Halo semuanya! Saya ingin berbicara tentang proyek
EyeWire di sini. Tapi pertama-tama, beberapa kata tentang apa yang merupakan ilmu "sosial" (ilmu warga).
Banyak dari Anda yang ingat platform seperti BOINC (
artikel tentang Geektimes ,
berita tentang BOINC untuk Android ). Sekarang popularitasnya, tampaknya, telah menurun, tetapi sejumlah proyek masih aktif, misalnya,
Einstein @ Home - pencarian gelombang gravitasi dari benda padat menurut data dari teleskop
LIGO . Inti dari partisipasi di sana adalah menginstal perangkat lunak yang memproses perhitungan untuk satu atau beberapa proyek di komputer Anda dan mengirimkan hasilnya ke server. Total daya komputasi banyak komputer desktop cukup besar, tetapi sedikit lebih rendah daripada superkomputer teratas. Misalnya, pada 2013, platform BOINC memiliki kecepatan sekitar 9 PFlops, dan superkomputer terbaru (Tianhe-2) - 33 PFlops, mis. ~ 3,5 kali lebih cepat. Saat ini, jaraknya sedikit lebih besar: di BOINC, kecepatannya berlipat ganda (hingga 18 PFlops), dan superkomputer telah mendekati tanda 100 PFlops dan superkomputer exaflops sedang dirancang (1 EFlops = 1000 PFlops = 1.000.000 TFlops). Namun demikian, beberapa hasil perhitungan diberikan, dan jika Anda mau, saya akan meninjau hasil ini dan penerapannya di dunia nyata.
Alternatif untuk sumbangan waktu komputer adalah partisipasi seseorang yang lebih aktif dalam proyek. Contoh manifestasi sains "sosial" semacam itu adalah proyek GalaxyZoo. Proyek ini dimulai pada 2007 dan masih memiliki jumlah penggemar yang cukup besar. Sekarang saya tidak mencari angka, tetapi sejumlah proyek mencatat kelebihan aktivitas yang signifikan di atas yang diharapkan - misalnya, proyek klasifikasi pertama memiliki sekitar 70.000 klasifikasi per jam. Proyek-proyek ini terutama menggunakan kemampuan otak manusia untuk menemukan pola (gambar mirip dengan yang lain). Sementara program perlu mendaftarkan semua logika evaluasi, sering kali dalam perincian halus, seseorang dapat mengevaluasi gambar "secara keseluruhan", sementara mengabaikan cacat gambar dan ketidakcocokan sumbu objek yang ditampilkan dengan bidang gambar (dengan kata lain, ketika objek ditempatkan di ruang dan terlihat dari samping atau di beberapa sudut). Dipercayai bahwa orang-orang sederhana yang dilatih oleh contoh-contoh, yang tidak memiliki gelar akademis, dapat menarik kesimpulan pada isi gambar (misalnya, untuk membedakan galaksi elips dari galaksi spiral) yang secara statistik tidak lebih buruk daripada para ilmuwan itu sendiri. Awalnya, proyek Kebun Binatang Galaxy bersifat astronomi, dan kemudian pada mesin yang sama sejumlah besar proyek diluncurkan
dari bidang ilmu pengetahuan lain - mulai dari mencari penghuni laut atau hewan dalam foto hingga membaca log kapal Angkatan Laut Kerajaan Inggris (proyek itu sendiri, Cuaca Tua, memiliki tujuan untuk memulihkan data cuaca awal abad ke-20).
Akhirnya, proyek yang ingin saya bicarakan melibatkan peserta pada tingkat yang jauh lebih besar - ia memiliki bagian dari permainan (dengan "papan kehormatan" yang sangat diperlukan dan segala macam ikon status), bagian dari jejaring sosial (obrolan aktif dengan diskusi yang bagus tentang tentang apa yang kita lakukan, serta melalui diskusi tentang kehidupan) dan bagian dari sains (dengan publikasi ilmiah dengan rekan penulis Dr The EyeWirers yang sangat diperlukan).
EyeWire adalah proyek untuk memulihkan struktur 3D dan konektivitas neuron di otak tikus, atau lebih tepatnya, bagian yang terhubung ke mata (yang disebut "koneksi"). Tentu saja, saya ingin tahu bagaimana bagian otak ini diatur dalam diri seseorang, tetapi otaknya jauh lebih rumit dan, yang lebih penting, tidak ada yang akan memotong otak yang sehat menjadi irisan. Seperti Galaxy Zoo, EyeWire tidak memiliki tahap membaca instruksi yang panjang - Anda dapat memulainya dalam beberapa menit setelah pendaftaran (Anda tidak akan diminta untuk apa pun kecuali login, kata sandi dan surat).
Tombol hijau besar "Mulai Bermain" - dan maju, ke jalur sains! Berikut adalah screenshot dari antarmuka dalam mode "browse".
Di sebelah kiri adalah tombol yang sama, di tengah preview 3D dari sel sederhana (di sini untuk lelucon yang disebut "kumis" - sel kumis bahasa Inggris), di sebelah kanan adalah "papan kehormatan". Setelah memasuki mode permainan, Anda masuk ke dalam salah satu "kubus" yang dipilih secara sewenang-wenang - area kumpulan data tempat cabang (dendrit) sel kami berada.
Mesin game, berdasarkan data pada "kubus" tetangga, membangun model awal dari bagian dendrit yang melewati "kubus". Anda dapat melihat ujung yang tajam, tebing - ini tipikal untuk model yang tidak lengkap. Tugas kita justru menyelesaikannya. Penting untuk melukis seakurat mungkin bidang yang terkait dengan dendrit (karena ada yang dapat menimbulkan proses lain), dan mencoba untuk tidak mengambil data yang tidak perlu, jika tidak kita akan memasukkan dalam model sepotong dendrit sel yang sama sekali berbeda (ini disebut "penggabungan" - bahasa Inggris (merger). Untuk kenyamanan, model segera divisualisasikan ketika Anda menambahkan sebuah fragmen pada pesawat. Gambar pertama menunjukkan bahwa bidang yang diisi memiliki ruang, kami juga akan mengisinya, tetapi yang lebih penting, area lain yang memungkinkan kami untuk menyelesaikan dendrit. Ini dia:
Setelah melukis, bagian pertama muncul:
Kemudian kami menambahkan sisanya, mengklik area terang lainnya, dan tanpa meninggalkan garis hitam (batas dendrit pada potongan). Untuk memastikan model selesai, naik atau turun di pesawat, jika perlu, ganti pesawat ke yang lain (menggunakan tombol bilah alat di kanan sudut atas atau D). Tampilan akhir:
Kami mengirim kubus. Kami mendapatkan poin dan beralih ke kubus berikutnya. Untuk pemula, penulis EyeWire datang dengan skrip interaktif khusus yang menunjukkan kebenaran pekerjaan secara real time (dan bukan setelah mengirim kubus), ini menyederhanakan tahap awal. Jika Anda bekerja dengan baik dengan struktur 3D dan itu terlalu mudah untuk Anda, jangan khawatir: hanya sel-sel sederhana yang tersedia untuk pemula, tetapi Anda dapat memilih yang lain dan, setelah skenario pelatihan tambahan, mulai bekerja di sel-sel dari tipe kedua:
Saya pikir ini sudah cukup untuk pertama kalinya. Saya akan senang melihat Anda di EyeWire yang luas! Jika ada minat pada artikel, saya dapat memberi tahu Anda sedikit lebih banyak tentang apa yang terjadi setelah model sel dibangun, serta tentang bagian yang lebih kompleks dari permainan - di mana para pencari bakat mencari cabang atau penggabungan yang hilang, dan sabit โbersihโ data ke hasil akhir.
Bagi mereka yang tertarik: selain EyeWire, ada proyek
Mozak Brainbuilder (menemukannya saat persiapan artikel) - saat ini dalam versi beta, diusulkan untuk membangun model neuron dengan menggambar garis putus-putus dari foto, detailnya jauh lebih rendah daripada EyeWire, tetapi persyaratannya tidak begitu signifikan. Ada juga proyek untuk mencari struktur 3D dari
lipatan. Ini protein untuk penargetan obat yang lebih akurat.
Terima kasih atas perhatian anda!
UPD: Menambahkan efisiensi.
UPD2: Terima kasih
Mad__Max , bug diperbaiki di unit pengukuran kinerja superkomputer