互联网已经把集体智慧变成了一种无比强大和随时可用的资源。维基百科、多林哥和亚马逊的机械土耳其人都是使用丰富的人类认知资源的例子。科学家甚至给这种资源起了个名字:人类计算。从识别螺旋星云到组织救灾，以人为本的计算在处理复杂问题上取得了巨大成功。

折叠是最著名的例子之一。该项目允许参与者以潜在有效的方式折叠虚拟蛋白质。目标是找出为什么蛋白质能如此快速有效地折叠。知道了这一点，就有可能解决分子生物学中最重要的问题之一。

这个项目开始后不久就非常成功。拥挤的玩家很快发现了猿猴免疫缺陷病毒(SIV)调节蛋白的三级结构，这几十年来一直困扰着艾滋病研究者。它的解决方案将帮助人类想出治疗艾滋病的新方法。

宇宙动物园项目利用公民科学家的集体力量来识别月球上的环形山，帮助翻译古代船只的日志，并在天文图像中识别星系和行星。

由人类计算研究所的皮埃特罗·米歇尔鲁奇领导的团队开始思考一个问题，如何使用基于人类的计算资源是最好的？

他们的研究发现，不同类型的问题需要创造不同类型的众包项目。

多方联动救援

其中一个项目，休斯顿项目，是以阿波罗13号爆炸后帮助宇航员返回地球的地面众包努力命名的。这样的节目可以被设置来帮助有困难的人，比如那些因为压力、抑郁和抑郁而想自杀的人(有些人甚至在微博上直播，但他们通常无能为力)。

为了应对这些问题，这个想法是使用最新的语音分析和自然语言理解技术来检测压力水平并提供帮助。帮助的形式是由不同专业水平的人组成，形成一个复合人格，然后通过人工智能技术提供支持。这样，提供帮助的“人”可以表现出持续的耐心和宽容，即使后面的人群随着时间的推移已经完全改变了。

多方联动学习

另一个想法是利用众包来帮助学习。多林哥就是一个例子。这个应用程序提供语言学习课程和文档翻译服务。同样，众包可以帮助人们在网上工作时学习新技能，这一过程要求众包承担更复杂的角色。例如，放射学的重要工作是在x光下识别肿瘤。这方面的机器视觉算法还没有可靠的识别。

但是人们更擅长这个。初学者可以从更容易分类的图片开始，然后在证明一定的熟练程度后逐渐处理更复杂的情况。这种学以致用的学习方法可以事半功倍，对未来的教育和工作产生革命性的影响。

多方联动信息提供

第三是帮助贫困家庭找到社会福利项目。无家可归者、残疾人和低收入家庭最需要这样的计划，但现实是他们很难找到并享受这样的计划。

研究人员的想法是众包这些人来分担寻找福利项目的负担，这样他们就可以腾出时间来做其他更重要的任务，比如找工作和管理健康问题。想象一下，如果有这样一个众包机制，毕节最近的悲剧可以避免吗？

当然，这些都是好主意，但它们也会引发道德、法律和社会问题。如何设计才能使众包有意义，让接受者有尊严？最弱势群体如何受益？人和机器之间的分工如何能产生最好的结果？这些都是人性化计算需要进一步研究的问题。如果这些问题得到解决，那么在互联网和人工智能的合作下，人类的集体作用必将发挥不可想象的作用。