Wiedza w grach, gry z celem tworzenia wiedzydr inż. Agnieszka Ławrynowicz

Instytut Informatyki Politechniki Poznańskiej

ZTG 2013

Kim jestem?

• Adiunkt w Instytucie Informatyki Politechniki Poznańskiej

• Zainteresowania: sztuczna inteligencja, głównie reprezentacja i inżynieria wiedzy (ontologie), odkrywanie wiedzy i technologie semantyczne (Semantic Web)

http://www.cs.put.poznan.pl/alawrynowicz/

LeoLOD

• LeoLOD - Learning and Evolving Ontologies from Linked Open Data (2013-2015)

• Projekt realizowany w ramach programu POMOST Fundacji na Rzecz Nauki Polskiej

• Tworzenie wiedzy: metody automatyczne (uczenie maszynowe) • Walidacja wyników: crowd-sourcing (mikro-zadania)• Strona projektu:

http://www.cs.put.poznan.pl/alawrynowicz/leolod/

WIEDZA W GRACH

Jeopardy!• Jeopardy! to amerykański quiz show (odpowiednik polskiego Va

Banque!)• 1964 – do dzisiaj• format odpowiedź-i-pytanie

• Przykład:– Kategoria: Nauka ogólnie– Wskazówka: W zderzeniu z elektronami, fosfor wydziela energię

elektromagnetyczną w tej formie – Odpowiedź: Czym jest światło?

dla ludzi, wyzwaniem jest znajomość odpowiedzi dla maszyn, wyzwaniem jest zrozumienie pytania

IBM Watson

• Watson – system komputerowy stworzony przez IBM do odpowiadania na pytania zadawane w języku naturalnym

• Watson wystąpił w Jeopardy! w trzydniowej rozgrywce (2011) …

IBM Watson

…• przeciwnikami IBM Watsona byli:

– Brad Rutter – do tej pory wygrał najwięcej pieniędzy,

– Ken Jennings – był najdłużej niepokonanym mistrzem

• IBM Watson zajął pierwsze miejsce

IBM Watson

• DeepQA (Watson) – generuje i ocenia wiele hipotez wykorzystując kolekcję metod z

dziedziny przetwarzania języka naturalnego, uczenia maszynowego, reprezentacji wiedzy i wnioskowania;

– gromadzą one i ważą dowody pochodzące ze źródeł danych niestrukturalnych i strukturalnych (np. otwartych powiązanych danych) aby ustalić odpowiedź o najwyższej pewności na podstawie odpowiedzi wielu (setek) metod

JĘZYK NATURALNY ZADANIEparsowanie

NERwyszukiwanie informacji

technologie semantyczne

uczenie maszynowe

crowd

IBM Watson

• DeepQA (Watson) – generuje i ocenia wiele hipotez wykorzystując kolekcję metod z

dziedziny przetwarzania języka naturalnego, uczenia maszynowego, reprezentacji wiedzy i wnioskowania;

– gromadzą one i ważą dowody pochodzące ze źródeł danych niestrukturalnych i strukturalnych (np. otwartych powiązanych danych) aby ustalić odpowiedź o najwyższej pewności na podstawie odpowiedzi wielu (setek) metod

JĘZYK NATURALNY ZADANIEparsowanie

NERwyszukiwanie informacji

technologie semantyczne

uczenie maszynowe

crowd

GRY Z CELEM TWORZENIA WIEDZY

Tworzenie wiedzy

• wykwalifikowany zespół ludzi• metody (pół)-automatyczne• społecznościowe (crowd-sourcing)

Tworzenie wiedzy

• wykwalifikowany zespół ludzi• metody (pół)-automatyczne• społecznościowe (crowd-sourcing):

– Gry z celem tworzenia wiedzy

Motywacje w tworzeniu treści przez społeczność

• Obopólna korzyść (tagowanie)• Reputacja, sława (Wikipedia)• Rywalizacja• Przystosowanie się do grupy• Altruizm• Poczucie własnej wartości i nauka• Zabawa i osobista przyjemność• Domniemana obietnica przyszłych nagród • Nagrody (Amazon Mechanical Turk)

Gry z celem

• Games with a purpose (GWAP):• Technika oparta na obliczeniach wykonywanych przez ludzi

(human-based computation)

• Proces obliczeniowy wykonywany jest poprzez zlecanie niektórych czynności ludziom do wykonania w zabawny, zajmujący sposób

• GWAP wykorzystuje różnice w umiejętnościach i kosztach pracy ludzi i metod informatycznych w celu osiągnięcia symbiotycznej interakcji człowiek-komputer

Gry z celem

• Luis Von Ahn (2006)

• Główna motywacja: nie leży w rozwiązaniu instancji problemu obliczeniowego, jest to ludzkie pragnienie zabawy

• W GWAP ludzie wykonują pożyteczne obliczenia jako efekt uboczny przyjemnej rozrywki

• Miarą użyteczności GWAP jest kombinacja wygenerowanych wyników i przyjemności rozgrywki

Kluczowe elementy GWAP

Gry z celem tworzenia treści, wiedzy

• Adnotacja tekstu/audio/obrazów/video• Konstrukcja ontologii• Mapowanie ontologii• Tworzenie linków między zasobami• „Wyścigi Wiki”

Adnotacja obrazów: Google Image Labeler

• Dwuosobowa gra internetowa (online: 2006 – 2011, wcześniej ESP Game)

• Cel: przypisanie etykiet do obrazka; dane wprowadzone przez graczy wspomagały wyszukiwarkę grafik Google

• Zasady: punkty za podanie zgodnych etykiet obiektów na obrazku. Często podawane etykiety umieszczane na czarnej liście, niepunktowane.

• Dane wyjściowe : adnotacje opisujące obiekty na obrazkach

• Walidacja: konsensus, większość

ESP Game

Źródło: http://www.idolhands.com/contact/

• Wieloosobowa gra• Cel: adnotacja audio • Zasady: kilka mini-gier dotyczących części utworu

muzycznego; wszyscy gracze słuchają tego samego fragmentu audio i odpowiadają na pytania. Punkty przyznawane za podobieństwo odpowiedzi do tych udzielonych przez innych graczy.

• Dane wyjściowe: adnotacja plików audio• Walidacja: konsensus, większość

Adnotacja audio: HerdIt

Ontologia w „pigułce”

• “An ontology is a• formal specification maszynowa interpretacja• of a shared grupa osób,

konsensus• conceptualization abstrakcyjny model zjawisk,

pojęcia• of a domain of interest“ wiedza dziedzinowa

• (Gruber 93)

ontologia = formalna specyfikacja pojęć z danej dziedziny

Konstrukcja ontologii: OntoPronto (Ontogame)

• Dwuosobowa gra quizowa • Cel: budowa ontologii dziedzinowej będącej

rozszerzeniem ontologii Proton• Zasady: Gracze czytają streszczenie losowo

wybranego artykułu z Wikipedii i odpowiadają na zapytania o relacji tego artykułu w stosunku do ontologii Proton.

• Dane wyjściowe: Ontologia dziedzinowa ufundowana na ontologii Proton

• Walidacja: konsensus, większość

OntoPronto (Ontogame)

Mapowanie ontologii:SpotTheLink

• Dwuosobowa gra quizowa• Cel: uzgadnianie ontologii, np. Dbpedia i Proton• Zasady: Graczom prezentowane jest pojęcie z jednej

ontologii. Pierwszy krok: zgadzają się co do odpowiadającego mu pojęcia w drugiej ontologii. Krok drugi: zgadzają się co do relacji wiążącej te dwa pojęcia.

• Dane wyjściowe: Odwzorowanie (w języku SKOS)pomiędzy pojęciami w ontologiach

• Walidacja: konsensus, większość

SpotTheLink

Otwarte powiązane dane w „pigułce”

• Projekt społecznościowy ze wsparciem W3C

• Publikowanie zbiorów danych jako otwarte i powiązane ze sobą dane grafowe (sieci semantyczne)

• Główna idea: wziąć istniejące (otwarte) zbiory danych i uczynić je dostępnymi w sieci WWW w formacie RDF (sieci semantyczne)

• Raz opublikowane w RDF, połączyć je linkami z innymi zbiorami danych

• Przykładowy link RDF: http://dbpedia.org/resource/Berlin [Identyfikator Berlina w DBPedia] owl:sameAs http://sws.geonames.org/2950159 [Identyfikator Berlina w Geonames].

Tworzenie linków między zasobami:VeriLinks

• Cel: walidacja linków w arbitralnym zbiorze danych

• Zasady: Zgoda graczy co do poprawności linku jest nagradzana monetami, które są następnie wykorzystywane do zwalczania najeźdźców w grze polegającej na obronie wieży.

• Dane wyjściowe: zwalidowane linki

VeriLinks

„Wyścigi Wiki”:Wikispeedia

• Podążanie za linkami w Wikipedii• Cel: obliczanie semantycznej odległości

pomiędzy dwoma artykułami Wikipedii.• Zasady: Gracze muszą znaleźć jak najkrótszą

ścieżkę między dwoma hasłami.• Dane wyjściowe: semantyczna odległość

pomiędzy dwoma artykułamiWalidacja: Większość

Wikispeedia

Spróbuj: Game -> Astronomy, Game->Potato

Dalsze uwagi

• Nie każde zadanie da się łatwo przerobić na GWAP (wymóg dekompozycji na mikro-zadania)

• Tworzenie niektórych ontologii wymaga bardzo specjalistycznej wiedzy

• To co powstaje w wyniku GWAP jest raczej „płytkim” modelem

• GWAP wymaga strategii zapobiegania oszustwom

Więcej informacji • LeoLOD: http://www.cs.put.poznan.pl/alawrynowicz/leolod• IBM Watson (The DeepQA Project): http://researcher.ibm.com/researcher/view_project.php?id=2099• GWAP:1. Luis von Ahn (2006). "Games With A Purpose" (PDF).

IEEE Computer Magazine: 96–98.2. Luis von Ahn, Laura Dabbish (2008).

"Designing Games With A Purpose" (PDF). Communications of the ACM 51 (08/08).

• Semantic Games:1. Elena Simperl, Roberta Cuel, Martin Stein, Incentive-Centric Semantic Web

Application Engineering, Morgan & Claypool Publishers (2013)2. http://semanticgames.org/