Éleusis (jeu)

Un article de Wikipédia, l'encyclopédie libre.

Éleusis est un jeu de cartes inventé par Robert Abbott en 1956, puis popularisé par Martin Gardner dans sa colonne « Mathematical Games » dans Scientific American. Son nom fait référence aux mystères d'Éleusis. Robert Abbott améliora le jeu dans les années 1970 pour aboutir à la version actuelle, appelée Nouvel Éleusis (New Eleusis).

[modifier] Principe du jeu

Un joueur (appelé « dieu ») détermine une règle secrète selon laquelle les cartes auront le droit d'être posées. Les autres joueurs doivent essayer de la deviner en faisant des expériences, c'est-à-dire en proposant des cartes qui seront soit acceptées soit rejetées selon la règle, étant placées soit dans la séquence principale si elles sont acceptées soit de côté, mais toujours visibles, si elles sont rejetées. La chose est compliquée par un score qui tente de donner à dieu la motivation de trouver des règles suffisamment faciles pour être trouvables mais suffisamment difficiles pour n'être pas immédiatement apparentes, et (dans Nouvel Éleusis) par un système de prophètes qui répondent à la place de dieu s'ils croient avoir compris la règle.

[modifier] Variante actuelle du jeu: Eleusis+Nobel

Disponible sur www.lirmm.fr/kayou/netoffice/eleusis/, ce jeu est une version électronique du jeu original combiné au jeu Nobel mis au point par des chercheurs en sciences cognitives^[1]. Dans cette version, chaque joueur sélectionne une règle secrète parmi celles proposées, et peut créer à sa guise des séquences de cartes qui sont jugées valides ou non par la règle secrète. Il peut à tout moment "publier" sa théorie sous la forme d'un ensemble de clauses, et la rendre publique et accessible aux autres joueurs. Ce faisant, il marque 'P' points. Un joueur qui trouve un contre exemple à une théorie publiée peut également la réfuter en rendant public ce contre exemple et en précisant quelle clause de la théorie est violée. Ce faisant, il prend 'R' points à l'auteur de la théorie publiée. En faisant varier le rapport 'P/R', des phénomènes sociaux et des comportements peuvent être observées et impactés sur les risques liés àç la publication d'une théorie. Un lien étroit existe entre ce protocole d'expérimentation/publication et des modèles couramment étudiés en apprentissage machine (Machine Learning), tel que l'identification de concepts à partir de requêtes^[2].