Därför är mänsklig intelligens fortfarande överlägsen i en digital värld
Datorer och artificiell intelligens blir alltmer sofistikerade, men de kan fortfarande inte fullt ut mäta sig med människans förmåga inom en rad områden. Att tolka och beskriva en bild med alla dess nyanser, att bedöma relevansen i sökresultat eller att utföra en kulturellt och kontextuellt korrekt översättning från ett språk till ett annat är bara några exempel på uppgifter där mänsklig kognition förblir oöverträffad.
Trots den snabba teknologiska utvecklingen är vissa uppgifter för komplexa, nyanserade eller kontextberoende för att datorer ska kunna hantera dem på ett tillfredsställande sätt. Detta faktum har gett upphov till nya affärsmodeller där mänsklig arbetskraft kompletterar maskinell beräkningskraft. En vanlig metod för detta är crowdsourcing, där man distribuerar små, hanterbara uppgifter till ett stort nätverk av människor, ofta via internet.
Två tidiga exempel på hur detta fungerar i praktiken är Googles system där användare kan hjälpa till att förbättra sökresultat och Amazons plattform Mechanical Turk, där enkla digitala arbetsuppgifter fördelas till människor över hela världen. Trots att ersättningen ofta är låg är det många som utför dessa uppgifter, vilket visar på en vilja att bidra – och samtidigt tjäna en extra slant – oavsett var man befinner sig.
Txteagle: Ett initiativ för att förändra arbetsmöjligheter globalt
Mobiltelefonen som arbetsredskap
En av de mest lovande och uppmärksammade satsningarna inom detta fält var projektet txteagle, som leddes av forskaren Nathan Eagle vid Santa Fe Institute i New Mexico. Till skillnad från Amazons datorbaserade Mechanical Turk distribuerade txteagle sina uppgifter via mobiltelefoner – en teknik som är betydligt mer tillgänglig än datorer i många delar av världen.
Målet med txteagle var att tillvarata den outnyttjade kompetensen i några av världens fattigaste regioner och skapa nya inkomstkällor för dem som annars hade begränsade möjligheter till arbete. Genom att skicka ut små arbetsuppgifter via sms eller korta ljudklipp kunde människor i dessa områden bidra med värdefulla tjänster som översättningar, bedömning av lokala sökresultat och transkriptioner av ljudinspelningar.
En värld där mobiltelefoner öppnar nya dörrar
Mobiltelefonen utgjorde, enligt Nathan Eagle, en enastående plattform för att nå en global arbetskraft. I många utvecklingsländer var mobiltäckningen och användningen av mobiltelefoner vid den här tiden faktiskt högre än i vissa mer utvecklade länder. Detta innebar att txteagle hade potential att nå miljarder människor som tidigare stått helt utanför den digitala arbetsmarknaden.
Konkreta tillämpningar: Från översättning till transkription
Lokalisering av mjukvara: Ett exempel från Nokia
Ett konkret exempel på hur txteagle kunde komma till praktisk användning var ett planerat samarbete med mobiltelefontillverkaren Nokia. Företaget hade identifierat ett stort behov av att lokalisera sina telefoners programvarugränssnitt till en mängd olika språk och dialekter, särskilt i länder som Kenya där det talas över 60 fundamentalt olika språk.
På den tiden var det vanligt att endast swahili erbjöds som lokalt språkalternativ i kenyanska telefoner, trots att det för många invånare inte är modersmålet. Med hjälp av txteagles nätverk hoppades Nokia kunna skapa gränssnitt på betydligt fler modersmål, vilket både skulle förbättra användarupplevelsen och stärka varumärket på lokala marknader.
Effektiv transkription via mobiltelefon
En annan viktig tillämpning för txteagle var transkription av ljudinspelningar. Användare kunde få lyssna på korta ljudklipp och sedan skriva ned innehållet, som de skickade tillbaka via sms. Nathan Eagles forskning visade att en skicklig användare kunde transkribera ett klipp på under två minuter. Detta möjliggjorde en inkomst på omkring tre dollar i timmen – en lön som i många länder kunde vara mycket betydelsefull.
Modellen var inte bara ekonomiskt fördelaktig för uppdragsgivarna, då den var cirka 60 % billigare än traditionella transkriptionstjänster, utan erbjöd även arbetstagarna en ny möjlighet att förbättra sin livskvalitet genom mikroinkomster.
Hur ersättningen fungerade
För att underlätta betalningar till de medverkande planerade txteagle att erbjuda två huvudsakliga modeller:
- Mobilkrediter: Användarna skulle få betalt i form av samtalskrediter som de kunde använda för att ladda sina mobilabonnemang.
- Kontantutbetalningar: Via tjänster som M-Pesa (ett mobilt betalningssystem som utvecklades i Kenya) kunde användarna ta emot pengar direkt till sina mobiltelefoner och sedan ta ut kontanter hos ombud eller postkontor.
Detta flexibla system gjorde det möjligt att anpassa betalningen efter lokala förhållanden och användarnas preferenser, vilket var avgörande i miljöer där tillgången till traditionella banktjänster kunde vara begränsad.
Kvalitetssäkring: En utmaning och en möjlighet
Maskininlärning för ökad tillförlitlighet
En av de största utmaningarna för en plattform som txteagle var att säkerställa kvaliteten på det arbete som utfördes. För att hantera detta utvecklade Nathan Eagle och hans kollegor avancerade algoritmer för maskininlärning. Dessa algoritmer var designade för att utvärdera noggrannheten i användarnas svar, bland annat genom att skicka ut identiska uppgifter till flera personer. Om en hög andel av dem lämnade samma svar, kunde det antas vara korrekt inom ett visst statistiskt konfidensintervall.
Systemet utvärderade också varje individuell användares pålitlighet över tid. De som konsekvent levererade korrekta svar skulle tilldelas fler uppgifter och därmed få möjlighet att tjäna mer. Detta incitamentsystem var avsett att främja hög kvalitet och samtidigt skapa en positiv återkoppling för de mest pålitliga arbetarna.
Utmaningar vid subjektiva uppgifter
Det fanns dock fortfarande svårigheter att övervinna, särskilt vid mer subjektiva uppgifter som översättning och transkription, där ett ”korrekt” svar kan vara mer beroende av tolkning. För dessa uppgifter krävdes en ytterligare utveckling av algoritmer och processer för att balansera kvalitetssäkring med rättvisa bedömningar.
Renommésystem: Lärdomar från andra plattformar
Txteagle planerade att använda ett renommésystem som liknade det som användes av Amazons Mechanical Turk. Ett sådant system, som bland annat utvecklats av företag som Dolores Labs i San Francisco, sågs som ett kraftfullt verktyg. Enligt deras VD, Lukas Biewald, tillät ett välfungerande renommésystem plattformsägare att ta större risker utan att offra noggrannhet. Programmet kunde automatiskt identifiera de mest pålitliga arbetstagarna och allokera fler och viktigare uppgifter till dem, vilket ökade både produktiviteten och den totala kvaliteten.
Framtiden för crowdsourcing via mobiltelefoner
Utmaningar och begränsningar
Sharon Chiarella, som vid den tiden arbetade för Amazons Mechanical Turk, betonade att även om crowdsourcing till utvecklingsländer var en lovande idé, så fanns det tydliga begränsningar. Mobiltelefonernas tekniska kapacitet, särskilt hos äldre modeller, begränsade uppgifterna till enklare text- och ljudbaserade format.
Mer avancerade uppgifter, som bildtaggning eller videoredigering, krävde större skärmar och kraftfullare enheter. Chiarella påpekade dock att i takt med mobiltelefonernas tekniska utveckling skulle allt fler möjligheter öppnas upp.
Txteagles dåvarande framtidsvision
Nathan Eagle var väl medveten om dessa begränsningar men förhöll sig optimistisk. Hans strategi var att börja i liten skala, utvärdera resultaten noggrant och sedan expandera gradvis. Målet var att inom ett år introducera txteagle i länder som Rwanda, Kenya, Bolivia och Dominikanska republiken, där plattformen kunde bidra till att förändra människors liv genom små men meningsfulla arbetsmöjligheter.
Epilog: Vad hände sedan med txteagle?
Historien om txteagle är ett utmärkt exempel på hur snabbt den tekniska utvecklingen och affärsmodellerna kan förändras. Projektet utvecklades och bytte så småningom namn till Jana. Företaget skiftade fokus från mikrouppgifter till att istället erbjuda gratis internetåtkomst i utvecklingsländer.
Deras affärsmodell gick ut på att användare kunde få tillgång till data genom att interagera med annonser och appar från olika varumärken. Jana blev en framgångsrik plattform för marknadsundersökningar och appdistribution, och nådde hundratals miljoner användare. År 2022 förvärvades Jana av teknikföretaget AppLovin, vilket markerade slutet på dess resa som ett självständigt bolag.
Även om txteagles ursprungliga vision om mikrouppgifter via sms förändrades, visade dess utveckling till Jana tydligt den enorma potential som finns i att nå ut till miljarder mobilanvändare på tillväxtmarknader. Initiativet banade väg för en djupare förståelse för hur teknologi kan skapa nya ekonomiska system och möjligheter på en global skala.
