TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
טום צ'טפילד: 7 דרכים שמשחקים מתגמלים את המוח
Filmed:
Readability: 3.8
1,288,061 views
אנחנו מכניסים משחקים ליותר צדדים בחיינו, מבלים אין סוף שעות -- וכסף אמיתי -- בחקירת עולמות וירטואליים אחר אוצרות דימיוניים. מדוע? כפי שטום צ'טפילד מראה, המשחקים מותאמים בצורה מושלמת לספק חיזוקים לערב את המוח ולשמור אותנו מבקשים עוד.
Tom Chatfield - Gaming theorist
Tom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn. Full bio
Tom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn. Full bio
Double-click the English transcript below to play the video.
00:15
I love video games.
0
0
3000
אני אוהב משחקי וידאו
00:18
I'm also slightly in awe of them.
1
3000
3000
אני גם נדהם מהם מעט
00:21
I'm in awe of their power
2
6000
2000
אני נדהם מהכוח שלהם
00:23
in terms of imagination, in terms of technology,
3
8000
2000
במונחים של דימיון, במונחים של טכנולוגיה
00:25
in terms of concept.
4
10000
2000
במונחים של מושגים
00:27
But I think, above all,
5
12000
2000
אבל אני חושב שמעל הכל
00:29
I'm in awe at their power
6
14000
2000
אני נדהם מהכוח שלהם
00:31
to motivate, to compel us,
7
16000
3000
לעודד אותנו, לאלץ אותנו
00:34
to transfix us,
8
19000
2000
לשתק אותנו
00:36
like really nothing else we've ever invented
9
21000
3000
כמו שום דבר אחר שהמצאנו מעולם
00:39
has quite done before.
10
24000
2000
עשה זאת בעבר
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
אני חושב שאנחנו יכולים ללמוד כמה דברים מדהימים
00:44
by looking at how we do this.
12
29000
2000
על ידי התבוננות כיצד הם עושים זאת
00:46
And in particular, I think we can learn things
13
31000
2000
ובעיקר, אני חושב שאנחנו יכולים ללמוד דברים
00:48
about learning.
14
33000
3000
על למידה
00:51
Now the video games industry
15
36000
2000
תעשיית משחקי הוידאו
00:53
is far and away the fastest growing
16
38000
2000
היא התעשיה הצומחת במהירות הרבה ביותר
00:55
of all modern media.
17
40000
2000
מכל שיטות התקשורת המודרניות
00:57
From about 10 billion in 1990,
18
42000
2000
מבערך 10 מיליארד ב-1990
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
היא שווה 50 מיליארד דולר היום
01:02
and it shows no sign of slowing down.
20
47000
3000
והיא אינה מגלה שום סימנים של האטה
01:05
In four years' time,
21
50000
2000
בעוד 4 שנים
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
היא מוערכת להיות שווה יותר מ-80 מיליארד דולר
01:10
That's about three times the recorded music industry.
23
55000
3000
זה בערך פי שלוש מתעשיית המוזיקה
01:13
This is pretty stunning,
24
58000
2000
זה די מדהים
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
אבל אני לא חושב שזאת הסטטיסטיקה הכי משמעותית
01:18
The thing that really amazes me
26
63000
2000
הדבר שבאמת מדהים אותי
01:20
is that, today,
27
65000
2000
הוא שהיום
01:22
people spend about
28
67000
2000
אנשים מוציאים בערך
01:24
eight billion real dollars a year
29
69000
3000
8 מיליארד דולר אמיתיים בשנה
01:27
buying virtual items
30
72000
2000
על קניית איי-טונס וירטואליים
01:29
that only exist
31
74000
2000
שרק קיימים
01:31
inside video games.
32
76000
3000
בתוך משחקי וידאו
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
זהו צילום מסך ממשחק של עולם וירטואלי, יקום האנטרופיה
01:37
Earlier this year,
34
82000
2000
מוקדם יותר השנה
01:39
a virtual asteroid in it
35
84000
2000
אסטרואיד וירטואלי בו
01:41
sold for 330,000 real dollars.
36
86000
4000
נמכר עבור 330,000 דולר אמיתיים
01:45
And this
37
90000
2000
וזאת
01:47
is a Titan class ship
38
92000
3000
היא ספינה מסוג טיטאן
01:50
in the space game, EVE Online.
39
95000
2000
במשחק חלל, EVE Online
01:52
And this virtual object
40
97000
2000
והאובייקט הוירטואלי הזה
01:54
takes 200 real people
41
99000
2000
לקח 200 אנשים אמיתיים
01:56
about 56 days of real time to build,
42
101000
3000
ו-56 ימים אמיתיים כדי לבנות
01:59
plus countless thousands of hours
43
104000
3000
ועוד אין ספור אלפי שעות
02:02
of effort before that.
44
107000
2000
של מאמץ לפני כן
02:04
And yet, many of these get built.
45
109000
3000
ועדיין, רבים מהם ניבנים
02:07
At the other end of the scale,
46
112000
2000
בצד השני של המנעד
02:09
the game Farmville that you may well have heard of,
47
114000
3000
למשחק, פארמוויל, שכנראה שמעתם עליו
02:12
has 70 million players
48
117000
2000
יש 70 מיליון שחקנים
02:14
around the world
49
119000
2000
מסביב לעולם
02:16
and most of these players
50
121000
2000
ורוב השחקנים האלה
02:18
are playing it almost every day.
51
123000
2000
משחקים אותו כמעט כל יום
02:20
This may all sound
52
125000
2000
זה אולי נשמע
02:22
really quite alarming to some people,
53
127000
2000
מעורר דאגה לכמה אנשים
02:24
an index of something worrying
54
129000
2000
כסימן של משהו מדאיג
02:26
or wrong in society.
55
131000
2000
או גרוע לחברה
02:28
But we're here for the good news,
56
133000
2000
אבל אנחנו כאן בשביל החדשות הטובות
02:30
and the good news is
57
135000
2000
והחדשות הטובות הן
02:32
that I think we can explore
58
137000
2000
שאני חושב שאפשר לחקור
02:34
why this very real human effort,
59
139000
3000
מדוע המאמץ האנושי המאד אמיתי הזה
02:37
this very intense generation of value, is occurring.
60
142000
4000
יצירת הערך העזה הזאת קורת
02:41
And by answering that question,
61
146000
2000
ובעזרת התשובה לשאלה הזאת
02:43
I think we can take something
62
148000
2000
אני חושב שאנחנו יכולים לקחת משהו
02:45
extremely powerful away.
63
150000
2000
מאד חזק מזה
02:47
And I think the most interesting way
64
152000
2000
ואני חושב שהדרך הכי מעניינת
02:49
to think about how all this is going on
65
154000
2000
לחשוב כיצד כל זה קורה
02:51
is in terms of rewards.
66
156000
2000
זה במונחים של חיזוקים
02:53
And specifically, it's in terms
67
158000
3000
בעיקר במונחים
02:56
of the very intense emotional rewards
68
161000
2000
של חיזוקים רגשיים עזים
02:58
that playing games offers to people
69
163000
2000
שמשחקים מציעים לאנשים
03:00
both individually
70
165000
2000
גם בצורה אישית
03:02
and collectively.
71
167000
2000
וגם בצורה שיתופית
03:04
Now if we look at what's going on in someone's head
72
169000
2000
כאשר אנחנו מסתכלים מה קורה תוך הראש של מישהו
03:06
when they are being engaged,
73
171000
2000
כאשר הם שקועים במשחק
03:08
two quite different processes are occurring.
74
173000
3000
שני תהליכים שונים קורים
03:11
On the one hand, there's the wanting processes.
75
176000
3000
מצד אחד יש את תהליכי הרצון
03:14
This is a bit like ambition and drive -- I'm going to do that. I'm going to work hard.
76
179000
3000
זה קצת כמו שאפתנות והינע -- אני הולך לעשות את זה. אני הולך לעבוד קשה
03:17
On the other hand, there's the liking processes,
77
182000
2000
מצד שני, יש את תהליכי ההנאה
03:19
fun and affection
78
184000
2000
כיף ויחס חם
03:21
and delight
79
186000
2000
ועונג
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
ומפלצת מעופפת ענקית עם אורק על גבה
03:25
It's a really great image. It's pretty cool.
81
190000
2000
זוהי ממש תמונה נהדרת. זה ממש מגניב
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
זה מהמשחק עולם אומנות המלחמה (וורלד אוף וורכראפט) עם יותר מ-10 מיליון שחקנים בעולם
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
אחד מהם הוא אני, אחת אחרת היא אישתי
03:33
And this kind of a world,
84
198000
2000
וסוג כזה של עולם
03:35
this vast flying beast you can ride around,
85
200000
2000
אתה יכול לרכוב על מפלצת מעופפת ענקית זאת
03:37
shows why games are so very good
86
202000
2000
מראה מדוע משחקים הם כל כך טובים
03:39
at doing both the wanting and the liking.
87
204000
3000
בלתת גם את הרצון וגם את ההנאה
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
בגלל שזה מאד חזק. זה די מדהים
03:44
It gives you great powers.
89
209000
2000
זה נותן לכם כוחות אדירים
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
השאפתנות שלהם מסופקת, אבל זה מאד יפה
03:49
It's a very great pleasure to fly around.
91
214000
3000
זה תענוג עצום לעוף מסביב
03:52
And so these combine to form
92
217000
2000
אז הצורה המשולבת הזאת
03:54
a very intense emotional engagement.
93
219000
2000
מעורבות רגשית עזה מאד
03:56
But this isn't the really interesting stuff.
94
221000
3000
אבל זה לא באמת הדבר המעניין
03:59
The really interesting stuff about virtuality
95
224000
2000
הדבר הבאמת מעניין לגבי עולמות וירטואליים
04:01
is what you can measure with it.
96
226000
2000
הוא מה אפשר למדוד בהם
04:03
Because what you can measure in virtuality
97
228000
3000
בגלל שמה שאפשר למדוד בעולמות הוירטואליים
04:06
is everything.
98
231000
2000
הוא הכל
04:08
Every single thing that every single person
99
233000
2000
כל דבר שכל אדם
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
שאי פעם שיחק במשחק עשה יכול להמדד
04:13
The biggest games in the world today
101
238000
2000
המשחקים הכי גדולים בעולם היום
04:15
are measuring more than one billion points of data
102
240000
4000
מודדים יותר ממליארד נקודות של נתונים
04:19
about their players, about what everybody does --
103
244000
2000
לגבי השחקנים שלהם, לגבי מה שכל אחד עושה
04:21
far more detail than you'd ever get from any website.
104
246000
3000
הרבה יותר מפורט מכל מה שתקבל מאיזה אתר
04:24
And this allows something very special
105
249000
3000
וזה מאפשר משהו מאד מיוחד
04:27
to happen in games.
106
252000
2000
לקרות במשחקים
04:29
It's something called the reward schedule.
107
254000
3000
זה נקרא תזמון החיזוקים
04:32
And by this, I mean looking
108
257000
2000
ועל ידי זה, אני מתכוון על ידי הסתכלות
04:34
at what millions upon millions of people have done
109
259000
2000
מה שמיליונים על גבי מיליונים של אנשים עשו
04:36
and carefully calibrating the rate,
110
261000
2000
וכיוונון זהיר של הקצב
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
האופי, הסוג והעוצמה של החיזוקים במשחקים
04:41
to keep them engaged
112
266000
2000
לשמור אותם מעורבים
04:43
over staggering amounts of time and effort.
113
268000
3000
במשך כמויות ענקיות של זמן ומאמץ
04:46
Now, to try and explain this
114
271000
2000
כדי לנסות ולהסביר את זה
04:48
in sort of real terms,
115
273000
3000
בצורה של מונחים אמיתיים
04:51
I want to talk about a kind of task
116
276000
2000
אני רוצה לדבר על סוג של משימה
04:53
that might fall to you in so many games.
117
278000
2000
שיכולה ליפול עליך בכל כך הרבה משחקים
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
לך להשיג כמות מסוימת של פריט מסוים במשחק
04:58
Let's say, for the sake of argument,
119
283000
2000
למשל, לצרכי הדגמה
05:00
my mission is to get 15 pies
120
285000
3000
המשימה שלי היא להשיג 15 עוגות
05:03
and I can get 15 pies
121
288000
3000
ואני יכול להשיג 15 עוגות
05:06
by killing these cute, little monsters.
122
291000
2000
על ידי הריגה של המפלצות הקטנות והחמודות האלה
05:08
Simple game quest.
123
293000
2000
משימת משחק פשוטה
05:10
Now you can think about this, if you like,
124
295000
2000
אתם יכולים לחשוב על זה, אם תרצו,
05:12
as a problem about boxes.
125
297000
2000
כבעיה של קופסאות
05:14
I've got to keep opening boxes.
126
299000
2000
אני צריך להמשיך לפתוח קופסאות
05:16
I don't know what's inside them until I open them.
127
301000
3000
אני לא יודע מה יש בתוכן, עד שאני פותח אותן
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
ואני הולך מסביב ופותח קופסא אחר קופסא, עד שיש לי 15 עוגות
05:22
Now, if you take a game like Warcraft,
129
307000
2000
אם אני לוקח משחק כמו אומנות המלחמה
05:24
you can think about it, if you like,
130
309000
2000
אתם יכולים לחשוב על זה, אם תרצו,
05:26
as a great box-opening effort.
131
311000
3000
כמאמץ עצום של פתיחת קופסאות
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
המשחק מנסה לגרום לאנשים לפתוח בערך מיליון קופסאות
05:32
getting better and better stuff in them.
133
317000
2000
ולקבל דברים טובים יותר ויותר בתוכן
05:34
This sounds immensely boring
134
319000
3000
זה נשמע נורא משעמם
05:37
but games are able
135
322000
2000
אבל משחקים יכולים
05:39
to make this process
136
324000
2000
לעשות את התהליך הזה
05:41
incredibly compelling.
137
326000
2000
מושך ביותר
05:43
And the way they do this
138
328000
2000
והדרך שהם עושים זאת
05:45
is through a combination of probability and data.
139
330000
3000
היא באמצעות שילוב של הסתברות ונתונים
05:48
Let's think about probability.
140
333000
2000
בואו נחשוב על הסתברות
05:50
If we want to engage someone
141
335000
2000
אם אתם רוצים לעניין מישהו
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
בתהליך של פתיחת קופסאות ונסיון למצוא עוגות
05:55
we want to make sure it's neither too easy,
143
340000
2000
אנחנו רוצים להיות בטוחים שזה לא יהיה יותר מדי קל
05:57
nor too difficult, to find a pie.
144
342000
2000
וגם לא יותר מדי קשה למצוא עוגה
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
אז מה אתם עושים? ובכן, אתם מסתכלים על מליון אנשים
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
לא, 100 מיליון אנשים, 100 מיליון פותחי קופסאות
06:04
and you work out, if you make the pie rate
147
349000
3000
ואתם מחשבים, שאם אתם עושים את קצב העוגות
06:07
about 25 percent --
148
352000
2000
בערך 25 אחוז
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
זה לא יותר מדי מתסכל, ולא יותר מדי קל
06:12
It keeps people engaged.
150
357000
2000
זה משאיר את האנשים מתעניינים
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
אבל כמובן, זה לא כל מה שאתם עושים - יש 15 עוגות
06:17
Now, I could make a game called Piecraft,
152
362000
2000
הייתי יכול לעשות משחק שנקרא "אמן העוגות"
06:19
where all you had to do was get a million pies
153
364000
2000
בו כל מה שהייתם צריכים לעשות היה להשיג מיליון עוגות
06:21
or a thousand pies.
154
366000
2000
או אלף עוגות
06:23
That would be very boring.
155
368000
2000
זה היה מאד משעמם
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 זה מספר די אופטימלי
06:27
You find that -- you know, between five and 20
157
372000
2000
אתם מוצאים -- אתם יודעים בין 5 ל-20
06:29
is about the right number for keeping people going.
158
374000
2000
זה בערך המספר הנכון להשאיר אנשים במשחק
06:31
But we don't just have pies in the boxes.
159
376000
2000
אבל אין לנו רק עוגות בקופסאות
06:33
There's 100 percent up here.
160
378000
2000
יש שם 100 אחוז
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
ומה שאנחנו עושים זה לדאוג שכל פעם שפותחים קופסא
06:38
there's something in it, some little reward
162
383000
2000
יש משהו פנים, איזה חיזוק קטן
06:40
that keeps people progressing and engaged.
163
385000
2000
זה משאיר את האנשים מתקדמים ומעורבים
06:42
In most adventure games,
164
387000
2000
ברוב משחקי ההרפתקאות
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
זה קצת הכסף של המשחק, קצת נסיון
06:47
But we don't just do that either.
166
392000
2000
אבל אנחנו לא עושים רק את זה
06:49
We also say there's going to be loads of other items
167
394000
2000
אנחנו גם אומרים שהולכים להיות המון דברים אחרים
06:51
of varying qualities and levels of excitement.
168
396000
2000
באיכויות ורמות ריגוש שונות
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
הולך להיות סיכוי של 10% שתקבלו חפץ די טוב
06:56
There's going to be a 0.1 percent chance
170
401000
2000
הולך להיות סיכוי של 0.1%
06:58
you get an absolutely awesome item.
171
403000
3000
שתקבלו חפץ ממש מדהים
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
וכל אחד מהחיזוקים מכוון בזהירות לחפץ
07:04
And also, we say,
173
409000
2000
וכן אנחנו אומרים
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"ובכן, כמה מפלצות? האם צריך להיות עולם מלא במליארד מפלצות?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
לא. אנחנו רוצים מפלצת אחת או שתיים במסך בכל רגע נתון
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
אז אני ממשיך, זה לא קל מדי, לא קשה מדי
07:15
So all this is very powerful.
177
420000
2000
אז כל זה הוא מאד חזק
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
אבל אנחנו בעולם וירטואלי, אלה אינן קופסאות אמיתיות
07:20
So we can do
179
425000
2000
אז אנחנו יכולים לעשות
07:22
some rather amazing things.
180
427000
2000
כמה דברים די מדהימים
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
אנחנו מבחינים, כשבוחנים את כל האנשים האלה פותחים קופסאות
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
שכאשר אנשים מקבלים בערך 13 מתוך 15 עוגות
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
התפיסה שלהם משתנה, הם מתחילים קצת להשתעמם, קצת עצבניים
07:34
They're not rational about probability.
184
439000
2000
הם לא הגיוניים לגבי הסתברות
07:36
They think this game is unfair.
185
441000
2000
הם חושבים שהמשחק הוא לא הוגן
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
הוא לא נותן לי את שתי העוגות האחרונות, אני עומד לוותר
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
אם אלה קופסאות אמיתיות, אין הרבה שאנחנו יכולים לעשות
07:42
but in a game we can just say, "Right, well.
188
447000
2000
אבל במשחק אנחנו יכולים פשוט לומר "בסדר"
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
כאשר אתם מקבלים 13 עוגות, יש לכם 75% סיכוי לקבל עוגה עכשיו
07:48
Keep you engaged. Look at what people do --
190
453000
2000
לשמור אתכם מעורבים. תראו מה אנשים עושים
07:50
adjust the world to match their expectation.
191
455000
2000
משנים את העולם כדי להתאים לציפיות שלהם
07:52
Our games don't always do this.
192
457000
2000
המשחקים שלנו לא תמיד עושים את זה
07:54
And one thing they certainly do at the moment
193
459000
2000
ומשהו אחד הם בודאי עושים כעת
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
הוא שאם יש לכם סיכוי של 0.1% לקבל חפץ מדהים
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
הם מבטיחים שלא יופיע עוד אחד במשך זמן מסוים
08:02
to keep the value, to keep it special.
196
467000
2000
כדי לשמור על הערך, לשמור על היחוד
08:04
And the point is really
197
469000
2000
והנקודה היא באמת
08:06
that we evolved to be satisfied by the world
198
471000
2000
שאנחנו מתפתחים להיות מסופקים על ידי העולם
08:08
in particular ways.
199
473000
2000
בדרכים מסוימות
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
במשך עשרות ומאות אלפי שנים
08:13
we evolved to find certain things stimulating,
201
478000
2000
התפתחנו למצוא דברים מסוימים כמעוררים
08:15
and as very intelligent, civilized beings,
202
480000
2000
וכיצורים מאד חכמים ותרבותיים
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
אנחנו מאד מעוררים על ידי פתרון בעיות ולמידה
08:20
But now, we can reverse engineer that
204
485000
2000
אבל עכשיו, אנחנו יכולים לנתח את זה
08:22
and build worlds
205
487000
2000
ולבנות עולמות
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
שיגרו בצורה ישירה את הקופסות ההתפתחויות שלנו
08:27
So what does all this mean in practice?
207
492000
2000
אז מה זה אומר למעשה?
08:29
Well, I've come up
208
494000
2000
ובכן, גיליתי
08:31
with seven things
209
496000
2000
שבעה דברים
08:33
that, I think, show
210
498000
2000
שאני חושב מראים
08:35
how you can take these lessons from games
211
500000
2000
איך אפשר לקחת את השיעור מהמשחקים
08:37
and use them outside of games.
212
502000
3000
ולהשתמש בהם מחוץ למשחקים
08:40
The first one is very simple:
213
505000
2000
הראשון הוא מאד פשוט:
08:42
experience bars measuring progress --
214
507000
2000
מד התנסות שמודד התקדמות
08:44
something that's been talked about brilliantly
215
509000
2000
זהו דבר שדובר עליו בצורה מבריקה
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
על ידי אנשים כמו ג'ס של מוקדם יותר השנה
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
זה כבר נעשה באוניברסיטת אינדיאנה בארצות הברית, בין מקומות אחרים
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
זהו הרעיון הפשוט, שבמקום לדרג אנשים בצורה עולה
08:55
in little bits and pieces,
219
520000
2000
ביחידות וחתיכות קטנות
08:57
you give them one profile character avatar
220
522000
2000
אתם נותנים להם תמונת פרופיל אחת
08:59
which is constantly progressing
221
524000
2000
שכל הזמן מתקדמת
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
בצעדים קטנים, קטנים, קטנים שהם מרגישים שהם שלהם
09:04
And everything comes towards that,
223
529000
2000
וכל הדברים מתקרבים לזה
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
והם מתבוננים בזה מתקדם, והם מרגישים בעלות על ההתקדמות
09:09
Second, multiple long and short-term aims --
225
534000
2000
שנית, מטרות קצרות וארוכות טווח מרובות
09:11
5,000 pies, boring,
226
536000
2000
5,000 עוגות זה משעמם
09:13
15 pies, interesting.
227
538000
2000
15 עוגות זה מעניין
09:15
So, you give people
228
540000
2000
אז אתם נותנים לאנשים
09:17
lots and lots of different tasks.
229
542000
2000
הרבה משימות שונות
09:19
You say, it's about
230
544000
2000
אתם אומרים
09:21
doing 10 of these questions,
231
546000
2000
שצריך לפתור את 10 השאלות האלה
09:23
but another task
232
548000
2000
אבל משימה אחרת
09:25
is turning up to 20 classes on time,
233
550000
2000
היא להגיע ל20 שיעורים בזמן
09:27
but another task is collaborating with other people,
234
552000
3000
ומשימה אחרת היא לשתף פעולה עם אנשים אחרים
09:30
another task is showing you're working five times,
235
555000
3000
משימה נוספת היא להראות את העבודה שלכם חמש פעמים
09:33
another task is hitting this particular target.
236
558000
2000
משימה אחרת היא להכות את המטרה המסוימת הזאת
09:35
You break things down into these calibrated slices
237
560000
3000
אתם שוברים דברים לחתיכות מדודות
09:38
that people can choose and do in parallel
238
563000
2000
שאנשים יכולים לבחור ולעשות במקביל
09:40
to keep them engaged
239
565000
2000
כדי לשמור אותם מעורבים
09:42
and that you can use to point them
240
567000
2000
ושאתם יכולים להשתמש כדי לכוון אותם
09:44
towards individually beneficial activities.
241
569000
3000
לכיוון פעילויות מועילות עבורם
09:48
Third, you reward effort.
242
573000
2000
שלישית, אתם מחזקים מאמץ
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
זה גורם ה-100% שלכם. משחקים הם מבריקים בזה
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
בכל פעם שאתם עושים משהו, אתם מקבלים תמורה. אתם נותנים תמורה על נסיון
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
אתם לא מענישים על כשלון, אתם מחזקים כל פיסה של מאמץ
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
פיסה קטנה של זהב, פיסה קטנה של תמורה -- עשיתם 20 שאלות - תיק
10:02
It all feeds in as minute reinforcement.
247
587000
3000
זה הכל מזין כחיזוקים קטנים
10:05
Fourth, feedback.
248
590000
2000
רביעית, היזון חוזר
10:07
This is absolutely crucial,
249
592000
2000
זה חשוב ביותר
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
והעולמות הוירטואליים מעולים בלספק את זה
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
אם אתם מסתכלים על הבעיות הכי קשות בעולם היום
10:14
that we've been hearing amazing things about,
252
599000
2000
שאנחנו שומעים דברים מדהימים עליהם
10:16
it's very, very hard for people to learn
253
601000
3000
זה מאד מאד קשה לאנשים ללמוד
10:19
if they cannot link consequences to actions.
254
604000
3000
אם הם לא יכולים לקשר תוצאות למעשים
10:22
Pollution, global warming, these things --
255
607000
2000
זיהום, התחממות גלובלית, דברים כאלה
10:24
the consequences are distant in time and space.
256
609000
2000
התוצאות הן רחוקות בזמן ובמרחב
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
זה מאד קשה ללמוד להרגיש את השיעור
10:28
But if you can model things for people,
258
613000
2000
אבל אם אתם יכולים להמחיש דברים עבור אנשים
10:30
if you can give things to people that they can manipulate
259
615000
2000
אם אתם מצליחים לאנשים דברים שהם יכולים לשנות
10:32
and play with and where the feedback comes,
260
617000
2000
ולשחק איתם שנותנים היזון חוזר
10:34
then they can learn a lesson, they can see,
261
619000
2000
אז הם יכולים ללמוד את הלקח, הם יכולים לראות
10:36
they can move on, they can understand.
262
621000
3000
הם יכולים להתקדם, הם יכולים להבין
10:39
And fifth,
263
624000
2000
הדבר החמישי
10:41
the element of uncertainty.
264
626000
2000
האלמנט של חוסר ודאות
10:43
Now this is the neurological goldmine,
265
628000
3000
זהו מכרה זהב ניורולוגי
10:46
if you like,
266
631000
2000
אם תרצו
10:48
because a known reward
267
633000
2000
בגלל שחיזוק ידוע
10:50
excites people,
268
635000
2000
מרגש אנשים
10:52
but what really gets them going
269
637000
2000
אבל מה שממש גורם להמשיך
10:54
is the uncertain reward,
270
639000
2000
הוא חיזוק לא ודאי
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
החיזוק צריך להיות ברמה הנכונה של חוסר ודאות
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
שהם לא בטוחים אם הם יקבלו אותו או לא
11:01
The 25 percent. This lights the brain up.
273
646000
3000
ה-25% אחוז. זה מדליק את המוח
11:04
And if you think about
274
649000
2000
ואם אתם חושבים על זה
11:06
using this in testing,
275
651000
2000
שימוש בזה במבחנים
11:08
in just introducing control elements of randomness
276
653000
2000
על ידי הכנסה גורמים משפיעים של מקריות
11:10
in all forms of testing and training,
277
655000
2000
בכל הצורות של מבחנים ואימונים
11:12
you can transform the levels of people's engagement
278
657000
2000
אתם יכולים לשנות את הרמה של מעורבות האנשים
11:14
by tapping into this very powerful
279
659000
2000
על ידי שימוש באמצעי
11:16
evolutionary mechanism.
280
661000
2000
האבולוציוני החזק הזה
11:18
When we don't quite predict something perfectly,
281
663000
2000
כאשר אנחנו לא יכולים לחזות בדיוק משהו
11:20
we get really excited about it.
282
665000
2000
אנחנו מאד מתרגשים ממנו
11:22
We just want to go back and find out more.
283
667000
2000
אנחנו רוצים לחזור ולגלות יותר
11:24
As you probably know, the neurotransmitter
284
669000
2000
כפי שאתם בודאי יודעים, המעביר העיצבי
11:26
associated with learning is called dopamine.
285
671000
2000
שמעורב בלמידה נקרא דופמין
11:28
It's associated with reward-seeking behavior.
286
673000
3000
הוא קשור להתנהגות חיפוש חיזוקים
11:31
And something very exciting is just beginning to happen
287
676000
3000
ומשהו מאד מרגש מתחיל בדיוק לקרות
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
במקומות כמו אוניברסיטת בריסטול באנגליה
11:37
where we are beginning to be able to model mathematically
289
682000
3000
בהם אנחנו מתחילים להיות מסוגלים לבנות מודל מתמטי
11:40
dopamine levels in the brain.
290
685000
2000
של רמות דופמין במוח
11:42
And what this means is we can predict learning,
291
687000
2000
ומה שזה אומר שאנחנו יכולים לחזות למידה
11:44
we can predict enhanced engagement,
292
689000
3000
אנחנו יכולים לחזות מעורבות מוגברת
11:47
these windows, these windows of time,
293
692000
2000
החלונות האלה, החלונות האלה בזמן
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
בהם הלמידה מתרחשת ברמה מוגברת
11:52
And two things really flow from this.
295
697000
2000
ושני דברים נובעים מזה
11:54
The first has to do with memory,
296
699000
2000
הדבר הראשון קשור לזיכרון
11:56
that we can find these moments.
297
701000
2000
שאנחנו יכולים למצוא את הרגעים האלה
11:58
When someone is more likely to remember,
298
703000
2000
בהם מישהו יותר סביר שיזכור
12:00
we can give them a nugget in a window.
299
705000
2000
אנחנו יכולים לתת גוש זהב בחלון
12:02
And the second thing is confidence,
300
707000
2000
והדבר השני הוא הבטחון
12:04
that we can see how game-playing and reward structures
301
709000
2000
שאנחנו יכולים לראות איך המשחק והמבנה של החיזוקים
12:06
make people braver, make them more willing to take risks,
302
711000
3000
עושה את האנשים אמיצים יותר, מוכנים יותר לקחת סיכונים
12:09
more willing to take on difficulty,
303
714000
2000
מוכנים יותר להתמודד עם קשיים
12:11
harder to discourage.
304
716000
2000
קשים יותר לשבירה מוראלית
12:13
This can all seem very sinister.
305
718000
2000
כל זה יכול להראות מרושע
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
אבל אתם יודעים, משהו כמו "המוחות שלנו הושפעו, כולנו מכורים"
12:17
The word "addiction" is thrown around.
307
722000
2000
המילה התמכרות נזרקת מסביב
12:19
There are real concerns there.
308
724000
2000
יש פה סיכונים אמיתיים
12:21
But the biggest neurological turn-on for people
309
726000
2000
אבל הגירוי המוחי החזק ביותר על אנשים
12:23
is other people.
310
728000
2000
הוא אנשים אחרים
12:25
This is what really excites us.
311
730000
3000
זה מה שבאמת מרגש אותנו
12:28
In reward terms, it's not money;
312
733000
2000
במונחים של חיזוק, זה לא הכסף
12:30
it's not being given cash -- that's nice --
313
735000
3000
זה לא לקבל מזומן -- זה נחמד --
12:33
it's doing stuff with our peers,
314
738000
2000
זה לעשות דברים עם החברים שלנו
12:35
watching us, collaborating with us.
315
740000
2000
להסתכל עלינו, לשתף איתנו פעולה
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
ואני רוצה לספר לכם סיפור קצר על 1999
12:39
a video game called EverQuest.
317
744000
2000
משחק וידאו שנקרא אברקווסט
12:41
And in this video game,
318
746000
2000
ובמשחק הוידאו הזה
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
היו שני דרקונים באמת גדולים, והייתם צריכים ליצור צוות כדי להרוג אותם
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 אנשים -- עד 42 אנשים כדי להרוג את הדרקונים הגדולים האלה
12:49
That's a problem
321
754000
2000
זוהי בעיה
12:51
because they dropped two or three decent items.
322
756000
3000
בגלל שהם הפילו שניים או שלושה חפצים טובים
12:54
So players addressed this problem
323
759000
3000
אז השחקנים פתרו את הבעיה הזאת
12:57
by spontaneously coming up with a system
324
762000
2000
על ידי פיתוח ספונטני של שיטה
12:59
to motivate each other,
325
764000
2000
לעודד אחד את השני
13:01
fairly and transparently.
326
766000
2000
בצורה הוגנת ושקופה
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
מה שקרה היה, הם שילמו אחד לשני במטבע וירטואלי
13:06
they called "dragon kill points."
328
771000
3000
הם קראו לזה נקודות הרג דרקונים
13:09
And every time you turned up to go on a mission,
329
774000
2000
ובכל פעם שהצטרפת למשימה
13:11
you got paid in dragon kill points.
330
776000
2000
קיבלת נקודות הרג דרקונים
13:13
They tracked these on a separate website.
331
778000
2000
הם עקבו אחריהן באתר נפרד
13:15
So they tracked their own private currency,
332
780000
2000
כך הם עקבו אחר המטבע הפרטי שלהם
13:17
and then players could bid afterwards
333
782000
2000
ואז השחקנים יכלו להציע הצעת מחיר לאחר מכן
13:19
for cool items they wanted --
334
784000
2000
על חפצים מגניבים שהם רצו
13:21
all organized by the players themselves.
335
786000
2000
הכל מאורגן על ידי השחקנים עצמם
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
מה שמדהים שזה לא רק עבד באברקווסט
13:26
but that today, a decade on,
337
791000
2000
אלא שאפילו היום, עשור מאז,
13:28
every single video game in the world with this kind of task
338
793000
3000
כל משחק וידאו בעולם עם סוג כזה של משימה
13:31
uses a version of this system --
339
796000
2000
משתמש בגרסא של המערכת
13:33
tens of millions of people.
340
798000
2000
עשרות מיליונים של אנשים
13:35
And the success rate
341
800000
2000
ואחוז ההצלחה
13:37
is at close to 100 percent.
342
802000
2000
הוא קרוב ל-100%
13:39
This is a player-developed,
343
804000
2000
זה פותח על ידי השחקנים
13:41
self-enforcing, voluntary currency,
344
806000
3000
נאכף בצורה עצמאית, מטבע התנדבותי
13:44
and it's incredibly sophisticated
345
809000
2000
וזאת התנהגות שחקנים
13:46
player behavior.
346
811000
2000
מורכבת בצורה יוצאת דופן
13:50
And I just want to end by suggesting
347
815000
2000
ואני רוצה לסיים בהצעה
13:52
a few ways in which these principles
348
817000
2000
למספר דרכים שהעקרונות האלה
13:54
could fan out into the world.
349
819000
2000
יכולים להקרין על העולם
13:56
Let's start with business.
350
821000
2000
אני אתחיל בעסקים
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
אני מתכוון, אנחנו מתחילים לראות קצת מהבעיות הגדולות
14:00
around something like business are
352
825000
2000
סביב עסקים
14:02
recycling and energy conservation.
353
827000
2000
מחזור וחסכון באנרגיה
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
אנחנו מתחילים לראות את התפתחות של טכנולוגיות נהדרות
14:06
like real-time energy meters.
355
831000
2000
כמו מודדי אנרגיה בזמן אמיתי
14:08
And I just look at this, and I think, yes,
356
833000
2000
ואני בדיוק מסתכל על זה, ואני חושב
14:10
we could take that so much further
357
835000
3000
זה יכול לקדם אותנו כל כך
14:13
by allowing people to set targets
358
838000
2000
על ידי מתן אפשרות לאנשים לקבוע יעדים
14:15
by setting calibrated targets,
359
840000
2000
על ידי כיוונון יעדים
14:17
by using elements of uncertainty,
360
842000
3000
על ידי שימוש באלמנטים של חוסר ודאות
14:20
by using these multiple targets,
361
845000
2000
על ידי שימוש בריבוי יעדים
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
על ידי שימוש במערכת גדולה מתחת לפני השטח של פרסים וחיזוקים,
14:25
by setting people up
363
850000
2000
על ידי כיוון אנשים
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
לשיתוף במונחים של קבוצות, במונחים של רחובות
14:29
to collaborate and compete,
365
854000
2000
לשתף פעולה ולהתחרות
14:31
to use these very sophisticated
366
856000
2000
להשתמש בדיוק באותם
14:33
group and motivational mechanics we see.
367
858000
2000
מנגנונים מוטיבציונים קבוצתיים מורכבים שאנחנו רואים
14:35
In terms of education,
368
860000
2000
במונחים של חינוך
14:37
perhaps most obviously of all,
369
862000
2000
אולי הכי ברור מכולם
14:39
we can transform how we engage people.
370
864000
3000
אנחנו יכולים לשנות את הדרך שאנחנו גורמים לאנשים להיות מעורבים
14:42
We can offer people the grand continuity
371
867000
2000
אנחנו יכולים להציע לאנשים את ההמשכיות הגדולה
14:44
of experience and personal investment.
372
869000
3000
של נסיון והשקעה אישית
14:47
We can break things down
373
872000
2000
אנחנו יכולים לשבור דברים
14:49
into highly calibrated small tasks.
374
874000
2000
למשימות קטנות מכווננות היטב
14:51
We can use calculated randomness.
375
876000
2000
אנחנו יכולים להשתמש במקריות מחושבת
14:53
We can reward effort consistently
376
878000
2000
אנחנו יכולים לתת פרסים למאמץ בצורה עיקבית
14:55
as everything fields together.
377
880000
3000
כאשר כולם מתחברים ביחד
14:58
And we can use the kind of group behaviors
378
883000
2000
ואנחנו יכולים להשתמש בסוג הזה של התנהגות קבוצתית
15:00
that we see evolving when people are at play together,
379
885000
3000
שאנחנו רואים שמתפתחת כאשר אנשים משחקים ביחד
15:03
these really quite unprecedentedly complex
380
888000
3000
אלה באמת מנגנונים של שיתוף פעולה
15:06
cooperative mechanisms.
381
891000
2000
מורכבים בצורה חסרת תקדים
15:08
Government, well, one thing that comes to mind
382
893000
2000
ממשל, דבר אחד שעולה בראש
15:10
is the U.S. government, among others,
383
895000
3000
הוא הממשל בארצות הברית, בין השאר
15:13
is literally starting to pay people
384
898000
2000
ממש מתחיל לשלם לאנשים
15:15
to lose weight.
385
900000
2000
להוריד במשקל
15:17
So we're seeing financial reward being used
386
902000
2000
אז אנחנו אומרים שנעשה שימוש בחיזוק כלכלי
15:19
to tackle the great issue of obesity.
387
904000
2000
להתמודד עם הבעיה הגדולה של השמנה
15:21
But again, those rewards
388
906000
2000
אך שוב, החיזוקים האלה
15:23
could be calibrated so precisely
389
908000
3000
יכולים להיות מכווננים בדיוק כזה
15:26
if we were able to use the vast expertise
390
911000
3000
אם היינו יכולים להשתמש בניסיון הרחב
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
של מערכות משחקים להעלות את המשיכה
15:32
to take the data, to take the observations,
392
917000
2000
לקחת את הנתונים, לקחת את התצפיות
15:34
of millions of human hours
393
919000
2000
של מיליוני שעות האדם
15:36
and plow that feedback
394
921000
2000
ולהשתמש במידע הזה
15:38
into increasing engagement.
395
923000
2000
כדי להגביר מעורבות.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
ולסיום, המילה הזאת, מעורבות
15:43
that I want to leave you with.
397
928000
2000
שאני רוצה שתשארו איתה
15:45
It's about how individual engagement
398
930000
2000
מתייחסת כיצד מעורבות אישית
15:47
can be transformed
399
932000
2000
יכולה להפוך
15:49
by the psychological and the neurological lessons
400
934000
3000
בעזרת שיעורים פסיכולוגיים ונאורולוגיים
15:52
we can learn from watching people that are playing games.
401
937000
3000
אנחנו יכולים ללמוד בעזרת הסתכלות באנשים שמשחקים משחקים
15:55
But it's also about collective engagement
402
940000
3000
אבל זה גם מתייחס למעורבות משותפת
15:58
and about the unprecedented laboratory
403
943000
3000
ולגבי המעבדה חסרת התקדים
16:01
for observing what makes people tick
404
946000
2000
להתבוננות במה מניע אנשים
16:03
and work and play and engage
405
948000
2000
לעבוד, לשחק ולהיות מעורבים
16:05
on a grand scale in games.
406
950000
3000
בהיקף כל כך גדול במשחקים
16:08
And if we can look at these things and learn from them
407
953000
3000
ואם אנחנו יכולים לראות את הדברים האלה וללמוד מהם
16:11
and see how to turn them outwards,
408
956000
2000
ולראות איך להפוך אותם החוצה
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
אז אני באמת חושב שיש לנו משהו די מהפכני בידיים
16:16
Thank you very much.
410
961000
2000
תודה רבה
16:18
(Applause)
411
963000
4000
(מחיאות כפיים)
ABOUT THE SPEAKER
Tom Chatfield - Gaming theoristTom Chatfield thinks about games -- what we want from them, what we get from them, and how we might use our hard-wired desire for a gamer's reward to change the way we learn.
Why you should listen
It can be difficult to wrap one's mind around the size and the reach of modern video- and online-game culture. But gaming is not only outstripping more-traditional media in revenue (it overtook music in 2008), it's become a powerful lens to re-examine our culture at large. Tom Chatfield, a longtime gamer, is the arts and books editor at the UK current-affairs magazine Prospect. In his book Fun Inc., he argues that games, with their immersive quests and deeply satisfying (and carefully designed) virtual rewards, are a great place to test new approaches to real-world systems that need a reboot.
More than a game journalist, Chatfield is a game theorist, looking at neurological research on how games engage our pleasure centers -- and then looking at a world where millions of videogame-veteran Generation Z'ers are entering the workforce and the voters' rolls. They're good with complex rule sets; they're used to forming ad hoc groups to reach a goal; and they love to tweak and mod existing systems. What if society harnessed that energy to redefine learning? Or voting? Understanding the psychology of the videogame reward schedule, Chatfield believes, is not only important for understanding the world of our children -- it's a stepping stone to improving our world right now.
Tom Chatfield | Speaker | TED.com