Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 17
Почему компьютер сам не может это просчитать? Или вы пишите нейросеть на основе тех результатов что присылают вам игроки?
Отчасти это проблема качества подготовки материалов. EyeWire использует очень тонкую «нарезку» биоматериала и даже крохотные сдвиги и дефекты могут влиять на возможность построить модель.
Компьютер тоже просчитывает. А потом результат сравнивает с несколькими решениями одного и того же куба от разных игроков. Результатом становится «консенсус», который отправляется дальше по цепочке. Плюс на этом консенсусе учится уже сама нейросеть.
Раньше компьютеры использовались, чтобы учить людей, теперь люди — чтобы учить компьютеры…
А проект прикольной, только туториал с толку сбивает.
А проект прикольной, только туториал с толку сбивает.
Чем сбивает, можно чуть детальней?
Первый вопрос: а нафига там люди, если программа оценивает сама?
Потом понимаешь, что это туториал, и там всё предзаготовлено.
Вопрос потом повторяется при переходе от первой части туториала ко второй. Ты считаешь, что тебе уже дают реальные кубы, а на деле — так же заготовленные.
Очень сильно демотивирует, т.к. непонятно, зачем здесь вообще человек.
Потом понимаешь, что это туториал, и там всё предзаготовлено.
Вопрос потом повторяется при переходе от первой части туториала ко второй. Ты считаешь, что тебе уже дают реальные кубы, а на деле — так же заготовленные.
Очень сильно демотивирует, т.к. непонятно, зачем здесь вообще человек.
Я чуть позже ради интереса заведу новый аккаунт и пройду все этапы, включая оба туториала, возможно с записью видео. Просто я уже очень давно проходил, почти 4 года назад. Я видел как много ребят с Гиктаймс пришло и зарегистрировалось, но очень многие дальше туториала не прошли. Админы ребята понятливые, и я попробую что-то улучшить в этом плане.
Суммарная мощность вычислений множества настольных компьютеров довольно велика, но уступает топовым суперкомпьютерам. Например, на 2013 год платформа BOINC имела скорость около 9 ТФлопс, а самый новый суперкомпьютер (Тяньхе-2) — 33 ПФлопс, то есть в ~3500 раз быстрее. Сегодня разрыв еще больше: у BOINC скорость выросла лишь вдвое (до 18 ТФлопс), а суперкомпьютеры уже вплотную подобрались к отметке в 100 ПФлопс и проектируются эксафлопс-суперкомпьютеры (1 ЭФлопс = 1000 ПФлопс = 1000000 ТФлопс). Тем не менее, какие-то результаты вычисления дали и если желаете, я проведу обзор таких результатов и их применения в реальном мире. Ряд проектов носил чисто математический характер, а некоторые другие закрылись, не выполнив заявленных целей, что на мой взгляд сыграло не последнюю роль в остывании интереса к BOINC и проектам на нём основанным.
У вас с единицами измерения беда большая — мощность BOINC вычислений тоже давным давно в петафлопах измеряется. Например только один упомянутый вами проект Einstein@Home работает со средней фактической на реальных данных (а не пиковой чисто теоретической в синтетических тестах как обычно для суперкомпьютеров указывается) скоростью выше 6 ПетаФлопс:
Computing capacity #
Floating point speed 6273.1 TFLOPS
https://einsteinathome.org/server_status.html
Если бы это был единый суперкомпьютер, а не распределенная сеть, то он занял бы место во 2м десятке самых мощных суперкомпьютеров Земли.
BOINC платформа в целом — была бы в первой десятке или даже в ТОП-5.
Все остальные более менее серьезные BOINC проекты тоже как минимум по несколько сотен TФлопс имеют, топовые перебираются за 1 ПФлопс. Например Rosetta@Home — около 300 ТФлопс. Причем это без использовая GPU, на универсальных х86 процессорах.
Тоже среди топовых х86 суперкомпьютеров.
И остывания интереса никакого нет, вычислительные мощности, кол-во участвующих людей и работающих компьютеров, хоть и медленно но продолжает расти.
Немного пробовал полгода назад, забавно.
Но возник, собственно, вопрос — зачем это все, конкретно этот проект? Закрашивание автоматически проверяется, т.е. и так уже имеется информация о связности.
Просто фан?
Объясните, я не понимаю.
Но возник, собственно, вопрос — зачем это все, конкретно этот проект? Закрашивание автоматически проверяется, т.е. и так уже имеется информация о связности.
Просто фан?
Объясните, я не понимаю.
Проект нужен для понимания связности между нейронами мозга. Данные, как именно работает мозг и как взаимодействуют его отделы, постоянно уточняются. Ученые хотят понять как именно работают процессы вроде распознавания образов и запоминания информации.
Закрашивание не проверяется автоматически, его проверяют другие люди (двухступенчатый процесс), я хотел посвятить деталям вторую статью на эту тему.
Закрашивание не проверяется автоматически, его проверяют другие люди (двухступенчатый процесс), я хотел посвятить деталям вторую статью на эту тему.
Автоматически проверяется только на обучающих уровнях которые в начале дают новичкам и которые уже решены и проверены более опытными участникам.
Это обучение игрока как ПРАВИЛЬНО нужно делать. Если результаты человек показывает нормальные (т.е. на практике подтверждает что успешно прошел обучение), то дальше идут уже рабочие уровни — для которых правильный результат еще не известен. Он как раз складывается из сравнения нескольких результатов присланных несколькими разными людьми.
Это обучение игрока как ПРАВИЛЬНО нужно делать. Если результаты человек показывает нормальные (т.е. на практике подтверждает что успешно прошел обучение), то дальше идут уже рабочие уровни — для которых правильный результат еще не известен. Он как раз складывается из сравнения нескольких результатов присланных несколькими разными людьми.
Вот лучше бы это сделали новым discovery в EVE Online, а не бесполезный «поиск экзопланет».
Интерес к космосу он тоже у людей в крови, не стоит так категорично.
Не в этом дело, там графики светимости которые
1) Прекрасно анализируются машинно.
2) В 99% случаев там либо всё очевидно либо фиг увидишь этот провал в графике.
Когда в дискавери была сортировка снимков клеток было интересно и сложно и полезно для саморазвития, многие научились ядро от цитоплазмы отличать и митохондрии от аппарата Гольджи :) А сейчас точность 99% набивается по принципу «если очевидного транзита нет значит его нет».
1) Прекрасно анализируются машинно.
2) В 99% случаев там либо всё очевидно либо фиг увидишь этот провал в графике.
Когда в дискавери была сортировка снимков клеток было интересно и сложно и полезно для саморазвития, многие научились ядро от цитоплазмы отличать и митохондрии от аппарата Гольджи :) А сейчас точность 99% набивается по принципу «если очевидного транзита нет значит его нет».
Когда-то я заинтересовался этим folding@home, даже ставил их клиент, оставлял на ночь комп работать… А потом у меня возникли такие вопросы: — а что конкретно получилось-то? Мой комп работает, а я даже не вижу результатов! Хотя бы отображалась та молекула, обсчет которой ведется, её эволюции в процессе… А надо сказать, что я тогда баловался одной из программ, которая тоже рассчитывала конформации молекул, но попроще, чем белки и мне это было интересно. А вот фиг там — вы вкалывайте, а мы потом статиь в научные журналы напишем, гранты попилим… А вам достанется чувство глубокого удовлетворения от того что вы помогли науке! Нет, не интересно.
А на такое бесплатное вкалывание на дядю с пяленьем в монитор за какие-то смехотворные ачивки — нет ни лишнего времени ни желания. Пусть студенты им рисуют, которым зачеты нужны — у них времени много, а ретивости в достатке…
А на такое бесплатное вкалывание на дядю с пяленьем в монитор за какие-то смехотворные ачивки — нет ни лишнего времени ни желания. Пусть студенты им рисуют, которым зачеты нужны — у них времени много, а ретивости в достатке…
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
EyeWire — игра по моделированию мозга