5.2.1 ጋላክሲ Zoo

ጋላክሲ ዙ ሚሊዮን ጋላክሲዎች ለመከፋፈል ያልሆኑ ብዙ ባለሙያ ፈቃደኛ ጥረት ያዋህዳል.

ጋላክሲ መካነ አራዊት, Schawinski ጋላክሲዎች ላይ ፍላጎት ነበር 2007 በጣም ትንሽ ማቃለል ውስጥ ኬቪን Schawinski, ኦክስፎርድ ዩኒቨርሲቲ ፈለክ ውስጥ አንድ ተመራቂ ተማሪ ያጋጠሟቸውን ችግር ያደገው, እና ጋላክሲዎች በማድረግ ሊመደብ የሚችል ያላቸውን ሞርፎሎጂ-ሞላላ ወይም የሚያድጉት-እና ያላቸውን ቀለም-ሰማያዊ ወይም ቀይ ነው. በወቅቱ, የሥነ ፈለክ ተመራማሪዎች መካከል ተፈጥሮአዊ ጥበብ የሚያድጉት ጋላክሲዎች, ፍኖተ እንደ ቀለም (የሚያመለክት ወጣት) ውስጥ ሰማያዊ ነበሩ ነበር እና ሞላላ ጋላክሲዎች (እርጅና የሚጠቁሙ) ቀለም ቀይ ነበሩ. Schawinski ይህ ተፈጥሮአዊ ጥበብ ጥርጣሬ አድሮባቸው ነበር. በዚህ ምሳሌ በጥቅሉ እውነት ሊሆን ይችላል ሳለ: ምናልባት የማይካተቱ አንድ ድግስ ላይ ነበሩ: በዚያ የተጠረጠሩ እነዚህ ያልተለመደ ጋላክሲዎች-ወደ አይገጥምም መሆኑን ሰዎች ብዙ በማጥናትና ምሳሌ-እርሱ ሂደት በተመለከተ አንድ ነገር መማር ይችላል የሚጠበቅ ሲሆን በኩል ጋላክሲዎች ተቋቋመ.

በመሆኑም ምን Schawinski ተፈጥሮአዊ ጥበብ ውድቅ ለማድረግ የሚያስፈልገውን morphologically የተመደቡ ጋላክሲዎች አንድ ትልቅ ስብስብ ነበረ; ይህ ክብ ቅርጽ ወይም ሞላላ ወይ ተብለው ተመድበው ነበር ጋላክሲዎች ነው. ችግሩ, ይሁን እንጂ, የሚመደቡበት ነባር ስልተ ዘዴዎች ገና በቂ ሳይንሳዊ ምርምር ስራ ላይ የሚውለው አልነበሩም ነበር; በሌላ አባባል, ይወሰናሌ ጋላክሲዎች ኮምፒውተሮች ከባድ ነበር አንድ ችግር, በዚያን ጊዜ ነበር. ስለዚህ አስፈላጊ ነገር ሰብዓዊ ተመድበው ጋላክሲዎች ከፍተኛ ቁጥር ነበር. Schawinski አንድ ምረቃ ተማሪ ትጋት ጋር ይህን ምደባ ችግር ማካሄድ. ሰባት, 12-ሰዓት ቀናት ማራቶን ክፍለ ጊዜ, እሱም 50,000 ጋላክሲዎች ለመከፋፈል ችሎ ነበር. 50,000 ጋላክሲዎች በጣም ብዙ ሊመስል ቢችልም, ይህ Sloan ዲጂታል Sky ጥናት ውስጥ ፎቶግራፍ የነበረውን ወደ አንድ ሚሊዮን የሚጠጉ ጋላክሲዎች ብቻ ከ 5% በተግባር ነው. Schawinski እርሱ ይበልጥ ተቀያያሪ አቀራረብ አስፈላጊ መሆኑን ተገነዘብኩ.

ደግነቱ መሆኑ ይወሰናሌ ጋላክሲዎች ተግባር ፈለክ ውስጥ ከፍተኛ ሥልጠና የሚጠይቅ እንዳልሆነ ስናገኘው; አንተ ቆንጆ በፍጥነት ማድረግ ሰው ማስተማር ይችላሉ. ጋላክሲዎች ይወሰናሌ ኮምፒውተሮች ከባድ ነበር አንድ ሥራ ማከናወን ነው እንኳ በሌላ አባባል, ይህ የሰው ልጆች በጣም ቀላል ነበር. ስለዚህ, ኦክስፎርድ, Schawinski እና የእምነት ፈለክ ክሪስ Lintott ውስጥ ጋዜጠኖች ተቀምጦ ሳለ ፈቃደኛ ጋላክሲዎች ምስሎችን ለመከፋፈል ቦታ አንድ ድር ጣቢያ ህልም ነበራቸው. ከጥቂት ወራት በኋላ, ጋላክሲ ዙ ተወለደ.

በ Galaxy መካነ ድር ላይ ፈቃደኛ ሠራተኞች ስልጠና ጥቂት ደቂቃዎች የሚደርስብንን ነበር; ለምሳሌ ያህል, አንድ ጥምዝምዝ እና ሞላላ ጋላክሲ (ምስል 5.2) መካከል ያለውን ልዩነት መማር. ከዚህ ሥልጠና በኋላ, ፈቃደኛ የሚታወቅ ጋር በአንጻራዊነት ቀላል የፈተና ጥያቄ-በትክክል ይወሰናሌ 11 15 ጋላክሲዎች ማለፍ ነበረበት አመዳደብ-ከዚያም ፈቃደኛ ቀላል ድር-ተኮር በይነገጽ (ምስል 5.3) በኩል ያልታወቁ ጋላክሲዎች እውነተኛ ምደባ የሚጀምረው. የሥነ ፈለክ ተመራማሪ ወደ ፈቃደኛ ከ ሽግግር ከ 10 ደቂቃዎች ውስጥ ቦታ ወስደው ብቻ የቢሮክራሲ, አንድ ቀላል የፈተና ጥያቄ ውስጥ ዝቅተኛው ሲያልፍ ያስፈልጋል ነበር.

ስእል 5.2; የሚያድጉት ክብ እና ሞላላ: ጋላክሲዎች ሁለት ዓይነት ዋና ዋና ምሳሌ ሊሆነን ይችላል. የ ጋላክሲ Zoo ፕሮጀክት 900,000 በላይ ምስሎች ምድቦች ከ 100,000 በላይ ፈቃደኛ ተጠቅሟል. ምንጭ: www.galaxyzoo.org .

ስእል 5.3; መራጮች አንድ ነጠላ ምስል ለመከፋፈል ተጠየቅን የት የግቤት ማያ. ምንጭ: www.galaxyzoo.org .

ፕሮጀክቱ አንድ የዜና ርዕስ ላይ ተለይቶ, እና ስድስት ወራት ውስጥ ፕሮጀክት ከ 100,000 በላይ ዜጎች ሳይንቲስቶች, እነርሱም ሥራ ያስደስተኝ ነበር; እነሱም አስቀድመው አስትሮኖሚ ለመርዳት ስለፈለገ የተሳተፉ ሰዎችን ማሳተፍ አደገ በኋላ ጋላክሲ ዙ የመነሻ ፈቃደኛ ስቧል. አብረው, እነዚህ 100,000 ፈቃደኛ ተሳታፊዎች በአንጻራዊ ሁኔታ አነስተኛ, ኮር ቡድን ሲመጣ አመዳደብ አብዛኞቹ ጋር, ከ 40 ሚሊዮን በተፈረጁት ላይ በድምሩ አስተዋጽኦ (Lintott et al. 2008) .

ተሞክሮ በመቅጠር ደጋፊዎች ምርምር ረዳቶቹ ያላቸው ተመራማሪዎች ወዲያውኑ ውሂብ ጥራት በተመለከተ ጥርጣሬ ሊሆን ይችላል. ይህ ጥርጣሬ ምክንያታዊ ቢሆንም, ጋላክሲ ዙ ፈቃደኛ መዋጮ በትክክል, ማጽዳት debiased, እና እየተደመሩ ጊዜ, ከፍተኛ-ጥራት ውጤት ሊያስገኝ እንደሚችል ያሳያል (Lintott et al. 2008) . የባለሙያ ጥራት ውሂብ ለመፍጠር ሕዝቡ ለማግኘት አስፈላጊ ማታለያ ያላገኘና ነው; አትበል; ይህ ተመሳሳይ ተግባር በብዙ የተለያዩ ሰዎች መከናወን በኋላ. ጋላክሲ Zoo ውስጥ, ጋላክሲ በቀን ከ 40 አመዳደብ በዚያ ነበሩ; እንግዲህ ያላገኘና በዚህ ደረጃ አቅም እና ፈጽሞ ደጋፊዎች ምርምር ረዳት በመጠቀም ተመራማሪዎች እያንዳንዱ ግለሰብ ምደባ ጥራት ጋር ይበልጥ መጨነቅ ይኖርብናል. ፈቃደኛ ሠራተኞች ስልጠና ስላልነበረው ምን እነርሱ ያላገኘና ጋር እስከ ነበር.

እንኳን ጋላክሲ በበርካታ በተፈረጁት ጋር ይሁን እንጂ, ፈቃደኛ አመዳደብ ስብስብ በማጣመር አንድ ስምምነት ምደባ ተንኰለኛ ነው ማፍራት. በጣም ተመሳሳይ ችግሮች አብዛኛው የሰው ስሌት ፕሮጀክቶች ላይ ይነሳሉ; ምክንያቱም ይህ በአጭሩ ጋላክሲ መካነ ተመራማሪዎች ያላቸውን መግባባት አመዳደብ ለማምረት የሚያገለግሉ ሦስት ደረጃዎች መከለስ ጠቃሚ ነው. በመጀመሪያ, ተመራማሪዎች የሸፍጥ አመዳደብ በማስወገድ ላይ ውሂብ "ንፁህ". ለምሳሌ ያህል, በተደጋጋሚ ወደ ለመጠምዘዝ እየሞከሩ ነበር ምን እንደሚሆኑ ተመሳሳይ ጋላክሲ-ነገር ተመድበው የነበሩ ሰዎች ሁሉ አመዳደብ ተጥለዋል ውጤቶች-ነበር. ይህን እና ሌሎች ተመሳሳይ የጽዳት ሁሉ በተፈረጁት ገደማ 4% ተወግዷል.

ሁለተኛ, የጽዳት በኋላ ተመራማሪዎች አመዳደብ ውስጥ ስልታዊ አድሏዊነት ማስወገድ ያስፈልጋል. የመጀመሪያውን ፕሮጀክት-ለምሳሌ ውስጥ የተከተተ በመድሎ ማወቂያ ጥናቶች, ፋንታ ቀለመ ውስጥ ጋላክሲ አንዳንድ ፈቃደኛ ሠራተኞች ማሳየት ተከታታይ አማካኝነት ቀለም-ተመራማሪዎች እንደ ሞላላ ጋላክሲዎች እንደ ሩቅ የሚያድጉት ጋላክሲዎች ለመከፋፈል ስልታዊ ጥላቻ እንደ በርካታ ስልታዊ አድሏዊነት, አገኘ (Bamford et al. 2009) . ብዙ አስተዋጽኦች በአማካይ ስልታዊ ጥላቻ ማስወገድ አይደለም; ምክንያቱም እነዚህ ስልታዊ አድሏዊነት ለማግኘት መላመድ በጣም አስፈላጊ ነው; ብቻ የዘፈቀደ ስህተት ያስወግደዋል.

በመጨረሻም, debiasing በኋላ ተመራማሪዎች አንድ ስምምነት ምደባ ለማምረት ግለሰብ አመዳደብ ማዋሃድ አንድ ስልት ያስፈልጋል. እያንዳንዱ ጋላክሲ ለ አመዳደብ ማዋሃድ ቀላሉ መንገድ በጣም የተለመደ ምደባ መምረጥ ይሆናል. ይሁን እንጂ, ይህ ዘዴ እያንዳንዱ ፈቃደኛ እኩል ክብደት ይሰጣል ነበር, እና ተመራማሪዎች አንዳንድ ፈቃደኛ ሠራተኞች ከሌሎች ይልቅ ምደባ ላይ የተሻለ ነበር የተጠረጠሩ. ስለዚህ, ተመራማሪዎቹ በራስ-ሰር ምርጥ ክላሲፋየሮችን ለማግኘት እና የበለጠ ክብደት ለመስጠት የሚሞክር የበለጠ ውስብስብ ደጋጋሚነት weighting ሂደት አዳብሯል.

በመሆኑም አንድ ሦስት እርምጃ ሂደት-የጽዳት, debiasing, እና weighting ማለትም ጋላክሲ መካነ ምርምር ቡድን በኋላ መግባባት morphological በተፈረጁት ስብስብ ውስጥ 40 ሚሊዮን ፈቃደኛ አመዳደብ የተቀየሩ ነበር. እነዚህ ጋላክሲ Zoo አመዳደብ ጋላክሲ ዙ ማነሳሳት የረዳቸው Schawinski በ ምደባ ጨምሮ የሙያ ፈለክ ሦስት ከዚህ ቀደም አነስተኛ-ልኬት ሙከራዎች, ጋር ሲነጻጸር ጊዜ, ጠንካራ ስምምነት ነበር. በመሆኑም, ፈቃደኛ, በጥቅሉ, ከፍተኛ ጥራት አመዳደብ ማቅረብ ይችሉ ነበር እና ተመራማሪዎች አይዛመዱም የሚችል አንድ ደረጃ ላይ (Lintott et al. 2008) . እንዲያውም ጋላክሲዎች እንዲህ ያለ ትልቅ ቁጥር ሰብዓዊ አመዳደብ በማድረግ, Schawinski, Lintott, እና ሌሎች ጋላክሲዎች ብቻ 80% ስለ ተጻፈ ቆይተዋል የሚጠበቅ ምሳሌ-ሰማያዊ ዙሮች እና ቀይ ellipticals-በርካታ ጋዜጦች መከተል መሆኑን ማሳየት ይችሉ ነበር ይህ ግኝት (Fortson et al. 2011) .

ይህ ዳራ ከተሰጠው በኋላ, አሁን ጋላክሲ ዙ ተከትሎ እንዴት ማየት ትችላለህ መከፋፈል-ተግባራዊ-ማዋሃድ አዘገጃጀት, አብዛኛው የሰው ስሌት ፕሮጀክቶች የሚውል ነው ተመሳሳይ የምግብ አዘገጃጀት. በመጀመሪያ, አንድ ትልቅ ችግር ነዳጅና ወደ ተከፍሎ ነው. በዚህ ሁኔታ, አንድ ሚሊዮን ጋላክሲዎች ይወሰናሌ ችግር አንድ ጋላክሲ ይወሰናሌ አንድ ሚሊዮን ችግሮች ውስጥ ተከፍሎ ነው. ቀጥሎም, ቀዶ ሕክምና ራሱን ችሎ ለእያንዳንዱ ጸጉርም ላይ ተግባራዊ ነው. በዚህ ሁኔታ, አንድ ፈቃደኛ ጥምዝምዝ ወይም ሞላላ ወይ እያንዳንዱ ጋላክሲ መከፋፈል ነበር. በመጨረሻም ውጤቶች ስምምነት ውጤት ለማስገኘት ይጣመራሉ. በዚህ ሁኔታ ውስጥ, ወደ ማዋሃድ ደረጃ እያንዳንዱ ጋላክሲ አንድ ስምምነት ምደባ ለማምረት የጽዳት, debiasing, እና weighting ይገኙበታል. አብዛኞቹ ፕሮጀክቶች ይህን አጠቃላይ የምግብ አዘገጃጀት መመሪያ መጠቀም ቢሆንም እርምጃዎች ለእያንዳንዱ የተወሰነ ችግር መልዕክቱ ብጁ አለበት. ለምሳሌ ያህል, ከዚህ በታች የተገለጸው የሰው ስሌት ፕሮጀክት ላይ ተመሳሳይ የምግብ አሰራር ተከትሎ ይሆናል, ነገር ግን ተግባራዊ እና ማዋሃድ ደረጃዎች በጣም የተለየ ይሆናል.

የ ጋላክሲ መካነ አራዊት ቡድን, ይህ የመጀመሪያው ፕሮጀክት ገና መጀመሩ ነበር. በጣም በፍጥነት እነርሱ እንኳ አንድ ሚሊዮን ጋላክሲዎች የሚጠጋ ለመከፋፈል ችለው ነበር ተገነዘብኩ; ይህ ስኬል 10 ቢሊዮን ጋላክሲዎች ምስሎችን ሊያስገኝ የሚችል አዲስ ዲጂታል ሰማይ የዳሰሳ ጋር ለመስራት በቂ አይደለም (Kuminski et al. 2014) . 1 ሚሊዮን 10 እስከ ጭማሪ ለማስተናገድ ቢሊዮን-የ 10,000-ጋላክሲ ዙ መካከል ምክንያት በግምት 10,000 ጊዜ በላይ ተሳታፊዎች ለመቅጠር ያስፈልጋቸዋል. በኢንተርኔት ላይ ፈቃደኛ ሠራተኞች ቁጥር ብዙ ነው; ቢሆንም እንኳን, ወሰን የሌለው አይደለም. ስለዚህ, ተመራማሪዎቹ ተገነዘብኩ እነዚህ አዲስ, ይበልጥ ተቀያያሪ, አቀራረብ ያስፈልግ ነበር የውሂብ ከመቼውም ጊዜ እያደገ መጠን ለማስተናገድ የሚሄድ ከሆነ.

ስለዚህ, Manda Banerji-እየሰራ ኬቪን Schawinski, ክሪስ Lintott, እና ጋላክሲ መካነ ቡድን-ጀምሮ ትምህርት ኮምፒውተሮች ሌሎች አባላት ጋር ጋላክሲዎች ለመከፋፈል. ተጨማሪ በተለይም, ጋላክሲ ዙ, የተፈጠሩ የሰው አመዳደብ በመጠቀም Banerji et al. (2010) በምስሉ ባህርያት ላይ የተመሠረተ አንድ ጋላክሲ የሰው ምደባ መተንበይ የሚችል የማሽን መማሪያ ሞዴል ሠራ. ይህ ማሽን መማር ሞዴል ከፍተኛ በትክክል የሰው አመዳደብ የሚራቡት ቢችሉ ኖሮ, ከዚያም ጋላክሲዎች አንድ በመሠረቱ የሌለው ቁጥር ለመከፋፈል ጋላክሲ ዙ ተመራማሪዎች ጥቅም ላይ ሊውል ይችላል.

ይህ ተመሳሳይነት መጀመሪያ በጨረፍታ ግልጽ ላይሆን ይችላል ቢሆንም Banerji እና ባልደረቦቻቸው 'አቀራረብ ያለው ኮር, እንዲያውም በተለምዶ በማኅበራዊ ጥናት ውስጥ ጥቅም ላይ ዘዴዎች ቆንጆ ተመሳሳይ ነው. በመጀመሪያ, Banerji እና ባልደረባዎች ይህ ንብረቶች ነው ጠቅለል አሃዛዊ ባህሪያት ስብስብ ውስጥ እያንዳንዱን ምስል ይለወጣሉ. በምስሉ ላይ ሰማያዊ መጠን ወደ ፒክስል ድምቀት ውስጥ ልዩነት, እና ነጭ ያልሆኑ ፒክስል መካከል መጠን: ለምሳሌ ያህል, ጋላክሲዎች ምስሎች ሦስት ባህሪያት ሊኖር ይችላል. ትክክለኛ ባህሪያት መረጣ ችግር አስፈላጊ አካል ነው, እና በአጠቃላይ ርዕሰ-አካባቢ እውቀት ይጠይቃል. በተለምዶ ባህሪ ምሕንድስና ተብሎ ይህ የመጀመሪያ እርምጃ, ምስል በአንድ አንድ ረድፍ እና ምስል የሚገልፅ ከዚያም ሦስት አምዶች ጋር ውሂብ ማትሪክስ ውስጥ ያስከትላል. አንድ የሎጀስቲክ ተዛምዶ ማለትም የተመሠረተ የሰው ምደባ ይተነብያል እንደ ውሂብ ማትሪክስ እና የተፈለገውን ውፅዓት (ለምሳሌ, ምስል የመለማመጃ ጋላክሲ እንደ አንድ ሰው በ ተመድበው ነበር ቢሆን), የ ተመራማሪ እስታቲስቲካዊ ሞዴል-ለምሳሌ ግቤቶች ገምቷል, ነገር እየተሰጠ ምስል ባህሪያት ላይ. በመጨረሻም, ተመራማሪ አዳዲስ ጋላክሲዎችን የተገመተዉ አመዳደብ (ምስል 5.4) ለማምረት በዚህ እስታቲስቲካዊ ሞዴል ውስጥ ግቤቶች ይጠቀማል. የማህበራዊ አናሎግ ማሰብ, አንድ ሚሊዮን ተማሪዎች ስለ የስነ ሕዝብ መረጃ ነበር እንበል, እና በኮሌጅ ወይም አይደለም ተመረቅሁ እንደሆነ እናውቃለን. ይህን ውሂብ ወደ የሎጀስቲክ ተዛምዶ ሊያመለክት እንደማይችል የታወቀ ነው; ከዚያም አዲስ ተማሪዎች የኮሌጅ ትምህርቴን ይሄዳሉ እንደሆነ ለመገመት የሚያስችል ምክንያት ሞዴል መለኪያዎች መጠቀም ይችላል. የማሽን መማሪያ ውስጥ, ይህ ዘዴ-በመጠቀም የተለጠፈባቸው ምሳሌዎች ከዚያም አዲስ ሊሰይም ይችላል አንድ እስታቲስቲካዊ ሞዴል ለመፍጠር ውሂብ-ነው መማር ክትትል የሚደረግባቸው ተብሎ (Hastie, Tibshirani, and Friedman 2009) .

ስእል 5.4: እንዴት ቀላል መግለጫ Banerji et al. (2010) ጋላክሲ ምደባ ለማድረግ የማሽን መማሪያ ሞዴል ለማሠልጠን ወደ ጋላክሲ መካነ አመዳደብ ተጠቅሟል. ጋላክሲዎች ምስሎች ባህሪያት ማትሪክስ ውስጥ የሚቀየር ነበር. ይህ ቀለል ባለ ምሳሌ ውስጥ ሦስት ባህሪያት (በምስሉ ላይ ሰማያዊ መጠን ወደ ፒክስል ድምቀት ውስጥ ልዩነት, እና ነጭ ያልሆኑ ፒክስልስ ድርሻ) አሉ. ከዚያም ምስሎች ታህታይ ያህል, Galaxy ዙ መለያዎች ማሽን መማር ሞዴል ለማሠልጠን ጥቅም ላይ ይውላሉ. በመጨረሻም, የማሽን መማሪያ የቀሩትን ጋላክሲዎች ለ አመዳደብ ለመገመት ጥቅም ላይ ይውላል. እኔ ፕሮጀክት የዚህ ዓይነት ጥሪ ያላቸው ሰዎች ችግር መፍታት ይልቅ, እነሱ የሰው ልጆች ችግሩን ለመፍታት አንድ ኮምፒውተር ለማሠልጠን ላይ ሊውል የሚችል የውሂብ ስብስብ መገንባት አላቸው, ምክንያቱም ሁለተኛ-ትውልድ የሰው ኮምፒውቲሽናል ፕሮጀክት. በዚህ ኮምፒውተር-ገዛ አቀራረብ ያለው ጥቅም አንተ በሰው ጥረት ብቻ የመባዛት መጠን በመጠቀም ውሂብ በመሠረቱ የማይገደብ መጠን ለማስተናገድ የሚያስችል ነው.

ውስጥ ባህሪያት Banerji et al. (2010) የማሽን መማሪያ ሞዴል ለምሳሌ-ለምሳሌ, እርሷ ያሉ ባህሪያትን መጠቀም የእኔ አሻንጉሊት ውስጥ ከሚኖሩት ይልቅ ይበልጥ ውስብስብ ናቸው "ዴ Vaucouleurs ያዘመመበት ውድር ተስማሚ" ይህች ፕላኔት አላት ሞዴል የሎጀስቲክ ተዛምዶ አልነበረም, ይህ ሰው ሠራሽ አጮልቆ አውታረ መረብ ነበር. እሷ ባህሪያት, እርስዋ ሞዴል እና ስምምነት ጋላክሲ መካነ አመዳደብ በመጠቀም, ለእያንዳንዱ ባህሪ ላይ ክብደት ለመፍጠር, ከዚያም ጋላክሲዎች ምደባ በተመለከተ ትንበያ ለማድረግ እነዚህን ክብደት መጠቀም አይችሉም ነበር. ለምሳሌ ያህል, ትንተና "Vaucouleurs ያዘመመበት ውድር ተስማሚ de" ዝቅተኛ ጋር ምስሎችን የሚያድጉት ጋላክሲዎች መሆን ዕድላቸው ሰፊ ነበር አልተገኘም. እነዚህ ክብደት ይሰጠዋል; እርስዋም ምክንያታዊ በሆነ ደረጃ በትክክል ጋር አንድ ጋላክሲ ሰብአዊ ምደባ መተንበይ ችሏል.

ሥራ Banerji et al. (2010) እኔ ሁለተኛ-ትውልድ የሰው ስሌት ስርዓት በምን ስም እንደሚጠራቸውም ወደ ጋላክሲ መካነ ተመለሱ. እነዚህ ሁለተኛው-ትውልድ ሥርዓት ማሰብ የተሻለው መንገድ ያላቸው ሰዎች ችግር መፍታት ይልቅ, እነሱ የሰው ልጆች ችግሩን ለመፍታት አንድ ኮምፒውተር ለማሠልጠን ላይ ሊውል የሚችል የውሂብ ስብስብ መገንባት ያላቸው መሆኑ ነው. ወደ ኮምፒውተር ለማሰልጠን የሚያስችል የውሂብ መጠን ለመፍጠር የሰው ጅምላ ትብብር ይጠይቃል በጣም ትልቅ ሊሆን ይችላል. ጋላክሲ መካነ አራዊት, ጥቅም ላይ አጮልቆ አውታረ መረቦች ሁኔታ ውስጥ Banerji et al. (2010) አስተማማኝ የሰው ምደባ ደግሞ መስራት የሚችል ነበር ሞዴል ለመሥራት ሲሉ ሰብዓዊ-የተለጠፈባቸው ምሳሌዎች እጅግ ብዙ ቁጥር ያስፈልጋል.

በዚህ ኮምፒውተር-ገዛ አቀራረብ ያለው ጥቅም አንተ በሰው ጥረት ብቻ የመባዛት መጠን በመጠቀም ውሂብ በመሠረቱ የማይገደብ መጠን ለማስተናገድ የሚያስችል ነው. ለምሳሌ ያህል, አንድ ሚሊዮን ሰብዓዊ ተመድበው ጋላክሲዎች ጋር አንድ ተመራማሪ, ከዚያም አንድ ቢሊዮን ወይም አንድ ትሪሊዮን ጋላክሲዎች ለመከፋፈል ላይ ሊውል የሚችል እየገመተ ሞዴል መገንባት ይችላሉ. ጋላክሲዎች መካከል ከፍተኛ ቁጥሮች አሉ ከሆነ, የሰው-ኮምፒውተር ዲቃላ በእርግጥ ይህ ብቻ መፍትሔ ሊሆን የሚችል ነው. ይህ የሌለው scalability ይሁን እንጂ, ነጻ አይደለም. በራሱ አንድ ከባድ ችግር ነው በትክክል የሰው አመዳደብ የሚራቡት የሚችል የማሽን መማሪያ ሞዴል መገንባት, ነገር ግን ደግነቱ ከዚህ ርዕስ ጋር የወሰኑ ግሩም መጻሕፍት አስቀድመው አሉ (Hastie, Tibshirani, and Friedman 2009; Murphy 2012; James et al. 2013) .

ጋላክሲ Zoo ብዙ የሰው ስሌት ፕሮጀክቶች ዝግመተ ለውጥ ያሳያል. በመጀመሪያ, አንድ ተመራማሪ ራሷን ወይም የምርምር ረዳቶቹ አንድ አነስተኛ ቡድን (ለምሳሌ, Schawinski የመጀመሪያ ምደባ ጥረት) ጋር ፕሮጀክቱ ይሞክራል. ይህ ዘዴ በደንብ መውጣት አይደለም ከሆነ, ተመራማሪ ብዙ ሰዎች አመዳደብ መዋጮ ቦታ ሰብዓዊ ስሌት ፕሮጀክት ሊያነሳሳቸው ይችላል. ነገር ግን, የውሂብ አንድ ክፍፍል, ንጹሕ ሰብዓዊ ጥረት በቂ አይሆንም. በዚህ ጊዜ, ተመራማሪዎች የሰው አመዳደብ ከዚያም ውሂብ ይቻላል ያልተገደበ መጠን ላይ ተግባራዊ ሊሆን የሚችል የማሽን መማሪያ ሞዴል ለማሠልጠን ጥቅም ላይ የት ሁለተኛ-ትውልድ ስርዓት መገንባት ያስፈልገናል.