TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 sätt som spel kan belöna hjärnan
Filmed:
Readability: 3.8
1,288,061 views
Vi tar in spel i fler och fler områden av våra liv, och lägger oräkneliga timmar - och riktiga pengar - på att utforska virtuella världar för att hitta påhittade skatter. Varför? Tom Chatfield visar oss att spel är perfekt konstruerade för att portionera ut belöningar som engagerar hjärnan och får oss att fortsätta söka efter fler.
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
Jag älskar TV-spel.
00:18
I'm also slightly in awe of them.
1
3000
3000
Jag är också ganska förundrad över dem.
00:21
I'm in awe of their power
2
6000
2000
Jag förundras över deras makt
00:23
in terms of imagination, in terms of technology,
3
8000
2000
när det gäller fantasi, teknik,
00:25
in terms of concept.
4
10000
2000
och koncept.
00:27
But I think, above all,
5
12000
2000
Men framför allt
00:29
I'm in awe at their power
6
14000
2000
förundras jag över deras makt
00:31
to motivate, to compel us,
7
16000
3000
att motivera, påverka oss,
00:34
to transfix us,
8
19000
2000
att nagla fast oss,
00:36
like really nothing else we've ever invented
9
21000
3000
på ett sätt som ingenting annat vi uppfunnit
00:39
has quite done before.
10
24000
2000
riktigt har lyckats med förut.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
Och jag tror att vi kan lära oss
några fantastiska saker
några fantastiska saker
00:44
by looking at how we do this.
12
29000
2000
genom att titta på hur vi gör detta.
00:46
And in particular, I think we can learn things
13
31000
2000
Framförallt tror jag att vi kan lära oss saker
00:48
about learning.
14
33000
3000
om lärande.
00:51
Now the video games industry
15
36000
2000
Just nu är spelindustrin
00:53
is far and away the fastest growing
16
38000
2000
den överlägset snabbast växande
00:55
of all modern media.
17
40000
2000
av alla moderna medier.
00:57
From about 10 billion in 1990,
18
42000
2000
Från omkring 10 miljarder år 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
har den ökat till 50 miljarder dollar globalt idag,
01:02
and it shows no sign of slowing down.
20
47000
3000
och den visar inga tecken på avmattning.
01:05
In four years' time,
21
50000
2000
Om fyra år
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
beräknar experter att den kommer vara värd
över 80 miljarder dollar.
över 80 miljarder dollar.
01:10
That's about three times the recorded music industry.
23
55000
3000
Det är ungefär tre gånger så mycket som musikindustrin.
01:13
This is pretty stunning,
24
58000
2000
Det är ganska fantastiskt,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
men jag tror inte det är den mest
slående siffran av alla.
slående siffran av alla.
01:18
The thing that really amazes me
26
63000
2000
Det som verkligen förvånar mig
01:20
is that, today,
27
65000
2000
är att folk idag
01:22
people spend about
28
67000
2000
lägger ut ungefär
01:24
eight billion real dollars a year
29
69000
3000
åtta miljarder verkliga dollar per år
01:27
buying virtual items
30
72000
2000
på att köpa virtuella objekt
01:29
that only exist
31
74000
2000
som bara finns
01:31
inside video games.
32
76000
3000
inuti TV-spel.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Det här är en skärmdump från den virtuella spelvärlden Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Tidigare i år
01:39
a virtual asteroid in it
35
84000
2000
såldes en virtuell asteroid inuti spelet
01:41
sold for 330,000 real dollars.
36
86000
4000
för 330 000 verkliga dollar.
01:45
And this
37
90000
2000
Och detta
01:47
is a Titan class ship
38
92000
3000
är ett Titan-skepp
01:50
in the space game, EVE Online.
39
95000
2000
i rymdspelet EVE Online.
01:52
And this virtual object
40
97000
2000
Detta virtuella objekt
01:54
takes 200 real people
41
99000
2000
tar 200 verkliga människor
01:56
about 56 days of real time to build,
42
101000
3000
ungefär 56 dagar av verklig tid att bygga,
01:59
plus countless thousands of hours
43
104000
3000
plus oräkneliga tusentals timmar
02:02
of effort before that.
44
107000
2000
av förberedelser innan dess.
02:04
And yet, many of these get built.
45
109000
3000
Och ändå blir många av de här skeppen byggda.
02:07
At the other end of the scale,
46
112000
2000
I andra änden av skalan
02:09
the game Farmville that you may well have heard of,
47
114000
3000
finns spelet Farmville, som du säkert har
hört talas om.
hört talas om.
02:12
has 70 million players
48
117000
2000
Det har 70 miljoner spelare
02:14
around the world
49
119000
2000
runt hela världen
02:16
and most of these players
50
121000
2000
och de flesta av dessa spelare
02:18
are playing it almost every day.
51
123000
2000
spelar det nästan varje dag.
02:20
This may all sound
52
125000
2000
Allt det här kan låta
02:22
really quite alarming to some people,
53
127000
2000
oroväckande för vissa människor,
02:24
an index of something worrying
54
129000
2000
ett tecken på något oroande
02:26
or wrong in society.
55
131000
2000
eller fel i samhället.
02:28
But we're here for the good news,
56
133000
2000
Men om vi ska se till det positiva
02:30
and the good news is
57
135000
2000
så tror jag
02:32
that I think we can explore
58
137000
2000
att vi borde utforska
02:34
why this very real human effort,
59
139000
3000
varför denna genuint mänskliga ansträngning,
02:37
this very intense generation of value, is occurring.
60
142000
4000
detta mycket intensiva skapade av värde uppstår.
02:41
And by answering that question,
61
146000
2000
Och genom att svara på den frågan,
02:43
I think we can take something
62
148000
2000
så tror jag att vi har
02:45
extremely powerful away.
63
150000
2000
något otroligt viktigt att lära oss.
02:47
And I think the most interesting way
64
152000
2000
Jag tror den mest intressanta vinkeln
02:49
to think about how all this is going on
65
154000
2000
vi kan utgå ifrån
02:51
is in terms of rewards.
66
156000
2000
är belöningar.
02:53
And specifically, it's in terms
67
158000
3000
Och det är särskilt i termer
02:56
of the very intense emotional rewards
68
161000
2000
av de mycket intensiva känslomässiga belöningar
02:58
that playing games offers to people
69
163000
2000
som dataspelande erbjuder människor
03:00
both individually
70
165000
2000
både individuellt
03:02
and collectively.
71
167000
2000
och som ett kollektiv.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Om vi tittar på vad som händer i någons huvud
03:06
when they are being engaged,
73
171000
2000
när de blir engagerade
03:08
two quite different processes are occurring.
74
173000
3000
så är det två helt olika processer som förekommer.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Å ena sidan har vi viljeprocesserna.
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
Det här har med ambition och motivation att göra -
Jag tänker klara det där. Jag tänker jobba hårt.
Jag tänker klara det där. Jag tänker jobba hårt.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Å andra sidan finns det tycka-om-processerna,
03:19
fun and affection
78
184000
2000
att ha roligt, känna tillgivenhet
03:21
and delight
79
186000
2000
och glädje
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
och ett enormt flygande vilddjur
med en orch på ryggen.
med en orch på ryggen.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Det är en riktigt bra bild. Det är ganska coolt.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Den är från spelet World of Warcraft som har mer än 10 miljoner spelare över hela världen.
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
En av dem är jag, en annan är min fru.
03:33
And this kind of a world,
84
198000
2000
Och den här typen av värld,
03:35
this vast flying beast you can ride around,
85
200000
2000
det här stora flygande djuret du kan rida runt på,
03:37
shows why games are so very good
86
202000
2000
visar varför spel är så väldigt bra
03:39
at doing both the wanting and the liking.
87
204000
3000
på att få oss att både vilja ha och att tycka om.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Det är mycket kraftfullt och ganska häftigt.
03:44
It gives you great powers.
89
209000
2000
Det ger dig starka krafter.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Din ambition blir uppfylld, men det är också väldigt vackert.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Det är ett mycket stort nöje att flyga runt.
03:52
And so these combine to form
92
217000
2000
De här sakerna kombineras till
03:54
a very intense emotional engagement.
93
219000
2000
ett intensivt känslomässigt engagemang.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Men det här är inte det allra mest intressanta.
03:59
The really interesting stuff about virtuality
95
224000
2000
Det riktigt intressanta med virtualitet
04:01
is what you can measure with it.
96
226000
2000
är vad du kan mäta med den.
04:03
Because what you can measure in virtuality
97
228000
3000
Eftersom vad du kan mäta med virtualitet
04:06
is everything.
98
231000
2000
är allt.
04:08
Every single thing that every single person
99
233000
2000
Varenda sak som varje enskild person
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
som någonsin spelat i ett spel
någonsin har gjort kan mätas.
någonsin har gjort kan mätas.
04:13
The biggest games in the world today
101
238000
2000
De största spelen i världen idag
04:15
are measuring more than one billion points of data
102
240000
4000
mäter mer än en miljard dataenheter
04:19
about their players, about what everybody does --
103
244000
2000
om deras spelare, om vad alla gör--
04:21
far more detail than you'd ever get from any website.
104
246000
3000
långt mer detaljerat än du någonsin skulle få från någon webbplats.
04:24
And this allows something very special
105
249000
3000
Och detta gör det möjligt för något väldigt speciellt
04:27
to happen in games.
106
252000
2000
att hända i spel.
04:29
It's something called the reward schedule.
107
254000
3000
Det är något som kallas belöningsschemat.
04:32
And by this, I mean looking
108
257000
2000
Och med detta menar jag att man tittar
04:34
at what millions upon millions of people have done
109
259000
2000
på vad miljoner och åter miljoner människor
har gjort
har gjort
04:36
and carefully calibrating the rate,
110
261000
2000
och noggrant kalibrera hastigheten,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
egenskaperna, typen och intensiteten på
belöningar i spel
belöningar i spel
04:41
to keep them engaged
112
266000
2000
för att hålla spelarna engagerade
04:43
over staggering amounts of time and effort.
113
268000
3000
över svindlande mängder tid och ansträngning.
04:46
Now, to try and explain this
114
271000
2000
För att försöka förklara detta
04:48
in sort of real terms,
115
273000
3000
på ett vardagligt sätt
04:51
I want to talk about a kind of task
116
276000
2000
vill jag berätta om ett slags uppgift
04:53
that might fall to you in so many games.
117
278000
2000
som du skulle kunna råka ut för i många olika spel.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Gå och skaffa en viss mängd av en viss
liten spelaktig sak
liten spelaktig sak
04:58
Let's say, for the sake of argument,
119
283000
2000
Låt oss anta, för sakens skull,
05:00
my mission is to get 15 pies
120
285000
3000
att mitt uppdrag är att skaffa 15 pajer
05:03
and I can get 15 pies
121
288000
3000
och att jag kan få 15 pajer
05:06
by killing these cute, little monsters.
122
291000
2000
genom att döda de här söta små monstren.
05:08
Simple game quest.
123
293000
2000
Enkel speluppgift.
05:10
Now you can think about this, if you like,
124
295000
2000
Om du vill kan du tänka på detta
05:12
as a problem about boxes.
125
297000
2000
som ett problem som handlar om lådor.
05:14
I've got to keep opening boxes.
126
299000
2000
Jag måste fortsätta att öppna lådor.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Jag vet inte vad som finns inuti dem
tills jag öppnar dem.
tills jag öppnar dem.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
Och jag går runt och öppnar låda efter låda
tills jag har fått 15 pajer.
tills jag har fått 15 pajer.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Om du tar ett spel som Warcraft,
05:24
you can think about it, if you like,
130
309000
2000
så kan du om du vill tänka på det
05:26
as a great box-opening effort.
131
311000
3000
som en stort lådöppningsprojekt.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Spelet försöker få folk att öppna ungefär
en miljon lådor,
en miljon lådor,
05:32
getting better and better stuff in them.
133
317000
2000
och de får bättre och bättre saker i dem.
05:34
This sounds immensely boring
134
319000
3000
Det låter oerhört tråkigt
05:37
but games are able
135
322000
2000
men spel kan
05:39
to make this process
136
324000
2000
göra den här processen
05:41
incredibly compelling.
137
326000
2000
otroligt fängslande.
05:43
And the way they do this
138
328000
2000
Och sättet de gör detta
05:45
is through a combination of probability and data.
139
330000
3000
är genom en kombination av sannolikhet och data.
05:48
Let's think about probability.
140
333000
2000
Låt oss tänka på sannolikhet.
05:50
If we want to engage someone
141
335000
2000
Om vi vill engagera någon
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
i att öppna lådor och försöka hitta pajer,
05:55
we want to make sure it's neither too easy,
143
340000
2000
vill vi se till att det är varken är för lätt,
05:57
nor too difficult, to find a pie.
144
342000
2000
eller för svårt, att hitta en paj.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Så vad gör du? Du tittar på en miljon människor,
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
nej, 100 miljoner människor, 100 miljoner lådöppnare,
06:04
and you work out, if you make the pie rate
147
349000
3000
och du kommer på, att om pajen dyker upp
06:07
about 25 percent --
148
352000
2000
ungefär 25 procent av gångerna,
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
så är det är varken för frustrerande eller alltför lätt.
06:12
It keeps people engaged.
150
357000
2000
Det håller folk engagerade.
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
Men självklart är det inte allt du behöver göra; det finns 15 pajer.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Jag skulle till exempel kunna göra ett spel som heter Piecraft,
06:19
where all you had to do was get a million pies
153
364000
2000
där allt du behövde göra var att skaffa en miljon pajer
06:21
or a thousand pies.
154
366000
2000
eller tusen pajer.
06:23
That would be very boring.
155
368000
2000
Det skulle vara väldigt tråkigt.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
Femton är ett ganska optimalt tal.
06:27
You find that -- you know, between five and 20
157
372000
2000
Det är så att mellan 5 och 20
06:29
is about the right number for keeping people going.
158
374000
2000
är ungefär rätt antal för att hålla folk igång.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Men vi har inte bara pajer i lådorna.
06:33
There's 100 percent up here.
160
378000
2000
Det står 100 procent här uppe.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Och vad vi gör är att se till att varje gång en låda öppnas,
06:38
there's something in it, some little reward
162
383000
2000
finns det något i den, någon liten belöning
06:40
that keeps people progressing and engaged.
163
385000
2000
som gör att människor fortsätter att utvecklas
och håller sig engagerade.
och håller sig engagerade.
06:42
In most adventure games,
164
387000
2000
I de flesta äventyrsspel,
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
finns det någon slags spelvaluta, och upplevelser att utforska.
06:47
But we don't just do that either.
166
392000
2000
Men vi stannar inte där.
06:49
We also say there's going to be loads of other items
167
394000
2000
Det behövs också finnas massor av andra objekt
06:51
of varying qualities and levels of excitement.
168
396000
2000
av varierande sorter och olika nivåer av spänning.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Du kommer att ha 10 procents chans
att få en ganska bra sak.
att få en ganska bra sak.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Du kommer att ha 0,1 procents chans
06:58
you get an absolutely awesome item.
171
403000
3000
att få en helt fantastisk sak.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
Och var och en av dessa belöningar är noggrant inställda efter vilken sak det är.
07:04
And also, we say,
173
409000
2000
Och vi säger också:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"OK, hur många monster ska det finnas? Hela världen full, med en miljard monster? "
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Nej, vi vill ha en eller två monster på skärmen åt gången.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Så jag dras med. Det är inte för lätt, inte för svårt.
07:15
So all this is very powerful.
177
420000
2000
Det är väldigt kraftfullt.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Men vi är i en virtuell värld. Det är inte riktiga lådor.
07:20
So we can do
179
425000
2000
Så vi kan göra
07:22
some rather amazing things.
180
427000
2000
några ganska fantastiska saker.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Vi märker, när vi tittar på alla dessa människor som öppnar lådor,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
att när människor når upp till ca 13 av 15 pajer,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
börjar deras syn på spelet förändras,
de börjar bli lite uttråkade, och testar saker.
de börjar bli lite uttråkade, och testar saker.
07:34
They're not rational about probability.
184
439000
2000
De behandlar inte sannolikheter på ett rationellt sätt.
07:36
They think this game is unfair.
185
441000
2000
De tycker att spelet är orättvist.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Det ger mig inte mina sista två pajer. Jag tänker
ge upp.
ge upp.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Om det var riktiga lådor, skulle det inte finnas mycket att göra,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
men i ett spel kan bara säga:
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
"OK, när du kommer till 13 pajer
har du 75 procents chans att få en paj."
har du 75 procents chans att få en paj."
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Det håller dig engagerad. Titta på vad folk gör,
07:50
adjust the world to match their expectation.
191
455000
2000
och justera i världen
för att uppfylla deras förväntningar.
för att uppfylla deras förväntningar.
07:52
Our games don't always do this.
192
457000
2000
Våra spel gör inte alltid detta.
07:54
And one thing they certainly do at the moment
193
459000
2000
Och en sak de verkligen gör för tillfället
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
är om du skulle få en fantastisk sak med 0,1 procents chans
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
så ser de till att en ny belöning inte får visas under en viss tid
08:02
to keep the value, to keep it special.
196
467000
2000
för att hålla värdet uppe, för att göra den speciell.
08:04
And the point is really
197
469000
2000
Och poängen är
08:06
that we evolved to be satisfied by the world
198
471000
2000
att vi har utvecklats för att stimuleras av
den här världen
den här världen
08:08
in particular ways.
199
473000
2000
på särskilda sätt.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Under hundratusentals år,
08:13
we evolved to find certain things stimulating,
201
478000
2000
har vi utvecklats för att vi ska bli stimulerade av vissa saker,
08:15
and as very intelligent, civilized beings,
202
480000
2000
och som de mycket intelligenta, civiliserade
varelser vi är,
varelser vi är,
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
stimuleras vi enormt av att lösa problem och att lära oss saker.
08:20
But now, we can reverse engineer that
204
485000
2000
Men nu, kan vi vända på detta
08:22
and build worlds
205
487000
2000
och bygga världar
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
som uttryckligen kryssar i våra evolutionära rutor.
08:27
So what does all this mean in practice?
207
492000
2000
Så vad betyder allt detta i praktiken?
08:29
Well, I've come up
208
494000
2000
Jag har kommit fram till
08:31
with seven things
209
496000
2000
sju saker
08:33
that, I think, show
210
498000
2000
som jag tror visar
08:35
how you can take these lessons from games
211
500000
2000
hur man kan ta de här lärdomarna från spel
08:37
and use them outside of games.
212
502000
3000
och använda dem utanför spelvärlden.
08:40
The first one is very simple:
213
505000
2000
Den första är mycket enkel:
08:42
experience bars measuring progress --
214
507000
2000
En erfarenhetsindikator för att mäta framsteg,
08:44
something that's been talked about brilliantly
215
509000
2000
något som har berättats om
på ett fantastiskt sätt
på ett fantastiskt sätt
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
av till exempel Jesse Schell tidigare i år.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Det har redan gjorts vid universitetet i Indiana i USA, bland annat.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
Det handlar om den enkla idén att istället för att betygsätta människor stegvis
08:55
in little bits and pieces,
219
520000
2000
på många olika områden
08:57
you give them one profile character avatar
220
522000
2000
så ger du dem en avatar för en spelkaraktär
08:59
which is constantly progressing
221
524000
2000
som ständigt utvecklas
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
i små, små steg som de känner är deras egna.
09:04
And everything comes towards that,
223
529000
2000
Och allt leder fram till att
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
de ser att mätaren sakta smyger upp, och de äger sin egen utveckling.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Nummer 2: Flera lång- och kortsiktiga mål.
09:11
5,000 pies, boring,
226
536000
2000
5 000 pajer: tråkigt
09:13
15 pies, interesting.
227
538000
2000
15 pajer: intressant.
09:15
So, you give people
228
540000
2000
Så ge människor
09:17
lots and lots of different tasks.
229
542000
2000
massor av olika aktiviteter.
09:19
You say, it's about
230
544000
2000
Det kan handla om
09:21
doing 10 of these questions,
231
546000
2000
att göra 10 av de här frågorna,
09:23
but another task
232
548000
2000
men en annan aktivitet
09:25
is turning up to 20 classes on time,
233
550000
2000
kan vara att komma i tid till 20 lektioner.
09:27
but another task is collaborating with other people,
234
552000
3000
Andra uppgifter kan handla om att samarbeta med andra människor,
09:30
another task is showing you're working five times,
235
555000
3000
visa upp att du arbetar fem gånger
09:33
another task is hitting this particular target.
236
558000
2000
eller att pricka det här speciella målet.
09:35
You break things down into these calibrated slices
237
560000
3000
Du bryter ner aktiviteterna till ett antal
uträknade moduler
uträknade moduler
09:38
that people can choose and do in parallel
238
563000
2000
som människor kan välja mellan och göra parallellt
09:40
to keep them engaged
239
565000
2000
för att hålla sig engagerade
09:42
and that you can use to point them
240
567000
2000
och som du kan använda för att leda dem
09:44
towards individually beneficial activities.
241
569000
3000
mot aktiviteter som är fördelaktiga just för dem.
09:48
Third, you reward effort.
242
573000
2000
Nummer 3: Belöna ansträngning.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Det är viktigt till 100 procent. Spel är lysande
på det.
på det.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Varje gång du gör något, får du något för det, du får något för att du försöker.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Du straffar inte misslyckande. Du belönar varje ansträngning,
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
lite guld, några bonuspoäng. Du har gjort
20 frågor, klart.
20 frågor, klart.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Tillsammans blir det här
en effektiv förstärkning av beteendet.
en effektiv förstärkning av beteendet.
10:05
Fourth, feedback.
248
590000
2000
Nummer 4: Feedback.
10:07
This is absolutely crucial,
249
592000
2000
Det här är helt avgörande,
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
och virtuella världar levererar det på
ett bländande vis.
ett bländande vis.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Om man tittar på några av de mest svårlösta problemen i världen idag
10:14
that we've been hearing amazing things about,
252
599000
2000
som vi har hört fantastiska saker om,
10:16
it's very, very hard for people to learn
253
601000
3000
så är det mycket, mycket svårt för människor att lära sig lösa dem
10:19
if they cannot link consequences to actions.
254
604000
3000
om de inte lyckas koppla konsekvenser till åtgärder.
10:22
Pollution, global warming, these things --
255
607000
2000
Föroreningar, global uppvärmning: för de här sakerna
10:24
the consequences are distant in time and space.
256
609000
2000
är konsekvenserna avlägsna i tid och rum.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Det är mycket svårt att lära sig, att känna hur det hänger ihop.
10:28
But if you can model things for people,
258
613000
2000
Men om du kan göra en modell av saker för människor,
10:30
if you can give things to people that they can manipulate
259
615000
2000
om du kan ge saker till människor som de kan manipulera
10:32
and play with and where the feedback comes,
260
617000
2000
och spela med och där de får feedback,
10:34
then they can learn a lesson, they can see,
261
619000
2000
då kan de lära sig läxan, de kan se,
10:36
they can move on, they can understand.
262
621000
3000
de kan gå vidare, de kan förstå.
10:39
And fifth,
263
624000
2000
Nummer 5:
10:41
the element of uncertainty.
264
626000
2000
Osäkerhetsmomentet.
10:43
Now this is the neurological goldmine,
265
628000
3000
Det här en guldgruva för hjärnan
10:46
if you like,
266
631000
2000
kan vi säga,
10:48
because a known reward
267
633000
2000
eftersom en känd belöning
10:50
excites people,
268
635000
2000
gör folk intresserade,
10:52
but what really gets them going
269
637000
2000
men vad som verkligen får dem att gå igång
10:54
is the uncertain reward,
270
639000
2000
är en osäker belöning,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
belöningen som är satt på rätt nivå av osäkerhet,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
så att de inte riktigt visste om de skulle få den
eller inte.
eller inte.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
De 25 procenten. Det här lyser upp hjärnan.
11:04
And if you think about
274
649000
2000
Och om du tänker på
11:06
using this in testing,
275
651000
2000
hur detta skulle kunna användas
inom testning,
inom testning,
11:08
in just introducing control elements of randomness
276
653000
2000
att bara införa slumpmässiga element
11:10
in all forms of testing and training,
277
655000
2000
i alla former av tester och utbildning,
11:12
you can transform the levels of people's engagement
278
657000
2000
skulle kunna öka människors engagemang
11:14
by tapping into this very powerful
279
659000
2000
genom att dra nytta av den här mycket kraftfulla
11:16
evolutionary mechanism.
280
661000
2000
evolutionära mekanismen.
11:18
When we don't quite predict something perfectly,
281
663000
2000
När vi inte kan förutsäga något perfekt,
11:20
we get really excited about it.
282
665000
2000
blir vi mer intresserade av det.
11:22
We just want to go back and find out more.
283
667000
2000
Vi vill bara testa igen och ta reda på mer.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Som ni förmodligen vet kallas signalsubstansen
11:26
associated with learning is called dopamine.
285
671000
2000
som hör ihop med lärande för dopamin.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Det är kopplat till belöningssökande beteende.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Och något mycket spännande håller precis på hända
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
på ställen som University of Bristol i Storbritannien,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
där vi har börjat kunna modellera
11:40
dopamine levels in the brain.
290
685000
2000
nivåerna av dopamin i hjärnan
på ett matematiskt sätt.
på ett matematiskt sätt.
11:42
And what this means is we can predict learning,
291
687000
2000
Vad detta innebär är att vi kan förutsäga lärande,
11:44
we can predict enhanced engagement,
292
689000
3000
vi kan förutsäga ökat engagemang,
11:47
these windows, these windows of time,
293
692000
2000
i dessa fönster, dessa fönster av tid,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
där lärande sker på en högre nivå.
11:52
And two things really flow from this.
295
697000
2000
Och det finns två saker som verkligen
står ut från detta
står ut från detta
11:54
The first has to do with memory,
296
699000
2000
Den första har att göra med minne,
11:56
that we can find these moments.
297
701000
2000
att vi kan hitta vissa stunder
11:58
When someone is more likely to remember,
298
703000
2000
när någon har lättare att komma ihåg saker.
12:00
we can give them a nugget in a window.
299
705000
2000
Vi kan ge dem ett guldkorn vid ett visst tillfälle.
12:02
And the second thing is confidence,
300
707000
2000
Och den andra saken är förtroende,
12:04
that we can see how game-playing and reward structures
301
709000
2000
att vi kan se hur spelande och belöningsstrukturer
12:06
make people braver, make them more willing to take risks,
302
711000
3000
gör människor modigare, gör dem mer villiga att ta risker,
12:09
more willing to take on difficulty,
303
714000
2000
mer villiga att ta sig an svårigheter,
12:11
harder to discourage.
304
716000
2000
att de tappar inte modet lika lätt.
12:13
This can all seem very sinister.
305
718000
2000
Det här kan verka mycket olycksbådande.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Man hör ofta "våra hjärnor har blivit manipulerade, vi är alla missbrukare".
12:17
The word "addiction" is thrown around.
307
722000
2000
Ordet "beroende" används lättvindigt.
12:19
There are real concerns there.
308
724000
2000
Det finns finns allvarliga frågor att diskutera.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Men den största neurologiska stimulansen
för människor
för människor
12:23
is other people.
310
728000
2000
är andra människor.
12:25
This is what really excites us.
311
730000
3000
Det är det som verkligen får igång oss.
12:28
In reward terms, it's not money;
312
733000
2000
I belöningstermer : det är inte pengar,
12:30
it's not being given cash -- that's nice --
313
735000
3000
det är inte att få pengar - vilket är trevligt -
12:33
it's doing stuff with our peers,
314
738000
2000
det är att göra saker medan våra vänner
12:35
watching us, collaborating with us.
315
740000
2000
tittar på och samarbetar med oss.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
Jag vill berätta en kort historia från 1999,
12:39
a video game called EverQuest.
317
744000
2000
om ett TV-spel som hette EverQuest.
12:41
And in this video game,
318
746000
2000
I detta TV-spel
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
fanns det två riktigt stora drakar, och man var tvungen att samarbeta för att döda dem.
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
Det krävdes upp till 42 människor för att döda
dessa stora drakar.
dessa stora drakar.
12:49
That's a problem
321
754000
2000
Det var ett problem
12:51
because they dropped two or three decent items.
322
756000
3000
för när man dödade dem fick man bara två eller tre hyfsade prylar.
12:54
So players addressed this problem
323
759000
3000
Så spelarna tog sig an problemet
12:57
by spontaneously coming up with a system
324
762000
2000
genom att spontant skapa ett system
12:59
to motivate each other,
325
764000
2000
för att motivera varandra,
13:01
fairly and transparently.
326
766000
2000
på ett rättvist och öppet sätt.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Vad som hände var att de betalade varandra
i en virtuell valuta
i en virtuell valuta
13:06
they called "dragon kill points."
328
771000
3000
som de kallade "drakdödarpoäng."
13:09
And every time you turned up to go on a mission,
329
774000
2000
Och varje gång du dök upp för att gå på ett uppdrag,
13:11
you got paid in dragon kill points.
330
776000
2000
så fick du betalt i drakdödarpoäng.
13:13
They tracked these on a separate website.
331
778000
2000
De höll koll på poängen på en separat webbplats.
13:15
So they tracked their own private currency,
332
780000
2000
Så de höll räkning på sin egen valuta,
13:17
and then players could bid afterwards
333
782000
2000
och sedan kunde spelare lägga bud
13:19
for cool items they wanted --
334
784000
2000
på coola artiklar ville de ha,
13:21
all organized by the players themselves.
335
786000
2000
och allt detta organiserades av spelarna själva.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Det mest häpnadsväckande är att systemet inte bara fungerade i EverQuest,
13:26
but that today, a decade on,
337
791000
2000
utan att idag, ett decennium senare,
13:28
every single video game in the world with this kind of task
338
793000
3000
använder varje TV-spel i världen med den här typen av uppgifter
13:31
uses a version of this system --
339
796000
2000
en version av detta system,
13:33
tens of millions of people.
340
798000
2000
tiotals miljoner människor.
13:35
And the success rate
341
800000
2000
Och andelen spel där det lyckas
13:37
is at close to 100 percent.
342
802000
2000
ligger på nära 100 procent.
13:39
This is a player-developed,
343
804000
2000
Detta är en spelarutvecklad,
13:41
self-enforcing, voluntary currency,
344
806000
3000
självövervakande, frivillig valuta,
13:44
and it's incredibly sophisticated
345
809000
2000
och det är ett otroligt avancerat
13:46
player behavior.
346
811000
2000
spelarbeteende.
13:50
And I just want to end by suggesting
347
815000
2000
Och jag vill bara avsluta med att föreslå
13:52
a few ways in which these principles
348
817000
2000
några sätt som dessa principer
13:54
could fan out into the world.
349
819000
2000
skulle kunna sprida sig ut sig i världen.
13:56
Let's start with business.
350
821000
2000
Vi börjar med företagande.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Jag menar, vi börjar att se några av de stora problem
14:00
around something like business are
352
825000
2000
som uppstår kring företagande är
14:02
recycling and energy conservation.
353
827000
2000
att återvinna varor och att spara energi.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Vi börjar se framväxten av underbara tekniker
14:06
like real-time energy meters.
355
831000
2000
som energimätare i realtid.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Jag tittar på detta och jag tror att
14:10
we could take that so much further
357
835000
3000
vi kunde ta det så mycket längre
14:13
by allowing people to set targets
358
838000
2000
genom att låta människor sätta upp mål
14:15
by setting calibrated targets,
359
840000
2000
genom att ange egna anpassade nivåer
14:17
by using elements of uncertainty,
360
842000
3000
med hjälp av osäkerhetsfaktorer.
14:20
by using these multiple targets,
361
845000
2000
genom att kunna jobba mot flera mål samtidigt,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
med hjälp av ett underliggande system av belöningar och incitament,
14:25
by setting people up
363
850000
2000
genom att låta människor
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
samarbeta i grupper, på platser
14:29
to collaborate and compete,
365
854000
2000
att samarbeta och konkurrera på,
14:31
to use these very sophisticated
366
856000
2000
för att använda de här mycket sofistikerade
14:33
group and motivational mechanics we see.
367
858000
2000
gruppbeteendena och mekanismerna för motivation som vi har sett prov på.
14:35
In terms of education,
368
860000
2000
När det gäller utbildning,
14:37
perhaps most obviously of all,
369
862000
2000
kanske det tydligaste exemplet av alla,
14:39
we can transform how we engage people.
370
864000
3000
kan vi förändra hur vi engagerar människor.
14:42
We can offer people the grand continuity
371
867000
2000
Vi kan erbjuda människor den storslagna
känslan av sammanhang
känslan av sammanhang
14:44
of experience and personal investment.
372
869000
3000
som uppstår ur erfarenhet och att lägga ner
sin själ i något.
sin själ i något.
14:47
We can break things down
373
872000
2000
Vi kan bryta ner saker
14:49
into highly calibrated small tasks.
374
874000
2000
i väl uträknade små uppgifter.
14:51
We can use calculated randomness.
375
876000
2000
Vi kan använda beräknad slumpmässighet.
14:53
We can reward effort consistently
376
878000
2000
Vi kan belöna ansträngning på ett konsekvent sätt
14:55
as everything fields together.
377
880000
3000
så att allt blir en fungerande helhet.
14:58
And we can use the kind of group behaviors
378
883000
2000
Och vi kan använda den typ av gruppbeteenden
15:00
that we see evolving when people are at play together,
379
885000
3000
som vi ser utvecklas när människor leker tillsammans,
15:03
these really quite unprecedentedly complex
380
888000
3000
dessa faktiskt unikt komplexa
15:06
cooperative mechanisms.
381
891000
2000
samarbetsmekanismer.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Regeringen, ja, en sak som jag kommer att tänka på
15:10
is the U.S. government, among others,
383
895000
3000
är att den amerikanska regeringen, bland andra
15:13
is literally starting to pay people
384
898000
2000
bokstavligen har börjat betala folk
15:15
to lose weight.
385
900000
2000
för att gå ner i vikt.
15:17
So we're seeing financial reward being used
386
902000
2000
Så vi ser att ekonomiska belöningar används
15:19
to tackle the great issue of obesity.
387
904000
2000
för att ta itu med den stora frågan om fetma.
15:21
But again, those rewards
388
906000
2000
Men de belöningarna skulle
15:23
could be calibrated so precisely
389
908000
3000
kunna ställas in så exakt
15:26
if we were able to use the vast expertise
390
911000
3000
om vi kunde använda den stora sakkunskapen
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
inom spelteori för att göra det mer intressant,
15:32
to take the data, to take the observations,
392
917000
2000
och ta uppgifterna och observationerna
15:34
of millions of human hours
393
919000
2000
från miljontals människors timmar
15:36
and plow that feedback
394
921000
2000
och använda den informationen
15:38
into increasing engagement.
395
923000
2000
för att öka engagemanget.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Och till slut, det är detta ord, "engagemang",
15:43
that I want to leave you with.
397
928000
2000
att jag vill lämna dig med.
15:45
It's about how individual engagement
398
930000
2000
Det handlar om hur personligt engagemang
15:47
can be transformed
399
932000
2000
kan förändras
15:49
by the psychological and the neurological lessons
400
934000
3000
med hjälp av de psykologiska och neurologiska lärdomar
15:52
we can learn from watching people that are playing games.
401
937000
3000
som vi kan lära oss från att titta på folk som spelar spel.
15:55
But it's also about collective engagement
402
940000
3000
Men det handlar också om kollektivt engagemang
15:58
and about the unprecedented laboratory
403
943000
3000
och om det exempellösa laboratoriet
16:01
for observing what makes people tick
404
946000
2000
för att observera vad som gör att människor
går igång
går igång
16:03
and work and play and engage
405
948000
2000
och jobbar och spelar och engagerar sig
16:05
on a grand scale in games.
406
950000
3000
i stor skala i olika spel.
16:08
And if we can look at these things and learn from them
407
953000
3000
Och om vi kan titta på dessa saker och lära av dem.
16:11
and see how to turn them outwards,
408
956000
2000
och se hur de kan användas på andra ställen,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
då tror jag att vi har något helt revolutionerande till vårt förfogande.
16:16
Thank you very much.
410
961000
2000
Tack så mycket.
16:18
(Applause)
411
963000
4000
(Applåder)
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