《紐約時報》網(wǎng)站周一發(fā)表署名史蒂夫·勞爾(Steve Lohr)的文章稱，如今計算機算法承擔(dān)了越來越多的工作，從股票買賣到廣告定位，從政治競選活動到約會安排，甚至是挑選胸罩尺寸，計算機算法無處不在。 但不管算法如何演變，都不能完全脫離人工的介入而勝任當(dāng)今不斷升級的需求。以下是文章全文：

盡管計算機算法正變得越來越強大、快速和精準(zhǔn)，但始終還是只能理解文字字面的意思，任何上下文的引申義和細(xì)微的差異往往會成為絆腳石。即便已經(jīng)非常強大，但計算機算法還是無法破譯人類語言的模糊性和推理的奧秘。但現(xiàn)在人們的要求已經(jīng)大大提高，希望身邊的設(shè)備更能像一個人一樣提供信息。

因此，當(dāng)編程專家們?nèi)匀?ldquo;按部就班” 地編寫計算機代碼時，更多的人需要加入進(jìn)來做些更微妙的貢獻(xiàn)。為了滿足用戶更深層次的需求，人們不得不對計算機算法的工作進(jìn)行評價、編輯或校正。例如，人們收集網(wǎng)絡(luò)上的資料庫，檢查和驗證它們，然后把它們編輯成能夠響應(yīng)計算機請求的表單，將答案呈現(xiàn)在用戶面前。在這一過程中，人類對信息做了解釋和調(diào)整，使之能夠同時被機器和用戶所理解。

我們不妨把這種行為稱為新興的機械與人工協(xié)作模式，諸如蘋果語音助手Siri和IBM的沃森超級計算機在內(nèi)的問答技術(shù)都屬于這一范疇。在這類技術(shù)中，單純的計算機算法是無法勝任的。

Twitter的裁判員

以 Twitter為例，該服務(wù)就動用了很多被稱為“裁判員”的合約工，來理解那些搜索頻率突然飆升的詞匯的語義和上下文意思。例如，當(dāng)米特·羅姆尼 (Mitt Romney)在去年的總統(tǒng)競選中談及削減政府對公眾廣播的預(yù)算時提到了“大鳥”(Big Bird)一詞，一時間包含該詞的消息在Twitter上炸開了鍋。很快，Twitter的人工裁判就判斷出這里的“大鳥”應(yīng)該是一個政治評論，而非通常意義上的意思，從而對算法做出調(diào)整——當(dāng)人們搜索“大鳥”時，保證跳出來的是羅姆尼談?wù)摰?ldquo;大鳥”及其相關(guān)消息。

在這個實例中，只有人類才能快速而準(zhǔn)確地理解這樣的詞匯及其背后的相關(guān)信息，軟件是無法在較短時間內(nèi)完成的。同時，裁判們會立即把它加入Twitter的搜索算法，確保顯示結(jié)果與人們期望的一致。Twitter的兩位工程師在博客中寫道：“在這類事件中，人工才是系統(tǒng)的核心。”

谷歌搜索的評估員

即便是在非常崇尚算法和工程的谷歌，人工對搜索結(jié)果的貢獻(xiàn)也越來越多。幾個月前，谷歌開始在知名的地點或人物的搜索結(jié)果右邊欄顯示摘要信息，譬如當(dāng)你搜索 “奧巴馬”或“紐約”時，旁邊就會出現(xiàn)簡單的介紹。這些摘要介紹信息一般來自維基百科和其它數(shù)據(jù)庫，經(jīng)過人工編輯而成。這樣一來，當(dāng)谷歌的搜索算法檢測到這些特殊詞匯是就會調(diào)用整理好的介紹信息，而不是簡單的顯示連接到其它站點的鏈接。

在谷歌負(fù)責(zé)搜索質(zhì)量的工程總監(jiān)斯科特·霍夫曼(Scott Huffman)表示：“我們的思路有了轉(zhuǎn)變，部分搜索結(jié)果加入了人工策劃的結(jié)果。”

除了內(nèi)容策劃人員，還有其他人在幫助谷歌開發(fā)調(diào)整搜索算法，以應(yīng)對每月超過1000億次的搜索請求。他們通常被成為“評估員”?；舴蚵硎荆?ldquo;我們的工程師開發(fā)了搜索算法，但需要評估員幫助測試某一改動是否能夠提升搜索質(zhì)量。”

23 歲的凱瑟琳·楊(Katherine Young)是一位谷歌搜索的評估員，她是谷歌簽的合同工，目前還在上大學(xué)。楊的工作是檢測和調(diào)整模糊的搜索結(jié)果和排序問題。譬如，針對“國王手里握的是什么”，她需要審核現(xiàn)有的搜索結(jié)果，給出合理的搜索結(jié)果和先后排序。譬如，一個包含“國王手握權(quán)杖”的網(wǎng)頁會被作為合理的參考答案放在第一位。

楊表示：“評估不是非黑即白的選擇，有時你不得不將自己置于用戶的角色，然后找出合理的結(jié)果及排序。”

沃森的醫(yī)學(xué)老師

IBM的超級問答計算機沃森經(jīng)過了很長時間的訓(xùn)練，試圖為醫(yī)生診斷提供專業(yè)的答案。不過即便如此，它也需要人工的介入。

作為“助理醫(yī)生”，沃森掌握了多種醫(yī)療書籍里面的知識。此外，沃森還會接受來自醫(yī)學(xué)院的臨床醫(yī)生們各種詢問，不斷修正自己的知識庫。譬如，沃森可能會被問到這樣的問題，“什么樣的神經(jīng)系統(tǒng)疾病是禁忌使用安非他酮的?”沃森的軟件系統(tǒng)數(shù)據(jù)庫里可能包含了安非他酮這種抗抑郁劑，但它可能會不明白禁忌是什么意思。這時就需要人工的介入，告訴機器禁忌就是不能使用的意思，然后沃森才可能給出“癲癇癥不能使用安非他酮”這樣的答案。

IBM科學(xué)家埃里克·布朗(Eric Brown)稱：“我們借助醫(yī)學(xué)專家?guī)椭稚瓕W(xué)習(xí)，使它變得越來越聰明。”

總之，我們的計算機算法正變得越來越好，但要完成更智能、更人性化的任務(wù)，它們離不開人力的幫助。