Использование краудсорсинга в современных массовых проектах, как в науке, так и в медиа нередко. Очень похожие системы можно встретить в Википедии, где даже их роли совпадают. В научных исследовательских проектах, естественно, нужны контрибьюторы с разными ролями: множество обычных бойцов, которые делают черновую работу и более внимательные и подготовленные специалисты, которые будут оценивать качество и блокировать контрибьюторов, которые делают работу плохо, чей результат не совпадает с вкладом других участников. Естественно, всегда на финальном этапе присутствуют и сами ученые, которые систематизируют данные, проводят контрольную проверку и выявляют самые тонкие ошибки, которые нельзя выявить, не разбираясь в сути вопроса. Если над решением подобной задачи участвует целое сообщество, притом сообщество неоднородное, с разными ролями, с разными иерархиями внутри, то нам нужна некая система, которая бы эту иерархию обеспечивала. Именно тут применяется геймификация. Она позволяет отличать более качественных сотрудников и качественных контрибьюторов от менее качественных. Позволяет им расти по званиям, переходить на более высокую ступень. Может сама оценивать их вклад более достоверно, не подвергать работу множеству проверок и дублированию, как делается с обычными участниками. Из игровых механик, который обычно используются — это рейтинги, звания, в том числе карьера по званиям, которая происходит автоматически. Система позволяет повышать статус пользователя даже не сообщая ему об этом.
Описанный ниже кейс выглядит, конечно, как игра достаточно скучная и даже не вполне понятно, зачем всем этим заниматься, если ты далёк от науки, но при этом, это достаточно типичный пример. Мы видим, что организаторы подают проект, как игру. Показывают при входе рейтинг, называет участников игроками и на кнопке пишут “начать играть”. Также примечательно, что рейтинг сделан в том числе в рамках дня, хотя понятно, что, наверное, за день очень много пользы человек принести не может. При этом, так игрок может быстрее увидеть свое лидерство и свой вклад и понять, что он не мал. Конечно, для более мотивированных участников есть, например, месячный рейтинг и это уже цели более высокого порядка, за которыми можно дольше гнаться.
Мне кажется, что подобных проектов будет всё больше. Понятно, что создавать подобные игры ученым нелегко, это требует от них и умений, которых у них нет и само восприятие, что для серьёзной работы ученых могут помочь какие-то игроки, которые соревнуются между собой — тоже не столь очевидная мысль. Думаю, что со временем появятся универсальные платформы, которые позволят учёным не программировать, а просто принести на эту платформу свой проект и начать работу. Вероятно, будут оптимизированы задачи и основная часть такой черновой работы все-таки будет возложена на искусственный интеллект и нейросеть. Задачу обучения нейросетей, конечно же, будут выполнять люди. Для них это может быть более интересной упаковкой рутинных действий. Мы сможем видеть, например, общий процент успеха, насколько данная нейросеть научилась или же переложить на реальных пользователей контроль за запуск машин нейросети и для исправления конкретных ошибок.
Илья Курылев, эксперт в области геймификации, CEO студии Gamification Now!
Долгосрочная цель проекта — описать весь человеческий мозг, но в нём 84 миллиарда нейронов, поэтому без искусственного интеллекта никак не обойтись.
Идея превратить процесс в игру родилась, когда сотрудники лаборатории Себастьяна Сеунга осознали, что воссоздание одного нейрона занимает около пятидесяти часов. Картирование сетчатки мыши у группы из ста учёных заняло бы почти двести лет. Стало ясно: нужно придумать способ привлечь добровольцев, чтобы ускорить процесс.
Сетчатка — часть мозга, она вырастает из него в процессе эмбрионального развития и участвует в анализе зрительной информации. Этим пользуются при изучении болезней, например, церебральной малярии. Поэтому когда сотрудники лаборатории решили научить компьютеры составлять нейронные карты, учебным пособием они выбрали именно сетчатку.
Исследователи придумали картировать клеточную сеть человеческими усилиями, записать процесс и скормить компьютерам, чтобы они натренировались делать то же самое.
EyeWire использует изображения, полученные с помощью растрового электронного микроскопа в Институте медицинских исследований общества Макса Планка. Карта сетчатки состоит из множества частей («кубов»), каждый из которых должны обработать несколько игроков. Управление: экран разделён на две части, слева — 3D-модель нейрона, которую можно поворачивать и двигать, справа — множество наложенных друг на друга снимков. Они выглядят так, словно кто-то разрезал трёхмерный предмет на слои и каждый слой сфотографировал. Прокручивая двухмерные снимки сетчатки, можно представить объёмную картину, при этом по модели вертикально движется прозрачная планка: так игра даёт понять, какой слой просматривает игрок. Чтобы «восстановить» ветки нейрона, нужно закрасить фрагменты на фотографиях.
Каждый куб «раскрашивают» несколько игроков, затем компьютер сравнивает решения, определяет, какое из них верное, и присуждает очки. На основе полученных очков составляются рейтинги (топ лучших контрибьюторов) в разрезе дня, недели и месяца, где видно имя пользователя, его ранг, количество заработанных очков и страну, из которой этот пользователь пришел.
Искать ошибки в нейронной карте приходится учёным и самим игрокам, поэтому в сообществе EyeWire создали строгую иерархию. Для каждой роли определены требования, возможности и обязанности. Продвинутые игроки делятся на:
В 2014, через два года после запуска EyeWire сотрудники лаборатории МТИ сделали первое открытие и рассказали о нём в журнале Nature. Учёным удалось выяснить, как именно млекопитающие распознают движение. То, что в процессе участвует не только мозг, но и сетчатка уже было известно, но сам механизм подробно изучен не был.
Когда свет попадает на клетки фоторецепторов, они передают сигнал биполярным клеткам, затем амакриновым — и, наконец, ганглионарным. Учёные проанализировали 80 звёздчатых амакриновых нейронов (29 из них помогли описать игроки EyeWire) и соединённые с ними биполярные клетки. Они заметили, что разные типы биполярных клеток (BC) по-разному соединяются с амакриновыми нейронами (SAC): биполярные клетки одного типа располагаются далеко от сомы (тела) звёздчатой клетки и передают сигнал быстро, другого типа — близко, но сигнал передают с задержкой.
С момента старта игроки реконструировали 305 нейронов. Из 245 нейронов, которые исследователи планировали воссоздать с 2014 года к октябрю 2015 года уже было готово 103.
