De acordo com as Leis 12.965/2014 e 13.709/2018, que regulam o uso da Internet e o tratamento de dados pessoais no Brasil, ao me inscrever na newsletter do portal DICAS-L, autorizo o envio de notificações por e-mail ou outros meios e declaro estar ciente e concordar com seus Termos de Uso e Política de Privacidade.

Colaboração em massa na Internet

Colaboração: Rubens Queiroz de Almeida

Data de Publicação: 07 de setembro de 2012

Recentemente assisti à palestra de Luis von Ahn, no site TED.COM. Luis von Ahn é o criador dos captchas, usados amplamente na Internet para garantir que o acesso a determinados recursos ou páginas, seja feito por seres humanos e não por programas de computador. Segundo ele, o tempo gasto interpretando, entendendo e preenchendo estes formulários é jogado fora, não serve a nenhum propósito útil. Daí a sua idéia de usar este recurso para auxiliar na digitalização de livros.

Reproduzo a seguir a transcrição da palestra, em português, feita por Christine Veras e revisada por Luiz Alexandre Gruszynski. Christine e Luiz, muito obrigado!

Massive-scale online collaboration

Por Luis van Ahn

Quantos de vocês já preencheu algum tipo de formulário da web em que tiveram que ler uma distorcida sequência de caracteres como esta? Quantos de vocês achou isso realmente chato? Ok, excelente. Então, eu inventei isso. (Risadas) Ou fui uma das pessoas que inventou.

Aquela coisa é chamada CAPTCHA. E a razão pela qual isso existe é para garantir que você, a entidade que preenche o formulário, é realmente um humano e não apenas um programa de computador que foi criado para preencher formulários milhões e milhões de vezes. A razão pela qual funciona é porque humanos, pelo menos os que não possuem deficiências visuais, não possuem problema lendo esses caracteres distorcidos, enquanto programas de computadores simplesmente não fazem isso ainda. Por exemplo, no caso do Ticketmaster, a razão pelo qual você tem que digitar esses caracteres distorcidos é para prevenir cambistas de escreverem um programa que pode comprar milhões de ingressos, 2 por vez.

CAPTCHAs são usados por toda internet. E como são usados tão frequentemente, muitas vezes a sequência aleatória de caracteres que é mostrada ao usuário não é muito favorável. Assim este exemplo é da página de registro do Yahoo. Os caracteres aleatórios que acabaram sendo exibidos ao usuário foram W, A, I, T, que, em inglês, forma a palavra "espere". Mas a melhor parte desta mensagem foi a que o setor de ajuda do Yahoo recebeu 20 minutos depois. Texto: "Ajuda! Estou esperando a mais de 20 minutos, e nada acontece." (Risadas) Esta pessoa pensou que precisava esperar. Isto é claro, não é tão ruim como esta pobre pessoa.

(Risadas)

O Projeto CAPTCHA é algo que fizemos aqui na Carnegie Melllon mais de 10 anos atrás, e tem sido usado em toda parte. Deixe-me agora contar-lhes sobre um projeto que fizemos alguns anos atrás, que é como uma evolução do CAPTCHA. Este é um projeto que chamamos reCAPTCHA, que é algo que começamos na Carnegie Mellon, então nós o transformamos em uma empresa voltada a alta tecnologia. E cerca de um ano e meio atrás, Google adquiriu esta companhia.

Assim deixe-me contar-lhes o que este projeto iniciou. Então este projeto começou a partir da seguinte percepção: Acontece que aproximadamente 200 milhões de CAPTCHAs são digitadas todos os dias por pessoas em todo mundo. Quando ouvi isso a primeira vez, fiquei muito orgulhoso. Pensei, veja o impacto que a minha pesquisa teve. Mas aí eu comecei a me sentir mal. Veja aqui esta a coisa, toda vez que você digita um CAPTCHA, essencialmente você perde 10 segundos do seu tempo. E se você multiplicar isso por 200 milhões, você percebe que a humanidade como um todo está gastando 500.000 horas todo dia digitando esses chatos CAPTCHAs. Então comecei a me sentir mal.

(Risadas)

E então comecei a pensar, bem, é claro, não podemos nos livrar dos CAPTCHAs, porque de certa forma a segurança na Web depende disso. Mas então eu comecei a pensar, existe alguma forma de usarmos esse empenho para algo que seja bom para a humanidade? Então veja, aqui está. Enquanto você está digitando um CAPTCHA, durante estes 10 segundos, seu cérebro está fazendo algo extraordinário. Seu cérebro está fazendo algo que computadores não podem fazer. Assim será que conseguimos fazer você produzir algo útil nesses 10 segundos? Outra forma de explicar isso é, existem alguns problemas enormes que computadores não conseguem resolver, mas que conseguimos dividir em pedaços de 10 segundos para que toda vez que alguém solucione um CAPTCHA ele resolva uma pequena parte deste problema? E a resposta é "sim", e isto é o que estamos fazendo agora.

Assim o que talvez você não saiba é que hoje em dia enquanto você digita um CAPTCHA, não apenas você está se autenticando como humano, mas em adição você está realmente nos ajudando a digitalizar livros. Então deixem-me explicar como isso funciona. Existem muitos projetos por aí tentando digitalizar livros. Google tem um. O Internet Archive tem um. Amazon, agora com o Kindle, está tentando digitalizar livros. Basicamente a forma como isso funciona é você começa com um livro antigo. Já viram essas coisas, certo? Tipo um livro? (Risadas) Então você começa com um livro, e aí você o scanneia.

Agora scannear um livro é como tirar uma fotografia de cada página do livro. Ele te dá uma imagem para cada página do livro. Esta é uma imagem com texto de cada página do livro. O próximo passo no processo é que o computador precisa ser capaz de decifrar todas as palavras nesta imagem. Isto usando uma tecnologia chamada OCR, que significa reconhecimento ótico de caractere, que tira uma foto do texto e tenta descobrir que texto está ali. O problema é que OCR não é perfeito. Especialmente em livros antigos em que a tinta desbotou e as páginas ficaram amarelas, OCR não consegue reconhecer muitas das palavras. Por exemplo, para coisas que foram escritas a mais de 50 anos atrás, o computador não consegue reconhecer 30% das palavras. Assim o que estamos fazendo agora é pegar todas as palavras que o computador não reconhece e estamos fazendo com que pessoas as leiam para nós enquanto elas digitam um CAPTCHA na internet.

Assim, na próxima vez que você digitar um CAPTCHA , as palavras que você está digitando são na verdade palavras vindas de livros que estão sendo digitalizados que o computador não reconheceu. E agora o motivo pelo qual temos 2 palavras atualmente ao invés de uma é porque, veja você, uma das palavras é uma palavra que o sistema acabou de tirar de um livro, ele não sabe o que é, e ele irá apresentá-la a você. Mas como ele não sabe a resposta para ela, ele não pode te avaliar. Assim o que fazemos é dar a você outra palavra, uma que o sistema conheça a resposta. Nós não te contamos qual é qual, e dizemos, favor digitar as duas. E se você digitar a palavra certa para uma das palavras que o sistema já conhece a resposta, ele assume que você é humano, e ele também confia que você digitou a outra palavra corretamente. E se repetirmos esse processo para 10 diferentes pessoas e todas elas concordem qual é a palavra nova, assim conseguimos mais uma palavra precisamente digitalizada.

Então é assim que o sistema funciona. E basicamente, já que lançamos isto cerca de 3 ou 4 anos atrás, muitos websites começaram a trocar o antigo CAPTCHA em que as pessoas perdiam seu tempo para o novo CAPTCHA em que as pessoas ajudam a digitalizar livros. Assim por exemplo, Ticketmaster. Toda vez que você comprar ingressos pelo Ticketmaster, você está ajudando a digitalizar um livro. Facebook: Toda vez que você adiciona um amigo ou cutuca alguém, você está ajudando a digitalizar um livro. Twitter e cerca de 350.000 outros sites todos usam reCAPTCHA. E na verdade, o número de sites usando reCAPTCHA é tão alto que o número de palavras que são digitalizadas por dia é realmente, relamente grande. É cerca de 100 milhões por dia, o que é o equivalente a 2,5 milhões de livros por ano. E tudo isto tem sido feito uma palavra por vez somente por pessoas digitando CAPTCHAs na internet.

(Aplausos)

Agora é claro, já que estamos fazendo tantas palavras por dia, coisas engraçadas podem acontecer. E isto é especialmente verdadeiro porque agora estamos dando às pessoas 2 palavras aleatórias em inglês próximas uma da outra. Assim coisas engraçadas podem acontecer. Por exemplo, apresentamos esta palavra. É a palavra "Cristãos"; não há nada de errado com ela. Mas se apresentarmos junto com outra palavra escolhida aleatoriamente, coisas ruins podem acontecer. Assim chegamos nisso. (Texto: maus cristãos) Mas é ainda pior, porque o site em particular em que isso apareceu é de fato chamado A Embaixada do Reino de Deus. (Risadas) Oops. (Risadas) Aqui está outra realmente ruim. JohnEdwards.com (Texto: Maldito liberal) (Risadas) Assim continuamos a insultar pessoas aqui e ali todo dia.

Agora, é claro, não estamos insultando pessoas. Veja aqui está a coisa, desde que apresentamos 2 palavras escolhidas aleatoriamente, coisas interessantes acontecem. Assim isso realmente tem dado origem a uma enorme transmissão cultural via internet que dezenas de milhares de pessoas têm participado, que é chamado arte CAPTCHA. Tenho certeza que alguns de vocês já ouviram falar disso. Isto funciona assim. Imagine que voê está usando a internet e você vê um CAPTCHA que você acredita ser de alguma forma peculiar, como este CAPTCHA. (Texto: torradeira invisível) Assim o que você deve fazer é tirar uma foto da tela. Então é claro, você preenche seu CAPTCHA porque você está nos ajudando a digitalizar um livro. Mas então, primeiro você tira uma foto da tela, e então você desenha algo relacionado com ela. (Risadas) É assim que funciona. Existem dezenas de milhares destes. Alguns são muito fofos. (Texto: Aperte isso) (Risadas) Alguns são mais engraçados. (Texto: fundadores chapados) (Risadas) E alguns deles, como uma sequência paleontológica de letras, contém Snoop Dogg.

(Risadas)

Ok, então este é o meu número favorito de reCAPTCHA. Então isto é minha coisa favorita de todo este projeto. Este é o número de pessoas distintas que nos ajudaram a digitalizar pelo menos uma palavra de um livro através do reCAPTCHA 750 milhões, que é um pouco mais de 10% da população mundial, nos ajudou a digitalizar o conhecimento humano. E são números como este que motivam minha agenda de pesquisa. Assim a questão que motiva minha pesquisa é a seguinte: Se você olhar para as conquitas humanas em larga escala, essas coisas realmente enormes que a humanidade se juntou e realizou historicamente -- como por exemplo, construir as pirâmides do Egito ou o Canal do Panamá ou colocar o homem na Lua -- existem fatos curiosos sobre isso, e é que todos elas foram feitas quase com o mesmo número de pessoas. É estranho; todas elas foram feitas com cerca de 100.000 pessoas. E a razão para isso é porque, antes da internet, coordenar mais de 100.000 pessoas, muito menos pagá-las, era essencialmente impossível. Mas agora com a internet, acabo de mostrar-lhes um projeto em que tivemos 750 milhões de pessoas nos ajudando a digitalizar o conhecimento humano. Assim a pergunta que motiva minha pesquisa é, se conseguimos colocar o homem na Lua com 100.000 o que podemos fazer com 100 milhões?

Assim baseado nesta questão, temos diferentes projetos em que estamos trabalhando. Deixem-me ocntar-lhe sobre um que estou mais empolgado. Isto é algo que estamos trabalhando semi-quietos mais ou menos no último ano e meio. Anda não foi lançado. É chamdo Duolingo. Já que não foi lançado, shhhhhhh! (Risadas) Sim, posso confiar que farão isso. Então este é o projeto. Aqui é como começou. Começou comigo perguntando a meu aluno de graduação, Severin Hacker. Ok, este é Severin Hacker. Então fiz a pergunta a meu aluno de graduação. E sim, você me ouviram corretamente; o sobrenome dele é Hacker. Então fiz esta pergunta a ele: Como podemos conseguir 100 milhões de pessoas traduzindo a Web nas principais línguas gratuitamente?

Ok, tem muitas coisas a serem ditas sobre esta pergunta. Primeiro, traduzir a Web. Atualmente a Web é dividida em diversas línguas. Uma grande fração dela é em Inglês. Se você não conhece inglês, você não tem acesso a ela. Mas existem grandes frações em outras línguas diferentes, e se você não conhece essas línguas, você não tem acesso a ela. Assim eu gostaria de traduzir toda a Web, ou pelo menos a maiorira da Web, em cada língua principal. Então é isso que gostaria de fazer.

Agora alguns de vocês podem dizer, porque não usamos computadores para traduzir? Porque não usamos uma máquina de tradução? Máquinas de tradução hoje em dia estão começando a traduzir algumas frases aqui e ali. Porque não a usamos para traduzir toda a Web? Bem o problema com isso é que ainda não é bom o suficiente e provavelmente não o será nos próximos 15 a 20 anos. Ela erra muito. Mesmo quando não erra, como faz muitos erros, você não sabe se deve confiar ou não.

Então deixe-me lhes mostrar um exemplo de algo que foi traduzido com uma máquina. Na verdade eram posts de forum. Era alguém que estava tentando perguntar algo sobre JavaScript. Foi traduzido do japonês para o inglês. Vou apenas deixá-los ler. Esta pessoa começa se desculpando pelo fato do texto ser traduzido por um computador. Então a próxima frase será a introdução da questão. Então ele está explicando algo. Lembrem-se é uma questão sobre JavaScript. (Texto: Em frequentemente, o tempo cabra instala um erro é vômito.) (Risadas) Então vem a primeira parte da questão. (Texto: Quantas vezes como o vento, um poste e um dragão?) (Risadas) Aí vem minha parte favorita da questão. (Texto: Isto insulta o pai das pedras?) (Risadas) E aí vem o final, que é minha parte favorita de tudo isso. (Texto: Por favor desculpe-se por sua estupidez. Existem muitos obrigados.) (Risadas) Ok, então a tradução por computador, ainda não é boa o suficiente. Assim de volta a questão.

Então precisamos de pessoas para traduzir toda a Web. Agora a próxima pergunta que vocês devem ter é, então porque nós simplesmente não pagamos pessoas para fazer isso? Poderíamos pagar tradutores profissionais para traduzir toda a Web. Podemos fazer isso. Infelizmente, seria extremamente caro. Por exemplo, traduzindo uma pequenina fração de toda a Web, Wikipedia, em outra língua, Espanhol. Wikipedia existe em espanhol, mas é muito pequena se comparada com a versão em inglês. É cerca de 20% do tamanho da em inglês. Se quisermos traduzir os outros 80% em espanhol, custaria pelo menos 50 milhões de dólares -- e isto no mais explorado, país terceirizado por aí. Assim seria muito caro. Então o que queremos fazer é pegar 100 milhões de pessoas traduzindo a Web em cada língua principal de graça.

Agora se é isto que você quer fazer, você provavelmente encontrará duas grandes barreiras, dois grandes obstáculos. O primeiro é a falta de pessoas bilíngues. Assim eu nem sei se existe por aí 100 milhões de pessoas usando a Web que são bilíngues o suficiente para nos ajudar a traduzir. Isto é um grande problema. O outro problema que você encontrará é a falta de motivação. Como iremos motivar as pessoas para realmente traduzirem a Web de graça? Normalmente, você deve pagar a pessoa para fazer isso. Então como iremos motivá-las para fazer isto de graça? Agora quando começamos a pensar nisso, fomos bloqueados por essas duas coisas. Mas aí percebemos, que existe sim uma forma de resolver esses dois problemas com a mesma solução. Uma forma de matar dois pássaros com uma só pedra. E istó é transformar a tradução de línguas em algo que milhões de pessoas querem fazer, e isto também ajuda com o problema da falta de bilíngues, e isto é educação de línguas.

Assim acontece que hoje em dia, existem mais de 1.2 milhões de pessoas aprendendo uma língua estrangeira. Pessoas que realmente querem aprender uma língua estrangeira. E não é apenas porque elas estão sendo forçadas a isso na escola. Por exemplo, apenas nos Estados Unidos, existem mais de 5 milhões de pessoas que pagaram mais de 500 dólares em softwares para aprender uma nova língua. Assim as pessoas realmente querem aprender uma nova língua. Então o que estamos trabalhando no último ano e meio é um novo site -- chamdo Duolingo -- em que a ideia básica é que as pessoas aprendem uma nova língua de graça enquanto simultaneamente traduzem a Web. E então basicamente elas estão aprendendo fazendo.

Assim a forma como isso funciona é que desde quando você é um iniciante, lhes damos frases muito simples. Existem, é claro, muitas frases simples na Web. Lhes damos frases muito, muito simples junto com o significado de cada palavra. E quando você as traduz, e ao ver como outras pessoas as traduzem, você começa a aprender a língua. E ao se tornar mais e mais avançado, lhes damos frases mais e mais complexas para traduzir. Mas todas as vezes, você aprende fazendo.

Agora a coisa mais doida sobre este método é que realmente funciona. Primeiro, as pessoas realmente estao aprendendo uma língua. Nós praticamente acabamos de construir, e agora estamos testando. Pessoas realmente podem aprender uma língua com isto. E eles aprendem tão bem quanto com os softwares de ensino de línguas. Assim as pessoas realmente aprendem uma língua. E não apenas a aprendem bem, mas de uma forma mais interessante. Porque com Duolingo, as pessoas aprendem realmente com um conteúdo real. Ao contrário de aprenderem com frases inventadas, as pessoas estão aprendendo com conteúdo real o que é inerentemente interessante. Assim as pessoas realmente aprendem uma língua.

Mas talvez o mais surpreendente, as traduções que obtemos das pessoas que usam o site, ainda que sejam inciantes, as traduções que obtemos são tão precisas quanto as de um tradutor profissional, o que é muito surpreendente. Assim deixem-me mostrar-lhes um exemplo. Esta é uma frase que foi traduzida do alemão para o inglês. No alto está o alemão. No meio está a tradução em inglês ela foi feita por alguém que é um tradutor profissional que pagamos 20 centavos a palavra por esta tradução. E embaixo está a tradução de usuários do Duolingo, nenhum deles conhecia nada de alemão antes de começarem a usar este site. Como podem ver, está praticamente perfeita. Agora, é claro, fizemos um truque aqui para tornar as traduções tão boas quanto as de tradutores profissionais. Combinamos as traduções de diversos iniciantes para chegar a qualidade de um tradutor profissional.

Agora mesmo que estejamos combinando traduções, o site realmente pode traduzir rapidamente. Então deixem-me mostrar-lhes, esta é nossa estimativa de quão rápido podemos traduzir a Wikipedia de inglês para espanhol. Lembre-se, isto vale 50 milhões dólares. Então se queremos traduzir a Wikipedia em espanhol, podemos fazer isto em 5 semanas com 100 mil usuários ativos. E poderíamos fazer isto em cerca de 80 horas com um milhão de usuários ativos. Partindo do princípio que todos os projetos que meu grupo trabalhou até então tiveram milhões de usuários, estamos esperançosos em podermos traduzir extremamente rápido com este projeto.

Agora a coisa que estou mais animado com o Duolingo é que acredito que ele disponibiliza um modelo de negócio para o ensino de línguas. Então aqui está: O modelo atual de negócio para ensino de línguas é aquele em que o estudante paga, e particularmente, o estudante paga ao software Rosetta Stone 500 dólares. (Risadas) Este é o modelo de negócios atual. O problema com este modelo de negócio é que 95% da população mundial não possui 500 dólares. Então é extremamente injusto com os pobres. Isto é totalmente direcionado aos ricos. Agora vejam, com Duolingo, porque enquanto você aprende você realmente cria valor, você está traduzindo coisas -- o que por exemplo, nós poderíamos cobrar de alguém pela traduções. Então é assim que podemos rentabilizar isto. Já que as pessoas estão criando valor enquanto aprendem, elas não precisam pagar com seu dinheiro, elas pagam com seu tempo. Mas a mágica aqui é que elas estão pagando com seu tempo, mas este é um tempo que estaria sendo gasto de qualquer forma no aprendizando de uma língua. O bom do Duolingo é que acredito que ele disponibiliza um modelo de negócios justo -- um que não discrimina as pessoas pobres.

Então aqui está o site. Obrigado. (Aplausos) Então aqui está o site. Ainda não lançamos, mas se você acessá-lo, poderá se registrar para fazer parte da versão beta privada, que provavelmente começará em 3 ou 4 semanas. Ainda não lançamos este Duolingo.

Por sinal, sou eu quem está falando aqui, mas na verdade Duolingo é o trabalho de uma equipe fantástica e certos membros estão aqui. Então, obrigado.

(Aplausos)