Publicités

Cette application virale, utile mais qui ne rapporte pas d’argent pour autant : Specimen

Cette application virale, utile mais qui ne rapporte pas d’argent pour autant : Specimen

Le jeu addictif Specimen était un chef de file, il a recueilli des dizaines de millions de points de données qui ont été utilisés pour informer la recherche sur la perception des couleurs et même prolonger l’autonomie de la batterie des téléphones.

Erica Gorochow, raconte à Fastcompany :

« Cela fait presque quatre ans que mes amis Sal RandazzoCharlie Whitney et moi avons sorti un jeu mobile gratuit intitulé Specimen. Depuis, environ 300 000 personnes ont joué à 1,5 million de sessions. Et collectivement, le monde a capté près de 60 millions de petites taches colorées.

Specimen est un jeu sur la perception des couleurs, facile à apprendre, difficile à maîtriser. Les joueurs n’ont qu’à taper sur une goutte vibrante qui correspond à une couleur d’arrière-plan. Au fur et à mesure que vous avancez, vous gagnez des boosters et des pièces pour combattre une horloge toujours plus rapide.
Bien que nous ayons mis des publicités légères dans le jeu, Specimen était pour le moins un succès. Après un an et demi de conception et de développement, nous avons gagné moins de 1 000 $. Mais le projet a toujours été davantage une question de curiosité que d’optimisation en vue d’un rendement financier. Nous voulions voir si nous pouvions concevoir un jeu avec une graine intellectuelle plantée à l’intérieur : Si nous faisions un jeu sur la perception, pourrions-nous générer un ensemble de données globales et anonymisées sur la façon dont le monde voyait la couleur ? Le gameplay de Specimen pourrait-il s’apparenter au projet CAPTCHA de Louis von Ahn, un test de sécurité en ligne omniprésent qui a permis de numériser des milliers de vieux livres ?

Lorsque nous avons lancé le jeu, nous avons paramétré notre analyse pour enregistrer chaque échantillon prélevé, ce qui inclut à la fois la couleur sélectionnée par le joueur et la couleur cible correcte. Cela signifiait que nous pouvions enregistrer la valeur RVB chaque fois que le lecteur était correct. Plus intéressant encore, nous avons utilisé le modèle de couleur LAB, en plus de la teinte, de la saturation et de la valeur, pour mesurer un delta entre les mauvais choix de couleur et la bonne cible de couleur. (Mis à part la collecte de ces données de comparaison de couleurs, nous n’avons pas demandé ou recueilli expressément des données d’identification personnelle. La protection de la vie privée était une préoccupation.)

Cependant, nous nous sommes vite rendu compte que parce qu’il y avait tant d’actions, nous collections des dizaines de millions de points de données. Comment traiter les données d’une manière significative qui semble hors de portée. Nous étions dépassés.

[Image : courtoisie de PepRally]

Mais parfois, lorsque vous diffusez quelque chose sur Internet, Internet rend la pareille. Environ six mois après la sortie de Specimen, nous avons été contactés par Phillip Stanley Marbell, chercheur au MIT, maintenant professeur assistant à Cambridge et boursier de Turing. Il était un fan du jeu et nous a demandé si nous étions prêts à partager nos données ou à collaborer. Il s’avère que Marbell travaillait sur quelque chose qu’il a surnommé Project Crayon, qui explore les moyens d’exploiter les limites de perception des couleurs de l’homme pour améliorer la durée de vie des piles des écrans. De là, Marbell a intégré d’autres universitaires :  Martin Rinard et José Pablo Cambronero du MIT, et Virginia Estellers  à UCLA. Après avoir ajouté quelques ajustements aux données de couleur que nous avons capturées, ils ont nettoyé l’ensemble de données et ont construit des outils pour interroger ces données.

Marbell et Cambronero ont ensuite mené des expériences pour répondre à la question originale de notre équipe sur les variations globales de perception. Bien que leur document de travail ne fasse pas encore l’objet d’un examen par les pairs, leur analyse préliminaire semble indiquer qu’il semble y avoir des variations entre les pays, en particulier entre les régions du monde. Par exemple, la précision médiane de l’utilisateur pour faire correspondre correctement les couleurs dans le jeu variait de 83,5% en Norvège à 73,8% en Arabie Saoudite, avec des écarts types de 5,98% et 13,02%, respectivement. (Nous déduisons le pays de l’utilisateur à partir de son fournisseur de services.) La recherche a également commencé à examiner l’exactitude des couleurs et a constaté, par exemple, que les pays scandinaves brillaient lorsqu’il s’agissait d’identifier correctement les teintes rouge-violet, alors que l’Inde et le Pakistan ont sous-performé dans ces couleurs. Singapour a eu du mal à identifier les verts « standard », mais était au-dessus de la moyenne lorsque ces verts se rapprochaient du jaune. Obtenir une explication de cette variance géographique dans la perception est complexe. Mais la grande taille de l’ensemble de données du spécimen fournit des indices sur une curiosité de base : Tu vois ce que je vois ?


[Image : courtoisie de PepRally]

Les données sur les spécimens ont également fait progresser le projet Crayon de Marbell. Lui et Rinard ont publié un article universitaire intitulé Perceived-Color Approximation Transforms for Programs that Draw. (Les navigateurs Web, les applications de messagerie et, oui, les jeux, c’est-à-dire essentiellement tout programme qui affiche des graphiques, sont des exemples de programmes qui attirent l’attention. Les « programmes qui dessinent » constituent la majorité des applications sur l’app store.)


L’article de Marbell et Rinard présente l’ishihara, un nouveau langage qui permet aux programmes informatiques de prendre automatiquement des décisions sur les couleurs à afficher pour optimiser la durée de vie des piles. Par exemple, si une nuance de vert est raisonnablement proche d’une nuance de vert légèrement différente, Ishihara peut indiquer à votre appareil d’afficher la nuance qui est moins gourmande en énergie. L’article de Marbell et Rinard a utilisé l’ensemble de données du spécimen pour calibrer ce qui pourrait être défini comme étant  » raisonnable  » en termes de proximité des couleurs. En haut de l’afficheur, Ishihara a causé une amélioration de 15 % de la dissipation d’énergie de l’écran OLED. Quelle ironie qu’un jeu d’écoute addictif qui a vidé votre téléphone pourrait finalement mener à une plus longue durée de vie de la batterie.


[Image : courtoisie de PepRally]

Les données de Specimen ont été utilisées pour un article académique sur « DaltonQuant » – une nouvelle méthode de compression d’images sur mesure basée sur les déficiences de perception des couleurs du spectateur. L’algorithme a utilisé les 28 millions de points de données de correspondance des couleurs de Specimen pour déterminer une forme plus agressive de quantification des couleurs – un processus permettant de réduire stratégiquement le nombre de couleurs distinctes dans une image. La compression de DaltonQuant a entraîné une réduction de 22 % à 29 % de la taille des fichiers par rapport aux algorithmes les plus récents. La compression d’images est un facteur caché mais omniprésent dans notre vie numérique, que nous le réalisions ou non. En tant que concepteur, je connais bien la compression de ces fichiers.png,.mp4 ou.gif pour être assez petit pour être chargé lorsque vous n’avez que trois barres de service sur cinq.
Je ne sais pas où Ishihara ou DaltonQuant peuvent mener. Ou ce que les recherches ultérieures de Marbell, Rinard, Cambronero et Estellers peuvent donner, qu’elles soient liées ou non à Specimen. Mais j’aime que notre petit jeu ait ricoché dans l’univers et se soit révélé utile aux universitaires qui avaient des questions que je n’aurais jamais pensé poser. La curiosité peut fournir tout à fait le tour.

Bien que vous puissiez toujours télécharger Specimen si vous avez un iPhone plus tôt qu’un iPhoneX, l’équipe Specimen a décidé de ne pas continuer à soutenir le développement. L’économie de l’app store est difficile, et nous préférerions nous concentrer sur de nouveaux projets plutôt que d’ajuster les leviers financiers qui, franchement, rendraient le jeu moins amusant. Ce travail d’amour a fait son temps.

Mais les fruits du projet survivent dans l’open source. Une version générique des outils de Jose pour interroger le jeu de données de l’échantillon est hébergée ici sur github. Mon plus grand espoir est que d’autres chercheurs trouvent et utilisent ce qui a été rassemblé, et que d’autres concepteurs et ingénieurs envisagent d’utiliser le jeu de façon inattendue. »

Erica Goroshow

Publicités

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

%d blogueurs aiment cette page :