์ธ๊ณต์ง๋ฅ
์ฐ๊ตฌ์๋ค์ ์ํค๋ฐฑ๊ณผ ๋ด์ ์ธ๊ตฌ ์กฐ์ฌ ์ํ
스티븐스 공과 대학(SIT)의 연구자들은 최근에 위키백과를 유지하고 개선하는 모든 봇에 대한 분석을 완료했습니다. TechXplore에 따르면, 연구 결과는 봇을 사용하여 마이크로 칩 설계 및 고객 서비스와 같은 분야에서 상업용 애플리케이션을 개발하는 방법에 대해 알려줄 수 있습니다.
위키백과가 2001年に 처음 시작했을 때, 약 13,000개의 문서가 있었습니다. 18년 후에 위키백과는 40만 개 이상의 문서를 보유하고 있으며, 5억 명이 넘는 월간 사용자들이 기여하고 있습니다. 이러한 문서를 유지하기 위해 위키백과는 137,000명의 자원봉사 편집자와 함께 대규모 봇을 활용합니다. 이 봇은 단순한 AI 프로그램에 의해 구동되며, 태그를 수정하고, 고장난 링크를 수정하고, 오타를 수정하고, 쓰레기 항목을 제거하는 등의 작업을 수행합니다.
연구 팀은 컴퓨터 알고리즘을 사용하여 봇을 그들이 수행하는 기능에 따라 분류했습니다. 연구자들은 대규모 프로젝트에서 인간과 AI 프로그램이 상호 작용하는 방식을 분석할 수 있었습니다. 인간과 봇이 상호 작용하는 방식은 인간-컴퓨터 상호 작용 분야의 주요 초점입니다. 따라서 이 연구는 최근에 ACM의 인간-컴퓨터 상호 작용 논문에서 발표되었습니다.
제프리 니커슨(Jeffrey Nickerson), 연구의 공동 저자이자 SIT의 비즈니스 학교 교수는, AI가 지식의 생산과 유지 방식에 큰 변화를 가져오고 있으며, 위키백과의 규모와 普及度가 이러한 변화를 연구하기에 이상적인 곳이라고 설명했습니다. 니커슨은 TechXplore에 향후 우리는 모두 어떤 형태로든 AI와 함께 일할 것이며, 따라서 봇이 사람들의 결정에 미치는 영향과 봇을 더 효과적인 도구로 만드는 방법을 이해하는 것이 중요하다고 설명했습니다.
위키백과는 연구자들에게 이상적인 사례 연구가 되었습니다. 이유는 위키백과의详细한 기록 보관과 투명성 때문입니다. 연구 팀은 자동 분류 알고리즘을 사용하여 봇에 레이블을 적용하고 위키백과에서 봇이 상호 작용하는 방식에 대한 지도を作成했습니다. 특정 기능 클러스터를 분석하고, 해당 기능을 수행하는 봇을 “Advisor” 또는 “Fixer”와 같은 설명으로 레이블링할 수 있었습니다. Fixer는 ван달리즘을 수정하고 고장난 링크를 수정하는 반면, Advisor는 편집자에게 팁을 제공하고 새로운 작업을 제안합니다. 또한 “Connector”가 있으며, 이는 다른 리소스 또는 페이지 간의 링크를 설정하는 역할을 수행합니다.
연구자들은 위키백과 봇이 사이트에서 9가지 주요 역할을 수행하며, 이러한 봇이 모든 위키백과 활동의 약 10%를 차지한다는 것을 발견했습니다. 또한, 위키백과의 특정 섹션, 예를 들어 Wikidata 플랫폼에서는 봇이 사이트 활동의 약 88%를 차지합니다. 대부분의 활동은 약 1,200개의 Fixer-봇에 의해 수행되며, 사이트를 수정하고 8,000만 개 이상의 편집을 수행합니다. 반면, Advisor 봇은 더 적지만, 사이트와의 상호 작용을 형성하고, 편집된 내용과 생성된 기능의 유형을 가이드합니다.
위키백과가 봇의力を 활용하는 방법 중 하나는 새로운 커뮤니티 회원을 환영하는 것입니다. 사람們이 온라인 커뮤니티에 가입할 때, 다른 커뮤니티 회원들에 의해 환영을 받으면 더 활발한 회원으로 남을 가능성이 있습니다. 이것은 환영하는 커뮤니티 회원이 봇인 경우에도 마찬가지입니다. 봇은 오류를 지적하는 한, 친절하게 오류를 지적하는 한, 커뮤니티 회원이 남아 기여하도록鼓励합니다. 니커슨은 TechXplore에 다음과 같이 설명했습니다.
“사람들은 봇에 의해 비판을 받는 것을 마음에 두지 않습니다. 위키백과의 투명성과 피드백 메커니즘은 사람들이 봇을 합법적인 커뮤니티 회원으로 받아들이도록 도와줍니다.”
봇이 온라인 커뮤니티의 유지 보수에越來越 중요해짐에 따라, 위키백과가 봇을 활용하는 방법을 연구하면 다른 회사와 단체가 봇을 생성하여 인간 사용자에게 도움을 주고, 프로 사회적 활동을鼓励할 수 있습니다. 위키백과의 봇 성공과 실패는 모두 비판적으로 검토되어야 합니다.
“위키백과를 연구함으로써, 우리는 미래를 준비하고, 생산성과 작업의 품질을 개선하는 AI 도구를 구축하는 방법을 배울 수 있습니다.”라고 니커슨은 말했습니다.
