Foldit- ը սպիտակուցային-ծալովի խաղ է, որը հնարավորություն է տալիս ոչ մասնագետներին մասնակցելու այնպիսի ձեւով, որը զվարճալի է:
Netflix- ի մրցանակը, մինչդեռ բարդ եւ հստակ, չի ցուցադրում բաց զանգի նախագծերի ամբողջ շարք: Օրինակ, Netflix մրցանակում լուրջ մասնակիցների մեծ մասը տարիներ շարունակ դասավանդում էր վիճակագրության եւ մեքենայի ուսուցման մեջ: Սակայն բաց ծրագրերը կարող են ներգրավել նաեւ ֆոլդիտցիների կողմից ներկայացված ֆորմալ վերապատրաստման մասնակիցներին:
Սպիտակուցի ծալումը այն գործընթացն է, որի միջոցով ամինաթթուների շղթան վերցնում է իր ձեւը: Այս գործընթացի ավելի լավ հասկացությամբ, կենսաբանները կարող էին ձեւավորել սպիտակուցներ կոնկրետ ձեւերով, որոնք կարող են օգտագործվել որպես դեղամիջոցներ: Պարզեցումը բավականին քիչ է, սպիտակուցները ձգտում են շարժվել դեպի իրենց ամենացածր էներգետիկ կոնֆիգուրացիան, որը հավասարակշռում է տարբեր մղումները եւ քաշվում է սպիտակուցի մեջ (նկար 5.7): Այսպիսով, եթե հետազոտողը ցանկանում է կանխատեսել այն ձեւը, որի մեջ սպիտակուցը կկտրվի, լուծումը հնչում է պարզ: պարզապես փորձեք բոլոր հնարավոր կոնֆիգուրացիաները, հաշվարկեք իրենց էներգիաները եւ կանխագուշակեք, որ սպիտակուցը կզարգացնի ամենացածր էներգիայի կոնֆիգուրացիան: Ցավոք, բոլոր հնարավոր կոնֆիգուրացիաները փորձելու համար հաշվարկային անհնար է, քանի որ կան միլիարդավոր եւ միլիարդավոր պոտենցիալ կոնֆիգուրացիաներ: Նույնիսկ այսօր հասանելի ամենահզոր համակարգիչներով, եւ ապագայում տեսանելի ապագայում ուժեղ ուժը պարզապես չի պատրաստվում աշխատել: Հետեւաբար, կենսաբանները շատ խելացի ալգորիթմներ են մշակել `արդյունավետորեն որոնելու ամենացածր էներգիայի կոնֆիգուրացիան: Սակայն, չնայած գիտական եւ հաշվարկային ջանքերի զանգվածային քանակություններին, այդ ալգորիթմները դեռեւս կատարյալ չեն:
Դեյվիդ Բեյքերը եւ Վաշինգտոնի համալսարանում իր հետազոտական խումբը գիտնականների մի մասն էին կազմում, որոնք աշխատում էին սպիտակուցների ծալման համար հաշվարկային մոտեցումներ ստեղծելու համար: Մեկ նախագծում, Բեյքերն ու գործընկերները մշակել են մի համակարգ, որը թույլ է տվել կամավորներին իրենց համակարգչում չօգտագործել ժամանակ նվիրաբերելու համար սիմուլյացիայի սպիտակուցի ծալման համար: Փոխարենը, կամավորները կարող էին դիտել էկրանապահին, ցույց տալով սպիտակուցի ծալումը, որը կատարվում էր համակարգչում: Այս կամավորներից մի քանիսը գրել են Բեյքերին եւ գործընկերներին `ասելով, որ նրանք մտածում են, որ կարողանան բարելավել համակարգչի կատարումը, եթե նրանք կարողանային ներգրավվել հաշվարկին: Եվ այսպես սկսեց Ֆոլդիտը (Hand 2010) Ձեռ (Hand 2010) :
Ֆոլդիտը սպիտակուցների ծալման գործընթացն է դարձնում խաղի մեջ, որը կարող է խաղալ ցանկացածի կողմից: Խաղացողի տեսանկյունից, Ֆոլդիտը, կարծես, հանելուկ է (նկար 5.8): Խաղացողները ներկայացված են սպիտակուցային կառուցվածքի եռաչափ խճճվածությամբ եւ կարող են իրականացնել գործողություններ `« կսմթել »,« շեղել »,« վերակառուցել », փոխել ձեւը: Այս գործողությունները կատարելով, խաղացողները փոխում են սպիտակուցի ձեւը, որն իր հերթին ավելացնում կամ նվազեցնում է դրանց հաշիվը: Քննադատաբար, հաշվարկը հաշվարկվում է ընթացիկ կազմաձեւման էներգիայի մակարդակի վրա, ցածր էներգիայի կոնֆիգուրացիաները հանգեցնում են ավելի բարձր գնահատականների: Այլ կերպ ասած, հաշիվը օգնում է խաղացողների վրա, քանի որ նրանք փնտրում են ցածր էներգիայի կոնֆիգուրացիաներ: Այս խաղը հնարավոր է միայն այն պատճառով, որ Netflix մրցանակի սպիտակուցների ծալման ժամանակ կանխատեսող կինոնկարների վարկանիշը նույնպես այն իրավիճակն է, երբ ավելի հեշտ է ստուգել լուծումները, քան դրանք առաջացնել:
Foldit- ի նրբագեղ դիզայնը հնարավորություն է տալիս խաղացողներին կենսաքիմիայի քիչ ֆորմալ գիտելիքներով մրցել լավագույն մասնագետների կողմից մշակված լավագույն ալգորիթմների հետ: Չնայած խաղացողների մեծամասնությունը հատկապես լավ չեն գործում, կան մի քանի անհատական խաղացողներ եւ փոքր թիմեր, որոնք բացառիկ են: Փաստորեն, Foldit- ի խաղացողների եւ նորագույն արվեստի ալգորիթմների գլխավերեւի մրցումներում խաղացողները ավելի լավ լուծումներ են ստեղծել 10 սպիտակուցների 5-ից (Cooper et al. 2010) :
Foldit- ը եւ Netflix- ի մրցանակը տարբեր են տարբեր ձեւերով, սակայն նրանք երկուսն էլ ներառում են բաց զանգեր, որոնք հեշտ են ստուգել, քան արտադրել: Հիմա, նույն կառույցը կտեսնենք եւս մեկ այլ տարբերակ `արտոնագրային օրենք: Բաց աղմուկի խնդրի այս վերջնական օրինակն է ցույց տալիս, որ այս մոտեցումը կարող է օգտագործվել նաեւ այնպիսի պարամետրերի մեջ, որոնք ակնհայտորեն քանակական են: