Investigadores de un laboratorio de la Universidad de Aarhus han desarrollado una interfaz de juego remota versátil que permitió a expertos externos, así como a cientos de científicos ciudadanos de todo el mundo, optimizar un experimento de gas cuántico a través de la colaboración multijugador y en tiempo real. Los esfuerzos de ambos equipos mejoraron drásticamente las mejores soluciones anteriores establecidas después de meses de cuidadosa optimización experimental. Comparando expertos en dominios, algoritmos y científicos ciudadanos es un primer paso para desentrañar cómo los humanos resuelven complejos, problemas de las ciencias naturales.

En un futuro caracterizado por algoritmos con un poder computacional cada vez mayor, es fundamental comprender la diferencia entre inteligencia humana y mecánica. Esto permitirá el desarrollo de interfaces de inteligencia híbrida que exploten de manera óptima lo mejor de ambos mundos. Al poner a disposición del público en general desafíos de investigación complejos para la contribución, la ciencia ciudadana hace exactamente esto. Numerosos proyectos de ciencia ciudadana han demostrado que los humanos pueden competir con algoritmos de última generación para resolver problemas complejos, problemas de las ciencias naturales.

Sin embargo, estos proyectos hasta ahora no han abordado por qué un colectivo de científicos ciudadanos puede resolver problemas tan complejos. Un equipo interdisciplinario de investigadores de la Universidad de Aarhus, Universidad de Ulm, y la Universidad de Sussex, Brighton ha dado ahora importantes primeros pasos en esta dirección al analizar el rendimiento y la estrategia de búsqueda tanto de un algoritmo informático de última generación como de científicos ciudadanos en su optimización en tiempo real de un entorno de laboratorio experimental.

El desafío de Alice

En el Alice Challenge, Robert Heck y sus colegas dieron a los expertos y científicos ciudadanos acceso en vivo a su experimento de gas cuántico ultrafrío. Esto fue posible a través de una nueva interfaz remota creada por el equipo de ScienceAtHome de la Universidad de Aarhus. Manipulando rayos láser y campos magnéticos, la tarea consistía en enfriar tantos átomos como fuera posible a temperaturas extremadamente frías justo por encima del cero absoluto a -273,15 ° C. Este llamado condensado de Bose-Einstein (BEC) es un estado distinto de la materia (como sólido, líquido, gas o plasma) que constituye un candidato ideal para realizar cosas como experimentos de simulación cuántica y mediciones de alta precisión.

Como se detalla a continuación, ambos grupos utilizaron con éxito la interfaz remota para mejorar las soluciones óptimas anteriormente. En este primer desafío de optimización experimental de ciencia ciudadana con comentarios en tiempo real, los investigadores cuantificaron aún más el comportamiento de los científicos ciudadanos. Llegaron a la conclusión de que lo que hace única la resolución de problemas humanos es que un colectivo de individuos puede equilibrar los intentos innovadores y refinar las soluciones existentes en función de su desempeño anterior.

Optimización cuántica como servicio remoto

La tecnología cuántica está saliendo cada vez más de los laboratorios universitarios hacia el mundo empresarial. Para aplicaciones robustas y de alto rendimiento, se necesitan niveles excepcionales de control de los sistemas complejos, así como nuevas metodologías tanto en ciencia teórica como experimental. Esto requiere colaboraciones interdisciplinarias y a menudo transinstitucionales, lo que a su vez requiere el desarrollo de interfaces eficientes que permitan a cada uno de los expertos contribuir de la manera más eficiente posible.

En años recientes, Han comenzado a aparecer interfaces remotas para aparatos experimentales. Sin embargo, siempre se centran en entornos educativos o en la investigación de una configuración experimental muy particular.

A diferencia de, Robert Heck y sus colegas en el trabajo actual se propusieron desarrollar una interfaz remota flexible y un poderoso algoritmo de optimización que potencialmente se puede aplicar a muchas otras configuraciones en el futuro. La producción experimental de BEC sirve como un banco de pruebas ideal:

El paquete RedCRAB

"Hacer que las máquinas jugaran el Alice Challenge junto con los humanos a través de Internet requirió que creáramos un nuevo paquete de software, Cangrejo rojo para la optimización remota de experimentos cuánticos, "explicaron Tommaso Calarco y Simone Montangero, líderes del equipo de optimización de Ulm.

RedCRAB es ideal para problemas con muchos parámetros de control cuando se desconoce el modelado teórico exacto del sistema y fallan otros métodos de optimización tradicionales. Además, tiene la ventaja de que los expertos en optimización pueden ajustar fácilmente los parámetros algorítmicos y explotar todo su potencial sin necesidad de una comunicación intermedia con el equipo experimental. Es más, se puede analizar la eficiencia de la optimización, y en base a eso, Se pueden realizar mejoras algorítmicas y transferirlas fácilmente a experimentos futuros.

Tommaso Calarco está extremadamente emocionado con los resultados:

"La optimización de RedCRAB funcionó tan bien que ahora se aplica en varios laboratorios de todo el mundo para mejorar el rendimiento de los dispositivos cuánticos. Planeamos extender esto como un servicio en la nube que creemos que probablemente resultará en un desarrollo más rápido de la comprensión teórica, del desarrollo algorítmico y en general de la ciencia y las tecnologías cuánticas ".

¿Se puede convertir cualquier desafío de investigación en un juego?

Como se ha mencionado más arriba, En los últimos años, las interfaces de juegos han permitido a los no expertos utilizar su creatividad e intuición para contribuir en diversos campos científicos. En 2016, el grupo de investigación de Aarhus informó los resultados del primer juego de ciencia ciudadana cuántica, Movimientos cuánticos, en Naturaleza . En el juego, los jugadores contribuyeron a encontrar soluciones rápidas y eficientes para el transporte atómico en una arquitectura de computación cuántica.

La analogía de agua clara de ese juego en particular y la escasez de otros juegos cuánticos ha provocado desde entonces la crítica de que quizás los no expertos solo pueden contribuir en temas de investigación para los que se puede establecer una clara analogía clásica. Dado que esto rara vez se puede establecer para un desafío de investigación dado, Podría parecer que el enfoque de gamificación tiene una aplicabilidad general muy limitada y Quantum Moves fue solo un caso muy especial.

Para probar esta hipótesis, la interfaz remota para el experimento de átomos ultrafríos en Aarhus se convirtió en un juego de ciencia ciudadana, el desafío de Alice. Concretamente, los jugadores controlaron las intensidades del láser y los campos magnéticos de la secuencia experimental. Como se ilustra en la figura, la interfaz del "juego" está lejos de ser intuitiva y quizás no sea muy entretenida. Los jugadores arrastran una o más de las curvas, presione el botón de enviar. Luego, la solución se envió al laboratorio, el experimento realizado, y aproximadamente 35 segundos después, el resultado se comunica al jugador.

Dos semanas de juegos y mejores soluciones

Robert Heck, uno de los científicos principales en el diseño del Alice Challenge y primer autor del artículo:

"Esto da cuenta del primer desafío de optimización experimental de ciencia ciudadana con retroalimentación en tiempo real en cualquier campo. En el Alice Challenge, 600 científicos ciudadanos tuvieron acceso durante dos semanas a nuestro laboratorio en Aarhus. Dentro de este tiempo, Se enviaron 7577 soluciones y se realizaron en el laboratorio. También fue un desafío para nosotros. Como nuestros participantes venían de todo el mundo, tuvimos que mantener el experimento en línea durante dos semanas seguidas sin interrupciones ".

Aunque los jugadores no tenían ningún entrenamiento formal en física experimental, se las arreglaron para encontrar soluciones sorprendentemente buenas. ¿Por qué? Una pista provino de una entrevista con un jugador de primer nivel, un ingeniero de sistemas de microondas italiano jubilado. Él dijo, que para él participar en el Alice Challenge le recordaba mucho a su trabajo anterior como ingeniero. Nunca logró una comprensión detallada de los sistemas de microondas, sino que pasó años desarrollando una intuición de cómo optimizar el rendimiento de su "caja negra".

"Esto es extremadamente emocionante. Los seres humanos podemos desarrollar habilidades generales de optimización en nuestra vida laboral diaria que podemos transferir de manera eficiente a nuevos entornos. Si esto es cierto, cualquier desafío de investigación puede, de hecho, convertirse en un juego de ciencia ciudadana, "dijo Jacob Sherson, jefe del proyecto ScienceAtHome.

¿Son realmente mejores los científicos ciudadanos?

¿Cómo pueden los aficionados inexpertos que utilizan una interfaz de juego poco intuitiva superar a los experimentadores expertos? Una respuesta puede estar en una vieja cita de Herbert Simon:"Resolver un problema significa simplemente representarlo para que la solución sea transparente". En esta vista, los jugadores pueden estar rindiendo mejor, no porque tengan habilidades superiores, sino porque la interfaz que están usando hace que otro tipo de exploración sea "lo más obvio para probar" en comparación con la interfaz de control experimental tradicional.

"El proceso de desarrollo de interfaces divertidas que permiten a los expertos y a los científicos ciudadanos ver los complejos problemas de investigación desde diferentes ángulos, puede contener la clave para desarrollar futuros sistemas de inteligencia híbrida en los que hagamos un uso óptimo de la creatividad humana, "explicó Jacob Sherson.

Ciencias sociales en la naturaleza

Otra razón del éxito de los científicos ciudadanos probablemente se deba a la colaboración multijugador que facilitó la interfaz remota. Probar esta hipótesis supuso un avance sustancial en comparación con las ciencias sociales tradicionales.

Carsten Bergenholtz y Oana Vuculescu, los expertos en ciencias sociales del proyecto:

"En las ciencias sociales nos interesa cómo las personas resuelven problemas. Sin embargo, a menudo los invitamos a un laboratorio de ciencias sociales para resolver problemas artificiales, que no están directamente conectados al mundo real. Es más, los individuos en el laboratorio generalmente resuelven estos problemas artificiales solos. A diferencia de, nuestro Alice Challenge fue una oportunidad única para hacer ciencias sociales 'en la naturaleza', es decir, los jugadores resolvieron un problema real y permitimos a los jugadores colaborar y aprender unos de otros. En general, esto nos permite abordar por qué un colectivo de científicos ciudadanos es sorprendentemente bueno resolviendo problemas tan complejos ".

Los investigadores encuentran que los individuos en la parte superior o inferior de la tabla de clasificación se comportan de manera diferente. Los jugadores con buen rendimiento se involucran en pequeños cambios en las soluciones propuestas, mientras que los jugadores con bajo rendimiento exploran lo desconocido y aplican cambios más importantes. A medida que los jugadores de bajo rendimiento ascienden en las filas y, viceversa, los jugadores con buen desempeño se mueven hacia abajo, los individuos adaptan su búsqueda en consecuencia.

A nivel colectivo, esto significa que siempre hay algunos jugadores en la parte superior de una tabla de clasificación que optimizan la mejor solución actual, así como algunos jugadores en la parte inferior de una tabla de clasificación que innovan y prueban soluciones completamente nuevas. Esto se comparó directamente con el comportamiento del algoritmo RedCRAB que era de naturaleza mucho más local, centrándose en pequeños pasos para mejorar iterativamente la solución actual en lugar de buscar ampliamente el panorama general.

Una visión única

"Estos hallazgos brindan información sobre la capacidad humana única para resolver colectivamente problemas complejos. Aprovechar este conocimiento permitirá el diseño de interfaces de inteligencia híbrida que combinen las fortalezas computacionales de la IA con las ventajas de la intuición humana". "dijeron Carsten Bergenholtz y Oana Vuculescu.

Mark Bason, de la Universidad de Sussex, mira hacia el futuro:

"El progreso de la ciencia es con mucha frecuencia el resultado de una estrecha colaboración entre grupos establecidos, como los de la academia o la industria. Sin embargo, La tecnología ha avanzado tanto que son posibles muchas interacciones nuevas. Al abrir nuestra investigación, ahora podemos beneficiarnos de las habilidades de los jugadores, algoritmos y enfoques híbridos de los dos ".