十多年前，我第一次接觸“眾包”這個概念，當時我還是倫敦商學(xué)院的一名學(xué)生。那天，我們的教授拿著一罐硬幣走進了教室。

他讓我們每個人都猜一下罐子里有多少錢。罐子在教室里傳了一圈，同時教授在白板上記下了每人的猜想數(shù)額，總共有100左右，當時我估計里面有30英鎊。所有同學(xué)都估計完畢后，教授打開了一個信封，從中取出了一張紙條并告訴我們：罐子里的硬幣實際金額為18.76英鎊。

最開始我認為教授想要告訴大家，“罐中幣”這個猜想本身是不合理的，但教授接下來的舉動卻出乎我的意料：他計算了我們所有人的猜測數(shù)目的平均值，計算結(jié)果出奇地接近18.76英鎊。眾人智慧的力量就這樣呈現(xiàn)在我們眼前，并且比我們自己99％的估計值都要精準（我們中只有一個人確實猜到了真實的數(shù)額）。

幾個月后，我和我的同學(xué)Janeen成立了一家眾包公司。當時我們召集了最優(yōu)秀的安全和防務(wù)創(chuàng)新者來解決行業(yè)和政府客戶方面復(fù)雜難題。那是2005年，當時的眾包浪潮孕育了InnoCentive、維基百科以及Amazon Mechanical Turk，這三家公司在獲取和使用大眾的知識和靈感方面處于領(lǐng)先地位。

現(xiàn)有公司還啟動了各種眾包計劃，共同創(chuàng)建像My Starbucks Ideas（星巴克客戶意見及創(chuàng)意反饋網(wǎng)站）這樣的產(chǎn)品，以抓牢客戶和供應(yīng)商的心。

第二代眾包

在過去的幾年里，眾包已經(jīng)發(fā)展成為一種更務(wù)實的企業(yè)方法，企業(yè)們進行眾包不再是為了共創(chuàng)產(chǎn)品或者提高創(chuàng)造力，而是為了對他們的人工智能系統(tǒng)進行訓(xùn)練。

谷歌董事長兼長期服務(wù)首席執(zhí)行官Eric Schmidt在2016年表示，下一代谷歌將成為眾包AI公司。他說，如果他想創(chuàng)辦一家新公司，他會以眾包的形式從眾多專家中獲取數(shù)據(jù)，并用于培養(yǎng)具有學(xué)習(xí)能力的人工智能，這些人工智能最終會變得比任何一位專家都更加優(yōu)秀，然后我們會將我們的人工智能反過來賣給這些專家。

還有一些大型企業(yè)利用眾包來提供那些通常由承包商或員工執(zhí)行的服務(wù)。例如，Swisscom收購了眾包平臺Mila，并將其維護和維修工作進行對外眾包。該公司似乎還希望通過智能手機和AR從這些人群中收集數(shù)據(jù)，用于培訓(xùn)AI系統(tǒng)來執(zhí)行大部分人工工作。

那么人群目前來講只是AI的炮灰嗎？

眾包的關(guān)鍵是外包“微任務(wù)”，這些“微任務(wù)”往往不需要個人付出太多努力（比如猜測罐子里的硬幣數(shù)額），但當這些任務(wù)被眾人執(zhí)行時卻能帶來真實的價值。

在人工智能的時代，我們看到了這樣的一個反差現(xiàn)象：單獨的個人數(shù)據(jù)是無用的，但數(shù)千個的眾人數(shù)據(jù)卻能夠共同創(chuàng)造出真實價值。

但我預(yù)測眾包會走的更遠。今天，我們正在利用人群的知識以對數(shù)據(jù)進行判斷——例如將圖片標記為日落或日出。但下一步將是人群自主提供數(shù)據(jù)集，例如，我們可以每天以人工智能系統(tǒng)所需的數(shù)據(jù)格式提供有關(guān)我們自己的健康信息，以便醫(yī)藥公司開發(fā)新藥。比如我曾經(jīng)推薦過的一家強大的非營利性企業(yè)，即CancerBase，就正在研究治療癌癥的方法。在下一代眾包中，人群將會因其提供數(shù)據(jù)而獲得報酬，或者像CancerBase一樣，人群將會自愿免費提供數(shù)據(jù)，以幫助推進人類醫(yī)療水平的發(fā)展。

那么在新一代的眾包背景下，我的“罐中幣”問題會變成什么樣呢？教授不會要求學(xué)生對硬幣的數(shù)量進行估計，而是要求他們每個人從錢包中拍下一組隨機的硬幣照片。然后，學(xué)生將會在照片上寫上圖片中的硬幣數(shù)量，并將這張照片發(fā)送到AI應(yīng)用程序，然后該AI就精確地判斷出任何罐子中包含的硬幣數(shù)額。

歡迎來到一個嶄新的眾包世界，而我們每個人都將為眾包提供數(shù)據(jù)。