Luis von Ahn: Onlinesamarbejde i storformat

Hvor mange her har prøvet at udfylde en formular på internettet, hvor I blev bedt om at læse en forvrænget række af tegn som denne? Hvor mange af jer syntes, det var virkelig, virkelig irriterende? Udmærket. Det var mig, der opfandt det. (Latter) Eller jeg var med til at lave det.

Sådan en kaldes en CAPTCHA. Den er der, fordi den skal sikre, at du - den enhed, der udfylder formularen - - er et menneske og ikke et computerprogram der skal bruges til at sende formularen flere millioner gange. Den virker, fordi mennesker - - eller i hvert fald mennesker uden synsbesvær - sagtens kan læse disse forvrængede og snørklede tegn, men det er computerprogammer ikke så gode til endnu. F.eks. som det er tilfældet for Ticketmaster, skal du skrive disse disse forvrængede tegn så billethajer ikke skriver et program, der kan købe millioner af billetter - to ad gangen.

CAPTCHA'er bruges overalt på internettet. Og eftersom de bruges så ofte, vil den nøjagtige rækkefølge af tilfældige tegn, som brugeren får vist, ikke være specielt heldig. Her er et eksempel fra Yahoo's tilmeldingsside. De tilfældige tegn, som brugeren fik vist, var W, A, I, T, som jo giver et ord, der betyder VENT. Men det bedste er den meddelelse, som Yahoo's kundehjælp modtog 20 minutter senere. Teks: "Hjælp! Jeg har ventet i over 20 minutter, og der sker ingenting." (Latter) Denne person troede, man skulle vente. Dette er selvfølgelig ikke så slemt, som for denne stakkel.

(Latter)

Vi gennemførte CAPTCHA-projektet her på Carnegie Mellon for over 10 år siden, og det bliver brugt overalt. Lad mig fortælle om et projekt, som vi gennemførte nogle få år senere, og som kan kaldes næste trin i CAPTCHA's udvikling. Dette er et projekt, som vi kalder reCAPTCHA, som vi startede her på Carnegie Mellon, hvorefter vi gjorde det til en opstartsvirksomhed. Og så for halvandet år siden, har Google faktisk købt denne virksomhed.

Lad mig fortælle jer, hvad dette projekt satte i gang. Projektet blev startet ud fra følgende observation: Det viser sig, at ca. 200 millioner CAPTCHA'er indtastes af mennesker hver dag i hele verden. Da vi hørte det første gang, blev jeg ret stolt af mig selv. Jeg tænkte "Se, hvilken indvirkning min forskning har haft". Men så blev jeg ked af det. Sagen er, at hver gang du indtaster en CAPTCHA, spilder du 10 sekunder af din tid. Og hvis du ganger det med 200 millioner, bliver resultatet, at menneskeheden spilder ca. 500.000 timer hver dag på at indtaste irriterende CAPTCHA'er. Så jeg begyndte at føle mig ked af det.

(Latter)

Og så tænkte jeg, at vi kan selvfølgelig ikke bare afskaffe CAPTCHA'er, fordi sikkerheden på internettet er ligesom afhængig af dem. Men jeg begyndt at tænke, om der er en måde, hvorpå vi kan bruge denne indsats til noget, der er godt for menneskeheden? Så dette er, hvad det drejer sig om. Mens du indtaster en CAPTCHA - i de 10 sekunder - gør din hjerne noget fantastisk. Din hjerne gør noget, som computere ikke kan gøre. Kan vi få dig til at gøre et nyttigt stykke arbejde i de 10 sekunder? Formuleret på en anden måde: Er der et eller andet kæmpe problem, som vi ikke kan få computere til at løse? og som vi kan opdele i 10-sekunders bidder, sådan at hver gang nogen løser en CAPTCHA, løser vedkommende en lille del af dette problem? Og svaret på det spørgsmål er "ja", og det er, hvad vi gør nu.

Det som du muligvis ikke ved er, at når du indtaster en CAPTCHA i dag, er du ikke bare i færd med at bekræfte, at du er et menneske, men du hjælper os også med at digitalisere bøger. Lad mig forklare, hvordan det virker. Der findes en masse projekter, hvor man forsøger at digitalisere bøger. Google har et projekt, og Internet Archive har et. Amazon, med Kindle, prøver at digitalisere bøger. De fungerer grundlæggende ved, at du begynder med en gammel bog. Du har set sådan nogen, ikke? En bog? (Latter) Du starter med en bog, og så scanner du den.

Det at scanne en bog er som at tage et digitalt fotografi af hver side i bogen. Det giver dig et billede for hver side i bogen. Dette er et billede med tekst for hver side i bogen. Det næste trin i processen er, at computeren skal kunne tyde alle ordene i billedet. Det sker ved hjælp af en teknologi, der kaldes OCR, optisk tegngenkendelse, som tager et billede af teksten og forsøger at finde ud af, hvilken tekst det indeholder. Problemet er, at OCR ikke er perfekt. Særligt med gamle bøger, hvor tryksværten er blegnet, og siderne er blevet gule, kan OCR ikke genkende en stor del af ordene. F.eks. ved tekster, der er skrevet for over 50 års siden, kan computeren ikke genkende omkring 30 procent af ordene. Så det vi gør nu, er at tage alle de ord, som computeren ikke kan genkende, og får mennesker til at læse dem for os, mens de indtaster CAPTCHA'er på internettet.

Så næste gang, du indtaster en CAPTCHA, vil de ord, du skriver, faktisk være ord, som kommer fra digitaliserede bøger, og som computeren ikke kunne genkende. Og nu til årsagen til, at vi har to ord i dag i stedet for et: Det er fordi, at et af ordene er et ord, som systemet fandt i en bog, det kunne ikke genkende ordet, og systemet viser dig det. Men eftersom systemet ikke kender svaret, kan det ikke validere det for dig. Derfor giver vi dig et andet ord, som systemet kender svaret på. Vi fortæller ikke, hvilket ord der er hvad, og vi beder dig indtaste dem begge. Og hvis du skriver det rigtige ord for det ord, som systemet kender svaret på, antager det, at du er menneske, og det får også en vis tillid til, at du har skrevet det andet ord rigtigt. Og hvis vi gentager denne proces for f.eks. 10 forskellige personer, og de alle er enige om, hvad ordet er, har vi fået digitaliseret endnu et ord korrekt.

Det er altså sådan systemet virker. Og siden vi frigav det for 3 - 4 år siden, er mange websteder begyndt at skifte fra den gamle CAPTCHA, hvor folk spildte deres tid, til den nye CAPTCHA, hvor folk er med til at digitalisere bøger. For eksempel Ticketmaster. Hver gang, du køber billetter på Ticketmaster, er du med til at digitalisere en bog. Facebook: Hver gang du tilføjer en ven eller prikker til nogen, er du med til at digitalisere en bog. Twitter og ca. 350.000 andre websteder bruger alle reCAPTCHA. Og faktisk er der så mange websteder, der bruger reCAPTCHA, at antallet af ord, som vi digitaliserer hver dag, er virkelig, virkelig stort. Det er cirka 100 millioner om dagen, hvilket svarer til cirka 2,5 millioner bøger om året. Og dette gøres et ord ad gangen bare ved at folk indtaster CAPTCHA'er på internettet.

(Bifald)

Men selvfølgelig... eftersom vi laver så mange ord om dagen, kan der ske sjove ting. Og dette gør sig særligt gældende nu, hvor vi giver folk to tilfældige engelske ord ved siden af hinanden. Så der kan ske sjove ting. For eksempel viste vi dette ord. Det er ordet "Kristne", og der er intet galt med det. Men hvis du viser det ved siden af et andet tilfældigt ord, kan der ske slemme ting. Så får vi dette. (Tekst: slemme kristne) Men det er værre endnu, fordi det websted, hvor vi viste dette, hedder faktisk "Ambassaden for Guds Kongerige". (Latter) Ups. (Latter) Her er en anden virkelig slem en. JohnEdwards.com (Tekst: Forbandet liberal) (Latter) Så vi bliver ved at fornærme folk hver eneste dag.

Vi nøjes selvfølgelig ikke med at fornærme folk. Sagen er, at eftersom vi viser to tilfældigt valgte ord, kan der ske interessante ting. Dette har faktisk startet et virkelig stort internetfænomen, som titusindvis af mennesker har deltaget i, der kaldes CAPTCHA-kunst. Jeg er sikker på, at nogle af jer har hørt om det. Det virker sådan her. Forestil dig, at du bruger internettet og ser en CAPTCHA, som du synes er lidt mærkelig, f.eks. denne CAPTCHA. (Tekst: usynlig brødrister) Det du så skal gøre, er at tage et skærmbillede af den. Og så skal du selvfølgelig lige udfylde CAPTCHA'en, fordi du hjælper os med at digitalisere en bog. Men altså, først skal du tage et skærmbillede, og derefter tegner du noget, der har relation til den. (Latter) Det er sådan, det fungerer. Der er titusindvis af dem. Nogle af dem er meget søde. (Tekst: knyttede den) (Latter) Nogle af dem er sjovere. (Tekst: stenede grundlæggere) (Latter) Og nogle af dem, som palæontologisk shvisle, indeholder Snoop Dogg.

(Latter)

OK, det her er mit yndlingstal for reCAPTCHA. Det er, hvad jeg allerbedst kan lide ved hele projektet. Det er antallet af individuelle personer, der har hjulpet os med at digitalisere mindst ét ord i en bog via reCAPTCHA: 750 millioner, hvilket er lidt over 10 procent af verdens befolkning, har hjulpet os med at digitalisere menneskelig viden. Og det er tal som disse, der motiverer mig i min forskning. Det spørgsmål, der motiverer min forskning, er følgende: Hvis man ser på, hvad menneskeheden har opnået af store ting, de virkelig store ting, som menneskeheden historisk har lavet i fællesskab - f.eks. pyramiderne i Egypten eller Panamakanalen eller at sende en mand til månen - er der en besynderlig ting, de har til fælles, og det er, at de alle blev udført af det samme antal mennesker. Det er mærkeligt. De blev alle udført af ca. 100.000 personer. Og grunden til dette er, at før internettet, var det at koordinere mere end 100.000 mennesker for ikke at tale om at betale dem - stort set umuligt. Men nu, hvor vi har internettet, har jeg lige vist jer et projekt, hvor vi har 750 millioner mennesker, der hjælper os med at digitalisere menneskelig viden. Så det spørgsmål, der motiverer min forskning er, hvis vi kan sende en mand til månen med 100.000, hvad kan vi så gøre med 100 millioner?

Så på grundlag af dette spørgsmål har vi arbejdet på mange forskellige projekter. Lad mig fortælle jer om et projekt, jeg er meget spændt på. Det er noget, vi har arbejdet på lidt i det stille i det sidste halvandet års tid. Det er ikke offentliggjort endnu. Det kaldes Duolingo. Og da det ikke er offentliggjort, så...shyyy. (Latter) Ja, jeg kan stole på, at I gør det. Det her er projektet. Sådan startede det. Det startede ved at jeg stillede min ph.d.-studerende, Severin Hacker, et spørgsmål. OK, det er Severin Hacker. Jeg stillede min ph.d.-studerende et spørgsmål. Og ja, I hørte rigtigt: Hans efternavn er Hacker. Jeg stillede ham dette spørgsmål: Hvordan kan vi få 100 millioner mennesker til at oversætte internettet til alle hovedsprog gratis?

OK, der er meget, man kan sige om dette spørgsmål. For det første om at oversætte internettet. Lige nu er internettet opdelt i flere sprog. En stor del af det er på engelsk. Hvis du ikke kan engelsk, har du ikke adgang til den. Men der er store dele på andre sprog, og hvis du ikke kan disse sprog, har du ikke adgang til dem. Altså vil jeg gerne oversætte hele internettet, eller i det mindste det meste af internettet, til hver hovedsprog. Det er, hvad jeg kunne tænke mig at gøre.

Nogle af jer vil måske sige, hvorfor kan vi ikke bruge computere til at oversætte med? Hvorfor kan vi ikke bruge maskinoversættelse? Maskinoversættelse i dag er begyndt at oversætte nogle sætninger her og der. Hvorfor kan vi ikke bruge det til at oversætte hele internettet? Tja, problemet er, at det ikke er godt nok endnu, og det bliver det sikkert ikke de næste 15 til 20 år. Der laves en masse fejl. Selv når det ikke laver fejl, netop fordi det laver så mange fejl, kan du ikke være sikker på, om du kan stole på oversættelsen.

Lad mig vise jer et eksempel på noget, der er oversat af en maskine. Det er faktisk et indlæg fra et forum. En person forsøgte at stille et spørgsmål om JavaScript. Det blev oversat fra japansk til engelsk. I kan bare få lov at læse. Denne person begynder med at undskylde for, at det er oversat med en computer. Så den næste sætning vil være indledningen til spørgsmålet. Han forklarer bare noget. Husk, det er et spørgsmål vedrørende JavaScript. (Tekst: Ofte gede-tiden installerer en fejl er opkast.) (Latter) Derefter kommer den første del af spørgsmålet. (Tekst: Hvor mange gange som vinden, en pæl og dragen?) (Latter) Derefter kommer den del af spørgsmålet, jeg holder mest af. (Tekst: Dette fornærmelse til fars sten?) (Latter) Og så afslutningen, som er det allerbedste af det hele. (Tekst: Undskyld venligst for Deres dumhed. Der er mange tak.) (Latter) OK, så maskinoversættelse er ikke godt nok endnu. Tilbage til spørgsmålet.

Vi vil gerne have, at mennesker oversætter hele internettet. Det næste spørgsmål, I måske vil stille, er, hvorfor kan vi ikke bare betale nogen for at gøre det? Vi kunne betale professionelle oversættere for at oversætte hele internettet. Det kunne vi. Desværre ville det være ekstremt dyrt. For eksempel ville prisen for at oversætte en lille-bitte del af hele internettet, Wikipedia, til et andet sprog, spansk. Wikipedia findes på spansk, men det er meget lille sammenlignet med størrelsen på engelsk. Spansk er ca. 20 procent af størrelsen af engelsk. Hvis vi ønskede at oversætte de sidste 80 procent til spansk, ville det koste mindst 50 millioner dollars - og det ville være i selv det grovest udnyttede, outsourcing-land vi kunne finde. Så det ville være dyrt. Det vi vil gøre i stedet er at få 100 millioner mennesker til at oversætte internettet til alle hovedsprog gratis.

Hvis det er det, du gerne vil, vil du hurtigt finde ud af, at du støder på to ganske store hurdler, to store forhindringer. Den første er manglen på tosprogede. Jeg ved ikke engang, om der findes 100 millioner mennesker derude, som bruger internettet, og som er tilstrækkeligt tosprogede til at hjælpe os med at oversætte. Det er et stort problem. Det andet problem, du vil støde på, er manglende motivation. Hvordan vil vi motivere folk til faktisk at oversætte internettet gratis? Normalt bliver man nødt til at betale folk for at gøre det. Hvordan vil vi så motivere dem til at gøre det gratis? Da vi begyndte at tænke på dette, blev vi blokeret af disse to spørgsmål. Men så fandt vi ud af, at der faktisk er en måde, hvorpå vi kan løse begge disse problemer med samme løsning. Der var en måde, vi kunne slå to fluer med ét smæk. Det er, hvis vi laver oversættelse af sprog om til noget, som millioner af mennesker gerne vil, og som også hjælper på problemet med manglen på tosprogede, og det er sproglig uddannelse.

Det viser sig, at der i dag er over 1,2 milliarder mennesker, der er ved at lære et fremmedsprog. Folk vil virkelig, virkelig gerne lære et fremmedsprog. Og det er ikke bare, fordi de bliver tvunget til det i skolen. For eksempel er der alene i USA over 5 millioner mennesker, der har betalt over 500 $ for software, der kan bruges til at lære et nyt sprog. Så folk vil virkelig, virkelig gerne lære et nyt sprog. Det som vi har arbejdet på det seneste halvandet år, er et nyt websted - det hedder Duolingo - hvor den grundlæggende tanke er, at folk lærer et nyt sprog gratis, mens de samtidig oversætter internettet. Så helt basalt er det læring ved praktisk arbejde.

Det virker på den måde, at hvis du bare er begynder, giver vi dig meget, meget simple sætninger. Der er selvfølgelig mange meget simple sætninger på internettet. Vi giver dig meget, meget simple sætninger sammen med oplysninger om, hvad hvert ord betyder. Og mens du oversætter dem, og når du kan se, hvordan andre mennesker oversætter dem, begynder du at lære sproget. Og efterhåndens som du stiger i niveau, giver vi dig mere komplicerede sætninger at oversætte. Men du lærer hele tiden, mens du oversætter.

Det skøre ved denne metode er, at den faktisk virker. For det første vil folk virkelig, virkelig gerne lære et sprog. Vi er næsten færdige med det, og vi er ved at teste det. Folk kan virkelig lære et sprog med det. Og de lærer det cirka lige så hurtigt som ved hjælp af den førende software til sprogundervisning. Så folk lærer faktisk et sprog. Og ikke alene lærer de det lige så godt, men det er faktisk mere interessant. Fordi med Duoling lærer man faktisk med virkeligt indhold. Modsat når man lærer med sætninger, der er opdigtet, lærer folk med virkeligt indhold, som helt naturligt vil være interessant. Så folk lærer virkelig et sprog.

Men det som er mere overraskende er, at de oversættelser, vi får fra personer, der bruger webstedet, også selv om de bare er begyndere, de oversættelser, vi får, er ligeså korrekte, som oversætteler fra professionelle oversætter, og det er meget overraskende. Lad mig vise jer et eksempel. Dette er en sætning, der er blevet oversat fra tysk til engelsk. Den øverste er tysk. Den midterste er en engelsk oversættelse, der er lavet af en, som var professionel engelsk-oversætter, som vi har betalt 20 cent pr. ord for denne oversættelse. Den nederste oversættelse er lavet af brugere af Duolingo, hvoraf ingen kunne tysk, før de begyndte at bruge webstedet. I kan se, at det er nærmest perfekt. Vi bruger selvfølgelig et trick her, så oversættelserne bliver ligeså gode som dem fra professionelle oversættere. Vi kombinerer oversættelserne fra flere begyndere, så vi får samme kvalitet som fra en enkelt professionel oversætter.

Selv om vi kombinerer oversættelserne, kan webstedet faktisk oversætte ret hurtigt. Lad mig vise jer det. Dette er, hvor lang tid vi regner med, det vil tage at oversætte Wikipedia fra engelsk til spansk. Husk, det har en værdi af 50 millioner dollars. Så hvis vi ville oversætte Wikipedia til spansk, kunne vi gøre det på fem uger med 100.000 aktive brugere. Og vi kunne gøre det på ca. 80 timer med en million aktive brugere. eftersom alle projekter, min gruppe har arbejdet på indtil nu, har fået millioner af brugere, har vi gode forhåbninger til, at vi vil kunne oversætte meget hurtigt med dette projekt.

Det som jeg synes er mest spændende ved Duolingo, er, at det efter min mening giver en fair forretningsmodel for sprogundervisning. Det jeg mener, er dette: Den nuværende forretningsmodel for sprogundervisning er, at den studerende betaler, og særligt: den studerende betaler Rosetta Stone 500 dollar. (Latter) Det er den nuværende forretningsmodel. Problemet med denne forretningsmodel er, at 95 procent af verdens befolkning ikke har 500 dollar. Derfor er det ekstremt urimeligt i forhold til de fattige. Denne model tilgodeser kun de rige. Men se, i Duolingo eftersom du, mens du lærer, faktisk skaber værdi - du oversætter noget - som vi f.eks. kunne tage betaling for oversættelser. Dette er en måde, vi kunne gøre dette kommercielt på Da folk skaber værdi, mens de lærer, behøver de ikke at betale med penge, men de betaler med deres tid. Men det magiske her er, at de betaler med deres tid, men det er tid, som de ville have været nødt til at bruge alligevel, mens de lærte sproget. Så det fine ved Duolingo, synes jeg, er, at det giver en fair forretningsmodel - en model, der ikke diskriminerer mod fattige mennesker.

Så her er webstedet. Mange tak. (Bifald) Så her er webstedet. Vi har ikke offentliggjort det endnu, men hvis i besøger siden, kan I tilmelde jer og blive end del af vores private betagruppe, som sikkert starter om tre til fire uger. Vi har ikke startet denne version af Duolingo endnu.

Forresten, nu er det er mig, der taler her, men faktisk er Duolingo lavet af et virkelig fantastisk team, hvor af nogen er her i dag. Så mange tak.

(Bifald)