Jason a 20 ans et il est sourd. Il enfile un gilet spécial qui est câblé de sorte que lorsqu'il reçoit des données, il envoie des impulsions dans son dos.
Le gilet est connecté à une tablette. Quand je dis le mot "livre" dans un microphone qui alimente la tablette, la tablette transforme le mot en un signal qui est envoyé à la veste. Jason sent maintenant un motif sur son dos à travers son sens du toucher. Au début, il ne peut pas vous dire quel est le mot. Je n'arrête pas de dire des mots et il continue à ressentir les motifs. Finalement, il sera capable de me dire les mots qu'il entend. Son cerveau apprend à prendre le modèle et à le traduire en mots.
La chose intéressante est que cela arrive inconsciemment. Il n'a pas à travailler consciemment pour apprendre les modèles.
Ceci décrit un projet réel par David Eagleman, un neuroscientifique du Baylor College of Medicine.
Substitution sensorielle – Eagleman appelle cela la substitution sensorielle. L'information entre dans votre corps et votre cerveau à partir de vos yeux, de vos oreilles, de votre toucher, etc. Mais saviez-vous que le cerveau est en fait assez flexible et plastique à cet égard? Lorsque les données provenant de l'environnement proviennent de n'importe quel sens, le cerveau détermine la meilleure façon de l'analyser et de l'interpréter. Parfois, vous êtes conscient des données et de leur signification, mais la plupart du temps votre cerveau analyse les données et utilise ces données pour prendre des décisions, et vous ne le réalisez même pas.
Addition sensorielle – Eagleman pousse l'idée de la substitution sensorielle un peu plus loin, vers l'addition sensorielle. Il a des gens (sans déficience auditive) mis sur la veste. Il prend les données du marché boursier et utilise le même programme sur la tablette pour transformer les données boursières en modèles, et envoie ces modèles à la veste. Les gens qui portent le gilet ne savent pas de quoi il s'agit. Ils ne savent même pas que cela a quelque chose à voir avec le marché boursier. Il leur tend ensuite une autre tablette où un écran apparaît périodiquement avec un gros bouton rouge et un gros bouton vert.
Eagleman leur dit d'appuyer sur un bouton lorsque les couleurs apparaissent. Au début, ils n'ont aucune idée pourquoi ils devraient appuyer sur un bouton par rapport à l'autre. On leur dit d'appuyer sur un bouton de toute façon, et quand ils le font, ils obtiennent une rétroaction quant à savoir s'ils ont tort ou raison, même s'ils n'ont aucune idée de ce qu'ils ont tort ou raison. Les boutons sont en fait des décisions d'achat et de vente (le rouge est l'achat, le vert est la vente) qui sont liés aux données qu'ils reçoivent, mais ils ne le savent pas.
Finalement, cependant, leurs appuis sur les boutons vont du hasard à l'être tout le temps, même s'ils ne savent toujours rien consciemment des motifs. Eagleman envoie essentiellement des données volumineuses dans le corps des gens, et leur cerveau interprète les données et prend des décisions, inconsciemment.
Engager l'inconscient pour les big data – Les big data font référence à de grands ensembles de données qui sont peignés pour l'analyse prédictive. L'idée est que si vous pouvez collecter des quantités massives de données, même des données disparates, et les analyser pour des motifs, vous pouvez apprendre des informations importantes et prendre des décisions basées sur ces informations. Des ensembles de données de recherches sur Internet, de messages Twitter, de météorologie, et d'autres sont collectés et analysés. Mais comment transmettez-vous l'information d'une manière qui a du sens? Comment pouvez-vous amener l'esprit humain à voir des modèles dans ce qui semble au premier abord être une donnée sans signification? Le processus de la pensée consciente n'est pas très bon dans cette tâche. L'esprit conscient ne peut gérer qu'un petit sous-ensemble de données en même temps, mais l'inconscient est idéal pour prendre de grandes quantités de données et trouver des modèles. Si vous voulez voir les tendances dans le Big Data, vous devez engager l'inconscient.
Une salle sensorielle – D'autres scientifiques travaillent également sur l'idée. Jonathan Freeman, professeur de psychologie à Goldsmiths, Université de Londres, et Paul Verschure, professeur à l'Universitat Pompeu Fabra à Barcelone, ont créé la machine à induction d'eXperience (XIM). Le XIM est une salle avec des haut-parleurs, des projecteurs, des écrans de projection, des carreaux de sol sensibles à la pression, des caméras infrarouges et un microphone. Une personne se tient dans la pièce et de grandes visualisations de données apparaissent sur l'écran. Freeman et Verschure surveillent la réponse de la personne dans la pièce à l'aide d'un casque. Ils peuvent dire quand la personne est surchargée ou fatiguée, et ensuite ils peuvent rendre les visuels plus simples.
Allez directement – Lorsque vous travaillez avec des données volumineuses, envisagez l'idée de contourner l'analyse visuelle complexe et de représenter les données analytiquement. Il est probablement préférable d'alimenter directement les données pour détecter les organes et laisser le cerveau effectuer les analyses.
Pour plus d'informations – Consultez la conférence TED de David Eagleman sur le sujet.
Si vous avez aimé cet article, consultez mon nouveau livre, qui couvre ce sujet et 99 autres, 100 autres choses que chaque concepteur doit savoir sur les gens.
