5.3.2 Foldit

ဒါကြောင့်ပျော်စရာသောလမ်းအတွက်ပါဝင်ဆောင်ရွက်ရန် Non-ကျွမ်းကျင်သူများကနိုင်ပါတယ်သောကွောငျ့ Foldit လှပသောဖွင့်ခေါ်သံဖြစ်ပါတယ်။

အဆိုပါ Netflix နဲ့ဆု, evocative နှင့်ရှင်းရှင်းလင်းလင်းနေစဉ်, ပွင့်လင်းခေါ်ဆိုခစီမံကိန်းများ၏အပြည့်အဝအကွာအဝေးသရုပျဖျောမထားဘူး။ ဥပမာ, Netflix နဲ့ဆုအတွက်လေးနက်သောသင်တန်းသားများကိုအများစုစာရင်းဇယားများနှင့်စက်သင်ယူမှုအတွက်လေ့ကျင့်ရေး၏အနှစ်ရှိခဲ့ပါတယ်။ သို့သော်ပွင့်လင်းခေါ်ဆိုခစီမံကိန်းများကိုလည်း Foldit, တစ်ဦးမှာပရိ​​ုတိန်းခေါက်ဂိမ်းအားဖြင့်သရုပ်ဖော်ခဲ့အဖြစ်မရှိ, တရားဝင်လေ့ကျင့်ရေးသူသင်တန်းသားများပါဝင်နိုင်ပါသည်။

ပရိုတိန်းခေါက်အမိုင်နိုအက်ဆစ်ဟာကွင်းဆက်၎င်း၏အသွင်သဏ္ဌာန်ပေါ်ကြာသောမှတဆင့်လုပ်ငန်းစဉ်ဖြစ်ပါတယ်။ ဤလုပ်ငန်းစဉ်၏ပိုကောင်းတဲ့ဥာဏ်နှင့်တကွ, ဇီဝဆေးဝါးအဖြစ်အသုံးပြုနိုင်တိကျတဲ့ပုံစံမျိုးစုံနှင့်အတူပရိုတိန်းဒီဇိုင်းနိုင်မည်ဖြစ်သည်။ အတော်လေးနည်းနည်း simplifying, ပရိုတိန်းသူတို့၏နိမ့်ဆုံးစွမ်းအင်ကို configuration ကို, အမျိုးမျိုးသော Push ခွင်နှင့်ပရိုတိန်း (ပုံ 5.7) အတွင်းခေါ်ဆောင်သွားသည်ဆိုပါစို့တဲ့ configuration ကိုပြောင်းရွှေ့ဖို့လေ့ရှိပါတယ်။ သုတေသီတစ်ဦးမှာပရိ​​ုတိန်းခေါက်တံ့သောသို့ဘယ်သို့သောအသွင်သဏ္ဌာန်ကြိုတင်ခန့်မှန်းဖို့လိုလားလျှင်ဒါ, ဖြေရှင်းချက်ရိုးရှင်းသောအသံ: င့်, အားလုံးဖြစ်နိုင်သမျှ configurations ကြိုးစားကြည့်ပါသူတို့ရဲ့စွမ်းအင်ကိုတွက်ချက်လျက်, ပရိုတိန်းအနိမ့်ဆုံးစွမ်းအင်ကို configuration ကိုစခေါက်လိမ့်မည်ဟုခန့်မှန်း။ အလားအလာ configurations ဘီလျံနှင့်ဘီလီယံရှိပါတယ်ကွောငျ့, ကံမကောင်းစွာပဲ, အားလုံးဖြစ်နိုင်သမျှ configurations ကြိုးစားနေကပါဝငျသောဤ brute အင်အားသုံးချဉ်းကပ်မှု computationally မဖြစ်နိုင်ဘူး။ ယနေ့ပင်နှင့်နောင်အနာဂတ်-brute အင်အားသုံးအတွက်ရရှိနိုင်အာဏာအရှိဆုံးကွန်ပျူတာများနှင့်အတူပဲအလုပ်လုပ်မယ့်မပေးပါ။ ထိုကွောငျ့, ဇီဝဗေဒပညာရှင်တွေထိထိရောက်ရောက်နိမ့်ဆုံးစွမ်းအင်ကို configuration ကိုရှာဖွေဖို့အများကြီးလိမ္မာပါးနပ် algorithms ဖွံ့ဖြိုးပြီးကြပါပြီ။ သို့သော်သိပ္ပံနှင့်ကွန်ပျူတာအားထုတ်မှု၏ကြီးမားသောပမာဏရှိနေသော်လည်း, ဤ algorithms နေဆဲဝေးစုံလင်သောကြောင့်ဖြစ်ကြ၏။

ပုံ 5.7: ပရိုတိန်းခေါက်။ Image ကို DrKjaergaard အားဖြင့်အများပြည်သူဒိုမိန်းသို့ဖန်တီးထားခဲ့ပါတယ်။ source: Wikimedia Commons ။

ပုံ 5.7: ပရိုတိန်းခေါက်။ Image ကို "DrKjaergaard" ကအများပြည်သူဒိုမိန်းသို့ဖန်တီးထားခဲ့ပါတယ်။ source: Wikimedia Commons

ဝါရှင်တန်တက္ကသိုလ်မှဒါဝိဒ်သည် Baker နှင့်သူ၏သုတေသနအဖွဲ့ပရိုတိန်းခေါက် သာ. ကောင်း၏ကွန်ပျူတာချဉ်းကပ်ဖွံ့ဖြိုးတိုးတက်ဖို့လုပ်ဆောင်နေသိပ္ပံပညာရှင်ရပ်ရွာ၏တစ်စိတ်တစ်ပိုင်းပင်ဖြစ်သည်။ သူတို့ရဲ့ algorithms ကွာ cranking စဉ်တွင်ဖြစ်ပျက်ခဲ့ရာခြေရာခံနိုင်ဖို့အတွက် Baker နှင့်သူ၏အဖွဲ့ကိုအခါအားလျော်စွာသူတို့ရဲ့ algorithms ၏တိုးတက်မှုမြင်တဲ့မျက်နှာပြင်-ချွေတာစောင့်ကြည့်မယ်။ ဤသူမြင်တွေ့စေရန်လုပ်ဆောင်ချက်များကိုစောင့်ကြည့်နေစဉ်, Baker လူသားတွေဟာလုပ်ငန်းစဉ်အတွက်ကိုကူညီဘို့အဖြစ်နိုင်ပါလိမ့်မယ်ရှိမရှိစဉ်းစားမိလာတယ်, ဤသို့ Foldit, တစ်ဦးဖန်တီးမှုနဲ့လှပတဲ့ပွင့်လင်းခေါ်ဆိုခစတင်ခဲ့ပြီး (Hand 2010)

Foldit မည်သူမဆိုကစားနိုင်မယ့်ဂိမ်းသို့ခေါက်ပရိုတိန်း၏လုပ်ငန်းစဉ်ကိုလှည့်။ ကစားသမားများ၏ရှုထောင့်ကနေ, Foldit တစ်ပဟေဠိ (ပုံ 5.8) ဖြစ်ပုံပေါ်ပါတယ်။ ကစားသမားက၎င်း၏အသွင်သဏ္ဌာန်ကိုပြောင်းလဲတို့တွင်အရှင်သခင် "ပြန်လည်တည်ဆောက်", ပရိုတိန်းဖွဲ့စည်းတည်ဆောက်ပုံ၏တစ်ဦးသုံး-ရှုထောင်ရှုပ်ထွေးနှင့်အတူတင်ပြကြသည်နှင့် operations- "tweaks", "လှုပ်လှုပ်ရွရွ" လုပ်ဆောင်နိုင်ပါတယ်။ ဤသူစစ်ဆင်ရေးကစားသမားဖျော်ဖြေခြင်းအားဖြင့်အလှည့်တိုးဒါမှမဟုတ်သူတို့ရဲ့ရမှတ်လျော့နည်းသောပရိုတိန်း၏အသွင်သဏ္ဌာန်ကိုပြောင်းလဲ။ ဝေဖန်, ရမှတ်လက်ရှိဖွဲ့စည်းမှုပုံစံများ၏စွမ်းအင်-Level ပေါ်မှာအခြေခံပြီးတွက်ချက်လျက်ရှိ၏ အနိမ့်စွမ်းအင် configurations ပိုမိုမြင့်မားရ​​မှတ်များဖြစ်ပေါ်။ တနည်းအားဖြင့်ရမှတ်သူတို့အနိမ့်စွမ်းအင်ကို configurations ရှာဖွေအဖြစ်ကစားသမားကိုလမ်းပြကူညီပေးသည်။ အ Netflix နဲ့ Prize ကို-ပရိုတိန်းခေါက်ထဲမှာရုပ်ရှင် ratings ခန့်မှန်းတူလည်းသူတို့ကိုထုတ်လုပ်ဖို့ထက်ကဖြေရှင်းချက်စစျဆေးဖို့ပိုမိုလွယ်ကူသည်အဘယ်မှာရှိအခြေအနေမျိုးဖြစ်ပါတယ်လို့-ဒီဂိမ်းကိုသာဖြစ်နိုင်သည်။

Foldit များအတွက်ဂိမ်းမျက်နှာပြင်: 5.8 ပုံ။

Foldit များအတွက်ဂိမ်းမျက်နှာပြင်: 5.8 ပုံ။

Foldit ရဲ့ကြော့ဒီဇိုင်းကျွမ်းကျင်သူများကဒီဇိုင်းကိုအကောင်းဆုံး algorithms နှင့်အတူယှဉ်ပြိုင်ရန်ဇီဝဓါတုဗေဒ၏နည်းနည်းတရားဝင်အသိပညာနှင့်အတူကစားသမားနိုင်ပါတယ်။ အများဆုံးကစားသမား task ကိုမှာအထူးသဖြင့်ကောင်းသောမဟုတ်နေစဉ်, အနည်းငယ်ကစားသမားများနှင့်ခြွင်းချက်နေသောကစားသမားများသေးငယ်တဲ့အသင်းတွေရှိပါတယ်။ တကယ်တော့, 10 တိကျတဲ့ပရိုတိန်း၏ဖွဲ့စည်းပုံမှာကြိုတင်ခန့်မှန်းဖို့ခေါင်း-to-ဦးခေါင်းကိုယှဉ်ပြိုင်, Foldit ကစားသမား State-Of-The-Art ပရိုတိန်းခေါက် algorithms ငါးကြိမ်ရိုက်နိုင်ခဲ့ကြတယ် (Cooper et al. 2010)

Foldit နှင့် Netflix နဲ့ဆုချီးမြှင့်နညျးလမျးမြားစှာရှိကွဲပြားခြားနား, ဒါပေမဲ့သူတို့နှစ်ဦးစလုံး generate ထက်စစျဆေးဖို့ပိုမိုလွယ်ကူဖြစ်ကြောင်းဖြေရှင်းချက်များအတွက်ပွင့်လင်းဖုန်းခေါ်ဆိုမှုပါဝငျသညျ။ မူပိုင်ခွင့်ပညတ်တရားတော်ကို: အခုကျနော်တို့သေးနောက်ထပ်အလွန်ကွဲပြားခြားနားတဲ့ setting ကိုအတွက်တူညီသောဖွဲ့စည်းပုံမြင်ရပါလိမ့်မည်။ တစ်ပွင့်လင်းခေါ်ဆိုခပြဿနာရဲ့ဒီနောက်ဆုံးဥပမာအားသူတို့သိသာအရေအတွက်မှအာမမဖြစ်ကြောင်း setting တွင်လည်းသုံးနိုင်တယ်ကွောငျးဖျောပွ။