TOTAL översättningsbyrå

”Crowd sourcing” – mängdlokalisering, ett kommande begrepp

Innehållsförteckning

Datorer kan verka smarta, men de kan inte mäta sig med människor på vissa områden: att beskriva en bild, bedöma sökresultaten i en webbsökning eller översätta text från ett språk till ett annat – för att bara nämna några.

Att ta hjälp av mänsklig kunskap för att lösa problem som datorerna kämpar med är också en växande affärsverksamhet: Google låter konsumenterna själva förfina sökresultaten och Amazon använder ett system som kallas Mechanical Turk för att fördela alla möjliga enkla uppgifter till människor i hela världen – och folk arbetar med de uppgifterna, till och med mot en obetydlig betalning.

Nathan Eagle, som är forskare på Santa Fe Institute, New Mexico, håller just nu på med att sjösätta ett projekt som liknar Amazons Mechanical Turk, men som distribuerar jobben via mobiltelefon. Målet för projektet, som heter txteagle, är att ge ett lyft åt den underutnyttjade kompetensen i några av de fattigaste delarna på jorden.

Enligt Eagle skulle distribution av arbetsuppgifter till utvecklingsländerna via sms eller ljudklipp göra vissa arbetsuppgifter mera ekonomiska. Som exempel nämner han översättning av dokument till andra språk och att avgöra den lokala relevansen hos sökresultat. Det skulle också erbjuda en välkommen inkomstkälla för dem som arbetar med uppgifterna.

”Vi vill komma åt kunskaperna hos människor vars kunskaper man inte tidigare har kunnat tillgodgöra sig”, säger Eagle. ”Och vi använder mobiltelefoner, som har en hög genomträngningskapacitet. Det är fler människor i utvecklingsländerna än i de utvecklade länderna som har mobiltelefon, så vi kan få en användarbas som består av miljarder människor.”

Mobiltelefonföretaget Nokia är en av parterna i projektet, och Eagle säger att det är ett bra exempel på ett västföretag som kan dra nytta av dem som arbetar åt txteagle. Eagle berättar att Nokia är intresserat av ”lokalisering av mjukvara”, dvs. översättning av sina program för specifika regioner i olika länder. ”I Kenya finns det mer än 60 unika, fundamentalt olika språk”, säger han. ”Om du har tur kan du få en telefon med ett gränssnitt på Swahili, men även det kan vara ditt tredje språk. Nokia skulle gärna vilja ha telefoner på alla människors modersmål, men de har ingen aning om hur man översätter ord om ”adressbok” till alla dessa språk.”

En annan tillämpning är transkription av ljudinspelningar: en användare lyssnar på ett kort ljudklipp, skriver ned det för hand, och kopierar sedan in det i ett sms-svar. Eagles undersökningar visar att en sådan uppgift kan genomföras på mindre än två minuter, och han tror att en duktig användare kan tjäna omkring 3 dollar i timmen på det jobbet. Det är 60 % billigare än dagens transkriptionsarvoden.

Användarna skulle få betalt antingen i form av krediteringar till sitt mobilabonnemang eller kontant. Det senare med hjälp av en tjänst som heter mPesa, med vilken man kan skicka och ta emot pengar via mobiltelefon och använda sina telefoner för att ta ut pengar hos mPesa-ombud och postkontor, säger Eagle.

En teknisk fråga som han har tänkt på är kvalitetskontroll. Eagle säger att han och hans kolleger håller på och utvecklar maskininlärningsalgoritmer som kan bestämma noggrannheten i olika arbetstagares svar. I princip går ut på att identiska arbetsuppgifter skickas till ett antal personer, och om en hög procentandel av dem skickar tillbaka ett visst svar, så kan det antas vara det mest korrekta inom ett visst statistiskt konfidensintervall. Om en person konsekvent svarar korrekt, så bedömer systemet att hon är mer pålitlig och ger henne fler uppgifter, vilket gör att hon kan tjäna mera pengar. Men Eagle medger att det fortfarande finns en del ojämnheter i systemet som behöver planas ut, särskilt för sådana uppgifter som översättning och transkribering, där det kan vara ganska subjektivt vad som är rätt och fel.

Txteagle kommer att använda sig av ett s.k. renommésystem som liknar det som Amazons Mechanical Turk använder sig av, och som har utvecklats av ett San Fransiscoföretag vid namn Dolores Labs. VD:n Lukas Biewald säger att ett sådant system är ett kraftfullt verktyg för txteagle. ”Man behöver inte hålla på och gissa vem som kan göra jobbet och vem som inte kan det,” säger han. ”Programmet låter dig ta mera risker med dem som gör jobbet, utan att offra exaktheten.”

Sharon Chiarella vid Amazons Mechanical Tyurk-projekt säger att denna ”crowd sourcing” till utvecklingsländer kan vara en bra idé. ”En av de saker som är bra med det är löftet att ta vara på kompetensen hos en global arbetskraft”, säger hon.

Men Chiarella tillägger att det finns en del begränsningar. De flesta mobiltelefoner t.ex. kan bara skicka och ta emot text- och ljudmeddelanden. Det gör att det blir omöjligt att ”mängdlokalisera” mera komplicerade uppgifter t.ex. taggning av bilder. ”Mobiltelefonens bildskärm begränsar en del de uppgifter som kan lämpa sig för att göra via telefon´”, säger hon. ”Men jag tror att allt eftersom mobiltelefonerna utvecklas försvinner en del av de nackdelarna”.

Eagle håller med men säger att hans mål är börja i liten skala och se om modellen fungerar tillräckligt bra för att kunna byggas ut. Han hoppas på att få ekonomiskt bidrag för att kunna introducera tjänsten i Rwanda, Kenya, Bolivia och Dominikanska republiken inom ett år.

error:
TOTAL
Sök