Привет! Я Евгений Шилинг, и я работаю в проекте «Люди науки», где мы рассказываем, как люди без профильного образования и особых навыков могут поучаствовать в настоящих исследованиях. Мы уже обсудили с вами, насколько большой вклад в науку могут внести неспециалисты. Следующий логичный вопрос, который может возникнуть у потенциального волонтёра: «А можно мне не рыться в грязной почве и не бегать с телефоном за уличными котятами? Хочу помогать науке как-нибудь попроще и желательно в сухости и тепле». Конечно можно! Оказывается, есть видеоигры, полезные в реальных научных исследованиях: например, защищая Землю от инопланетян, игрок на самом деле классифицирует медицинские снимки. Разбираемся, как это работает и что следует скачать увлечённому наукой геймеру.
Зачем создавать игры для научных исследований?
Химики, биологи, физики… У многих в голове всплывают картины захватывающих экспериментов и экспедиций. Но большая часть работы учёных проходит за письменным столом или компьютером, ведь нередко исследования сопряжены с работой с большими массивами данных, которые нужно скрупулезно обработать и интерпретировать (а потом написать научную статью и подготовить стопку отчётов по научным грантам).
Так, исследователям-медикам часто приходится сопоставлять результаты различных анализов и диагностик с заболеваниями пациентов. Например, искать какие-нибудь особенности на УЗИ-снимках, характерные для той или иной болезни. Это важно, потому что помогает разработать новые эффективные методики диагностики. Однако анализировать каждый снимок вручную очень трудоёмко, и для решения таких задач исследователи всё чаще используют искусственные нейросети — математические модели, имитирующие умственную деятельность. Но прежде чем нейросеть начнёт делать что-то полезное, её нужно этому обучить.
Вернёмся к примеру с интерпретацией УЗИ-снимков. Хороший специалист должен, для начала, иметь представления об анатомии и уметь находить органы на снимках, определять, в каком они состоянии — и только потом пытаться соотносить их с поставленными заболеваниями. Чтобы этому научиться, нужен не один год практики и, как минимум, медицинское образование. А как работает нейросеть? Покажите ей тысячи уже подтверждённых специалистами пар УЗИ-снимок–диагноз, а она сама «придумает» правила, по которым сможет самостоятельно ставить диагнозы. Кажется, что это легко, но где взять тысячи (а лучше десятки тысяч, ведь чем их больше, тем лучше) промаркированных УЗИ-изображений или других данных для обучения нейросети?
Облегчить процесс тренировки нейросетей взялись исследователи из Южного методисткого университета (США) вместе с IT-компанией BALANCED. Они создали HEWMEN — платформу искусственного интеллекта, позволяющую объединить усилия человеческого мозга и компьютеров, притом сделать это в форме игр. Проводя время в компьютерной игре, пользователи, сами того не замечая, обучают искусственные нейросети решать научные задачи.
Во что можно поиграть прямо сейчас?
Сейчас на сайте разработчиков активны проекты по поиску новых противоопухолевых препаратов с помощью нескольких игр разных жанров. У всех них схожая игровая механика: пользователи ищут неэффективные свойства лекарственных соединений и таким образом помогают найти новых претендентов на роль средств против рака.
- Rocks & Runes
Скриншот игры Rocks & Runes. Игроки должны разрушать камни с помощью бомб и собирать руны вместе. Источник: Microsoft.Игра очень похожа на головоломку Candy Crush. Механика проста: уничтожайте бомбами цветные камни и составляйте магические руны в группы по три и более. Руны дарят герою магию — и чем её больше, тем дольше можно играть.
Но на самом деле, решения игроков сортируют данные по лекарственным соединениям, одобренным американским Управлением по санитарному надзору за качеством пищевых продуктов медикаментов (FDA) — чтобы определить те из них, которые могут быть полезны против химиотерапии с множественной лекарственной устойчивостью.
Уничтожая камни с помощью бомб, игроки фактически указывают на неэффективные свойства существующих лекарств, помогая отсеивать потенциальных кандидатов из тысяч вариантов. Затем алгоритмы машинного обучения выберут наиболее полезные соединения и передадут эту информацию учёным.
- The Omega Cluster
Скриншот игры The Omega Cluster. Игроки порталом отделяют материю от антиматерии. Источник: jwrowland.net.Цель игры — остановить Центаврианскую Орду и спасти Вселенную. Для этого нужно отделить материю от антиматерии, пока не произошла аннигиляция — столкновение частиц и античастиц, при котором они превращаются в совершенно новые элементы.
Пока игрок перемещает вращающиеся порталы, он решает задачу кластеризации данных и помогает составлять различные комбинации лекарственных соединений. Для самых оптимальных из них учёные затем проведут лабораторные испытания, чтобы быстрее найти новые лекарства для борьбы с раком.
И что, геймеры теперь учёные?
Можно сказать и так. Например, с помощью добровольцев, играющих в Stall Catchers, ученым пришлось проверять в 50 раз меньше данных, так как волонтёры уже отобрали для них те, что представляли научный интерес. Темой исследования было кровообращение мозга при болезни Альцгеймера — самой распространённой формы деменции.
Но если вам кажется, что использование видеоигр в гражданской науке — это всего лишь модный тренд, то вам кажется. Ещё в 2015 году международная команда учёных с помощью игры Cell Slider показала, что добровольцы-геймеры были более чем на 90% точны в классификации снимков онкологических опухолей — почти как обученные специалисты.
А что касается HEWMEN, то в этом году команда проекта получила патент на использование видеоигр для медицинской визуализации. Например, Eye in the Sky: Defender помогает обучать нейросети, работающие с возрастной макулярной дегенерацией (ВМД) — болезнью, поражающей сетчатку и приводящей к слепоте. Механика игры такова: пользователь должен защитить Землю от инопланетян, предсказывая путь вражеских войск на картах. Но на самом деле карты — это обработанные снимки сетчатки, полученные с помощью оптической когерентной томографии (ОКТ-снимки). Игрок ищет и выделяет на изображении линии, которые врачи — а теперь и обученная нейросеть — используют для диагностики ВМД. С помощью такого метода уже удалось повысить точность алгоритмов на 38 %, их стабильность — на 78 %, а сам процесс обучения занял меньше времени и потребовал меньшее количество вычислений и данных, чем обычно.
Автор текста: Евгений Шилинг
Впервые опубликовано на портале журнала Наука и жизнь.
Проект «Люди науки» — Победитель Международной Премии #МыВместе
