Bonjour à tous! Je voudrais parler du projet
EyeWire ici. Mais d'abord, quelques mots sur ce qui constitue la science «sociale» (science citoyenne).
Beaucoup d'entre vous se souviennent d'une plateforme comme BOINC (
un article sur Geektimes , des
nouvelles de BOINC pour Android ). Maintenant, sa popularité a, semble-t-il, diminué, mais un certain nombre de projets sont toujours actifs, par exemple
Einstein @ Home - la recherche d'ondes gravitationnelles à partir d'objets compacts selon les données du télescope
LIGO . L'essence de la participation était d'installer un logiciel qui traite les calculs pour un ou plusieurs projets sur votre ordinateur et d'envoyer les résultats au serveur. La puissance de calcul totale de nombreux ordinateurs de bureau est assez grande, mais légèrement inférieure aux supercalculateurs de pointe. Par exemple, en 2013, la plate-forme BOINC avait une vitesse d'environ 9 PFlops, et le dernier supercalculateur (Tianhe-2) - 33 PFlops, soit environ 3,5 fois plus rapide. Aujourd'hui, l'écart est un peu plus important: chez BOINC, la vitesse a doublé (jusqu'à 18 PFlops), les supercalculateurs sont déjà proches de la barre des 100 PFlops et des exaflops-supercalculateurs sont en cours de conception (1 EFlops = 1000 PFlops = 1.000.000 TFlops). Néanmoins, certains résultats du calcul ont été donnés, et si vous le souhaitez, je passerai en revue ces résultats et leur application dans le monde réel.
Une alternative au don de temps informatique est une participation plus active d'une personne à des projets. Un exemple d'une telle manifestation de la science "sociale" est les projets GalaxyZoo. Le projet a commencé en 2007 et compte toujours un nombre assez important de fans. Maintenant, je ne cherchais pas de chiffres, mais un certain nombre de projets ont noté un excès d'activité significatif par rapport à celui attendu - par exemple, le tout premier projet de classification avait environ 70 000 classifications par heure. Ces projets utilisent principalement la capacité du cerveau humain à trouver des modèles (images similaires aux autres). Alors que le programme doit prescrire toute la logique d'évaluation, souvent dans les moindres détails, une personne peut évaluer l'image «dans son intégralité», tout en ignorant les défauts de l'image et la non-concordance de l'axe de l'objet affiché avec le plan de l'image (en d'autres termes, lorsque l'objet est déployé dans l'espace et est visible de côté ou sous un certain angle). On pense que les gens ordinaires formés par des exemples, qui n'ont pas de diplômes universitaires, peuvent tirer des conclusions sur le contenu des images (par exemple, distinguer une galaxie elliptique d'une galaxie spirale) pas pire que les scientifiques eux-mêmes. Initialement, les projets Galaxy Zoo étaient de nature astronomique, et plus tard sur le même moteur, un grand nombre de projets ont été lancés
dans d'autres domaines scientifiques - de la recherche d'habitants marins ou d'animaux sur des photographies à la lecture des journaux de bord de la Marine royale britannique (le projet lui-même, Old Weather, avait pour objectif de restaurer données météorologiques du début du XXe siècle).
Enfin, le projet dont je veux parler implique beaucoup plus le participant - il a une partie du jeu (avec un «tableau d'honneur» indispensable et toutes sortes de badges de statut), une partie du réseau social (un chat assez actif avec de belles discussions sur de ce que nous faisons, ainsi que par des discussions sur la vie) et une partie de la science (avec des publications scientifiques avec le co-auteur indispensable du Dr The EyeWirers).
EyeWire est un projet visant à restaurer la structure 3D et la connectivité des neurones dans le cerveau d'une souris, ou plutôt la partie de celui-ci qui est connectée à l'œil (la soi-disant «connexion»). Bien sûr, j'aimerais savoir comment cette partie du cerveau est organisée chez une personne, mais son cerveau est beaucoup plus compliqué et, plus important encore, personne ne découpera un cerveau sain en tranches. Comme Galaxy Zoo, EyeWire n'a pas d'étape de longue lecture des instructions - vous pouvez le démarrer en quelques minutes après l'enregistrement (il ne vous sera demandé rien d'autre qu'un identifiant, un mot de passe et un e-mail).
Le gros bouton vert "Commencer à jouer" - et en avant, sur le chemin de la science! Voici une capture d'écran de l'interface en mode "navigation".
A gauche se trouve le même bouton, au centre de l'aperçu 3D d'une cellule simple (ici pour une blague appelée "moustache" - cellule moustache anglaise), à droite se trouve une "planche d'honneur". Après être entré dans le mode de jeu, vous entrez dans l'un des «cubes» choisis arbitrairement - des zones de l'ensemble de données où se trouvent les branches (dendrites) de notre cellule.
Le moteur de jeu, à partir de données sur les "cubes" des voisins, construit un modèle préliminaire de la partie de la dendrite qui passe par le "cube". Vous pouvez voir des arêtes vives, des falaises - cela est typique d'un modèle incomplet. Notre tâche est précisément de l'achever. Il est important de peindre le plus fidèlement possible les zones liées à la dendrite (car chacune d'entre elles peut donner lieu à un autre processus), et essayez de ne pas capturer les données supplémentaires, sinon nous inclurons dans le modèle un morceau de dendrite d'une cellule complètement différente (c'est ce qu'on appelle la «fusion» - anglais . fusion). Pour plus de commodité, le modèle est immédiatement visualisé lorsque vous ajoutez un fragment sur le plan. La première image montre que le champ rempli a un espace, nous le remplirons aussi, mais plus important encore, une autre zone qui nous permettra de compléter la dendrite. Le voici:
Après la peinture, la première partie apparaît:
Ensuite, nous ajoutons le reste, en cliquant sur d'autres zones claires, et sans laisser les lignes noires (bordures dendrites sur la coupe) Pour vous assurer que le modèle est complet, allez plus haut ou plus bas dans le plan, si nécessaire, changez le plan en un autre (en utilisant le bouton de la barre d'outils à droite coin supérieur ou D). Vue finale:
Nous envoyons un cube. Nous obtenons des points et passons au cube suivant. Pour les débutants, les auteurs d'EyeWire ont mis au point un script interactif spécial qui montre l'exactitude du travail en temps réel (et non après l'envoi du cube), cela simplifie la phase initiale. Si vous travaillez bien avec des structures 3D et que c'est trop facile pour vous, ne vous inquiétez pas: seules les cellules simples sont disponibles pour les débutants, mais vous pouvez en choisir une autre et, après un scénario de formation supplémentaire, allez travailler dans des cellules du deuxième type:
Je pense que cela suffit pour la première fois. Je serai ravi de vous voir dans le vaste EyeWire! S'il y a un intérêt dans l'article, je peux vous en dire un peu plus sur ce qui se passe après la construction du modèle de cellule, ainsi que sur des parties encore plus complexes du jeu - où les éclaireurs recherchent les branches ou les fusions manquantes et scythe «propre» données au résultat final.
Pour ceux qui sont intéressés: en plus d'EyeWire, il existe un projet
Mozak Brainbuilder (trouvé lors de la préparation de l'article) - actuellement en version bêta, il est proposé de construire des modèles de neurones en dessinant des lignes brisées à partir de la photo, les détails sont bien inférieurs à EyeWire, mais les exigences ne sont pas si importantes. Il existe également un projet de recherche de structures 3D de protéines
Fold.It pour un ciblage plus précis des médicaments.
Merci de votre attention!
UPD: efficacité accrue.
UPD2: Merci
Mad__Max , correction d'un bug dans les unités de mesure des performances des supercalculateurs