Computación evolutiva basada en humanos

La estrategia de selección basada en humanos es un procedimiento de computación evolutiva humana muy simple. Actualmente, muchos sitios web la utilizan para externalizar la recopilación y selección de contenido (contenido aportado por el usuario). Considerada como computación evolutiva, su mecanismo admite dos operaciones: inicialización (cuando un usuario añade un nuevo elemento) y selección (cuando un usuario expresa su preferencia entre elementos). El software del sitio web agrega las preferencias para calcular la aptitud de los elementos, de modo que pueda promover los más aptos y descartar los menos aptos. Varios métodos de selección basada en humanos fueron comparados analíticamente en estudios realizados por Kosorukoff ^{[ 1 ] y Gentry [ 2 ]} .

Debido a que el concepto parece demasiado simple, la mayoría de los sitios web que implementan la idea no pueden evitar el error común: la cascada informativa al solicitar la preferencia humana. Por ejemplo, las implementaciones al estilo Digg , omnipresentes en la web, sesgan considerablemente las evaluaciones humanas posteriores al mostrar cuántos votos ya tienen los elementos. Esto hace que la evaluación agregada dependa de una muestra inicial muy pequeña de evaluaciones que rara vez son independientes. Esto anima a muchas personas a manipular el sistema , lo que puede aumentar la popularidad de Digg, pero perjudicar la calidad de los resultados destacados. Es demasiado fácil enviar una evaluación en un sistema al estilo Digg basándose únicamente en el título del contenido, sin leer el contenido que se supone que debe evaluarse.

Un mejor ejemplo de un sistema de selección basado en humanos es StumbleUpon . En StumbleUpon, los usuarios primero descubren el contenido (lo encuentran por casualidad) y luego pueden indicar su preferencia pulsando un botón de pulgar hacia arriba o hacia abajo. Dado que el usuario no ve la cantidad de votos que otros usuarios han dado al sitio, StumbleUpon puede recopilar un conjunto de preferencias de usuario relativamente imparcial y, por lo tanto, evaluar el contenido con mucha más precisión.

En este contexto, y quizás en general, el software de Wikipedia es el mejor ejemplo de una estrategia evolutiva humana en funcionamiento, donde la evolución (dirigida) de cualquier página comprende el ajuste fino de la base de conocimiento de la información relacionada con esa página. ^{[ 3 ]} La estrategia evolutiva tradicional tiene tres operadores: inicialización, mutación y selección. En el caso de Wikipedia, el operador de inicialización es la creación de la página, el operador de mutación es la edición incremental de la página. El operador de selección es menos prominente. Se proporciona mediante el historial de revisiones y la capacidad de seleccionar entre todas las revisiones anteriores mediante una operación de reversión. Si la página es vandalizada y ya no se ajusta bien a su título, un lector puede ir fácilmente al historial de revisiones y seleccionar una de las revisiones anteriores que mejor se ajuste (con suerte, la anterior). Esta función de selección es crucial para el éxito de Wikipedia.

Un dato interesante es que el software wiki original se creó en 1995, pero pasaron al menos seis años antes de que surgieran grandes proyectos colaborativos basados ​​en wikis. ¿Por qué tanto tiempo? Una explicación es que el software wiki original carecía de una operación de selección y, por lo tanto, no podía soportar eficazmente la evolución del contenido. La incorporación del historial de revisiones y el auge de grandes comunidades basadas en wikis coinciden en el tiempo. Desde el punto de vista de la computación evolutiva, esto no es sorprendente: sin una operación de selección, el contenido sufriría una deriva genética sin rumbo y probablemente no sería útil para nadie. Eso era lo que muchos esperaban de Wikipedia en sus inicios. Sin embargo, con una operación de selección, la utilidad del contenido tiende a mejorar con el tiempo a medida que se acumulan cambios beneficiosos. Esto es lo que sucede a gran escala en Wikipedia.

El algoritmo genético basado en humanos (HBGA) proporciona los medios para la operación de recombinación basada en humanos (una característica distintiva de los algoritmos genéticos ). El operador de recombinación combina partes altamente aptas de diferentes soluciones que evolucionaron de forma independiente. Esto hace que el proceso evolutivo sea más eficiente.