Jump to content
Forum Kopalni Wiedzy
Sign in to follow this  
KopalniaWiedzy.pl

Muszka owocówka udoskonaliła algorytm komputerowy

Recommended Posts

Muszka owocówka, którą, jak się wydaje, dobrze poznaliśmy, znowu zaskoczyła naukowców pokazując, jak mało pomysłowi są ludzie w porównaniu z naturą. Owad wykorzystuje niewielkie podobne do włosków struktury do odbierania bodźców zewnętrznych, a struktury te są zorganizowane w sposób jednocześnie niezwykle prosty i niezwykle efektywny. To tak proste i intuicyjne rozwiązanie, że nie mogę uwierzyć, iż ludzie nie wpadli na to już 25 lat temu - mówi matematyk i informatyk z Tel Awiwu, Noga Alon.

Poznanie sposobu organizacji połączeń pomiędzy wspomnianymi strukturami przyczyni się do stworzenia doskonalszych sieci i programów komputerowych oraz sieci czujników. Już teraz wiadomo, że komórki nerwowe tworzące połączenia u muszki owocówki zorganizowały się w ten sposób, że część z nich to liderzy mający połączenie z każdą inną komórką. W podobny sposób zorganizowane są komputerowe sieci rozproszone, od takich umożliwiających przeszukiwanie internetu po te sterujące samolotem podczas lotu. Jednak tym, co wprawiło naukowców w zdumienie jest fakt, że u muszek owocówek organizacja tych sieci jest znacznie prostsza, bardziej wydajna i odporna na zakłócenia niż wszystko, co wymyślił człowiek.

Uczeni wykorzystali zdobytą wiedzę do stworzenia nowego algorytmu działania sieci rozproszonych. Podczas jego testów odkryli, że jest on szczególnie przydatny do sieci, w których liczba węzłów i ich położenie nie są całkowicie pewne. Algorytm taki świetnie sprawdzi się w zarządzaniu np. sieciami rozproszonych w wodzie czujników czy też do dużymi grupami robotów.

Naukowcy od dawna używają modeli komputerowych i matematycznych do analizowania systemów biologicznych. Tutaj zastosowaliśmy odwrotną strategię i studiujemy system biologiczny, by rozwiązać problem z dziedziny informatyki - mówi Zvi Bar-Joseph z Carnegie Mellon University.

Badanie połączeń nerwowych muszki owocówki pozwoli na rozwiązanie jednego z bardzo istotnych problemów matematyczno-informatycznych. Obecnie rozległe sieci komputerowe korzystają z przetwarzania rozproszonego. Tysiące czy miliony procesorów wspólnie pracują nad rozwiązaniem tego samego problemu, żaden z nich nie ma kompletnej wiedzy o tym, co jest przetwarzane, a całość musi pracować pomimo błędów czy awarii występujących w pojedynczych elementach. Aby taki system działał konieczne jest wyznaczenie procesorów-liderów, które będą w stanie szybko komunikować się z innymi procesorami sieci. W teorii grafów nazywa się to maksymalnym zbiorem niezależnym (MIS). Każdy z procesorów w sieci jest albo liderem, członkiem MIS, albo też jest połączony z liderem. Natomiast liderzy nie są ze sobą bezpośrednio połączeni. Eksperci od 30 lat poszukują najlepszego sposobu nad optymalnym wyznaczanie przez sieć elementów, które powinny należeć do MIS. Obecnie najczęściej stosuje się metodę probabilistyczną, w której procesory samodzielnie przejmują rolę liderów na podstawie liczby bezpośrednich połączeń, które mają z innymi procesorami. W każdej rundzie wykonywania algorytmu dochodzi do ponownego wybrania liderów na podstawie liczby połączeń.

Liderzy wybierani są błyskawicznie, jednak cały proces związany jest z wysyłaniem olbrzymiej liczby dodatkowych informacji oraz wymaga od procesorów, by z wyprzedzeniem znały liczbę przypadających nań połączeń. To stanowi olbrzymi problem w przypadku sieci bezprzewodowych czujników, których położenie może być przypadkowe, a połączenia między nimi nie są im znane, gdyż nie każdy czujnik będzie znajdował się w zasięgu każdego innego czujnika.

Naukowcy odkryli, że u muszki owocówki, już podczas jej rozwoju, wybierane są komórki nerwowe, które będą liderami. Jednak, w przeciwieństwie do opisanych powyżej procesorów, komórki nie mają informacji o połączeniach z innymi. Komórki, które same wybrały się na liderów, wysyłają po prostu sygnały, które powodują, że bezpośrednio połączone z nimi komórki nie zostają liderami. Taki proces trwa zaledwie trzy godziny i w tym czasie zostają ustaleni liderzy i podlegające im komórki.

Bar-Joseph zauważa, że u muszki prawdopodobieństwo, iż komórka zostanie liderem nie jest - jak w przypadku sieci procesorów - funkcją liczby połączeń, ale funkcją czasu. To oznacza, że komórki nie muszą z wyprzedzeniem znać liczby połączeń, a komunikacja pomiędzy nimi jest maksymalnie uproszczona.

Badania algorytmu zbudowanego dzięki badaniu owadów wykazały, że działa on nieco wolniej od obecnie używanych, ale jest za to bardziej wydajny i odporny na zakłócenia.

Share this post


Link to post
Share on other sites

Ta wiadomość bardzo ucieszy osoby interesujące się sieciami rozproszonymi (szczególnie chłopców z BOINC@POLAND.

Share this post


Link to post
Share on other sites
Muszka owocówka, którą, jak się wydaje, dobrze poznaliśmy, znowu zaskoczyła naukowców pokazując, jak mało pomysłowi są ludzie w porównaniu z naturą.

 

A co to jest natura?

 

Czy można to rozumieć jako: "Muszka owocówka, którą, jak się wydaje, dobrze poznaliśmy, znowu zaskoczyła naukowców pokazując, jak mało pomysłowi są ludzie w porównaniu z przypadkiem?".

Share this post


Link to post
Share on other sites

Moim zdaniem jakaś sprytna muszka owocówka powinna ten algorytm opatentować i pobierać kasę za jego wykorzystywanie przez wielkie koncerny... bo jak ludzie teraz będą to wykorzystywać to będzie plagiat!

Share this post


Link to post
Share on other sites

A co to jest natura?

 

Czy można to rozumieć jako: "Muszka owocówka, którą, jak się wydaje, dobrze poznaliśmy, znowu zaskoczyła naukowców pokazując, jak mało pomysłowi są ludzie w porównaniu z przypadkiem?".

 

Nie przypadkiem ale z doborem naturalnym, i nie mało pomysłowi ale mniej czasu mieli ;)

Share this post


Link to post
Share on other sites

Nie przypadkiem ale z doborem naturalnym, i nie mało pomysłowi ale mniej czasu mieli ;)

 

Czyli natura to dobór naturalny, tak jak masło, to produkt maślany?

 

Dobór naturalny, to też przecież przypadek, bo jego prawidła naskoczyły przypadkowo z tendencją do doskonalenia i replikacji - być może w nieskończoność. Inna hipoteza zakładałaby inteligentny absolut :P.

Share this post


Link to post
Share on other sites

Czyli natura to dobór naturalny, tak jak masło, to produkt maślany?

Dobór naturalny, to też przecież przypadek, bo jego prawidła naskoczyły przypadkowo z tendencją do doskonalenia i replikacji - być może w nieskończoność. Inna hipoteza zakładałaby inteligentny absolut ;).

 

odnoszę wrażenie że za bardzo ujednolicasz pojęcia "dobór naturalny" i "przypadek" w doborze naturalnym przypadek gra często kluczową rolę, jednak to nie znaczy że jest najważniejszy.

 

Trzeba tu trochę belfer-styki, ale co tam :P Czego się nie robi dla kolegów z "forum" :)

 

Wyobraź sobie populację żab która ma milion osobników, powoli (setki  pokoleń - tysiące lat) zaczyna brakować wody. Wody brakuje w porze letniej coraz bardziej w zimę woda porwaca, jednak praktycznie nigdy tak bardzo jak poprzednim razem...

 

Jeziorko/rzeczka okresowo wysycha... żaby uwarunkowane genetycznie na życie w środowisku wodnym czują się coraz gorzej, ale niektóre osobniki lepiej to tolerują inne gorzej, dodatkowo od czasu do czasu pojawia się wśród żab mutacja, raz mutacja doprowadza do powstania żab które mają bardziej wrażliwą skórę na osuszanie, inna mutacja generuje żaby które mogą bez wody w stanie ciekłym wytrzymać dobe, a inne.. mogą wytrzymać w błocie i woda w stanie płynnym jest im niezbyt potrzebna.. te drugie i trzecie rozmnażają się lepiej, ponieważ te pierwsze są słabsze i okresowo zdychają.. jednak po kilkuset latach okazuje się, że te co mogą wytrzymać na powierzchni 24 godziny też nie dają rady, bo potem muszą popływać w czystej H2O, a te co lubią błoto żyją sobie dalej... po 1000 lat popluacja 1 i 2 zanikneła, polulacja nr. 3 to już 80% całości...

 

mija następne kilkaset lat, pojawiło się wiele różnych żab, część z nich bardzo pragnęła środowiska wodnego, lecz wyzdychały zanim osiągneły dorosłość, te co lubiły czystą wodę przetrwały w 5% i żyją w najgłębszych częściach zbiornika, natomiast te które lubią błoto żyją w błocie.... jednak. pojawił się jeszcze jeden element mutacji, takie które lubią poskakać po suchym lądzie! A troche rosy o poranku im wystarcza... one zaczęły się rozmnażać w byle kałuży nawet daleko od głównego zbiornika. po 10 latach jest ich najwięcej! Były żaby wodno lubne, były żaby błoto lubne, były żaby wytrzymujące dużo na powietrzu a wygrały takie które lubią trochę wilgoci... zbiornika dawno nie ma, teraz są tam krzewy i las..

 

Ja tu nie widzę przypadku. to jest ewolucja, wspierana mutacjami które zdarzają się ciągle.

 

Zastanawiam się czy w sytuacji gdy skóra człowieka pod wpływem słońca wydziela witaminę D, i nagle by się okazało że wybuch wulkanu/asteroidy odciął potrzebne do tego promieniowanie słoneczne, i cała populacja ludzka by wymarła, to wśród 9mld ludzi albinosi oraz ludzie którzy mają problem z wychodzeniem na słońce nie byli by predysponowani do przeżycia? Wieksza część ludzkości mogła by wymrzeć, ale kilkaset tysięcy osobników by przetrwało i rozmnażało dalej. Po 1000 lat mieli byśmy znów 8-9 mld ludzi, i ich naukowcy dziwili by się że "praczłowiek" był taki ciemny, gdy oni wszyscy są bladzi, i to nie dzięki "przypadkowi" tylko doborowi naturalnemu :D

 

ech.. ciekawe czy ktokolwiek doczyta to do końca :P

Share this post


Link to post
Share on other sites
Zastanawiam się czy w sytuacji gdy skóra człowieka pod wpływem słońca wydziela witaminę D, i nagle by się okazało że wybuch wulkanu/asteroidy odciął potrzebne do tego promieniowanie słoneczne, i cała populacja ludzka by wymarła, to wśród 9mld ludzi albinosi oraz ludzie którzy mają problem z wychodzeniem na słońce nie byli by predysponowani do przeżycia? 

 

;):P  nie cała, nie cała bo ci co lubią solaria by przetrwali.

Share this post


Link to post
Share on other sites

odnoszę wrażenie że za bardzo ujednolicasz pojęcia "dobór naturalny" i "przypadek" w doborze naturalnym przypadek gra często kluczową rolę, jednak to nie znaczy że jest najważniejszy.

 

(...) i nagle by się okazało że wybuch wulkanu/asteroidy (...) i to nie dzięki "przypadkowi" tylko doborowi naturalnemu ;)

 

 

Pozwoliłem sobie troszkę w cytacie powycinać, bo naszła mnie myśl, że ewolucja i dobór naturalny jest napędzany wyłącznie "przypadkiem".

 

Wyobraźmy sobie sytuację następującą - tworzymy sztuczne środowisko, w którym umieszczamy jednolitą populację żyjątek, zapewniamy żyjątkom optymalne warunki środowiskowe (stała temperatura, wilgotność, brak kataklizmów, wystarczająca ilość pożywienia, nieograniczone miejsce), żyjątka nie mają wrogów, swobodnie dożywają śmierci "ze starości".

 

Czy w takim wypadku będzie zachodziła ewolucja, tudzież jakikolwiek dobór naturalny?

Share this post


Link to post
Share on other sites

Ciekawe zagadnienie ;) środowisko idealnie dostosowane do organizmu.. ale czy ten organizm sam w sobie byłby idealny? Moim zdaniem w takim środowisku dalej by ewoluował.. jeśli nie musiałby ganiać za pokarmem to zanikały by mu jakieś rzęski ruchowe itd.. ale może ewolucja nie dostosowywała by się do zmian środowiskowych tylko do społecznych? Bo cały czas zachodziły by interakcje między poszczególnymi organizmami. Któryś samczyk musiałby być lepszy "żeby puknąć" samiczkę :P

 

Jakby były obojnakami, to by się rozmnażały i walczyły o przestrzeń życiową która przecież kiedyś by się skończyła. Jak by przestrzeń była z "gumy" i mogła się rozciągać w nieskończoność, to może zmieniała by się długość życia?

 

myślę że jedyny sposób na zablokowanie ewolucji to stworzenie organizmu nieśmiertelnego, który nie musi się rozmnażać, lub rozmnaża się poprzez klonowanie siebie... Tylko skoro byłby nieśmiertelny, to po co miałby się rozmnażać? Robić sobie konkurentów do pożywienia? W każdym innym przypadku jest miejsce dla ewolucji :D

Share this post


Link to post
Share on other sites
Wyobraźmy sobie sytuację następującą - tworzymy sztuczne środowisko, w którym umieszczamy jednolitą populację żyjątek, zapewniamy żyjątkom optymalne warunki środowiskowe (stała temperatura, wilgotność, brak kataklizmów, wystarczająca ilość pożywienia, nieograniczone miejsce), żyjątka nie mają wrogów, swobodnie dożywają śmierci "ze starości".[/size] 

Ależ starym i przebadanym przykładem jest dymion wina - a wynikiem zbiorowa śmierć z zasyfienia środowiska własnymi wydzielinami ( wtym przypadku potrzebnymi innemu gatunkowi do życia)  ;) .

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • By KopalniaWiedzy.pl
      Eksperymenty przeprowadzone przez naukowców z University of Nottingham wskazują, że algorytmy, które nauczą się przewidywania ryzyka przedwczesnego zgonu mogą w przyszłości być ważnym narzędziem medycyny prewencyjnej.
      Lekarze i naukowcy opracowali algorytm oparty na technologii maszynowego uczenia się, którego zadaniem było przewidywanie ryzyka przedwczesnego zgonu u chronicznie chorych osób w średnim wieku. Okazało się, że sztuczna inteligencja nie tylko była bardzo dokładna, ale potrafiła z większą precyzją niż ludzie określić ryzyko
      Algorytm uczył się na bazie danych obejmujących ponad 500 000 osób w wieku 40–69 lat o których informacje zebrano w latach 2006–2010, a ich losy śledzono do roku 2015.
      Medycyna prewencyjna odgrywa coraz większą rolę w walce z poważnymi chorobami. Od lat pracujemy nad usprawnieniem tej dziedziny opieki zdrowotnej oraz nad ulepszeniem komputerowej oceny ryzyka w dużych populacjach. Większość tego typu prac skupia się na konkretnej chorobie. Ocena ryzyka zgonu z powodu wielu różnych czynników to bardzo złożone zadanie, szczególnie jeśli weźmiemy pod uwagę uwarunkowania środowiskowe i osobnicze, mówi główny autor badań, profesor Stephen Weng.
      Dokonaliśmy poważnego postępu na tym polu opracowując unikatowe całościowe podejście do oceny ryzyka zgonu za pomocą technik maszynowego uczenia się. Używamy komputerów do stworzenia nowego modelu ryzyka uwzględniającego szeroką gamę czynników demograficznych, biologicznych, klinicznych czy stylu życia indywidualnych osób, w tym ich zwyczajów żywieniowych, dodaje uczony. Weng mówi, że gdy odpowiedzi podawane przez algorytm porównano z danymi dotyczącymi zgonów, przyjęć do szpitali, zachorowań na nowotwory i innymi danymi epidemiologicznymi, okazało się, że algorytmy były znacząco dokładniejsze niż opracowane przez ludzi metody oceny ryzyka.
      Algorytm korzystał z metody statystycznej lasów losowych (random forest) oraz głębokiego uczenia się. Obecnie używane metody wykorzystują model regresji Cox'a oraz wielowariantowy model Cox'a, który jest doskonalszy, ale przeszacowuje ryzyko zgonu.
      Najnowsze prace zespołu z Nottingham bazują na pracach wcześniejszych, podczas których ten sam zespół naukowy wykazał, że cztery różne algorytmy sztucznej inteligencji, bazujące na regresji logistycznej, gradient boosting, lasach losowych oraz sieciach neuronowych lepiej niż obecne metody używane w kardiologii pozwalają przewidzieć ryzyko chorób układu krążenia.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Przed czterema laty informowaliśmy, że na University of Oxford powstaje oprogramowanie, która na podstawie wyglądu twarzy ma rozpoznawać rzadkie choroby genetyczne i zdiagnozowało zespół Marfana u prezydenta Lincona. Nie tylko jednak Brytyjczycy pracują nad takim oprogramowaniem.
      W najnowszym numerze Nature Medicine opisano aplikację Face2Gene. Wykorzystuje ona algorytmy maszynowego uczenia się oraz sieci neuronowe do klasyfikowania charakterystycznych ech twarzy świadczących o zaburzeniach rozwoju płodowego i układu nerwowego. Aplikacja na podstawie zdjęcia stawia prawdopodobną diagnozę i wymienia inne, mniej prawdopodobne.
      Autorem oprogramowania jest firma FDNA z Bostonu. Jej specjaliści najpierw nauczyli aplikację odróżniać zespół Cornelii de Lange i zespół Angelmana, które przejawiają się charakterystycznymi cechami twarzy, od innych podobnych schorzeń. Nauczyli go też klasyfikowania różnych form genetycznych syndromu Noonana.
      Następnie algorytmowi dano dostęp do ponad 17 000 zdjęć zdiagnozowanych przypadków obejmujących 216 schorzeń. Gdy następnie oprogramowanie miało do czynienia z zupełnie nową fotografią, potrafiło z 65-procentowym prawdopodobieństwem postawić prawidłową diagnozę. Gdy zaś mogło podjąć kilka prób, odsetek prawidłowych diagnoz zwiększał się do 90%.
      FDNA chce udoskonalić swoją technologię, jednak w tym celu potrzebuje dostępu do większej ilości danych. Dlatego też Face2Gene jest bezpłatnie dostępna dla lekarzy i badaczy, którzy wykorzystują ten system do pomocy w diagnostyce rzadkich schorzeń genetycznych. Korzystają z niego też lekarze, którzy nie mają punktu zaczepienie i w ogóle nie potrafią wstępnie zdiagnozować pacjenta.
      Współautorka artykułu na temat Face2Gene, Karen Gripp, jest genetykiem w szpitalu dziecięcym w stanie Delaware i głównym lekarzem w firmie FDNA. Mówi ona, że algorytm pomógł jej w zdiagnozowaniu dziewczynki, którą leczy od sierpnia. Dzięki niemu doktor Gripp stwierdziła, że dziecko cierpi na zespół Wiedemanna-Steinera. Czterolatka nie ma zbyt wielu cech charakterystycznych tej choroby. Jest niska jak na swój wiek, straciła większość zębów mlecznych i zaczęły jej rosną stałe zęby.
      Gripp postawiła wstępną diagnozę, a następnie zaprzęgła do pracy Face2Gene. Zespół Wiedemanna-Steinera, bardzo rzadkie schorzenie spowodowane mutacją genu KTM2A, został przez aplikację wymieniony na czele listy prawdopodobnych schorzeń. Badania DNA potwierdziły diagnozę. Uczona mówi, że dzięki aplikacji mogła zawęzić liczbę potencjalnych chorób i uniknąć konieczności znacznie droższego szeroko zakrojonego badania DNA.
      Face2Gene powoli staje się coraz doskonalszy. Obecnie program ma do dyspozycji już 150 000 fotografii na podstawie których się uczy. W sierpniu, podczas warsztatów dotyczących wad genetycznych przeprowadzono nieoficjalne porównanie algorytmu i lekarzy. Wzięło w nim udział 49 genetyków klinicznych. Ludzie i algorytm mieli do dyspozycji 10 zdjęć dzieci z dość dobrze rozpoznawalnymi cechami charakterystycznymi różnych chorób. Tylko w przypadku dwóch fotografii dobrą diagnozę postawiło ponad 50% ludzi. Face2Gene dobrze zdiagnozował 7 na 10 przypadków.
      Polegliśmy całkowicie. Face2Gene był niesamowity, mówi Paul Kruszka, genetyk z US National Human Genome Research Institute. Jego zdaniem już wkrótce każdy pediatra i genetyk będzie miał tego typu aplikację i używał jej równie często jak stetoskopu.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Tim Sweeney, założyciel firmy Epic Games stwierdził podczas zakończonej właśnie konferencji DICE Summit, jeszcze za naszego życia doczekamy fotorealistycznych gier 3D renderowanych w czasie rzeczywistym. Sweeney zauważył, że każde kolejne udoskonalenie techniczne pojawiające się w grach od Ponga po Crisis wiedzie nas ku takim właśnie grom.
      Granicę fotorealizmu wyznaczają możliwości ludzkiego oka. Organ ten jest w stanie przetworzyć 30-megapikselowy obraz z prędkością około 70 klatek na sekundę. Zdaniem Sweeneya, żeby oddać wszelkie subtelności obrazu, gry światła, interakcje poszczególnych elementów wirtualnego świata, by stworzyć w czasie rzeczywistym fotorealistyczną trójwymiarową scenę potrzebna jest moc obliczeniowa rzędu 5000 teraflopsów. Tymczasem obecnie najbardziej wydajne karty graficzne oferują 2,5 teraflopsa. Przepaść jest ogromna, jednak wystarczy uświadomić sobie, że w 1993 roku gdy na rynek trafiła gra Doom, wiele osób nie mogło z niej skorzystać, gdyż wymagała ona od karty graficznej mocy rzędu 10 megaflopsów. Różnica pomiędzy wydajnością ówczesnych kart graficznych, a kart używanych obecnie, jest zatem znacznie większa, niż pomiędzy dzisiejszymi kartami, a urządzeniami, jakich będziemy potrzebowali w przyszłości.
      Oczywiście moc obliczeniowa to nie wszystko. Wciąż bowiem nie istnieją algorytmy, które pozwoliłyby na realistyczne odwzorowanie wielu elementów. Specjaliści potrafią stworzyć realistyczny model skóry, dymu czy wody, jednak wciąż poza naszymi możliwościami jest stworzenie dokładnych modeli ludzkiego ruchu czy mowy. Nie mamy algorytmów, więc nawet gdybyśmy już dzisiaj dysponowali doskonałym komputerem ograniczałaby nas nie jego moc obliczeniowa, a nasze umiejętności tworzenia algorytmów - mówi Sweeney.
    • By KopalniaWiedzy.pl
      Co znajduje się na zapadających w pamięć zdjęciach? Choć widoki są ładne, to nie one znajdują się na pierwszym miejscu w tej kategorii. Podczas badań pierwsze miejsce zajęły bowiem fotografie ludzi, a za nimi uplasowały się ujęcia wnętrz oraz obiektów wielkości człowieka.
      Przyjemność dla oka i zapamiętywalność to nie to samo – tłumaczy Phillip Isola z MIT-u. Dotąd sądzono, że zapamiętywalność obrazu jest czymś niedostępnym dla nauki, ponieważ pamięć wzrokowa bywa bardzo subiektywna. Ludzie sądzą, że nie można znaleźć niczego spójnego – dodaje prof. Aude Oliva. Po badaniach na setkach ludzi amerykański zespół udowodnił jednak, że można tu wykryć pewne prawidłowości. Zgodność ochotników była wręcz zadziwiająca. Bazując na uzyskanych wynikach, naukowcy opracowali komputerowy algorytm, który może uszeregować zdjęcia według ich zapadalności w pamięć.
      Podczas wcześniejszych studiów Oliva wykazała, że ludzki mózg może zapamiętać z dość drobnymi szczegółami tysiące obrazów. Nietrudno jednak stwierdzić, że nie wszystkie są zapamiętywane równie dobrze. Na potrzeby badań zespół z MIT-u stworzył kolekcję 10 tys. różnorodnych zdjęć. Wykorzystano program Amazona Mechanical Turk, który pozwala, by ludzie wykonywali różne zadania na własnych komputerach. Ochotnikom pokazano serię zdjęć. Część z nich się powtarzała. Wyświetlenie widzianej wcześniej fotografii należało zasygnalizować naciśnięciem guzika. Zapamiętywalność każdego zdjęcia określano, wyliczając, ile osób poprawnie rozpoznało je jako znane.
      Na końcu zespół Olivy poprosił wolontariuszy o stworzenie "mapy zapamiętywalności" każdego zdjęcia. Należało oznaczyć wszystkie obiekty na fotografii. Komputer analizował mapy, by określić, jakie obiekty/cechy (barwy, rozmieszczenie krawędzi itp.) sprawiają, że obraz zapada w pamięć.
      Choć pojawiły się, oczywiście, różnice indywidualne, ogólnie najlepiej zapamiętywano zdjęcia ludzi, a w dalszej kolejności przestrzeni dopasowanej wielkością do człowieka, np. alejek w sklepach, oraz zbliżenia obiektów. Najgorzej zapamiętywano krajobrazy, chyba że zawierały jakiś zaskakujący element, np. niecodziennie przycięty krzew czy kolorową rzeźbę.
      Komu przyda się wspomniany wcześniej algorytm? Wykorzystają go zapewne graficy czy osoby pracujące nad okładkami książek i magazynów. Isola myśli też nad stworzeniem aplikacji na iPhone'a, która od razu po zrobieniu zdjęcia informowałaby użytkownika, do jakiego stopnia jest ono zapamiętywalne. Nie można też zapominać o zastosowaniach klinicznych i badaniu np. deficytów pamięci wzrokowej w przebiegu różnych chorób.
    • By KopalniaWiedzy.pl
      Przed dwoma tygodniami Google dokonało jednej z największych zmian w swoim algorytmie wyszukiwania. Zmiany te odbijają się już na finansach tysięcy przedsiębiorstw, zwiększając dochody jednych i zmniejszając innych.
      Wpływ Google'a na gospodarkę najlepiej oddaje to, czego obecnie doświadczają liczne firmy działające przede wszystkim w internecie. Na przykład Online Publishers Association, organizacja zrzeszająca wiele z największych światowych koncernów (w tym np. CNN) informuje, że dzięki zmianom w Google'u jej członkowie zarobią w ciągu roku dodatkowy miliard dolarów. Z kolei firma Mahalo.com zwolniła 10% pracowników z powodu "znacznego spadku ruchu i wpływów".
      Przesunięcie witryny na wysokie pozycje w wynikach wyszukiwania ma olbrzymi wpływ na liczbę odwiedzających ją osób. Zdaniem Adama Dunna, dyrektora ds. SEO w Greenlight Search, aż 20-30% osób klika na pierwszy wynik w wyszukiwarce. Znalezienie się na drugim lub trzecim miejscu oznacza dla firmy przyciągnięcie uwagi 5-10% osób wyszukujących dany termin. Dalsze pozycje przyciągają mniej niż 1% odwiedzających. To oznacza, że np. witryna, która przed zmianą algorytmu była pokazywana jako pierwsza, a po jego zmianie spadła na czwartą pozycję, zanotuje olbrzymi spadek liczby odwiedzin.
      Zmiany algorytmu najbardziej dotknęły tzw. content farms, czyli witryny, które gromadzą treści innych stron. Jak twierdzi firma Sistrix, na takich witrynach ruch zmniejszył się o ponad 75%. Jednak nie wszędzie takie zmiany zaszły. Mahalo.com, Wisegeek.com czy należący do Yahoo! Associated Content zanotowały olbrzymie spadki. Tymczasem Demand Media, jedna z najbardziej krytykowanych content farms, nie zanotowała większych zmian, a na jednej z jej witryn - eHow.com - pojawiło się nawet więcej odwiedzających.
      Google twierdzi, że najwięcej na zmianach skorzystały witryny oferujące treści wysokiej jakości, czyli informacje nt. badań naukowych, dogłębne analizy itp.. I rzeczywiście. Członkowie OPA już w ciągu pierwszej doby zauważyli wzrost ruchu o 5-50 procent.
      Wyszukiwarkowy koncern zapewnia, że zmiany są dobre dla konsumentów, internetu i twórców treści wysokiej jakości.
      Jednak najwyraźniej nie wszystko poszło po myśli Google'a. Max Spankie, twórca witryny My3cents.com informuje, że stracił znaczną część użytkowników. Jego witryna umożliwia konsumentom pozostawianie recenzji i opinii na temat towarów i usług. W przeciwieństwie do witryn, które po zmianie algorytmu znalazły się wyżej niż strona Spankiego, My3cents.com moderuje wszystkie opinie i jest bardzo poważana. Amerykańska Federacja Konsumentów uznała ją za najlepszą tego typu witrynę w USA, a z My3cents.com korzystają setki firm, które dzięki witrynie kontaktują się z niezadowolonymi klientami i wyjaśniają spory. Myślę, że coś zrobili źle. Ciężko pracowaliśmy, by stworzyć witrynę najwyższej jakości, a teraz wygrywają z nami strony, które o jakość nie dbają - mówi Spankie.
      Problemy zauważył też Morris Rosenthal, autor podręczników nt. naprawy laptopów. Mówi, że po zmianie algorytmu gdy wyszukujemy jego książkę "Laptop Repair Workbook" na pierwszym miejscu znajdziemy sklep Amazona, w którym jest sprzedawana, jednak już na drugiej pozycji jest witryna, która pozwala na jej nielegalne pobranie.
      Osoby takie jak Spankie czy Rosenthal nie są, na szczęście, pozostawione same sobie. Właściciele witryn, który uważają, że niesprawiedliwie ucierpieli na zmianie algorytmu, mogą o tym poinformować Google'a na firmowym forum. Co prawda żadne ręczne zmiany w wynikach wyszukiwania nie zostaną wprowadzone, jednak jeśli skarga będzie zasadna, Google może poprawić swój algorytm tak, by wartościowa witryna znalazła się na wyższych pozycjach listy wyszukiwania.
      To system przewidujący, że jesteś winny, póki nie udowodnisz niewinności - mówi Rosenthal i dodaje, że Google nie udostępniło żadnej opcji dwustronnej komunikacji, która pozwoliłaby na wyjaśnienie wątpliwości.
×
×
  • Create New...