой страны в мире. Это будет очень дорого. Поэтому мы хотим найти 100 млн человек, которые будут переводить интернет на все крупные языки бесплатно.

Если хочешь это сделать, довольно быстро понимаешь, что впереди два больших препятствия, две большие препоны. Первая — недостаток двуязычных людей. Я даже не знаю, есть ли в интернете 100 млн людей, которые достаточно владеют двумя языками, чтобы помочь нам с переводом. Это большая проблема. Другая проблема, с которой сталкиваешься, это отсутствие мотивации. Как мотивировать людей бесплатно переводить интернет? Обычно за это платят. Как мотивировать делать это бесплатно? Когда мы начинали об этом думать, нас тормозили эти две вещи. Но затем мы поняли, что есть способ решить их обе сразу. Есть способ поймать двух зайцев сразу, то есть превратить перевод в нечто, что миллионы людей захотят делать, и что поможет решить проблему недостатка двуязычных людей — и это изучение языков.

Сейчас более 1,2 млрд человек учат иностранные языки. Люди очень сильно хотят выучить иностранный язык. И не потому, что их заставляют в школе. Например, только в США, свыше 5 млн человек заплатили свыше $500 за программу для изучения нового языка. Люди действительно хотят изучить новый язык. Последние полтора года мы работали над новым вебсайтом: Duolingo. Главная идея: люди учат новый язык бесплатно, параллельно переводя интернет. В принципе, они учатся на практике.

Это работает так: когда вы новичок, мы даем очень, очень простые предложения. Конечно, в интернете много простых предложений. Мы даем вам очень, очень простые предложения вместе со значением каждого слова. По мере перевода и наблюдения за переводами других, вы начинаете изучать язык. По мере продвижения мы даем все более сложные предложения на перевод. Однако вы всегда учитесь на практике.

Самое невообразимое в этом методе — то, что он действительно работает. Главное, люди действительно учат язык. Мы практически закончили с разработкой и теперь тестируем. Люди действительно могут изучить язык с его помощью. Практически так же хорошо, как с помощью ведущих компьютерных программ. Итак, люди действительно изучают язык. И не только они его хорошо учат, но это намного более интересно. Потому что с Duolingo люди учатся на настоящих текстах. В противовес обучению на придуманных предложениях, люди учатся на настоящих текстах, которые сами по себе интересны. Люди действительно изучают язык.

Еще более неожиданно, переводы пользователей сайта, даже новичков, так же точны, как и профессиональные, что очень неожиданно. Позвольте показать один пример. Это предложение было переведено с немецкого на английский. Сверху немецкий. В середине английский профессиональный перевод, за который заплачено по 20 центов за слово. Снизу перевод пользователями Duolingo, ни один из которых не знал немецкого перед использованием сайта. Обратите внимание, он практически безупречен. Конечно, мы схитрили, чтобы сделать перевод столь же хорошим, как и профессиональный. Мы соединили переводы многих новичков, чтобы получить качество одного профессионального переводчика.

Но даже с комбинацией переводов, сайт может переводить очень быстро. Позвольте показать, это наши оценки скорости перевода Википедии с английского на испанский. Помните, это стоит около $50 млн. Если мы хотим перевести Википедию на испанский, мы сможем это сделать за 5 недель со 100 тысячами активных пользователей. Или за 80 часов с миллионом активных пользователей. Все проекты, над которыми работала моя группа, обладали миллионными аудиториями, мы надеемся, что мы сможем переводить очень быстро с помощью этого проекта.

Меня больше всего потрясает в Duolingo то, что я считаю, он предоставляет честную бизнес-модель для языкового образования. Вот в чем дело: текущая бизнес-модель для языкового образования в том, что студент платит, и в частности, студент платит Rosetta Stone $500. Это текущая бизнес-модель. Проблема с ней в том, что у 95% населения мира нет $500. Поэтому это крайне ущемляет бедных. Это однозначно ориентировано на богатых. Теперь смотрите, с Duolingo, потому что в то время, когда вы учитесь, вы создаете нечто ценное, вы что-то переводите, а мы можем брать плату с кого-то за эти переводы. Вот так мы можем на этом зарабатывать. Поскольку люди создают нечто ценное, пока они учатся, они могут платить не деньгами, а временем. Волшебство в том, что они платят временем, тем временем, которое все равно было бы потрачено на изучение языка. Замечательный факт о Duolingo — честная бизнес-модель, которая не ущемляет бедных людей.

Вот сайт. Спасибо. Мы еще не запустились, но если вы туда зайдете, то сможете подписаться на закрытое тестирование, начинающееся примерно через три или четыре недели. Этот Duolingo еще не запущен.

Кстати, я выступаю в одиночку, но Duolingo — результат работы потрясающей команды, некоторых членов можно видеть тут. Спасибо.

Перевод: Александр Автаев
Редактор: Олег Шмелев

Источник