Igro Peekaboom sočasno igrata dva igralca. Eden ugiba, kaj je na sliki (ugiba besedo, ki opisuje sliko ali del slike), drugi mu pri tem pomaga, tako da mu prikaže del slike (s klikanjem po njej), ki jo v celoti vidi le on, hkrati pa ima na zaslonu izpisano besedo (definira jo mehanizem igre), ki jo mora nasprotnik uganiti. Gre za neko vrsto igre asociacij, kjer je pomembno, da igralec, ki sliko odkriva, odkrije zgolj tisti njen del, ki najbolj opisuje iskano besedo, ne pa celotne slike, kajti tako je igralec, ki besedo ugiba zmeden, saj ima prevelik izbor možnih odgovorov. Igralec, ki ugiba, vpisuje besede, dokler ne ugane prave ali, ker mu ni nič jasno, zahteva preskok. Nato se vlogi igralcev zamenjata. In tako naprej v času, ki je na voljo.

Kako igra Peekaboom pomaga pri izboljšanju strojnega »gledanja«? V prvih letih raziskav tega področja so znanstveniki predvidevali, da bo računalniku uspelo prepoznati objekt na fotografiji (avto, žlica, obraz ...), že če bo poznal njegove grobe geometrične podatke (geometrijska oblika iskanega objekta). Danes je jasno, da je boljša metoda postopno učenje »stroja«, ki bo znal prepoznati avtomobil, ko mu bomo prikazali dovolj različnih vozil, različnih barv in oblik, posnetih z različnih oddaljenosti in kotov. Igra mehanizem učenja zalaga z v besedah izraženim postopkom ugibanja, kaj je na fotografiji, ki ga je izvedel človek, in ne stroj. Gre torej za to, da stroju »kažemo avtomobil« v vseh njegovih pojavnih oblikah, kot ga razumemo mi. Igro Peekaboom je posvojil tudi Google. Znotraj njegovih portalov je poznana kot »Googlovo etiketiranje slik« (Google Image Labeler).

Ista skupina znanstvenikov je zadevo nadgradila tako, da je na novi spletni strani omogočila igranje več različnih tovrstnih iger pod skupnim imenom ESP Game (ESP pomeni extrasensory perception, po naše »nadčutno zaznavanje«). Igra Peeakaboom je nadgrajena in skrita pod novim imenom EPL. Namesto periodičnega ugibanja in delnega odkrivanja slike, zdaj oba igralca vidita celotno sliko, ugibata pa besedo, ki jo najbolje opisuje. Igra primerjav (matching) je nekakšno iskanje tistega, kar vam je všeč, se vam zdi lepo. Igralca hkrati vidita po dve sliki, vsak pa izbere tisto, ki se mu zdi, preprosto, lepša. Če oba izbereta isto, sta nagrajena z točkami, teh je vse več, če se za isto sliko odločata v nizu (druga za drugo brez prekinitev). Igra je namenjena učenju stroja, kaj je lepo, kar bo nekoč omogočilo spletnim iskalnikom razvrščanje slik (fotografij) po njihovi estetski plati. Kot estetiko razumemo mi, ne pa matematične formule. Podobno velja tudi za igro »označi melodijo« (Tag a tune), kjer igralca označujeta skladbe. Iskalniki bodo nekoč skladbe iskali glede na njihovo vsebino (ljubezenske, vesele ... melodije), in ne zgolj po naslovu, kot je to počnejo zdaj.

Sledi igra ugibanja (Verbosity), računalniška različicah družabnih iger, ki jih igramo na zabavah, ko ne vemo več, kaj početi. Igralca se zamenjujeta v vlogi tistega, ki ugiba skrito besedo drugega, ta pa mu daje bolj ali manj uporabne namige. Prvi igralec poda namig o skriti besedi, ki mu jo servira računalnik, potem pa odgovore označuje kot »vroče« ali »hladne«, vse dokler beseda ni znana oziroma eden od igralcev položi orožje in zahteva preskok. Smisel te igre je učenje stroja »zdrave pameti«, končni cilj pa izboljšanje umetne inteligence.

In še zadnja igra, »označevanje« (Squigl). V njej oba igralca vidita isto sliko in besedo nečesa, kar se na sliki skriva. To, na primer »avto«, morata vsak posamično čim natančneje očrtati, nakar mehanizem njuna očrta primerja in jima podeli točke glede na to, kako sta si podobna. S to igro naj bi se računalnik učil čim hitrejšega in natančnejšega prepoznavanja objektov na sliki.

Igre niso nalezljive, kot na primer GTA4, imajo pa poslanstvo oziroma dajo igralcu občutek, da dela nekaj za skupno dobro oziroma natančneje, pomaga pri oblikovanju boljših računalniških algoritmov. Sicer pa je zadeva je zanimiva, uspela pa bo zgolj, če si bo dovolj zemljanov vzelo nekaj časa in se z igrami krajšalo čas.

www.gwap.com
www.peekaboom.org