A közösségi tudomány (citizen science) alá sorolt kezdeményezések közös jellemzője, hogy nagy számban vonnak be fontos szakmai ismeretek nélküli önkénteseket a kutatásokba. Ezekben a speciális esetekben azonban nem feltétlenül alanyként, mondjuk tesztcsoportként van szükség rájuk, hanem olyan feladatok elvégzésével járulnak hozzá a tudósok munkjához, amelyeket azok nem tudnának elvégezni a kellő mennyiségben vagy mélységben.

Bár maga a közösségi tudomány eredetileg a megfelelő képzettség nélküli emberek más jellegű tudásának hasznosítására irányult, az online csatornák kialakulása itt is számtalan lehetőséget nyitott meg a különféle projektek előtt. Ez jelentheti például az egyéni tapasztalatok más módon meg nem valósítható kiaknázását, óriási mennyiségű adat begyűjtését, vagy akár a saját erőforrások munkába állítását az elosztott számítási projektek keretei között.

A laikusok bevonásának egyik módját megosztott intelligenciának (distributed intelligence) szokták nevezni. Ennek lényege, hogy az emberek képességeit használják valamilyen feldolgozásra váró információ értelmezéséhez; bár ebben az esetben általában szükség van valamilyen alapvető tréningre is, a kép- vagy mintafelsimerésnek sokszor a leghatékonyabb módja, ha azt egy kellőképpen nagy közösség tagjai végzik, akár egymás eredményeit is validálva.

Példák a közösségi tudományos munkára

A Space.com tegnapi cikke két ilyen programot is bemutat mindazoknak, akik hasznossá szeretnék tenni magukat a kényszerű otthoni elszigeteltségben, és annál izgalmasabb dologra vágynak, mint hogy a videokártyájuk ki nem használt kapacitásait ajánlják fel valamilyen számítási feladathoz. Az egyik projekt távoli galaxisok, a másik pedig a pingvinek lerakódott ürülékének megfigyeléséhez kapcsolódik, ami valószínűleg az érdeklődési körök széles spektrumát lefedi.

A Penguin Watch nevű kezdeményezés célja, hogy műholdas képfelvételek alapján meghatározzák a pingvinpopulációk helyzetét és méretét, méghozzá a madarak ürülékének (guanó) hele és mennyisége alapján. A műholdképeken pedig pontosan azonosítható, hogy mekkora területeket fed be a guanó, ebből pedig a szakemberek meg tudják becsülni a kolóniák nagyságát. Ezek a becslések olyan adatokat szolgáltatnak a pingvinek aktuális eloszlásával, amelyekhez máskülönben nagyon nehéz lenne hozzájutni, más felvételeken pedig a populáció vizsgálata cél, mondjuk a felnőtt és fiatal egyedek, plusz a tojások azonosításával.
 

A különböző műholdas rendszerek felvételeit a New York-i Stony Brook University kutatói kompilálják, ide értve a Google Earth részletes adatait vagy a NASA Landsat programjának évtizedekre visszamenő információit. A "Mapping Application for Penguin Populations and Projected Dynamics" című munkaprogram legelsősorban az Antarktiszra vonatkozó szabályozások alakításához és a klímaváltozás foylamatainak leírásához próbál támogatást nyújtani, az óriási terület átfésüléséhez pedig nélkülözhetetlen segítséget kap az önkéntesektől – a projekt egyik gondozója szerint a dolog annyira eredményes, hogy sikerült eddig teljesen ismeretlen pingvinkolóniákat is felfedezniük.

A másik, Galaxy Zoo elnevezésű kezdeményezés ehhez képest alapos léptékváltást jelent, hiszen a több mint egy évtizedes mltra visszatekintő program a különböző galaxisok formájának azonosításához használja a közösségi tudósok munkáját. A dologban az a poén, hogy a hozzájárulóknak még azzal sem feltétlenül kell tisztában lenniük, hogy mit jelent a galaxis kifejezés, mégis nagy segítségére lehetnek a hivatásos csillagászoknak.

A galaxisok formája a szakemberek szerint rengeteg információt hordoz a rendszerek keletkezéséről és történetéről, a rettenetes mennyiségű felvétel átbogarászása viszont meghaladja a csillagászok lehetőségeit. Bár az elmúlt években némileg megváltozott a felállás azzal kapcsolatban, hogy az emberek egyértelműen jobbak lennének a gépeknél a formák azonosításában, a munkamegosztás most is úgy áll, hogy a mesterséges intelligencia az egyszerűbb, az emberi résztvevők pedig a bonyolultabb alakzatokat osztályozzák.
 

A humán közreműködés azért is fontos, mert az emberek hajlamosak elkalandozni, ezért olyasmit is észrevehetnek a képeken, amelyeken az adott feladatra koncentráló MI simán átsiklana. Az új típusú galaxisok vagy más rendszerek felfedezés például mindig abból ered, ha valaki azt mondja, hogy ez egy szokatlan, eddig nem látott forma – nem pedig abból, ha besorolja a meglévő kategóriák egyikébe, aztán már halad is tovább.

Maga az alkalmazás automatikusan adagolja a képeket a megfigyelési programokból, így azok folyamatosan frissülnek, és az oldalon mindig akad valamilyen új látnivaló. A képek osztályozását a felhasználók a csipszevéshez hasonlítják: ök döntik el, hogy kérnek-e újabb felvételt, aztán egyiket fogyasztják a másik után, közben pedig virtuálisan végigszörföznek az uiverzumon. Az sem kizárt, hogy a résztvevők olyan képekbe futnak bele, amelyek révén ők lesznek a legelső emberi lények, akik megpillantanak egy adott galaxist, mindehhez pedig csak egy bejelentkezésre van szükség a projekt oldalán.