5.3.2 Foldit

Foldit Non-ကျွမ်းကျင်သူများကပျော်စရာသောလမ်းအတွက်ပါဝင်ဆောင်ရွက်ရန်ဖွတဲ့ပရိုတိန်း-ခေါက်ဂိမ်းဖြစ်ပါတယ်။

အဆိုပါ Netflix နဲ့ဆု, evocative နှင့်ရှင်းလင်းသောနေစဉ်, ပွင့်လင်းခေါ်ဆိုခစီမံကိန်းများအပြည့်အဝအကွာအဝေးသရုပျဖျောမထားဘူး။ ဥပမာ, Netflix နဲ့ဆုအတွက်လေးနက်သောသင်တန်းသားများကိုအများစုစာရင်းဇယားများနှင့်စက်သင်ယူမှုအတွက်လေ့ကျင့်ရေးနှစ်ရှိခဲ့ပါတယ်။ သို့သော်ပွင့်လင်းခေါ်ဆိုခစီမံကိန်းများကိုလည်း Foldit, ပရိုတိန်း-ခေါက်ဂိမ်းအားဖြင့်သရုပ်ဖော်ခဲ့ပါတယ်အဖြစ်မရှိတရားဝင်လေ့ကျင့်ရေးသူသင်တန်းသားများကိုပါဝင်ပတ်သက်နေနိုင်ပါတယ်။

ပရိုတိန်းခေါက်အမိုင်နိုအက်ဆစ်တစ်ခုကွင်းဆက်က၎င်း၏အသွင်သဏ္ဌာန်ပေါ်ကြာရာကနေတဆင့်ဖြစ်စဉ်တစ်ခုဖြစ်သည်။ ဤလုပ်ငန်းစဉ်၏ပိုကောင်းတဲ့ဥာဏ်နှင့်တကွ, ဇီဝဗေဒပညာရှင်တွေဆေးဝါးအဖြစ်အသုံးပြုနိုင်တိကျတဲ့ပုံစံမျိုးစုံနှင့်အတူပရိုတိန်းဒီဇိုင်းနိုင်ဘူး။ အတော်လေးနည်းနည်း simplifying, ပရိုတိန်းဟာသူတို့ရဲ့နိမ့်ဆုံးစွမ်းအင် configuration များ, အမျိုးမျိုးသော Push ထိန်းညှိကစားနှင့်ပရိုတိန်း (ပုံ 5.7) အတွင်းခေါ်ဆောင်သွားသည်ဆိုပါစို့တဲ့ configuration ကိုပြောင်းရွှေ့ဖို့လေ့ရှိပါတယ်။ တစ်သုတေသီတစ်ဦးပရိုတိန်းခေါက်တံ့သောစပုံသဏ္ဍာန်ကြိုတင်ခန့်မှန်းဖို့လိုလားပါလျှင်ဒါ, ဖြေရှင်းချက်ရိုးရှင်းသောအသံ: ရုံ, ရှိသမျှဖြစ်နိုင်သော configurations ကြိုးစားပြီးသူတို့ရဲ့စွမ်းအင်ကိုတွက်ချက်, နှင့်ပရိုတိန်းနိမ့်ဆုံးစွမ်းအင်ဖွဲ့စည်းမှုပုံစံသို့ခေါက်လိမ့်မည်ဟုကြိုတင်ခန့်မှန်း။ အလားအလာ configurations ဘီလီယံပေါင်းများစွာနှင့်ဘီလီယံရှိပါတယ်ဘာဖြစ်လို့လဲဆိုတော့ကံမကောင်းစွာပဲအားလုံးဖြစ်နိုင်သမျှ configurations ကြိုးစားနေ computationally မဖြစ်နိုင်ဘူး။ ယနေ့ပင်-နှင့်အနာဂါတ်ကာလတွင်-brute အင်အားသုံးအတွက်ရရှိနိုင်အာဏာအရှိဆုံးကွန်ပျူတာများနှင့်အတူပဲအလုပ်လုပ်မယ့်မပေးပါ။ ထို့ကြောင့်, ဇီဝဗေဒပညာရှင်တွေထိထိရောက်ရောက်နိမ့်ဆုံးစွမ်းအင် configuration ကိုရှာဖွေဖို့အများကြီးလိမ္မာပါးနပ် algorithms ဖွံ့ဖြိုးပြီးပါပြီ။ ဒါပေမယ့်သိပ္ပံနှင့်ကွန်ပျူတာအားထုတ်မှု၏ကြီးမားသောပမာဏရှိနေသော်လည်းဤ algorithms နေဆဲဝေးပြီးပြည့်စုံသောအနေဖြင့်ဖြစ်ကြသည်။

ပုံ 5.7: ပရိုတိန်းခေါက်။ DrKjaergaard / Wikimedia Commons ၏ပုံရိပ်ကိုယဉ်ကျေး။

ပုံ 5.7: ပရိုတိန်းခေါက်။ "DrKjaergaard" / များ၏ပုံရိပ်ကိုယဉ်ကျေး Wikimedia Commons

ဝါရှင်တန်တက္ကသိုလ်မှဒါဝိဒ်သည် Baker နှင့်သူ၏သုတေသနအဖွဲ့တစ်ဖွဲ့ပရိုတိန်းခေါက်မှကွန်ပျူတာချဉ်းကပ်ဖန်တီးလုပ်ဆောင်နေသိပ္ပံပညာရှင်ရပ်ရွာ၏အစိတ်အပိုင်းဖြစ်ကြသည်။ တဦးတည်းစီမံကိန်းတွင်, Baker နှင့်လုပ်ဖော်ကိုင်ဖက်များကစေတနာ့ဝန်ထမ်းခြင်း simulation ပရိုတိန်းခေါက်ကူညီဖို့ဟာသူတို့ရဲ့ကွန်ပျူတာများပေါ်တွင်အသုံးမပြုတဲ့အချိန်လှူဒါန်းခွင့်ပြုခဲ့တဲ့စနစ်ကတီထွင်ထုတ်လုပ်နိုင်ခဲ့သည်။ ပြန်လာမှာစေတနာ့ဝန်ထမ်းမိမိတို့၏ကွန်ပြူတာပေါ်တွင်ဖြစ်ပျက်သောပရိုတိန်းခေါက်ဖေါ်ပြခြင်းတစ်ဦး screensaver စောင့်ကြည့်နိုင်ဘူး။ ဤအစေတနာ့ဝန်ထမ်းအများအပြားသူတို့ဖြစ်လျှင်သူတို့ကကွန်ပျူတာ၏စွမ်းဆောင်ရည်အပေါ်တိုးတက်စေနိုင်ကြောင်းသူတို့အကြံအစည်တို့ကိုတွက်ချက်မှုများတွင်ပါဝင်ပတ်သက်ရနိုင်ဟု Baker နှင့်လုပ်ဖော်ကိုင်ဖက်များမှရေးသားခဲ့သည်။ ထိုသို့ Foldit စတင်ခဲ့ (Hand 2010)

Foldit မည်သူမဆိုကစားနိုင်မယ့်ဂိမ်းသို့ခေါက်ပရိုတိန်း၏လုပ်ငန်းစဉ်ပြန်သွားလေ၏။ အဆိုပါကစားသမား၏ရှုထောင့်ကနေ Foldit တစ်ပဟေဠိ (ပုံ 5.8) ဖြစ်ပေါ်လာသည်။ ကစားသမားက၎င်း၏အသွင်သဏ္ဌာန်ကိုပြောင်းလဲတို့တွင်အရှင်သခင် "ပြန်ဆောက်" ", လှုပ်လှုပ်ရွရွ" ", tweaks" ပရိုတိန်းဖွဲ့စည်းမှု၏သုံးရှုထောင်ရှုပ်ထွေးနှင့်အတူတင်ပြကြသည်နှင့်လုပ်ဆောင်နိုင်ပါတယ် operations- ။ ဤအစစ်ဆင်ရေးကစားသမားဖျော်ဖြေခြင်းအားဖြင့်အလှည့်တိုးဒါမှမဟုတ်သူတို့ရဲ့ရမှတ်လျော့နည်းစေသည့်ပရိုတိန်း၏ပုံသဏ္ဍာန်ကိုပြောင်းလဲ။ အရေးကြီးသည်ရမှတ်လက်ရှိဖွဲ့စည်းမှုပုံစံများ၏စွမ်းအင်အဆင့်ကိုပေါ်အခြေခံပြီးတွက်ချက်လျက်ရှိ၏ အောက်ပိုင်း-စွမ်းအင် configurations ပိုမိုမြင့်မားရမှတ်များဖြစ်ပေါ်။ တနည်းအားဖြင့်ရမှတ်သူတို့အနိမ့်စွမ်းအင် configurations ရှာဖွေအဖြစ်ကစားသမားကိုလမ်းပြကူညီပေးသည်။ အဆိုပါ Netflix နဲ့ Prize ကို-ပရိုတိန်းခေါက်ထဲမှာရုပ်ရှင် ratings ခန့်မှန်းတူသောလည်းသူတို့ကိုထုတ်လုပ်ဖို့ထက်ကဖြေရှင်းချက်စစ်ဆေးလွယ်ကူသည်အဘယ်မှာရှိအခြေအနေပဲဘာဖြစ်လို့လဲဆိုတော့-ဒီဂိမ်းသာဖြစ်နိုင်ပါတယ်။

Foldit များအတွက်ဂိမ်းမျက်နှာပြင်: 5.8 ပုံ။ http://www.fold.it ထံမှခွင့်ပြုချက်အားဖြင့်ပြန်ထုတ်ပေး။

Foldit များအတွက်ဂိမ်းမျက်နှာပြင်: 5.8 ပုံ။ http://www.fold.it ထံမှခွင့်ပြုချက်အားဖြင့်ပြန်ထုတ်ပေး။

Foldit ရဲ့ကြော့ဒီဇိုင်းကျွမ်းကျင်သူများကဒီဇိုင်းကိုအကောင်းဆုံး algorithms နှင့်အတူယှဉ်ပြိုင်ရန်ဇီဝဓါတုဗေဒနည်းနည်းတရားဝင်အသိပညာနှင့်အတူကစားသမားနိုင်ပါတယ်။ အများဆုံးကစားသမားတာဝန်မှာအထူးသဖြင့်ကောင်းသောမဟုတ်ပေမယ့်အနည်းငယ်တစ်ဦးချင်းစီကစားသမားများနှင့်ခြွင်းချက်နေသောကစားသမားများအသေးအဖွဲ့များရှိပါသည်။ တကယ်တော့, Foldit ကစားသမားနှင့်ပြည်နယ်-Of-The-Art algorithms များအကြားတစ်ဦးဦးခေါင်း-to-ခေါင်းကိုပြိုင်ဆိုင်မှုအတွက်ကစားသမား 10 ဦးပရိုတိန်းထဲက 5 ပိုကောင်းဖြေရှင်းချက် created (Cooper et al. 2010)

Foldit နှင့် Netflix နဲ့ဆုနည်းလမ်းများစွာအတွက်ကွဲပြားခြားနားကြသည်, ဒါပေမဲ့သူတို့နှစ်ဦးစလုံး generate ထက်စစ်ဆေးဖို့ပိုပြီးလွယ်ကူဖြစ်ကြောင်းဖြေရှင်းချက်များအတွက်ပွင့်လင်းဖုန်းခေါ်ဆိုမှုပါဝငျသညျ။ မူပိုင်ခွင့်ဥပဒ: အခုကျနော်တို့သေးသည်အခြားအလွန်ကွဲပြားခြားနားသော setting ကိုအတွက်တူညီသောဖွဲ့စည်းပုံကိုမြင်ရပါလိမ့်မယ်။ ပွင့်လင်းခေါ်ဆိုခပြဿနာ၏ဤနောက်ဆုံးသာဓကဒီချဉ်းကပ်မှုသိသာအရေအတွက်မှအာမင်မစပ်ဆိုင်ကြောင်းကို setting တွင်လည်းသုံးနိုငျကွောငျးဖျောပွ။