Телескоп ASKAP за одну ночь собирает данные о миллионах радиоисточников. Автоматические алгоритмы уверенно распознают компактные точки, но пасуют перед протяжёнными структурами с джетами, мостами и пузырями. На помощь пришли добровольцы: за первый этап проекта Radio Galaxy Zoo EMU более 2500 человек выполнили 97 000 классификаций 6230 сложных объектов.

В основе отбора лежит мера Колмогорова: чем хуже изображение сжимается, тем богаче его внутренняя структура. К ней добавляют угловой размер, чтобы добровольцам доставались самые интересные и крупные объекты. На платформе Zooniverse волонтёры отмечают связанные компоненты, находят родительские галактики и присваивают простые теги вроде «песочные часы», «изогнутый», «следы родительской галактики». Эти теги родились из семантической таксономии: сначала из описаний выделили 22 морфологических признака, затем свели к набору примерно из десяти интуитивных ярлыков. Возникает общий словарь, понятный и человеку, и алгоритму.

Гибридный подход даёт то, чего не хватало соседним проектам: эталонные разметки для обучения глубоких моделей. Раньше автоматические алгоритмы не могли надёжно распознать редкие морфологии, а экспертных разметок не хватало. Теперь появился размеченный корпус из 6230 протяжённых источников с тегами от тысяч добровольцев. Его можно использовать многократно и в разных задачах: от улучшения каталога EMUCAT до подготовки к Square Kilometre Array.

В ближайшие пять лет проект расширится на весь обзор EMU и охватит около четырёх миллионов протяжённых источников. Активное обучение замкнёт петлю: модели будут предлагать наиболее информативные объекты для разметки, а новые разметки — улучшать модели. Такой цикл станет испытательным стендом для надёжного ИИ перед запуском SKA, где объёмы данных вырастут на порядки. Добровольцы, начавшие с простых тегов, окажутся соавторами инструмента, который однажды будет работать в одиночку.