Ein praktisches Tool für Citizen Science und Coronaforschung
Forschende, Laien und lernende Maschinen untersuchen gemeinsam, wie man das Coronavirus eindämmt. Möglich macht das der neue «Citizen Science Project Builder», ein webbasiertes Tool für Forschungsprojekte, bei denen Freiwillige grosse Bild-, Ton- und Textdaten klassifizieren.
Viele wissenschaftliche Studien untersuchen derzeit, wie man das Coronavirus und die Krankheit COVID-19 eindämmen kann. Sie alle zu lesen und dann den politischen Entscheidungsträgern schnell eine Gesamtzusammenfassung mit allen nützlichen Informationen bereitzustellen, ist unmöglich.
Vergleichbares gilt für die unzähligen Beiträge, die auf den sozialen Medien Tipps und Tricks, Tatsachen und Meinungen verbreiten, wie man sich vor COVID-19 wirksam schützen kann. Auch sie kann niemand auf einen einzigen Blick oder Knopfdruck bündeln und gesamthaft auswerten.
Techniken der künstlichen Intelligenz können jedoch helfen, die relevanten Informationen aus grossen Text- und Bildmengen herauszufiltern und zu untersuchen. Ebenso lässt sich die kollektive Intelligenz von Menschen nutzen, um Text-, Ton- und Bildinformationen einzuschätzen.
Mit der Intelligenz von Mensch und Maschine
Einen Ansatz, der Künstliche Intelligenz mit der «Schwarmintelligenz» von Internetnutzerinnen und -nutzern (sog. Crowdsourcing) kombiniert, verfolgen derzeit vier Forschungsprojekte, die auf der Website des externe SeiteCitizen Science Center Zürich, einem Kompetenzzentrum von ETH und Universität Zürich, öffentlich zugänglich sind. Alle vier sind Citizen Science-Projekte, die so aufbereitet sind, dass Freiwillige («Bürger» oder «Bürgerinnen») mitmachen können.
Eines der Projekte kombiniert zum Beispiel Crowdsourcing und maschinelles Lernen, um Fotos auszuwerten, die auf Twitter veröffentlicht sind, und die Informationen über das Abstandhalten («Social Distancing») und die Verwendung von Schutz- oder Hygienemaske im öffentlichen Raum enthalten.
Dabei treffen maschinelle Lernalgorithmen eine erste Auswahl an relevanten Tweets mit Fotos. Die Mitwirkenden bestätigen dann die Relevanz eines Fotos, indem sie Fragen beantworten und über ein Auswahl-Menü die Details hinzufügen, die die KI nicht erfassen kann. Auf diese Weise lassen sich die Algorithmen verbessern und präzisere Informationen gewinnen, die ihrerseits Rückschlüsse auf die Wirksamkeit von Abstandhalten und Maskentragen ermöglichen.
In einem anderen Projekt werden wissenschaftliche Artikel ausgewertet, um relevante Informationen über politische Massnahmen gegen COVID-19 zu finden, auszuwerten und an die Politik weiterzugeben. Auch hier geht es darum, dass zum einen KI die Suche nach relevanten Artikeln unterstützt, zum andern Freiwillige die Genauigkeit der Ergebnisse erhöhen können, indem sie Fragen zur inhaltlichen Relevanz beantworten und den Inhalt per Mausklick Schlagworten zuteilen.
Der neue «Citizen Science Project Builder»
Möglich macht diese Projekte der «externe SeiteCitizen Science Project Builder»: mit diesem webbasierten Tool können Forschende, Studierende und Interessierte ein Citizen Science-Projekt durchführen.
Die Erstversion unterstützt Projekte, in denen die Mitwirkenden grosse Bild- oder Textmengen wie Satellitenfotos oder Social-Media-Beiträge (z.B. Tweets), PDF-Dateien (z.B. wissenschaftliche Artikel), Videoclips oder Audioaufzeichnungen (z.B. Geräusche) beschreiben und einordnen. Die Benutzeroberfläche erfordert keine speziellen Technik- und Programmierfähigkeiten.
Project Builder für eigene Projekte nutzen
Das Team des Citizen Science Center, das den Project Builder entwickelt hat, freut sich, wenn ETH-Angehörige das Tool nutzen, um ein externe Seiteeigenes Projekt zu erstellen.
Auch Feedback ist willkommen, um das Tool weiterzuentwickeln. Das Team bietet auch Einführungs-Workshops zum Builder an und ist jederzeit per Email erreichbar: .
Weitere Informationen finden sich auf der Webseite des Citizen Science Project Builder. Diese enthält aktuell 10 externe SeiteProjekte.