Science杂志在今年1月1日出版的新年第一期中，发表了一篇题为《The power of crowds》（众包的力量——联合人和机器解决新的难题，http://science.sciencemag.org/content/351/6268/32.full）的文章，两位作者分别来自美国的人类计算研究所和康奈尔大学，他们在文章里介绍了人类计算的基本历程，并列举了几个较为出名的人类计算项目。作者提到了3种类型的人类计算模式，并指出利用道德规范能让人类计算做到以人为本，服务人们的合理需求。

人类计算是由Luis von Ahn（L. von Ahn, thesis, Carnegie Mellon University, Pittsburgh, PA (2005).）率先提出并成功应用的。他开发的reCAPTCHA项目（详细介绍见http://t.cn/R4OE2QE）用于人们登录网站时的识别，这一项目通过借助用户对计算机无法识别的文字的辨识，成功地将一千三百万份《纽约时报》的档案资料数字化。与reCAPTCHA项目类似，现在有很多人类计算的系统，将复杂的任务细微化（如图A所示），每个人都能参与完成一部分工作。在很多时候，这些计算项目都是借助了人类高超的视觉感知能力，而目前计算机技术在图形识别方面还有所欠缺。例如，有一款名为EyeWire绘制大脑神经元网络的在线游戏，通过将神经细胞三维图像化的过程制成游戏，让用户找出连接神经细胞的部分并将其涂色，从而完成复杂脑神经图的三维图像。

 作者认为这样的“微任务”的计算模式，虽然能够解决一些重复性机械式的任务，但是也有其局限性。例如，面对气候变化、疾病、地缘政治冲突等动态变化、多因素交织的复杂问题时，需要有丰沛的知识、深度的推理和创造性的抽象总结，才能使问题得以解决。

对此，面向未来的人类计算的生态系统（如图C所示）具有极大的潜力。典型的例子有辅助证明一个有80年历史的数学难题的Polymath Project项目，还有面向大众的精细化新闻制作系统ePluribus Problem Solver。在这两个例子之中，人们串联起来，各自独立的工作，从群体社区中获得新奇的观点，及时地交流思想创造出新的知识。

设计出生长的复杂系统时，同样需要对人机反馈回路的动态理解。例如，为用户的图形设计提供专业评价的CrowdCrit项目就利用了人的输入去指导计算机实现更高效的工作。

今天，工作流程化的工具不断出现，带动了人机系统的加速发展。类似TurKit工具箱可以利用Amazon Mechanical Turk的众包平台进行交互式的工作（如图B所示）。

作者认为，人类计算需要与传统的计算机科学有所区分，并且能从基于人类的认知、动机、错误率和决策等方面规划设计，以获得收益。众包从公民科学开始起步，现在已经广泛运用到了人们的工作和娱乐之中。对此，我们要重新思考这些变化趋势对劳动力、失业率以及经济的意义。有人认为，人类计算在带来便利的同时，也会产生一些副作用，比如制造恐慌、操纵意志等。作者指出，以社群驱动的方式，能指引生产出透明的资讯和有价值的结果，依靠道德规范也能让人类计算做到以人为本。