北京治疗白癜风花多少钱啊 https://disease.39.net/bjzkbdfyy/170521/5390504.html游戏玩家加入到大型科学项目中，已经不是什么稀奇事儿了。以前“EteRNA”网络游戏平台，将计算机与生物化学结合，在玩家的帮助下构建RNA(核糖核酸)的多维结构，以加深对它的理解。后来还有在又氪又肝又费脑的太空游戏EVE中对成千上万个蛋白质染色体进行分类。通常情况下科学家们想要通过游戏平台，利用庞大且充满精力的游戏玩家来完成一些线下难以实现的重复性工作。最近NASA为了研究全球海底的珊瑚分布，专门开发了款多平台游戏NeMO-Net，让玩家来帮忙识别海床的珊瑚，确定全球海洋中珊瑚的精确分布。帮助绘制全球珊瑚礁地图，以便更好地了解这些受威胁的海洋生态系统。因为海洋的广阔与现在计算机图形学技术对珊瑚的识别准确度不高，NASA希望引进玩家，来识别海底的不同植被，完成对深度学习神经网络的训练。在过去的几年中，加利福尼亚州的NASA艾姆斯研究中心的研究人员成功将太空技术再次用到了地面，确切说是海底。“流体镜头”相机原本开发用于观测恒星的，NASA利用该技术开发出了比以往更详细地观察海面以下的新仪器。可以通过复杂的算法纠正来消除珊瑚礁上方几十米的海水所造成的光学畸变。NASA将这些仪器安装在无人潜水器、船舶或飞机上，部署到波多黎各，关岛，美属萨摩亚以及其他地区中，用于收集海底三维光学图像，虽然美国上个世纪八十年代就已经有了全球海床数字化模型，但那是通过合成孔径雷达卫星所获取的，精度只适用于地理研究与潜艇远航，还远不足以用于生物学上对海洋植物的精确分析。这次准备绘制的光学图像照NASA说法是为了研究珊瑚，藻类和海草，当然光学图像只能绘制浅海地区，毕竟温跃层之下就是漆黑一片了，对海床搜索图像识别技术成熟后，用到军用搜寻浅海水雷和海底声呐阵列还是很轻松的。现在的情况是现有分析模型还不足以利用图像数据分析清楚海浪下面的一切，所以邀请游戏玩家，来鉴别这些植物，进行人工分类，然后利用人工分类样本对神经网络进行训练，不断提高识别精度。游戏中玩家需要驾驶一艘研究船，3D图像均取自于现实图像采集，但是与现实对应位置肯定就不是一个地方了。玩家通过这些3D图像对珊瑚进行识别和分类，利用神经多模态观察和训练网络，利用现实采集的数据来绘制全球珊瑚图。在玩游戏时，玩家的行为有助于训练位于硅谷的NASAPleiades超级计算机，完成从任何海底图像中识别出珊瑚，即使是使用成像较弱的设备拍摄的珊瑚。超级计算机从玩家手工制作的珊瑚分类中“学习”，使用机器学习技术自行分类；玩的人越多，超级计算机的映射能力就越高。一旦能够从游戏中包含的低分辨率数据中准确地对珊瑚进行分类，超级计算机将能够以前所未有的精确度绘制出世界上的珊瑚分布。有了该地图，科学家将更好地了解珊瑚的状况并找到保护珊瑚的方法。在地球的亚热带和热带海岸附近的浅水域中，珊瑚礁是地球上最复杂多样的生态系统之一。这些礁石提供了与热带雨林一样多的物种。随着气候变暖，海洋温度上升，污染和海洋酸化将使珊瑚面临危险。科学家们正在收集更多的数据，来了解珊瑚对这些环境变化的反应。珊瑚除了无法代替的环境价值外，还是有非常重要的医用价值的。珊瑚礁有着21世纪的“药品柜”之称。诸如海绵，软体动物以及其他以珊瑚礁为家的生物，为治疗病毒和癌症的药物做出了很多贡献。机器学习中的深度学习越来越多的参与到了现实生活中，如过去的文明史，最先进的技术总是先用于军事领域，对技术进步的促进不外乎军用与商业价值；新的技术成果不被军用完全是天真且不切实际的愿景，愿技术进步不断改变人类的生活与对未知的探索，军事应用止步于互相威慑。（图片来自于网络，如有侵权请联系删除）