2009年最后一天，想找个东西写博，在Google笔记本的2blog标签下，找到Google图像标记（Google Image Labeler），玩了一盘，标记了4幅图像，只得了290分。
游戏每次2分钟，随意配二个参与者，给同一幅图像加标签，如果二人给出相同标签就得分（越专指的词得分越高），并切换下一幅图像，直至时间结束。二人匹配越快，可标记图像越多，分数也就越高。
和对方输入的标签相比，我的标签少得可怜。由于游戏双方得分相同，估计对手只能无奈地感叹碰到了文盲。
这是个旧游戏，并非Google首创。但参与者似乎仍然有热情。下面是2009/4/21录得的排行榜，最高分超过3800多万：
All-time Top Contributors
1. DeSotoDriver 38133870
2. PS 32567260
3. Yep Robots Blow 30511440
4. FrankD 21141150
5. MC 21116870
今天的排行榜，最高分为4480多万，上榜者全换了：
All-time Top Contributors
1. Bodies Wanted 44807110
2. NotTurnin40Again 39999990
3. 9999999999999999 33230890
4. TestudineousBots 26546750
5. dirtle toves FD 26477480
Google开设此游戏的目的是改善图像搜索结果的质量，估计是把那些匹配的标签当作图像的关键词。
这种利用群众智慧的方式也就是所谓的“众包”(crowdsourcing)。图书馆界也有人想通过类似游戏，让公众帮助提供元数据。还没有看到实例──要让公众有参与热情，得设计好的方案。
Freebase有打字机（Typewriter）和性别判断（Genderizer）二个公众参与项目，前者让帮助判断一些名称是不是人物、组织、建筑、地点、歌曲等等，后者让帮助判断真实或小说人物、生物体的性别，估计都是些稀奇古怪、工具书里找不到的名称。需要注册登录才能操作，前者的参与率还不错，有871,651 votes；后者较少，仅78,797 votes。
via Bibliographic Wilderness: “crowdsourcing” (April 20, 2009)及其下评论