案例库 · 研发与科研 · 产品决策 · 2007–2010
星系动物园将百万张星系图像变成公开分类游戏
一百万张星系图像对单个团队来说太多;星系动物园邀请公众参与,约10万志愿者完成了超过4000万次分类,结果与专家一致。
Galaxy Zoo (Zooniverse)
那一手
斯隆数字巡天为天文学家提供了近100万张星系图像,但形态标注——螺旋或椭圆——对一个小型研究团队来说太过费力。2007年,星系动物园将图像上线,邀请公众分类。
每个星系由许多志愿者检查,汇总他们的点击产生的分类,与专业天文学家分类的子集一致。2008年《皇家天文学会月报》报告称,来自约10万参与者的分类超过4000万次。
2010年的后续研究表明,基于人工标注训练的机器学习能够复现人群的分类,将志愿者工作转化为自动天文学的训练数据。该项目证明了:一个精心设计的公共任务可以完成研究团队无法完成的工作。
为什么管用
- 每个星系多双眼睛,可捕捉个体错误。
- 公众参与使工作免费且快速。
- 专家验证保证了结果在科学上可信。
- 人群标注成为机器学习的训练数据。
值了多少众包分类,保持科学神来之笔
可以搬走什么
对专家来说太大的任务可以拆分为公众擅长的小决策,只要每个项目获得多次独立判断,并用专家样本对人群进行验证。
后来呢
星系动物园成长为Zooniverse平台,承载了数十个公民科学项目,其形态目录成为研究星系形成和演化的标准数据集。
资料来源
- Galaxy Zoo: morphologies derived from visual inspection of galaxies from the Sloan Digital Sky Survey
- Galaxy Zoo: morphologies derived from visual inspection of galaxies from the Sloan Digital Sky Survey
发现哪里写错了?告诉我们。