智能城市社会基础设施管理：现状、理论与激励机制

### 智能城市社会基础设施管理：现状、理论与激励机制 #### 1. 智能城市社会计算的新趋势 将人类纳入计算过程的想法已被研究数十年。近年来，随着便携式设备、智能环境和服务型经济的兴起，这一想法再度流行，有望首次克服应用障碍。不过，大多数现有方法将人类建模为适合现有计算模型的计算元素，而非将计算过程建模以适应人类元素。我们倡导在这一领域实现范式转变，认为只有结合硬控制和软控制方法，才能有效地将人类纳入社会技术系统。 在实践中，这意味着重新设计我们在可执行过程中管理人类元素的方式，放宽严格约束以适应人类固有的不可靠性，并接受随之而来的不确定性。人类的创造力、多功能性和社交性应被利用来进行运行时调整、修正错误结果，甚至产生意想不到的结果。这可以通过激励、社会影响和自我成就等软控制方法来实现。 #### 2. 现有社会计算平台概述 根据工作流的抽象和编码方式，现有社会计算平台的方法可分为三类： - **编程级方法**：专注于开发一组库和语言构造，使通用应用程序开发人员能够在社会技术平台上实例化和管理任务。典型例子有TurKit、CrowdDB和AutoMan。 - **TurKit**：是基于亚马逊Mechanical Turk的Java库，提供“崩溃并重试”执行模型，将相同微任务重新提供给人群，直到满意执行为止。任务部署自动化，但同步、任务拆分和聚合由程序员负责。 - **CrowdDB**：将部分SQL查询外包为Mechanical Turk微任务，扩展了传统SQL，引入“人群运算符”，可限制查询总价。但功能限于预定义且高度可并行的操作。 - **AutoMan**：将众包选择题回答功能集成到Scala编程语言中，专注于自动管理回答质量，同步和聚合由库集中处理，适用范围有限。 - **并行计算方法**：依赖分治法，将复杂任务分解为可由机器或人类解决的子任务。典型例子有Turkomatic和Jabberwocky。 - **Jabberwocky**：其ManReduce协作模型要求用户将任务分解为映射和归约步骤，可由机器或人类执行。支持整体工作流混合性，但个体活动由同质团队执行，且依赖现有众包平台，受平台限制。 - **过程建模方法**：专注于将人类提供的服务集成到工作流系统中，允许对包含机器和人类活动的工作流进行建模和执行。典型系统有CrowdLang、CrowdSearcher和CrowdComputer。 - **CrowdLang**：在协作合成和同步方面有创新，允许用户通过组合通用协作模式指定混合机器 - 人类工作流，并在运行时生成更高效的工作流。可通过谓词影响工人选择，但运行时适应性限于设计时预见的模式。 - **CrowdSearcher**：提出新颖任务模型，由基本众包操作组成，可通过协作模式组合成任意工作流。由自定义Node.js框架执行，重点在于任务指定、拆分和聚合，但适用场景狭窄，不支持集体概念和人类驱动的编排。 - **CrowdComputer**：允许用户提交由Web服务和人类执行的通用任务，任务按BPMN4Crowd编码的工作流执行。与其他系统相比，更接近某些功能，但我们的平台支持主动组建混合集体以匹配