前面提到过（http://blog.sciencenet.cn/blog-117333-545794.html）NASA借助35000多名公民科学家的力量，在Spitzer银河系数据中找到了5000多个红外泡（bubble），这对于全面分析银河系恒星形成过程中的能量平衡有根本的重要性。
      原则上可以用计算机对数据进行处理，但是实际经验告诉我们，就目前而言，在图像中找某种特征而言，最强大的计算机也没有人有效。早些时候，天文中的数据虽然公开，但是由于其专业性，能进行处理的只有一部分天文学家。几十年前，天文数据量还不大，借助少数天文学家就可以完成此任务。在我刚念研究生的时候，天文中的数据的处理还几乎都是由天文学家或天文系的学生们完成的，我记得有一位师兄的硕士论文就是分析数十个行星状星云，最后的论文在MNRAS上有八十多页。然而，最近几年明显可以感觉到一个趋势，天文数据量的增长已经超出了天文学家数据处理能力（天文学家数量乘以平均数据处理能力（包括计算机、算法、对 数据的理解等因素）），很多数据都在等人处理，几乎每个波段都感觉到人手不足。
       天文学家中的很多有识之士意识到这一点，他们采取的办法是，数据及时、完全公开，并让网友们能方便地获取、理解，并尽可能趣味化，吸引众多网友来帮助处理数据。公民科学家项目就是这种措施的一个代表（网址：https://www.zooniverse.org/；维基：http://en.wikipedia.org/wiki/Zooniverse_%28citizen_science_project%29）。 最早我是通过NASA的在Spitzer数据中找红外泡的新闻简报了解到这个项目的。目前这个项目包括了若干子项，大部分是天文相关的：星系形态分类；月球表面分析；寻找、分析太阳风暴；在数值模拟中挑并合星系；寻找超新星爆发；在光变曲线中寻找系外行星；在Spitzer银河系数据中寻找和恒星形成相关的特征。除此之外，还有一些其它项目：用战时皇家海军舰船的航行记录研究过去的天气；辨认出土纸莎草上的希腊语字母和符号；辨认鲸的声音。
       仔细观察就会发现，这些项目的重点都是进行模式识别，大部分是进行图像上的模式识别（星系形态分类；月球表面分析；在数值模拟中挑并合星系；在光变曲线中 寻找系外行星；在Spitzer银河系数据中寻找和恒星形成相关的特征），也有的是在图像上识别文本（用战时皇家海军舰船的航行记录研究过去的天气；辨认 出土纸莎草上的希腊语字母和符号），还有的是在视频上进行模式识别（寻找、分析太阳风暴）。目前，不得不说，完成这些任务最经济的方法还是借助人的力量。 对应这些任务而言，任何一个进过简单培训的人（公民科学家）就可以完成（网页上提供了相应的培训）。进行这些模式识别的时候有时候会觉得自己在打游戏（回 想一下连连看、找不同之类的游戏），而这种游戏是对科学研究有实际帮助的（最近在Spitzer数据中找红外泡项目发表了第一篇论文 http://zooniverse-resources.s3.amazonaws.com/mwp /MWPBubblesCatalogue.pdf，致谢中对35000多位公民科学家进行了感谢。）。
       在了解到公民科学家项目之前，我在什么都不想干的时候会玩小游戏：扫雷、连连看、找不同之类。但是知道此项目之后，我觉得，与其玩那些纯粹消磨时间的游戏，还不如参与这个项目，在消磨时间的同时也对科学有点贡献。参与到这个项目之后，可以发现，除了消磨时间和对科学有所贡献，还能从此项目中学习到做科研的方法。总的来说，能把模式识别任务归为简单的若干类，这种分类方法值得学习。在参与项目的时候，阅读操作说明也可以了解到不少知识（或许这些知识并非科研前沿，但是应该对培养学生很有帮助）。我想，或许可以借助公民科学家项目对学生进行培养，如果认为对于培养研究生此项目过于简单，那么或许可以让更多高中生参与进来，这总是有好处的。


转载本文请联系原作者获取授权，同时请注明本文来自钱磊科学网博客。
链接地址：https://blog.sciencenet.cn/blog-117333-580940.html

上一篇：寓言（一）除蚁英雄
下一篇：『读文献』（五）金牛座分子云形成的模型