Hola a todos! Me gustaría hablar sobre el proyecto
EyeWire aquí. Pero primero, algunas palabras sobre lo que constituye la ciencia "social" (ciencia ciudadana).
Muchos de ustedes recuerdan una plataforma como BOINC (
un artículo sobre Geektimes ,
noticias sobre BOINC para Android ). Ahora parece que su popularidad ha disminuido, pero varios proyectos aún están activos, por ejemplo,
Einstein @ Home , la búsqueda de ondas gravitacionales de objetos compactos según los datos del telescopio
LIGO . La esencia de la participación allí fue instalar un software que procese los cálculos para uno o varios proyectos en su computadora y envíe los resultados al servidor. La potencia informática total de muchas computadoras de escritorio es bastante grande, pero ligeramente inferior a la de las supercomputadoras superiores. Por ejemplo, en 2013, la plataforma BOINC tenía una velocidad de aproximadamente 9 PFlops, y la nueva supercomputadora (Tianhe-2) - 33 PFlops, es decir, ~ 3.5 veces más rápido. Hoy, la brecha es ligeramente mayor: en BOINC, la velocidad se ha duplicado (hasta 18 PFlops), y las supercomputadoras ya se han acercado a la marca de 100 PFlops y se están diseñando exaflops-supercomputadoras (1 EFlops = 1000 PFlops = 1,000,000 TFlops). Sin embargo, se dieron algunos resultados del cálculo y, si lo desea, revisaré estos resultados y su aplicación en el mundo real.
Una alternativa a la donación de tiempo de computadora es una participación más activa de una persona en los proyectos. Un ejemplo de tal manifestación de la ciencia "social" son los proyectos GalaxyZoo. El proyecto comenzó en 2007 y todavía tiene una gran cantidad de fanáticos. Ahora no estaba buscando números, pero varios proyectos notaron un exceso significativo de actividad sobre el esperado; por ejemplo, el primer proyecto de clasificación tenía alrededor de 70,000 clasificaciones por hora. Estos proyectos utilizan principalmente la capacidad del cerebro humano para encontrar patrones (imágenes similares a otras). Si bien el programa necesita prescribir toda la lógica de evaluación, a menudo en pequeños detalles, una persona puede evaluar la imagen "en su totalidad", mientras ignora los defectos de la imagen y la falta de coincidencia del eje del objeto visualizado con el plano de la imagen (en otras palabras, cuando el objeto se despliega en el espacio y es visible desde un lado o en algún ángulo). Se cree que las personas comunes entrenadas con ejemplos, que no tienen títulos académicos, pueden sacar conclusiones sobre el contenido de las imágenes (por ejemplo, distinguir una galaxia elíptica de una galaxia espiral) no peor que los propios científicos. Inicialmente, los proyectos del Galaxy Zoo eran de naturaleza astronómica, y más tarde, en el mismo motor, se lanzaron una gran cantidad de proyectos
desde otras áreas de la ciencia , desde la búsqueda de habitantes marinos o animales en fotografías hasta la lectura de los registros de barcos de la Royal Navy británica (el proyecto en sí, Old Weather, tenía el objetivo de restaurar datos meteorológicos de principios del siglo XX).
Finalmente, el proyecto del que quiero hablar involucra al participante en un grado mucho mayor: tiene parte del juego (con un "tablero de honor" indispensable y todo tipo de distintivos de estado), parte de la red social (un chat bastante activo con buenas discusiones sobre de lo que hacemos, así como a través de debates sobre la vida) y parte de la ciencia (con publicaciones científicas con el coautor indispensable del Dr. The EyeWirers).
EyeWire es un proyecto para restaurar la estructura 3D y la conectividad de las neuronas en el cerebro de un mouse, o más bien, esa parte de ella que está conectada al ojo (la llamada "conexión"). Por supuesto, me gustaría saber cómo esta parte del cerebro está organizada en una persona, pero su cerebro es mucho más complicado y, lo que es más importante, nadie cortará un cerebro sano en rodajas. Al igual que Galaxy Zoo, EyeWire no tiene una etapa de lectura larga de instrucciones: puede iniciarlo en unos minutos después del registro (no se le pedirá nada más que inicio de sesión, contraseña y correo).
El gran botón verde "Comenzar a jugar" - ¡y avanza hacia el camino de la ciencia! Aquí hay una captura de pantalla de la interfaz en el modo "navegar".
A la izquierda está el mismo botón, en el centro de la vista previa en 3D de una celda simple (aquí para una broma llamada "bigote" - celda de bigote en inglés), a la derecha hay una "junta de honor". Después de ingresar al modo de juego, ingresa a uno de los “cubos” arbitrariamente seleccionados, áreas del conjunto de datos donde se encuentran las ramas (dendritas) de nuestra celda.
El motor del juego, sobre la base de datos sobre los "cubos" de vecinos, construye un modelo preliminar de la parte de la dendrita que pasa a través del "cubo". Puede ver bordes afilados, acantilados: esto es típico de un modelo incompleto. Nuestra tarea es precisamente completarlo. Es importante cómo pintar con la mayor precisión posible las áreas relacionadas con la dendrita (porque cualquiera de ellas puede dar lugar a otro proceso), y tratar de no capturar los datos adicionales, de lo contrario incluiremos en el modelo una pieza de dendrita de una celda completamente diferente (esto se llama "fusión" - inglés fusión). Por conveniencia, el modelo se visualiza inmediatamente cuando agrega un fragmento en el plano. La primera imagen muestra que el campo lleno tiene un espacio, también lo llenaremos, pero lo más importante, otra área que nos permitirá completar la dendrita. Aquí esta:
Después de pintar, aparece la primera parte:
Luego agregamos el resto, haciendo clic en otras áreas claras y sin dejar las líneas negras (dendrita los bordes en el corte) Para asegurarse de que el modelo esté completo, vaya más arriba o más abajo en el plano, si es necesario, cambie el plano a otro (usando el botón de la barra de herramientas a la derecha esquina superior o D). Vista final:
Enviamos un cubo. Obtenemos puntos y pasamos al siguiente cubo. Para los principiantes, los autores de EyeWire idearon un guión interactivo especial que muestra la corrección del trabajo en tiempo real (y no después de enviar el cubo), esto simplifica la etapa inicial. Si trabaja bien con estructuras 3D y es demasiado fácil para usted, no se preocupe: solo hay celdas simples disponibles para principiantes, pero puede elegir otra y, después de un escenario de entrenamiento adicional, ir a trabajar en celdas del segundo tipo:
Creo que esto es suficiente por primera vez. ¡Me alegrará verte en el gran EyeWire! Si hay interés en el artículo, puedo contarles un poco más sobre lo que sucede después de que se construye el modelo de celda, así como sobre partes aún más complejas del juego, donde los exploradores buscan ramas o fusiones faltantes, y la guadaña "limpia" datos al resultado final.
Para aquellos que estén interesados: además de EyeWire, existe un proyecto
Mozak Brainbuilder (que se encontró durante la preparación del artículo); en este momento, en la versión beta, se propone construir modelos de neuronas dibujando líneas discontinuas de la foto, los detalles son mucho más bajos que EyeWire, pero los requisitos no son tan significativos. También hay un proyecto para buscar estructuras 3D de
Fold. Proteínas para una orientación más precisa de los medicamentos.
Gracias por su atencion!
UPD: mayor eficiencia.
UPD2: Gracias
Mad__Max , error corregido en unidades de medición de rendimiento de supercomputadoras