Ứng dụng lan truyền của chúng tôi kiếm được ít hơn 1.000 đô la. Chúng tôi vẫn sẽ làm điều đó một lần nữa
Trò chơi gây nghiện của chúng tôi Mẫu vật là một nhà lãnh đạo thua lỗ, nhưng nó đã thu thập hàng chục triệu điểm dữ liệu đã được sử dụng để thông báo cho nghiên cứu nhận thức màu sắc và thậm chí kéo dài tuổi thọ pin của điện thoại.
[Hình ảnh: lịch sự PepRally]
BỞI ERICA GOROCHOW5 PHÚT ĐỌC
Đã gần bốn năm kể từ khi bạn bè của tôi Sal Randazzo , Charlie Whitney và tôi phát hành một trò chơi di động miễn phí có tên là Mẫu vật . Kể từ đó, khoảng 300.000 người đã chơi 1,5 triệu phiên. Và gọi chung, thế giới đã khai thác gần 60 triệu đốm màu nhỏ.
[Hình ảnh: lịch sự PepRally]
Mẫu vật là một trò chơi về nhận thức màu sắc, dễ học, khó để thành thạo. Người chơi chỉ cần chạm vào một đốm màu rực rỡ phù hợp với màu nền. Khi bạn tiến lên, bạn kiếm được tên lửa đẩy và tiền xu để chiến đấu với một đồng hồ nhanh hơn bao giờ hết. ( Đây là một chút nữa nếu bạn vui lòng.)
Mặc dù chúng tôi đưa quảng cáo nhẹ vào trò chơi, nhưng ít nhất , Specample là một nhà lãnh đạo thua lỗ. Sau một năm rưỡi thiết kế và phát triển, chúng tôi đã mang về ít hơn 1.000 đô la. Nhưng dự án luôn hướng đến sự tò mò sau đó tối ưu hóa cho lợi nhuận tài chính. Chúng tôi muốn xem liệu chúng tôi có thể thiết kế một trò chơi có hạt giống trí tuệ được trồng bên trong nó hay không: Nếu chúng tôi tạo ra một trò chơi về nhận thức, chúng tôi có thể tạo ra một bộ dữ liệu ẩn danh toàn cầu về cách thế giới nhìn thấy màu sắc không? Có thể Specimen 's gameplay được giống như kép có mục tiêu Louis von Ahn của CAPTCHA dự án, một bài kiểm tra bảo mật trực tuyến phổ biến đã giúp Số hóa hàng ngàn cuốn sách cũ?
Khi chúng tôi khởi chạy trò chơi, chúng tôi đã thiết lập các phân tích của mình để ghi lại mọi mẫu vật được khai thác, bao gồm cả màu do người chơi chọn, cũng như màu đích chính xác. Điều này có nghĩa là chúng tôi có thể ghi lại giá trị RGB mỗi khi trình phát chính xác. Thú vị hơn, chúng tôi đã sử dụng mô hình màu LAB , ngoài màu sắc, độ bão hòa và giá trị, để đo một delta giữa các lựa chọn màu không chính xác và mục tiêu màu chính xác. (Ngoài việc thu thập dữ liệu so sánh màu này, chúng tôi không yêu cầu hoặc thu thập rõ ràng dữ liệu nhận dạng cá nhân. Quyền riêng tư hợp lý là một mối quan tâm.)
Tuy nhiên, chúng tôi nhanh chóng nhận ra rằng vì có quá nhiều vòi, chúng tôi đã thu thập hàng chục triệu điểm dữ liệu. Làm thế nào để xử lý dữ liệu theo bất kỳ cách có ý nghĩa nào ngoài tầm với. Chúng tôi đã ở trên đầu của chúng tôi.
[Hình ảnh: lịch sự PepRally]
Nhưng đôi khi khi bạn đưa một cái gì đó lên internet, internet sẽ trả lại. Khoảng sáu tháng sau khi chúng tôi phát hành Mẫu vật , chúng tôi đã liên lạc với Phillip Stanley Marbell , một nhà nghiên cứu tại MIT, hiện là trợ lý giáo sư tại Cambridge và Turing Fellow . Anh ấy là một fan hâm mộ của trò chơi và hỏi chúng tôi nếu chúng tôi sẵn sàng chia sẻ dữ liệu của chúng tôi hoặc hợp tác. Hóa ra, Marbell đang nghiên cứu một thứ mà anh ta đặt tên là Project Crayon , tìm hiểu các cách khai thác giới hạn nhận thức màu sắc của con người để cải thiện thời lượng pin của màn hình. Từ đó, Marbell lọt vào các học giả khác: Martin Rinard và José Pablo Cambronero tại MIT và Virginia Estellertại UCLA. Sau khi thêm một vài điều chỉnh vào dữ liệu màu nào chúng tôi thu được, họ đã dọn sạch tập dữ liệu và các công cụ được xây dựng để truy vấn dữ liệu đó.
Marbell và Cambronero sau đó đã chạy thử nghiệm để trả lời câu hỏi ban đầu của nhóm chúng tôi về sự khác biệt toàn cầu trong nhận thức. Mặc dù tài liệu làm việc của họ chưa được đánh giá ngang hàng, phân tích sơ bộ của họ dường như cho thấy dường như có sự khác biệt giữa các quốc gia, đặc biệt là các khu vực trên thế giới. Ví dụ, độ chính xác trung bình của người dùng để kết hợp chính xác màu sắc trong trò chơi dao động từ 83,5% ở Na Uy đến 73,8% ở Ả Rập Saudi, với độ lệch chuẩn lần lượt là 5,98% và 13,02%. (Chúng tôi suy luận quốc gia của người dùng dựa trên nhà cung cấp dịch vụ của họ.) Nghiên cứu cũng bắt đầu xem xét độ chính xác màu sắc cụ thể và thấy, ví dụ, các quốc gia Scandinavi đã tỏa sáng khi xác định chính xác màu đỏ-tím, trong khi Ấn Độ và Pakistan kém hơn màu sắc. Singapore đấu tranh để xác định màu xanh lá cây tiêu chuẩn, nhưng là trên trung bình khi những rau xanh nghiêng gần hơn với màu vàng. Đạt được một lời giải thích cho phương sai địa lý này trong nhận thức là phức tạp. Nhưng kích thước rộng lớn củaTập dữ liệu mẫu cung cấp manh mối cho một sự tò mò cơ bản: Bạn có thấy những gì tôi thấy không?
[Hình ảnh: lịch sự PepRally]
Các Mẫu dữ liệu cũng Project Crayon Marbell của tiên tiến. Ông và Rinard đã xuất bản một bài báo học thuật có tên Biến đổi xấp xỉ màu nhận thức cho các chương trình được vẽ. (Ví dụ về các chương trình được vẽ bao gồm trình duyệt web, ứng dụng nhắn tin và vâng, trò chơi về cơ bản là bất kỳ chương trình nào hiển thị đồ họa.
Bài viết của Marbell và Rinard giới thiệu Ishihara, một ngôn ngữ mới cho phép các chương trình máy tính tự động đưa ra quyết định về màu sắc nào sẽ hiển thị để tối ưu hóa thời lượng pin. Ví dụ: nếu một bóng màu xanh lá cây gần với màu xanh lục hơi khác một chút, Ishihara có thể yêu cầu thiết bị của bạn hiển thị bóng râm ít tốn điện hơn. Bài báo của Marbell và Rinard đã sử dụng bộ dữ liệu Mẫu để hiệu chỉnh những gì có thể được định nghĩa là Hồi hợp lý về mặt gần gũi về màu sắc. Dòng trên cùng, Ishihara gây ra sự cải thiện tới 15% trong việc phân tán năng lượng màn hình OLED. Thật mỉa mai khi một trò chơi khai thác gây nghiện làm cạn kiệt điện thoại của bạn cuối cùng có thể dẫn đến tuổi thọ pin dài hơn.
[Hình ảnh: lịch sự PepRally]
Các mẫu vật liệu được tiếp tục sử dụng cho một báo cáo khoa học về “DaltonQuant” -a mới bespoke phương pháp nén hình ảnh dựa trên sự thiếu hụt cảm nhận màu sắc của người xem. Thuật toán sử dụng Mẫu vật28 triệu điểm dữ liệu phù hợp với màu sắc để xác định hình thức lượng tử hóa màu sắc mạnh mẽ hơn, một quy trình nhằm giảm chiến lược số lượng màu sắc khác biệt trong một hình ảnh. Việc nén của DaltonQuant dẫn đến việc giảm kích thước tệp từ 22% đến 29% so với hiện tại của các thuật toán hiện đại. (Lưu ý rằng bài viết này chưa được đánh giá ngang hàng.) Nén hình ảnh là một yếu tố ẩn nhưng có mặt khắp nơi trong cuộc sống số của chúng ta, cho dù chúng ta có nhận ra hay không. Là một nhà thiết kế, tôi đã quen với việc nén .png, .mp4 hoặc .gif đủ nhỏ để tải khi bạn chỉ có ba trong số năm thanh dịch vụ.
Tôi không chắc Ishihara hoặc DaltonQuant có thể dẫn đến đâu. Hoặc những gì mà nghiên cứu tiếp theo của Marbell, Rinard, Cambronero và Esteller có thể mang lại, có liên quan đến Mẫu vật hay không. Nhưng tôi thích rằng trò chơi nhỏ của chúng tôi đã hòa nhập vào vũ trụ và tỏ ra hữu ích cho các học giả, những người có câu hỏi mà tôi sẽ không bao giờ nghĩ sẽ hỏi. Tò mò có thể cung cấp khá đi xe.
Mặc dù bạn vẫn có thể tải xuống Mẫu vật nếu bạn có iPhone sớm hơn iPhoneX, nhóm Mẫu đã quyết định không tiếp tục hỗ trợ phát triển. Tính kinh tế của cửa hàng ứng dụng rất khó khăn và chúng tôi muốn tập trung vào các nỗ lực mới hơn là điều chỉnh các đòn bẩy tài chính thẳng thắn, làm cho trò chơi bớt vui hơn. Lao động của tình yêu này đã chạy quá trình của nó.
Nhưng những thành quả của dự án sống trong nguồn mở. Một phiên bản chung của các công cụ của Jose để truy vấn bộ dữ liệu Mẫu được lưu trữ tại đây trên github. Hy vọng lớn nhất của tôi là các nhà nghiên cứu khác tìm và tận dụng những gì đã thu thập được, và rằng các nhà thiết kế và kỹ sư khác xem xét tận dụng trò chơi theo những cách không ngờ tới.
[Hình ảnh: lịch sự PepRally]
BỞI ERICA GOROCHOW5 PHÚT ĐỌC
Đã gần bốn năm kể từ khi bạn bè của tôi Sal Randazzo , Charlie Whitney và tôi phát hành một trò chơi di động miễn phí có tên là Mẫu vật . Kể từ đó, khoảng 300.000 người đã chơi 1,5 triệu phiên. Và gọi chung, thế giới đã khai thác gần 60 triệu đốm màu nhỏ.
[Hình ảnh: lịch sự PepRally]
Mẫu vật là một trò chơi về nhận thức màu sắc, dễ học, khó để thành thạo. Người chơi chỉ cần chạm vào một đốm màu rực rỡ phù hợp với màu nền. Khi bạn tiến lên, bạn kiếm được tên lửa đẩy và tiền xu để chiến đấu với một đồng hồ nhanh hơn bao giờ hết. ( Đây là một chút nữa nếu bạn vui lòng.)
Mặc dù chúng tôi đưa quảng cáo nhẹ vào trò chơi, nhưng ít nhất , Specample là một nhà lãnh đạo thua lỗ. Sau một năm rưỡi thiết kế và phát triển, chúng tôi đã mang về ít hơn 1.000 đô la. Nhưng dự án luôn hướng đến sự tò mò sau đó tối ưu hóa cho lợi nhuận tài chính. Chúng tôi muốn xem liệu chúng tôi có thể thiết kế một trò chơi có hạt giống trí tuệ được trồng bên trong nó hay không: Nếu chúng tôi tạo ra một trò chơi về nhận thức, chúng tôi có thể tạo ra một bộ dữ liệu ẩn danh toàn cầu về cách thế giới nhìn thấy màu sắc không? Có thể Specimen 's gameplay được giống như kép có mục tiêu Louis von Ahn của CAPTCHA dự án, một bài kiểm tra bảo mật trực tuyến phổ biến đã giúp Số hóa hàng ngàn cuốn sách cũ?
Khi chúng tôi khởi chạy trò chơi, chúng tôi đã thiết lập các phân tích của mình để ghi lại mọi mẫu vật được khai thác, bao gồm cả màu do người chơi chọn, cũng như màu đích chính xác. Điều này có nghĩa là chúng tôi có thể ghi lại giá trị RGB mỗi khi trình phát chính xác. Thú vị hơn, chúng tôi đã sử dụng mô hình màu LAB , ngoài màu sắc, độ bão hòa và giá trị, để đo một delta giữa các lựa chọn màu không chính xác và mục tiêu màu chính xác. (Ngoài việc thu thập dữ liệu so sánh màu này, chúng tôi không yêu cầu hoặc thu thập rõ ràng dữ liệu nhận dạng cá nhân. Quyền riêng tư hợp lý là một mối quan tâm.)
Tuy nhiên, chúng tôi nhanh chóng nhận ra rằng vì có quá nhiều vòi, chúng tôi đã thu thập hàng chục triệu điểm dữ liệu. Làm thế nào để xử lý dữ liệu theo bất kỳ cách có ý nghĩa nào ngoài tầm với. Chúng tôi đã ở trên đầu của chúng tôi.
[Hình ảnh: lịch sự PepRally]
Nhưng đôi khi khi bạn đưa một cái gì đó lên internet, internet sẽ trả lại. Khoảng sáu tháng sau khi chúng tôi phát hành Mẫu vật , chúng tôi đã liên lạc với Phillip Stanley Marbell , một nhà nghiên cứu tại MIT, hiện là trợ lý giáo sư tại Cambridge và Turing Fellow . Anh ấy là một fan hâm mộ của trò chơi và hỏi chúng tôi nếu chúng tôi sẵn sàng chia sẻ dữ liệu của chúng tôi hoặc hợp tác. Hóa ra, Marbell đang nghiên cứu một thứ mà anh ta đặt tên là Project Crayon , tìm hiểu các cách khai thác giới hạn nhận thức màu sắc của con người để cải thiện thời lượng pin của màn hình. Từ đó, Marbell lọt vào các học giả khác: Martin Rinard và José Pablo Cambronero tại MIT và Virginia Estellertại UCLA. Sau khi thêm một vài điều chỉnh vào dữ liệu màu nào chúng tôi thu được, họ đã dọn sạch tập dữ liệu và các công cụ được xây dựng để truy vấn dữ liệu đó.
Marbell và Cambronero sau đó đã chạy thử nghiệm để trả lời câu hỏi ban đầu của nhóm chúng tôi về sự khác biệt toàn cầu trong nhận thức. Mặc dù tài liệu làm việc của họ chưa được đánh giá ngang hàng, phân tích sơ bộ của họ dường như cho thấy dường như có sự khác biệt giữa các quốc gia, đặc biệt là các khu vực trên thế giới. Ví dụ, độ chính xác trung bình của người dùng để kết hợp chính xác màu sắc trong trò chơi dao động từ 83,5% ở Na Uy đến 73,8% ở Ả Rập Saudi, với độ lệch chuẩn lần lượt là 5,98% và 13,02%. (Chúng tôi suy luận quốc gia của người dùng dựa trên nhà cung cấp dịch vụ của họ.) Nghiên cứu cũng bắt đầu xem xét độ chính xác màu sắc cụ thể và thấy, ví dụ, các quốc gia Scandinavi đã tỏa sáng khi xác định chính xác màu đỏ-tím, trong khi Ấn Độ và Pakistan kém hơn màu sắc. Singapore đấu tranh để xác định màu xanh lá cây tiêu chuẩn, nhưng là trên trung bình khi những rau xanh nghiêng gần hơn với màu vàng. Đạt được một lời giải thích cho phương sai địa lý này trong nhận thức là phức tạp. Nhưng kích thước rộng lớn củaTập dữ liệu mẫu cung cấp manh mối cho một sự tò mò cơ bản: Bạn có thấy những gì tôi thấy không?
[Hình ảnh: lịch sự PepRally]
Các Mẫu dữ liệu cũng Project Crayon Marbell của tiên tiến. Ông và Rinard đã xuất bản một bài báo học thuật có tên Biến đổi xấp xỉ màu nhận thức cho các chương trình được vẽ. (Ví dụ về các chương trình được vẽ bao gồm trình duyệt web, ứng dụng nhắn tin và vâng, trò chơi về cơ bản là bất kỳ chương trình nào hiển thị đồ họa.
Bài viết của Marbell và Rinard giới thiệu Ishihara, một ngôn ngữ mới cho phép các chương trình máy tính tự động đưa ra quyết định về màu sắc nào sẽ hiển thị để tối ưu hóa thời lượng pin. Ví dụ: nếu một bóng màu xanh lá cây gần với màu xanh lục hơi khác một chút, Ishihara có thể yêu cầu thiết bị của bạn hiển thị bóng râm ít tốn điện hơn. Bài báo của Marbell và Rinard đã sử dụng bộ dữ liệu Mẫu để hiệu chỉnh những gì có thể được định nghĩa là Hồi hợp lý về mặt gần gũi về màu sắc. Dòng trên cùng, Ishihara gây ra sự cải thiện tới 15% trong việc phân tán năng lượng màn hình OLED. Thật mỉa mai khi một trò chơi khai thác gây nghiện làm cạn kiệt điện thoại của bạn cuối cùng có thể dẫn đến tuổi thọ pin dài hơn.
[Hình ảnh: lịch sự PepRally]
Các mẫu vật liệu được tiếp tục sử dụng cho một báo cáo khoa học về “DaltonQuant” -a mới bespoke phương pháp nén hình ảnh dựa trên sự thiếu hụt cảm nhận màu sắc của người xem. Thuật toán sử dụng Mẫu vật28 triệu điểm dữ liệu phù hợp với màu sắc để xác định hình thức lượng tử hóa màu sắc mạnh mẽ hơn, một quy trình nhằm giảm chiến lược số lượng màu sắc khác biệt trong một hình ảnh. Việc nén của DaltonQuant dẫn đến việc giảm kích thước tệp từ 22% đến 29% so với hiện tại của các thuật toán hiện đại. (Lưu ý rằng bài viết này chưa được đánh giá ngang hàng.) Nén hình ảnh là một yếu tố ẩn nhưng có mặt khắp nơi trong cuộc sống số của chúng ta, cho dù chúng ta có nhận ra hay không. Là một nhà thiết kế, tôi đã quen với việc nén .png, .mp4 hoặc .gif đủ nhỏ để tải khi bạn chỉ có ba trong số năm thanh dịch vụ.
Tôi không chắc Ishihara hoặc DaltonQuant có thể dẫn đến đâu. Hoặc những gì mà nghiên cứu tiếp theo của Marbell, Rinard, Cambronero và Esteller có thể mang lại, có liên quan đến Mẫu vật hay không. Nhưng tôi thích rằng trò chơi nhỏ của chúng tôi đã hòa nhập vào vũ trụ và tỏ ra hữu ích cho các học giả, những người có câu hỏi mà tôi sẽ không bao giờ nghĩ sẽ hỏi. Tò mò có thể cung cấp khá đi xe.
Mặc dù bạn vẫn có thể tải xuống Mẫu vật nếu bạn có iPhone sớm hơn iPhoneX, nhóm Mẫu đã quyết định không tiếp tục hỗ trợ phát triển. Tính kinh tế của cửa hàng ứng dụng rất khó khăn và chúng tôi muốn tập trung vào các nỗ lực mới hơn là điều chỉnh các đòn bẩy tài chính thẳng thắn, làm cho trò chơi bớt vui hơn. Lao động của tình yêu này đã chạy quá trình của nó.
Nhưng những thành quả của dự án sống trong nguồn mở. Một phiên bản chung của các công cụ của Jose để truy vấn bộ dữ liệu Mẫu được lưu trữ tại đây trên github. Hy vọng lớn nhất của tôi là các nhà nghiên cứu khác tìm và tận dụng những gì đã thu thập được, và rằng các nhà thiết kế và kỹ sư khác xem xét tận dụng trò chơi theo những cách không ngờ tới.
Nhận xét
Đăng nhận xét