Informations générales
Bien que les algorithmes et les agents d’intelligence artificielle soient nettement supérieurs aux humains pour la plupart des tâches, l’intuition humaine demeure un outil puissant pour cibler des problèmes difficiles à formaliser mais faciles à visualiser comme le clustering. Les jeux vidéo à application scientifique se sont établis récemment comme une excellente méthode de mobilisation. Cette approche à base de calcul humain amène des enjeux liés aux algorithmes, au calcul distribué, aux interactions humain-machine, à l’apprentissage machine, mais aussi à la ludification, au crowdsourcing et à aux sciences cognitives.
Il s’agira d’une combinaison de cours théoriques sur ces différents enjeux, et d’applications pratiques : chaque partie théorique sera associée à un exercice d’analyse sur une tâche, une plate-forme ou un jeu précis. De plus, un des objectifs principaux du cours est de créer collectivement un jeu vidéo qui serait utile à la science. À chaque séance, il y aura du temps réservé pour discuter et avancer dans différentes étapes du projet : conceptualisation, planification, prototypage, tests et optimisation. Nous aurons aussi des présentations par des experts du jeu vidéo scientifique et de l’expérience utilisateur.
Projet
L’objectif du cours sera de réaliser un jeu de science participative, du début à la fin, collectivement (tout le groupe forme l’équipe). Le niveau d’ambition du projet sera décidé à la première séance, en fonction du nombre de personnes dans la classe et des compétences et expériences de chacun.e
Plan de cours
| 1. Intro: histoire du calcul humain | Théorème du jury de Condorcet |
| 2. Pourquoi les humains peuvent-il résoudre des problèmes informatiques ? | Algorithmes génétiques |
| 3. Le crowdsourcing, l’intelligence collective, l’informatique et Internet | Seti@Home |
| 4. Division des tâches et agrégation des solutions | Algorithme Gale-Shapley |
| 5. Conception de tâches pour le crowdsourcing et la science participative. | ESP game |
| 6. Les jeux sérieux et les jeux de découverte scientifique. | Phylo |
| 7. Contrôle de qualité, pareto-optimalité | SQCS |
| 8. Ludification, conception de jeux scientifiques et expérience utilisateur. | Borderlands Science |
| 9. Défis d’échelle: diviser un problème en millions de tâches | Borderlands Science |
| 10. IA et intelligence collective, systèmes humain-dans-la-boucle| Digi-Leap |
| 11. Intro à l’apprentissage machine sur jeux de science participative | Galaxy Zoo |
| 12. Informatique sociale: encyclopédies, marchés de prédiction, bases de données communautaires | CrowdDB |
| 13. L’aspect humain de la science participative: motivations, impact, éducation | Amazon Mechanical Turk |
| 14. Conclusion: une fois qu’on a un jeu de crowdsourcing, qu’est-ce qu’on fait avec ? | Bilan du projet et planification de la suite |
| 15. Examen final |