大家好！ 我想在这里谈论
EyeWire项目。 但是首先，关于什么构成“社会”科学（公民科学）。
你们中许多人还记得像BOINC这样的平台（
有关Geektimes的文章 ，
有关Android的BOINC的新闻 ）。 现在看来，它的受欢迎程度已经下降了，但是仍然有许多项目正在积极开展中，例如，
爱因斯坦（Einstein @ Home） –根据
LIGO望远镜的数据从紧凑物体中寻找引力波。 参与其中的实质是安装软件来处理计算机上一个或多个项目的计算并将结果发送到服务器。 许多台式计算机的总计算能力非常大，但略逊于顶级超级计算机。 例如，在2013年，BOINC平台的速度约为9 PFlops，而最新的超级计算机（Tianhe-2）为33 PFlops，即快约3.5倍。 如今，差距略大了：在BOINC，速度提高了一倍（最高18 PFlops），超级计算机已经接近100 PFlops的极限，并且正在设计exaflops-超级计算机（1 EFlops = 1000 PFlops = 1,000,000 TFlops）。 但是，给出了一些计算结果，如果您愿意，我将回顾这些结果及其在现实世界中的应用。
捐赠计算机时间的另一种方法是让人们更积极地参与项目。 GalaxyZoo项目就是这种“社会”科学体现的例子。 该项目于2007年开始，至今仍然有相当多的粉丝。 现在我不是在寻找数字，而是一些项目指出活动量大大超过了预期的活动-例如，第一个分类项目每小时有大约70,000个分类。 这些项目主要利用人脑的能力来寻找模式（与其他图像相似的图像）。 尽管程序需要规定整个评估逻辑（通常是很小的细节），但是人们可以“完整地”评估图片，而无需考虑图像缺陷以及所显示对象的轴与图像平面的不匹配（换句话说，当对象部署在空间中并且从侧面或侧面可见时）。在某个角度）。 可以相信，没有经验的普通人，通过实例训练，可以在图像内容上得出结论（例如，将椭圆星系与螺旋星系区分开），这并不比科学家本身差。 最初，Galaxy Zoo项目本质上是天文数字，后来在同一引擎上，
从其他科学领域启动了许多项目-从搜索照片中的海洋居民或动物到阅读英国皇家海军的航海日志（该项目本身，Old Weather，旨在恢复20世纪初的气象数据）。
最后，我想谈的项目在更大程度上涉及了参与者-它包含游戏的一部分（带有不可或缺的“荣誉委员会”和各种状态徽章），社交网络的一部分（非常活跃的聊天，其中包含有关以及我们对生活的讨论，以及科学的一部分（与The EyeWirers博士不可或缺的合著者发表科学论文）。
EyeWire是恢复老鼠大脑中神经元的3D结构和连通性的项目，或者更确切地说，是恢复其与眼睛相连的部分（所谓的“连接”）。 当然，我想知道人的这部分大脑是如何排列的，但是他的大脑要复杂得多，更重要的是，没有人可以将健康的大脑切成薄片。 与Galaxy Zoo一样，EyeWire不需要长时间阅读说明-您可以在注册后的几分钟内启动它（除了登录名，密码和邮件外，您不需要输入其他任何内容）。
绿色的大按钮“开始播放”-前进，走向科学之路！ 这是“浏览”模式下界面的屏幕截图。
左侧是同一单元格的3D预览中心的同一按钮（此处是一个名为“ mustache”的笑话-英语胡须单元格），右侧是“荣誉委员会”。 进入游戏模式后，您将进入任意选择的“多维数据集”之一-数据集的单元格分支（树突）所在的区域。
游戏引擎根据邻居的“多维数据集”上的数据，建立穿过“多维数据集”的树枝状部分的初步模型。 您会看到锐利的边缘和悬崖-这是不完整模型的典型特征。 我们的任务就是完成它。 重要的是如何尽可能准确地绘制与枝晶相关的区域（因为它们中的任何一个都可能引发其他过程），并尽量不要捕获额外的数据，否则我们将在模型中包含一块完全不同的单元格的枝晶（这称为“合并”）-英语合并）。 为方便起见，当您在平面上添加片段时，模型将立即可视化。 第一张图片显示填充的区域有一个空间，我们也将填充它，但是更重要的是，另一个区域将允许我们完成枝晶。 这是：
绘画后，第一部分出现：
然后，添加其余部分，单击其他浅色区域，并且不留下黑线（切口上的树枝状边框）。为确保模型完整，请在平面中上移或下移，如有必要，将平面更改为另一个平面（使用右侧的工具栏按钮顶角或D）。 最终视图：
我们发送一个多维数据集。 我们得到点，然后转到下一个多维数据集。 对于初学者而言，EyeWire的作者提出了一个特殊的交互式脚本，该脚本可以实时显示工作的正确性（而不是在发送多维数据集之后），从而简化了初始阶段。 如果您能很好地使用3D结构，并且对您来说太简单了，请放心：对于初学者来说，只有简单的单元格可用，但是您可以选择另一个单元格，在经过其他培训后，可以在第二种类型的单元格中工作：
我认为这已经足够了。 我将很高兴在广阔的EyeWire中见到您！ 如果您对本文感兴趣，我可以告诉您更多有关构建单元模型后发生的情况以及游戏中更复杂的部分的信息-侦察员寻找丢失的分支或合并，然后“清理”镰刀数据到最终结果。
对于感兴趣的人：除了EyeWire之外，还有一个
Mozak Brainbuilder项目（在本文准备期间找到了它）-当前处于beta版本，建议通过从照片中绘制虚线来构建神经元模型，其细节远低于EyeWire，但要求不是那么重要。 还有一个项目可以搜索
Fold的 3D结构，
该蛋白质可以更准确地靶向药物。
感谢您的关注！
UPD：提高效率。
UPD2：感谢
Mad__Max ，已修复了以超级计算机的性能度量为单位的错误