Luis von Ahn: Spolupráce v obřím měřítku

Kolik z vás už muselo vyplnit nějaký nějaký webový formulář, kde jste byli požádáni o přečtení řetězce zdeformovaných znaků jako jsou tato? Pro kolik z vás to bylo otravné? Dobře, skvělé. To jsem vymyslel já. (Smích) Spíš jsem byl jedním z těch, co to vymysleli.

Jmenuje se to CAPTCHA. A je tam proto, aby zjistila, že vy, bytost, která formulář vyplňuje, jste opravdu člověk a ne nějaký typ programu, napsaný tak, aby odesílal formulář milionkrát. Funguje to, protože lidé, alespoň ti bez zrakového postižení, nemají problém se čtením těchto pokroucených znaků, zatímco počítačové programy to zatím tak dobře nesvedou. Například v případě Ticketmasteru, musíte tyto znaky zadat, aby se zabránilo spekulantům v napsání programu, který by po dvou nakoupil miliony lístků.

CAPTCHA se používá po celém internetu. A protože se užívá tak hojně, často se stane, že konkrétní řada zobrazených náhodných znaků může být nešťastná. Například tento registrační formulář na Yahoo. Náhodné znaky, které se uživateli zobrazily, byly Č, E, K, E, J, což samozřejmě tvoří slovo. Ale nejlepší část je zpráva, kterou obdržela pomocná linka Yahoo asi za 20 minut. "Pomoc! Už čekám přes 20 minut a nic se neděje." (Smích) Takže si myslel, že musí počkat. Ale tento uživatel na tom byl ještě hůř.

(Smích)

Projekt CAPTCHA jsme vytvořili zde v Carnegie Mellon před 10 lety a používá se úplně všude. Řeknu vám o projektu, který jsme udělali o pár let později, další krok ve vývoji CAPTCHA. Říkáme mu reCAPTCHA, a je něčím, co jsme začli zde na Carnegie Mellon a časem z toho udělali začínající firmu. A pak, asi před rokem a půl, koupil tuto firmu Google.

Řeknu vám, jak to začalo. Když mi došlo následující: Přibližně 200 milionů CAPTCHA se na světě vyplní každý den. Když jsem to slyšel prvně, byl jsem na sebe hrdý. Říkal jsem si, jaký dopad můj výzkum má. Ale pak jsem se začal cítit špatně. Víte, pokaždé, když vyplňujete CAPTCHA, vlastně přijdete o 10 vteřin vašeho času. A když to vynásobíte 200 miliony, zjistíte, že lidstvo jako celek ztrácí asi 500 000 hodin denně při psaní těch otravných CAPTCHA. Tehdy jsem se začal cítit špatně.

(Smích)

A pak jsem si říkal, no, nemůžeme CAPTCHA odstranit, protože bezpečnost webu na nich závisí. Ale pak jsem si pomyslel, existuje způsob jak z tohoto úsilí získat něco dobrého pro lidstvo? Má se to takto. Zatímco píšete CAPTCHU, během těch 10 vteřin, váš mozek dělá něco úžasného. Vás mozek dělá něco, co počítače zatím nesvedou. Můžete tak dělat během těch 10 vteřin něco užitečného? Jinak řečeno, je tu nějaký velký problém, který počítače nedokáží vyřešit, ale můžeme jej rozdělit na 10 vteřinové úseky, takže když někdo vyřeší CAPTCHA vyřeší i kousek toho problému? A odpověď na to je "ano", a to je to co teď děláme.

Takže to co možná nevíte je, že zatímco píšete CAPTCHA, nejen, že se dokazujete, že jste člověk, ale zároveň pomáháte digitalizovat knihy. Vysvětlím vám jak to funguje. Je tu spousty projektů, pokoušejících se o digitalizaci knih. Google jeden má, The Internet Archive jeden má. Amazon, teď když má Kindle, se o to pokouší. V základě to funguje tak, že vezmete starou knihu. Viděli jste ty věci, že? Myslím, knihy? (Smích) Začnete s knihou a naskenujete jí.

Ale skenování knihy je jako focení každé její stránky. Z každé stránky máte obrázek. Je to obrázek s textem z každé stránky knihy. V dalším kroku procesu musí počítač dešifrovat všechna ta slova na obrázku. K tomu se používá technologie OCR, optické rozeznávání znaků, které vezme obrázek textu a pokusí se zjistit, jaký text tam je. Problém u OCR je, že je nedokonalý. Hlavně u starších knih, kde inkoust vybledl a stránky zežloutly, OCR nerozpozná hodně slov. Například u knih napsaných před více než 50 roky, počítač nerozpozná okolo 30 procent slov. Takže my děláme to, že sebereme všechna slova, která počítač nerozezná, a dáváme je lidem, aby je pro nás přečetli, když píšou CAPTCHA na internetu.

Takže příště až budete psát CAPTCHA, ta slova která píšete, jsou vlastně slova z knih, které se právě digitalizují a počítač je nerozeznal. A důvod proč používáme 2 slova místo jednoho je ten, protože jedno z těch slov je slovo, které systém dostal z knihy, a neví co to to je a ukáže vám ho. Protože ale neví, jaká je správná odpověď, nemůže jí posoudit. Takže vám dáme další slovo, které systém už zná. Neřekneme vám, které je které a poprosíme o vyplnění obou. A když zadáte správné slovo pro to, které systém už zná, tak předpokládá, že jste člověk a také získá důvěru, že jste dobře napsali i to druhé slovo. A když zopakujeme tento proces třeba u 10 různých lidí a všichni se shodnou jaké to nové slovo je, máme jedno nové správné slovo v digitální podobě.

Takže takhle to funguje. A od doby před asi třemi nebo čtyřmi lety, kdy jsme s tím začli, spousta stránek začala přecházet ze staré CAPTCHA, kde lidé mrhali svým časem, na novou CAPTCHA, kde lidí pomáhají s digitalizováním knih. Například Ticketmaster. S každou koupí lístku na Ticketmasteru, pomůžete digitalizovat knihu. Facebook: Pokaždé když si někoho přidáte nebo šťouchnete, pomůžete digitalizovat knihu. Twitter a dalších asi 350 000 dalších stránek používá reCAPTCHA. Popravdě to číslo stránek, které reCAPTCHA používají je tak vysoké, že množství slov digitalizovaných denně je opravdu velké. Je to kolem 100 milionu denně, což je asi dva a půl milionu knížek ročně. A to vše napsáno slovo po slově jen lidmi vyplňujícími CAPTCHA na internetu.

(Potlesk)

Samozřejmě, když máme tolik slov každý den, může se stát něco vtipného. A to hlavně proto, že teď dáváme lidem dvě náhodně vybraná anglická slova vedle sebe. Takže se stávají vtipné věci. Například, objevilo se toto slovo. Slovo "Křesťané", na tom není nic špatného. Když se ale objeví vedle dalšího náhodného slova, může se stát něco špatného. Dostali jsme toto. (Špatní křesťané) Ale je to ještě horší, protože stránka, na které se ukázalo byla "Ambasáda Království božího". (Smích) Hups. (Smích) Tady je další špatná. JohnEdwards.com (Zatracený liberál) (Smích) Takže pořád urážíme lidi v jednom kuse.

Samozřejmě lidi jen neurážíme. Jde o to, že když uvádíme dvě náhodná slova, může se stát něco zajímavého. To dalo vzniknout velkému internetovému memu, kterému přispěli desetitisíce lidí, říká se mu CAPTCHA umění. Určitě o něm někteří z vás slyšeli. Takhle to funguje. Představte si, že jste na internetu a vidíte CAPTCHA a pomyslíte si, že je to něco konkrétního, jako zde. (Neviditelný toustovač) Takže uděláte s tím snímek obrazovky. Pak, samozřejmě, vyplníte CAPTCHA, protože pomůžete s digitalizací. Ale nejdřív uděláte snímek, a pak namalujete něco co se k tomu vztahuje. (Smích) To je celá věda. Jsou jich desetitisíce. Některé roztomilé. (Udržel jsem to) (Smích) Některé vtipné. (Sjetí předci) Smích A některé, jako paleontologické ňůňo mohou obsahovat Snoop Dogga.

(Smích)

Dobře, toto je mé nejoblíbenější číslo z reCAPTCHA. Je to moje nejoblíbenější věc na celém projektu. Je to množství lidí, kteří pomohli zdigitalizovat alespoň jedno slovo přes reCAPTCHA 750 milionů, což je něco málo přes 10 procent světové populace, nám pomohlo zdigitalizovat vědění lidstva. A čísla jako jsou tato, mě motivují ve výzkumu. Otázka, která motivuje můj výzkum, je tato: Když se podíváte na největší úspěchy lidstva, ty opravdu největší, které spojily lidstvo a změnily dějiny -- například stavba pyramid v Egyptě, Panamského kanálu nebo poslání člověka na Měsíc -- všechny mají něco společného, hlavně to, byly dokončeny s podobným množstvím lidí. Zvláštní, ty všechny zvládnuty s asi 100.000 lidmi. A důvod je ten, že před internetem, organizování více než 100.000 lidí, nemluvě o výplatách, byla téměř nemožná. Teď jsem vám ale ukázal projekt, který v době internetu kde spolupracuje 750 milionu lidí na digitalizaci vědění lidstva. Takže otázkou, která mě motivuje je, když zvládneme poslat člověka na Měsíc se 100 000 lidmi, co zvládneme se 100 miliony?

A na základě této otázky jsme rozjeli různé projekty, na kterých pracujeme. Ukážu vám jeden, ze kterého jsem opravdu nadšený. Něco, na čem jsme v tichosti pracovali asi poslední rok a půl. Ještě není spuštěn. Jmenuje se Duolingo. A protože nebyl spuštěn, pšššt! (Smích) Věřím vám. To je ten projekt a takhle začal. Začal mou otázkou na mého studenta Severina Hackera. Dobře, to je Severin Hacker. Takže, položil jsem mu svou otázku. Mimochodem, slyšeli jste dobře, jeho příjmení je Hacker. Dal jsem mu tedy tuto otázku: Jak přimějeme 100 milionů lidí přeložit web do všech hlavních jazyků zdarma?

Dobře, několik věcí k té otázce. Zaprvé, překládání webu. Web je rozložen do více jazyků. Jeho velká část je v angličtině. Když anglicky neumíte, nedostanete s k ní. Ale jsou i ty velké části v jiných jazycích, které když neznáte, nedostanete se k nim. A my bychom chtěli přeložit web, alespoň jeho většinu, do všech hlavních jazyků. To je to, co bych rád udělal.

Někteří možná namítnou, proč nepoužijeme počítače? Proč nemůžeme použít překladače? V současnosti počítačové překlady sem tam přeloží větu. Proč je nepoužijeme pro celý web? No, problém s tímto je, že to není dost dobré a pravděpodobně nebude dalších asi 15 až 20 let. Tvoří spoustu chyb. A i když nechybuje, tak protože dělá tolik chyb, nevíte, zda tomu věřit, či ne.

Ukážu vám příklad něčeho přeloženého strojem. Byl to příspěvek na fóru. Někdo se ptal na něco ohledně JavaScriptu. Bylo to přeloženo s japonštiny do angličtiny. Nechám vás číst. Ten člověk začíná omluvou za to, že to bylo přeloženo počítačem. Další věta je úvod k otázce. Takže něco vysvětluje. Pamatujte, je to otázka ohledně JavaScriptu. (Často, kozločas instaluje chyba jsou zvratky.) (Často, kozločas instaluje chyba jsou zvratky.) Pak následuje první část otázky. (Kolikrát jako vítr, stožár a drak?) (Kolikrát jako vítr, stožár a drak?) Pak přichází má oblíbená část otázky. (Není to urážka otcových gulí?) (Není to urážka otcových gulí?) A pak přichází závěr, který je z toho všeho nejlepší. (Prosím omluvte svou hloupost. Pro vás mnohé díky.) (Prosím omluvte svou hloupost. Pro vás mnohé díky.) Takže počítačový překlad ještě není dost dobrý. Zpět k otázce.

Takže potřebujeme, aby lidé přeložili web. Takže teď asi budete ptát, proč nemůžeme lidem zaplatit, aby to udělali? Mohli bychom zaplatit profesionální překladatele, aby vše přeložili. To můžeme. Bohužel by to bylo extrémně nákladné. Například, překlad malinkého zlomku celého webu, Wikipedie, do jednoho jazyka, španělštiny. Wikipedia existuje ve španělštině, ale ta je velice malá ve srovnání s anglickou. Je to asi 20 procent velikosti té anglické. Pokud chceme přeložit těch dalších 80 procent do španělštiny, stálo by to asi 50 milionů dolarů -- a to v té nejzneužívanější outsourcingové zemi vůbec. Takže by to bylo velice nákladné. Takže my chceme sehnat 100 milionů lidí na překlad webu do všech hlavních jazyků zadarmo.

Ale když se do toho pustíte, brzy si uvědomíte, že máte dvě velké trhliny, dvě velké překážky. První je nedostatek bilingvních lidí. Já ani nevím, jestli na světě existuje 100 milionu lidí, kteří používají web a umí dva jazyky tak, aby mohli pomoci. To je velký problém. A ten druhý problém je nedostatek motivace. Jak chceme lidi motivovat, aby opravdu překládali web zdarma? Běžně za to lidem musíte platit. Tak jak je přimět, aby to udělali zdarma? Když o tom začneme přemýšlet, jsme omezeni těmi dvěmi věcmi. Ale pak jsme si uvědomili, že vlastně existuje způsob na řešení obou problémů naráz. Jak zabít dvě mouchy jednou ranou. A to tak, že změníte překládání, v něco, co miliony lidí chtějí dělat, a to také vyřeší problém s nedostatkem bilingválů, a to je výuka jazyků.

Ukázalo se, že dnes se asi 1,2 miliardy lidí učí cizí jazyk. Lidé se opravdu chtějí cizí jazyk učit. Ne jen proto, že jsou k tomu nuceni ve škole. Například jen ve Spojených státech je přes 5 milionů lidí, kteří zaplatili přes 500 dolarů za software na výuku jazyků. Lidé se chtějí jazyky učit opravdu hodně. Takže na tom jsme pracovali přibližně poslední rok a půl -- stránka jménem Duolingo, kde hlavní myšlenkou je naučit lidi jazyky zdarma a zároveň překládat web. Takže se učí praxí.

Funguje to tak, že když jste nováček, dostanete velice snadné věty. Těch je na webu samozřejmě plno. Dáme vám velice snadné věty společně s významem slov. A jak překládáte a koukáte, jak je překládali ostatní, začnete se učit jazyk. A jak se zlepšujete, dostáváte na překlad složitější věty. Ale pořád se učíte praxí.

Šílené na tomto způsobu je, že opravdu funguje. Zaprvé, lidé se opravdu učí jazyky. Už to je převážně hotové, teď to testujeme. Lidé se tam tak mohou naučit jazyk. A naučí se ho přibližně stejně jako u nejlepšího výukového programu. Takže lidé se jazyk opravdu naučí. Výuka není jen stejně dobrá, ale i zajímavější. A to proto, že Duolingo používá skutečný obsah. Na rozdíl od vymyšlených vět z učebnic, lidé se učí na skutečném obsahu, který je zajímavější. Takže lidé se doopravdy naučí.

Ale co je asi nejpřekvapivější, překlady, které máme od lidí z této stránky, i když jsou jen začátečníci, jsou tak přesné, jako ty od profesionálních překladatelů, což je opravdu překvapivé. Ukážu vám jeden příklad. Toto je věta přeložená z němčiny do angličtiny. Horní je německy. Prostřední je anglický překlad, který dělal profesionální překladatel, kterému bylo zaplaceno 20 centů za každé slovo. A spodní je překlad uživateli Duolinga, kteří vůbec neuměli německy, když stránky začali používat. Vidíte, že je téměř perfektní. Samozřejmě, máme na to malý trik aby překlad byl stejně dobrý jako profesionální. Kombinujeme překlad několika začátečníků na dosáhnutí profesionální kvality.

Ale i když kombinujeme překlady, tyto stránky dokáží překládat velice rychle. Něco vám ukážu, toto je odhad, za jak dlouho můžeme přeložit Wikipedii z angličtiny do španělštiny. Nezapomínejme, že to má hodnotu 50 milionů dolarů. Takže kdybychom chtěli přeložit Wikipedii do Španělštiny, šlo by to za 5 týdnů se 100 000 aktivními uživateli. A přibližně za 80 hodin s milionem aktivních uživatelů. Protože všechny projekty, na kterých jsme pracovali, měly miliony uživatelů, doufáme, že s tímto projektem budeme schopni překládat extrémně rychle.

To, proč jsem z Duolinga tak nadšený je to, že si myslím, že nabízí poctivý obchodní model výuky jazyka. Jde o tohle: Současný obchodní model výuky jazyků je, že student platí, vlastně platí Rosettově desce 500 dolarů. vlastně platí Rosettově desce 500 dolarů. Takový je současný obchodní model. Problém s tímto modelem je, že 95 procent světové populace nemá 500 dolarů. Takže je extrémně nefér k chudým. A vlastně je zaměřen na bohaté. Ale u Duolinga, protože jak se učíte, tvoříte hodnoty, děláte překlad -- za který bychom mohli někomu zaplatit. A takto to můžeme zpeněžit. A protože lidé tvoří hodnoty během učení, nemusí nám platit penězi, platí nám svým časem. Kouzelné na tom je, že sice platí svým časem, ale ten čas by stejně strávili tím, že by se učili jazyk. Takže pěkné na Duolingu je, že nabízí poctivý obchodní model -- takový, který nediskriminuje chudé.

Toto je ta stránka. Děkuji vám. (Potlesk) Takže toto je ta stránka. Ještě jsme ji nespustili, ale když tam půjdete, můžete se přihlásit do naší soukromé bety, která začne nejspíš za 3 nebo 4 týdny. Ještě jsme toto Duolingo nespustili.

Mimochodem, já zde mluvím, ale Duolingo je ve skutečnosti práce úžasného týmu, ze kterého tu část je. Takže, děkuji.

(Potlesk)