Les projets du hackathon
Voici la liste des projets
- TOIO Story : Physical Robotic Video Game
- Dans la tête d’une IA
- Système de recommandation anti-procrastination
- Le jeu de rôle des sciences cognitives!
- Ecrire plus vite que son ombre
- Alcohol fires your brain
- Multi-agents danseurs
- Apprentissage par renforcement guidé par l’humain : une application en RV
Les inscriptions sont ouvertes !
LE HACKATHON EST ANNULE (désolé)
Des channels seront mis en place sur notre Discord pour discuter des projets et éventuellement former des équipes, alors pour ne rien rater, inscrivez-vous sur notre Discord avec ce lien!
Projet 1 - TOIO Story : Physical Robotic Video Game
Projet encadré par : Marlier Maudeline (Inria - Labri)
Mots-clés décrivant le projet : Interactions tangibles - Informatique - Création
Le but du projet est de découvrir les interactions tangible en créant un jeu vidéo sur Unity à l’aide des contrôleurs toio
Compétences requises : Quelques compétences en développement (assez pour comprendre et coder quelques lignes de codes notamment en C# et Unity) Formation éventuelle à faire en amont sur Unity pour mieux comprendre mais possibilité d’apprendre sur le tas.
ATTENTION: Il faut obligatoirement un ordinateur Mac pour pouvoir programmer avec les toio.
Projet 2 - Dans la tête d’une IA.
Projet encadré par : Hugo Chateau-Laurent (Inria - IMN - LaBRI)
Mots-clés décrivant le projet : Art numérique - IA - Deep Learning - Cerveau - Création - Mémoire Episodique - Rêves
“Dans la Tête d’une IA” est un projet d’arts plastiques visant à faire un parallèle entre cognition naturelle et cognition artificielle. Les intelligences artificielles récentes s’inspirent largement du fonctionnement de notre cerveau, et c’est pour mettre cela en évidence que ce projet visera à “incarner”, c’est-à-dire ancrer dans le monde physique, une intelligence artificielle existante dans une sculpture de cerveau. Les porteurs et porteuses du projets pourront par exemple projeter une vidéo d’art généré par une IA telle que BeepleGAN, son imagination en quelque sorte, sur la structure réalisée. Compétences requises : Aucune.
Projet 3 - Système de recommandation anti-procrastination
Projet encadré par : Hugo Chateau-Laurent (Inria - IMN - LaBRI)
Mots-clés décrivant le projet : Deep Learning - ChatGPT - Système de recommandation - IA souveraine - AI for good Système de recommandation de vidéos Youtube centré sur les objectifs utilisateur en utilisant ChatGPT ou GPT
Compétences requises : Programmation web, utilisation d’APIs
Projet 4 - Le jeu de rôle des sciences cognitives!
Projet encadré par : Axel Palaude (Inria)
Mots-clés décrivant le projet : Jeu de Rôle - Jeu - Vulgarisation - Apprentissage
Le projet veut mettre au point un système de jeu de rôle utilisable en rapport avec les sciences cognitives. Cela pourra prendre la forme d’un univers basé sur le cerveau, des règles mécaniques basées sur l’apprentissage humain etc. (au choix des personnes participantes). Ce projet prendra donc la forme d’un document pouvant être un livret de règle, un livre d’univers, un scénario de jeu de rôle… Avec éventuellement une petite démonstration.
Compétences requises : Psychologie cognitive OU mécanismes d’apprentissage OU neurosciences OU etc. (Une connaissance générale de processus est un plus pour le transformer en JdR) Dans le cas contraire, une période de formation pourra être envisagée sur place d’environ 2 à 4h selon la discipline choisie par les membres du groupe.
Projet 5 - Ecrire plus vite que son ombre
Projet encadré par : David Trocellier (Inria)
Mots-clés décrivant le projet : Apprentissage - Motricité - Développement web
L’objectif du projet est, en se basant sur les modèles d’apprentissage de sciences cognitives, de créer une interface qui permet d’apprendre aux personnes à taper au clavier le plus vite possible. Le projet peut prendre la forme d’un “serious game”, avec une interface graphique en local ou alors en créant un site web.
Compétences requises :Design, Conception de site web dynamique ou programmation graphique dans n’importe quel langage.
Projet 6 - Alcohol fires your brain
Projet présenté par : Mahapatra Chitaranjan (CNRS/Paris Saclay Institute of Neuroscience)
Mots-clés décrivant le projet : Modelling - Alcohol addiction - Neurotransmitters - Action potentials
Cognitive electrophysiology is considered as a well-established field of neuroscience. The event-related voltage fluctuations of the brain always reflect the cognitive and neurophysiological processes in the humans. Alcohol drinking affects diverse brain structures subserving different behavioral and cognitive functions, leading to a wide array of drunken/intoxicated states by modulating the dopaminergic neuronal firing patterns. The electrical activities of the dopaminergic neurons selectively promote action, attention, and motivation with respect to its synaptic inputs. Using computational neuroscience tools, the participants in this project will have to simulate the effects of alcohol on various neurotransmitters and ion channels in action potential firing patterns in the dopamergic neuron. The ultimate goal is to explain how electrical and chemical signals are used in the brain to represent and process cognition information. The project will explain the biophysical mechanisms of computation in neurons, computer simulations of neural circuits, and models of learning. Assistance can be provided for all the tasks involved in carrying out the project. We will be happy to carry a zoom session before the event.
Compétences requises :Basic knowledge of bio electricity and cellular biophysics Basic knowledge of ordinary differential equations Basic knowledge of any programming skills The team will teach NEURON software for simulation
ATTENTION: Comme vous avez pu le comprendre, a priori la communication avec l’encadrante se fera en anglais.
Projet 7 - Multi-agents danseurs
Projet présenté par : Chloé Mercier (Inria)
Mots-clés décrivant le projet : Médiation - Systèmes multi-agents - Dynamiques de groupe - Création chorégraphique
Projet de médiation visant à appréhender le concept de systèmes multi-agents (SMA) (et leurs applications, e.g. modélisation des intelligences collectives et des dynamiques de groupe) par le biais de la danse. 2 grands axes pourront être envisagés: - soit une composition chorégraphique permettant de visualiser des mécanismes SMA, - soit l’implémentation d’un logiciel basé sur une plateforme SMA permettant de simuler les déplacements des “danseurs” suite à l’implémentation de quelques règles chorégraphiques simples.
Compétences requises :SMA: théorie, la connaissance dune plateforme SMA (e.g. Jade) peut aider; Danse: pas de pré-requis particulier
Projet 8 - Apprentissage par renforcement guidé par l’humain : une application en RV
Projet présenté par : Matisse Poupard (Inria)
Mots-clés décrivant le projet : Réalité Virtuelle - IA - MAchine Learning
Les humains, en particulier dans les premières années de vie, apprennent à partir des autres, que ce soit par imitation ou par ajustement suites aux félicitations, conseils, punitions, données par les paires (famille, professeurs, etc.). L’objectif du projet sera de simuler cette apprentissage guidée par les pairs, dans un contexte de ML. Pour ce faire, nous pouvons imaginer un environnement 3D dans lequel un agent évoluerait et adapterait son comportement en fonction des feedbacks de l’utilisateur. Ce feedback pourrait se faire de mani`ere pseudo-naturelle en VR. Un domaine entier du RL, RL from 1 Human Feedback (RLHF) s’intéresse à cette question et plusieurs travaux majeurs on été mis en avant ces dernières années [1, 2] desquelles ce projet peut s’inspirer.
Compétences requises : Pour mener à bien ce projet, et suivant le rôle que vous souhaitez avoir, les compétences nécessaires sont les suivantes :
- Unity (voir Learn Unity)
- Langage C# et/ou python
- Base de connaissance en IA/RL (voir ML Agent)
- Graphisme (optionnel)
References:
- Paul F Christiano, Jan Leike, Tom Brown, Miljan Martic, Shane Legg, and Dario Amodei. Deep reinforcement learning from human preferences. Advances in neural information processing systems, 30, 2017.
- Nisan Stiennon, Long Ouyang, Jeffrey Wu, Daniel Ziegler, Ryan Lowe, Chelsea Voss, Alec Radford, Dario Amodei, and Paul F Christiano. Learning to summarize with human feedback. Advances in Neural Information Processing Systems, 33:3008–3021, 2020.