Netværk af Covid-19 projekter på JOGL platformen. Kredit:Marc Santolini/JOGL, Forfatter angivet
I hele verden, videnskabsmænd og praktikere udnytter ubønhørligt data om pandemien for at modellere dens udvikling, forudsige virkningen af mulige indgreb og udvikle løsninger på mangel på medicinsk udstyr, generere open source-data og koder, der skal genbruges af andre.
Forskning og innovation er nu i et samarbejdsvanvid lige så smitsomt som coronavirus. Er dette fremkomsten af den berømte "kollektive intelligens", der skulle løse vores store globale problemer?
Fremkomsten af en global kollektiv intelligens
Begyndelsen af epidemien så "traditionel" forskning betydeligt accelerere og åbne sine produktionsmidler, med journaler som f.eks Videnskab , Natur og The Lancet straks at give offentlig adgang til publikationer om coronavirus og COVID-19.
Den akademiske verden er i udbrud. Hver dag, John Hopkins University opdaterer en åben og kollaborativ strøm af data om epidemien, som allerede er blevet genbrugt mere end 11, 000 gange. Forskningsresultater offentliggøres straks på pre-print-servere eller laboratoriewebsteder. Algoritmer og interaktive visualiseringer blomstrer på GitHub; opsøgende videoer på YouTube. Tallene er svimlende, med næsten 9, 000 akademiske artikler publiceret om emnet til dato.
For nylig, populære initiativer, der samler en række aktører, er opstået uden for institutionelle rammer, ved at bruge online platforme. For eksempel, et samfund af biologer, ingeniører og udviklere er opstået på Just One Giant Lab (JOGL) samarbejdsplatform for at udvikle billige, open source-løsninger mod virussen. Denne platform, som vi udviklede sammen med Leo Blondel (Harvard University) og Thomas Landrain (La Paillasse, PILI) over de seneste tre år, er designet som en virtuel, åbent og distribueret forskningsinstitut, der har til formål at udvikle løsninger til de bæredygtige udviklingsmål (SDGs) defineret af FN. Fællesskaber bruger det til at selvorganisere og levere innovative løsninger på presserende problemer, der kræver grundlæggende tværfaglige færdigheder og viden. Platformen letter koordinering ved at forbinde behov og ressourcer i samfundet, animation af forskningsprogrammer, og organisere udfordringer.
Da det første projekt vedrørte COVID-19 - en lavpris, open source diagnostisk test – blev født i begyndelsen af marts, der var et sus på perronen. Antallet af bidrag pr. minut blev ved med at stige:hundredvis af interaktioner, projekt oprettelse, kommunikation... Så meget, at serveren, der var vært for platformen, ikke kunne holde længere! På kun en måned, der var mere end 60, 000 besøgende fra 183 lande, inklusive 3, 000 aktive bidragydere, der genererer mere end 90 projekter, lige fra maskedesign til billige ventilatorprototyper, eller hosteklassificering AI-apps.
Dette massive samfund organiserede sig hurtigt i arbejdsgrupper, blanding af forskellige færdigheder og universer; uventede kombinationer af dataforskere fra store virksomheder, forskere i antropologi, ingeniører eller biologer mødes i dette virtuelle univers.
Den mest aktive person og nye koordinator af samfundet viser sig endda at være ... en 17-årig gymnasieelev fra Seattle! Dette initiativ er nu et fuldgyldigt forskningsprogram, OpenCOVID19, med 100, 000 euro i finansiering fra Axa Research Fund, der i øjeblikket omfordeles som mikrobevillinger til nye projekter gennem et fællesskabssystem for peer-review, et partnerskab med hospitalssystemet i Paris (AP-HP) for at lette evalueringen og valideringen af design beregnet til hospitalsbrug, og flere hovedtemaer:diagnose, forebyggelse, behandling, validering, og dataanalyse og modellering.
Open source-verdenen har i de seneste årtier stået i spidsen for samfundets selvorganisering og er ophav til massive samarbejdsprojekter såsom Linux eller Wikipedia. Lignende bestræbelser dukker nu op for at løse globale og tværfaglige problemer, udnyttelse af færdighedsdiversitet til fordel for projektkompleksiteten.
Kort over delte færdigheder på tværs af Covid-19-projekter på JOGL-platformen. Kredit:Marc Santolini, JOGL, CRI, Forfatter angivet
Hvad er "kollektiv intelligens"?
Hvis vi kan måle individuel intelligens ved at bruge præstationsindikatorer til forskellige opgaver og udlede individuel "IQ", hvorfor ikke måle en gruppes intelligens gennem deres præstationer på kollektive opgaver?
Forskere har udstillet eksistensen af en kollektiv intelligensfaktor. Det viser sig, at en intelligent gruppe ikke er en gruppe af intelligente individer, men snarere en gruppe af individer, der interagerer effektivt - for eksempel gennem deres evne til at tale retfærdigt i diskussioner. Forfatterne konkluderer:"det ser ud til at være meget lettere at hæve en gruppes intelligens end et individ. Kunne en gruppes kollektive intelligens øges med, for eksempel, bedre elektroniske samarbejdsværktøjer?".
Dette er ånden i samarbejdsplatforme såsom JOGL:vi kan i realtid overvåge samfundsudvikling og projektfremskridt, gør det muligt at lette koordineringen af de forskellige programmer, inklusive OpenCOVID19.
De genererede data giver også et kvantitativt grundlag for at udforske "god praksis", der letter kollektiv intelligens. Ved at analysere det med netværksvidenskabens værktøjer, vi studerer, hvordan samarbejdsdynamik understøtter udviklingen af viden.
Ephemeral opvågnen eller langsigtet revolution?
Selvom det er for tidligt at drage konklusioner i tilfældet med OpenCOVID19-programmet, at designe fremtiden for sådanne massive samarbejder starter nu. I særdeleshed, medlemmer af fællesskaber, der opskalerer hurtigt, går ofte tabt, og smarte onboarding-strategier er nøglen til at opretholde en sådan indsats. Disse samfunds gral ligger i at bygge en arkitektur af opmærksomhed igennem anbefalingssystemer , de samme algoritmer, der gjorde sociale netværks succes som Twitter, Instagram eller Facebook. Denne tilgang, baseret på grundlæggende resultater fra teamvidenskab og netværksvidenskab, udnytter fællesskabets digitale spor til at foreslå den bedste person at kontakte, det mest relevante projekt at hjælpe eller presserende opgave at fuldføre. I hjertet af JOGL-arkitekturen, sådanne algoritmer hjælper med at fremme serendipitet og lette koordinering.
At udvikle anbefalingssystemer til massive samarbejder kræver vidt forskellige bidrag, fra datalogi til samfundsvidenskab, matematik eller etik. Ironisk, kollektiv intelligens vil være nøglen til dets eget design.
Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.