TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
ทอม แชทฟิวด์ (Tom Chatfield) : 7 วิธีที่เกมส์ให้รางวัลกับสมอง
Filmed:
Readability: 3.8
1,288,061 views
เรากำลังนำการเล่นเกมส์เข้ามาสู่วิถีชีวิตของเรามากขึ้นๆ ใช้เวลาและเงินนับไม่ถ้วนเพื่อท่องโลกเสมือนจริง และหาสมบัติในจินตนาการ ทำไมน่ะเหรอ? ทอม แชทฟิวด์ ได้แสดงให้เราเห็นว่า เกมส์นั้นได้ถูกปรับแต่งให้มอบรางวัลให้กับเราอย่างเหมาะสมทีละน้อยๆ ทำให้สมองเรารู้สึกติดพัน และทำให้เราเข้าไปเล่นเพิ่มอีกเรื่อยๆ
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
ผมชอบเกมส์
00:18
I'm also slightly in awe of them.
1
3000
3000
อันที่จริงผมออกจะทึ่งในพวกมันซะด้วยซ้ำ
00:21
I'm in awe of their power
2
6000
2000
ผมทึ่งในพลังของมัน
00:23
in terms of imagination, in terms of technology,
3
8000
2000
ทึ่งในความคิดสร้างสรรค์ ทึ่งในเทคโนโลยี
00:25
in terms of concept.
4
10000
2000
ทึ่งในแนวคิด
00:27
But I think, above all,
5
12000
2000
แต่ที่สำคัญ
00:29
I'm in awe at their power
6
14000
2000
ผมทึ่งในพลังของพวกมัน
00:31
to motivate, to compel us,
7
16000
3000
ที่ให้แรงบันดาลใจกับเรา ที่มีอิทธิพลต่อเรา
00:34
to transfix us,
8
19000
2000
ที่ทำให้เราตะลึงได้
00:36
like really nothing else we've ever invented
9
21000
3000
ไม่เหมือนกับสิ่งประดิษฐ์ใดๆ เลยที่เราเคยคิดค้น
00:39
has quite done before.
10
24000
2000
จะสามารถทำมันได้มาก่อน
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
และผมคิดว่าเราสามารถเรียนรู้บางอย่างที่พิเศษมากๆ
00:44
by looking at how we do this.
12
29000
2000
จากการดูว่าเราทำมันได้อย่างไร
00:46
And in particular, I think we can learn things
13
31000
2000
โดยเฉพาะอย่างยิ่ง ผมคิดว่าเราสามารถที่จะเรียนรู้บางอย่าง
00:48
about learning.
14
33000
3000
เกี่ยวกับการเรียนได้
00:51
Now the video games industry
15
36000
2000
ธุรกิจเกมส์ในตอนนี้
00:53
is far and away the fastest growing
16
38000
2000
เป็นธุรกิจที่เติบโตเร็วที่สุด แบบหาที่เปรียบไม่ได้
00:55
of all modern media.
17
40000
2000
เมื่อเทียบกับธุรกิจสื่อสมัยใหม่ทั้งหมด
00:57
From about 10 billion in 1990,
18
42000
2000
เริ่มต้นจาก 1 หมื่นล้านในปี 1990
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
กลายเป็น 5 หมื่นล้านทั่วโลกในวันนี้
01:02
and it shows no sign of slowing down.
20
47000
3000
โดยที่ยังไม่มีวี่แววว่าจะเริ่มช้าลง
01:05
In four years' time,
21
50000
2000
ในอีก 4 ปีข้างหน้า
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
ธุรกิจเกมส์ถูกประมาณการว่าจะมีมูลค่ากว่า 8 หมื่นล้านเหรียญสหรัฐฯ
01:10
That's about three times the recorded music industry.
23
55000
3000
คิดเป็นประมาณ 3 เท่าของธุรกิจเพลง
01:13
This is pretty stunning,
24
58000
2000
นี่มันน่าทึ่งทีเดียว
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
แต่ผมก็ยังไม่คิดว่ามันเป็นสถิติที่น่าประหลาดใจที่สุด
01:18
The thing that really amazes me
26
63000
2000
สิ่งที่ทำให้ผมทึ่งจริงๆ
01:20
is that, today,
27
65000
2000
ก็คือ ที่ทุกวันนี้
01:22
people spend about
28
67000
2000
ผู้คนใช้เงินประมาณ
01:24
eight billion real dollars a year
29
69000
3000
8 หมื่นล้านเหรียญสหรัฐฯ ต่อปี
01:27
buying virtual items
30
72000
2000
เพื่อซื้อวัตถุเสมือนจริง
01:29
that only exist
31
74000
2000
ที่สามารถมีอยู่ได้
01:31
inside video games.
32
76000
3000
ภายในวีดีโอเกมส์เท่านั้น
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
และนี่ก็คือภาพตัวอย่างจากโลกของเกมส์เสมือนจริง Entropia Universe
01:37
Earlier this year,
34
82000
2000
ในช่วงต้นปีที่ผ่านมา
01:39
a virtual asteroid in it
35
84000
2000
ดาวเคราะห์เสมือนจริงในเกมส์
01:41
sold for 330,000 real dollars.
36
86000
4000
ถูกขายในราคาสูงถึง 330,000 เหรียญสหรัฐ
01:45
And this
37
90000
2000
และนี่
01:47
is a Titan class ship
38
92000
3000
ก็คือเรือรบระดับ Titan
01:50
in the space game, EVE Online.
39
95000
2000
ในเกมส์ท่องอวกาศ EVE Online
01:52
And this virtual object
40
97000
2000
และวัตถุเสมือนจริงนี้
01:54
takes 200 real people
41
99000
2000
ใช้คนจริง 200 คน
01:56
about 56 days of real time to build,
42
101000
3000
กับเวลาจริงกว่า 56 วัน ในการสร้าง
01:59
plus countless thousands of hours
43
104000
3000
และนี่ยังไม่รวมกับเวลานับพันชั่วโมง
02:02
of effort before that.
44
107000
2000
กับความพยายามก่อนหน้านั้นอีก
02:04
And yet, many of these get built.
45
109000
3000
แต่ถึงอย่างนั้น วัตถุเหล่านี้ก็ยังถูกสร้างขึ้นอยู่เรื่อยๆ
02:07
At the other end of the scale,
46
112000
2000
ที่อีกฟากหนึ่งของตาชั่ง
02:09
the game Farmville that you may well have heard of,
47
114000
3000
เกมส์ Farmville ที่คุณอาจเคยคุ้นหูมาบ้าง
02:12
has 70 million players
48
117000
2000
มีผู้เล่นถึง 70 ล้านคน
02:14
around the world
49
119000
2000
ทั่วโลก
02:16
and most of these players
50
121000
2000
และผู้เล่นส่วนใหญ่
02:18
are playing it almost every day.
51
123000
2000
ก็เล่นมันแทบจะทุกวัน
02:20
This may all sound
52
125000
2000
นี่มันอาจจะฟังดู
02:22
really quite alarming to some people,
53
127000
2000
น่าตกใจทีเดียวสำหรับบางคน
02:24
an index of something worrying
54
129000
2000
เพราะมันอาจเป็นการบ่งบอกบางสิ่งที่น่าเป็นห่วง
02:26
or wrong in society.
55
131000
2000
หรือไม่เหมาะสมอยู่ในสังคม
02:28
But we're here for the good news,
56
133000
2000
แต่พวกเรามาที่นี่เพื่อบอกข่าวดีกับคุณ
02:30
and the good news is
57
135000
2000
และข่าวดีก็คือ
02:32
that I think we can explore
58
137000
2000
ผมคิดว่าเราสามารถที่จะสำรวจ
02:34
why this very real human effort,
59
139000
3000
ว่าทำไมความตั้งใจจริง
02:37
this very intense generation of value, is occurring.
60
142000
4000
ที่แสนเข้มข้นในยุคของคนเหล่านี้ ถึงได้เกิดขึ้น
02:41
And by answering that question,
61
146000
2000
และจากคำตอบที่ได้
02:43
I think we can take something
62
148000
2000
ผมคิดว่าเราสามารถที่จะนำ
02:45
extremely powerful away.
63
150000
2000
บางอย่างที่ทรงพลังอย่างมากออกไป
02:47
And I think the most interesting way
64
152000
2000
และสิ่งที่น่าสนใจที่สุด
02:49
to think about how all this is going on
65
154000
2000
คือการคิดว่าทั้งหมดนี้จะเกิดขึ้น
02:51
is in terms of rewards.
66
156000
2000
ในลักษณะของการให้รางวัล
02:53
And specifically, it's in terms
67
158000
3000
โดยเฉพาะอย่างยิ่ง ในส่วน
02:56
of the very intense emotional rewards
68
161000
2000
ของการให้รางวัลทางอารมณ์ที่ลึกซึ้ง
02:58
that playing games offers to people
69
163000
2000
ที่การเล่นเกมส์สามารถให้
03:00
both individually
70
165000
2000
ทั้งในระดับของบุคคล
03:02
and collectively.
71
167000
2000
และในระดับกลุ่มได้
03:04
Now if we look at what's going on in someone's head
72
169000
2000
เอาล่ะ หากเรามาลองดูว่าเกิดอะไรขึ้นในหัวของใครบางคน
03:06
when they are being engaged,
73
171000
2000
เวลาที่เขากำลังรู้สึกมีส่วนร่วม
03:08
two quite different processes are occurring.
74
173000
3000
จะมีกระบวนการทำงานที่แตกต่างกัน 2 อย่างเกิดขึ้น
03:11
On the one hand, there's the wanting processes.
75
176000
3000
ที่ฝั่งหนึ่ง จะมีกระบวนการของความต้องการ
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
นี่มันคล้ายๆ กับความทะเยอทะยาน และแรงผลักดัน ฉันจะทำอย่างนั้น และฉันจะทำมันอย่างหนัก
03:17
On the other hand, there's the liking processes,
77
182000
2000
และที่อีกฝั่งหนึ่ง เป็นกระบวนการของความชื่นชอบ
03:19
fun and affection
78
184000
2000
ความสนุก และความหลงใหล
03:21
and delight
79
186000
2000
และความพอใจ
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
กับสัตว์ประหลาดตัวใหญ่บินได้ ที่มียักษ์ขี่อยู่บนหลัง
03:25
It's a really great image. It's pretty cool.
81
190000
2000
มันเป็นภาพที่เยี่ยมมาก และมันดูเจ๋งทีเดียว
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
ภาพนี้มาจากเกมส์ World of Warcraft ที่มีผู้เล่นทั่วโลกกว่า 10 ล้านคน
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
1 ในนั้นก็คือผม อีกคนก็คือภรรยาของผม
03:33
And this kind of a world,
84
198000
2000
และโลกแบบนี้
03:35
this vast flying beast you can ride around,
85
200000
2000
เจ้าสัตว์ประหลาดยักษ์ที่คุณสามารถขี่ไปไหนมาไหนก็ได้นี้
03:37
shows why games are so very good
86
202000
2000
แสดงให้เห็นว่าทำไมเกมส์ถึงทำได้ดีนัก
03:39
at doing both the wanting and the liking.
87
204000
3000
ทั้งส่วนของความต้องการ และความชอบ
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
เพราะว่ามันทรงพลังอย่างมาก และมันเจ๋งเลยทีเดียว
03:44
It gives you great powers.
89
209000
2000
มันให้พลังอันมหาศาลกับคุณ
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
ความทะเยอทะยานของคุณก็ถูกเติมเต็ม และมันก็งดงามมากๆ
03:49
It's a very great pleasure to fly around.
91
214000
3000
มันเป็นความรู้สึกที่สุดยอดมากเวลาได้บินไปรอบๆ
03:52
And so these combine to form
92
217000
2000
และทั้งหมดนี่มันก่อให้เกิด
03:54
a very intense emotional engagement.
93
219000
2000
อารมณ์ร่วมอย่างลึกซึ้ง
03:56
But this isn't the really interesting stuff.
94
221000
3000
แต่นี่ก็ยังมันไม่ใช่สิ่งที่น่าสนใจจริงๆ
03:59
The really interesting stuff about virtuality
95
224000
2000
สิ่งที่น่าสนใจจริงๆ เกี่ยวกับโลกเสมือนจริง
04:01
is what you can measure with it.
96
226000
2000
ก็คือสิ่งที่คุณสามารถนำมาวัดค่าได้
04:03
Because what you can measure in virtuality
97
228000
3000
เพราะว่าทุกสิ่งทุกอย่างในโลกเสมือนจริง
04:06
is everything.
98
231000
2000
สามารถวัดค่าได้
04:08
Every single thing that every single person
99
233000
2000
ทุกๆ การกระทำในทุกๆ คน
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
ที่เคยเล่นเกมส์มา สามารถถูกวัดได้
04:13
The biggest games in the world today
101
238000
2000
เกมส์ที่ใหญ่ที่สุดในโลกทุกวันนี้
04:15
are measuring more than one billion points of data
102
240000
4000
กำลังวัดผลข้อมูลกว่า 1 พันล้านจุด
04:19
about their players, about what everybody does --
103
244000
2000
เกี่ยวกับผู้เล่น เกี่ยวกับสิ่งที่ทุกคนทำ
04:21
far more detail than you'd ever get from any website.
104
246000
3000
เป็นข้อมูลที่ละเอียดมากกว่าสิ่งที่คุณเคยได้รับจากเว็บไซต์ใดๆ
04:24
And this allows something very special
105
249000
3000
และนี่มันทำให้บางอย่างที่พิเศษมากๆ
04:27
to happen in games.
106
252000
2000
เกิดขึ้นได้ในเกมส์
04:29
It's something called the reward schedule.
107
254000
3000
มันถูกเรียกว่า กำหนดการการให้รางวัล
04:32
And by this, I mean looking
108
257000
2000
และในที่นี้ ผมหมายถึงการมอง
04:34
at what millions upon millions of people have done
109
259000
2000
สิ่งที่คนนับล้านๆ คนได้ทำ
04:36
and carefully calibrating the rate,
110
261000
2000
และค่อยๆปรับค่า
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
ของลักษณะ ประเภท และความหนาแน่นของรางวัลในเกมส์อย่างระมัดระวัง
04:41
to keep them engaged
112
266000
2000
เพื่อทำให้พวกเค้ายังคงติดพัน
04:43
over staggering amounts of time and effort.
113
268000
3000
กับการใช้เวลา และความพยายามอยู่ต่อไปเรื่อยๆ
04:46
Now, to try and explain this
114
271000
2000
เอาล่ะ ตอนนี้เรามาลองอธิบายสิ่งนี้
04:48
in sort of real terms,
115
273000
3000
ในความเป็นจริงกัน
04:51
I want to talk about a kind of task
116
276000
2000
ผมต้องการพูดถึงงานบางประเภท
04:53
that might fall to you in so many games.
117
278000
2000
ที่อาจคล้ายกับสิ่งที่มีอยู่ในเกมส์
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
เช่น การเดินทางเพื่อไปเก็บวัตถุในเกมส์บางอย่าง
04:58
Let's say, for the sake of argument,
119
283000
2000
ยกตัวอย่างเช่น
05:00
my mission is to get 15 pies
120
285000
3000
ภารกิจของผมคือการไปหาพาย 15 ชิ้น
05:03
and I can get 15 pies
121
288000
3000
และผมจะได้พาย 15 ชิ้นมาจาก
05:06
by killing these cute, little monsters.
122
291000
2000
การล่าสัตว์ประหลาดตัวเล็กๆ น่ารักๆ พวกนี้
05:08
Simple game quest.
123
293000
2000
ในภารกิจแบบครั้งเดียวจบ
05:10
Now you can think about this, if you like,
124
295000
2000
ตอนนี้ผมอยากให้คุณลองคิดถึงสถานการณ์แบบนี้
05:12
as a problem about boxes.
125
297000
2000
ในลักษณะของปัญหาเกี่ยวกับกล่อง
05:14
I've got to keep opening boxes.
126
299000
2000
ซึ่งผมจะต้องเปิดกล่องไปเรื่อยๆ
05:16
I don't know what's inside them until I open them.
127
301000
3000
โดยที่ผมจะไม่รู้ว่าอะไรอยู่ข้างในจนกว่าผมจะเปิดมัน
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
ผมก็เลยเดินไปเพื่อเปิดกล่องเรื่อยๆ จนกว่าผมจะได้พาย 15 ชิ้น
05:22
Now, if you take a game like Warcraft,
129
307000
2000
ตอนนี้ถ้าคุณลองมองเกมส์อย่าง Warcraft
05:24
you can think about it, if you like,
130
309000
2000
คุณลองคิดดูนะ
05:26
as a great box-opening effort.
131
311000
3000
ด้วยความพยายามในการเปิดกล่องอย่างหนัก
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
เกมส์นั้นก็แค่พยายามให้คนเข้าไปเปิดกล่องประมาณ 1 ล้านกล่อง
05:32
getting better and better stuff in them.
133
317000
2000
โดยได้เจอสิ่งที่ดีขึ้นเรื่อยๆ อยู่ข้างใน
05:34
This sounds immensely boring
134
319000
3000
ซึ่งมันอาจฟังดูน่าเบื่อ
05:37
but games are able
135
322000
2000
แต่เกมส์กลับมีความสามารถ
05:39
to make this process
136
324000
2000
ในการทำให้กระบวนการทั้งหมดนี้
05:41
incredibly compelling.
137
326000
2000
น่าดึงดูดได้
05:43
And the way they do this
138
328000
2000
และวิธีที่พวกเขาทำ
05:45
is through a combination of probability and data.
139
330000
3000
ก็เป็นส่วนประกอบของความน่าจะเป็น และข้อมูล
05:48
Let's think about probability.
140
333000
2000
ลองมาคิดถึงความน่าจะเป็นกันดู
05:50
If we want to engage someone
141
335000
2000
ถ้าเราต้องการให้ใครซักคนรู้สึกอยากเล่นต่อไปเรื่อยๆ
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
ในกระบวนการของการเปิดกล่อง และการหาพาย
05:55
we want to make sure it's neither too easy,
143
340000
2000
เราต้องทำให้แน่ใจได้ว่ามันจะไม่ง่าย
05:57
nor too difficult, to find a pie.
144
342000
2000
หรือยากเกินไปที่จะหาพาย
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
แล้วคุณจะทำอย่างไรล่ะ เอาล่ะคุณลองมาดูคน 1 ล้านคน
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
ไม่สิ 100 ล้านคน คนเปิดกล่อง 100 ล้านคน
06:04
and you work out, if you make the pie rate
147
349000
3000
และคุณคำนวณอัตราการเปิดเจอพาย
06:07
about 25 percent --
148
352000
2000
ที่ประมาณ 25 เปอร์เซ็นต์
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
ซึ่งฟังดูไม่น่าปวดหัว หรือง่ายเกินไป
06:12
It keeps people engaged.
150
357000
2000
มันทำให้ผู้คนรู้สึกอยากเล่นต่อ
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
แต่แน่นอนนั่นมันไม่ใช่ทุกอย่างที่คุณจะต้องทำ คุณต้องการพาย 15 ชิ้น
06:17
Now, I could make a game called Piecraft,
152
362000
2000
ตอนนี้ ผมสามารถสร้างเกมส์ที่ชื่อ Piecraft
06:19
where all you had to do was get a million pies
153
364000
2000
ซึ่งสิ่งที่คุณต้องทำทั้งหมดก็คือการหาพาย 1 ล้านชิ้น
06:21
or a thousand pies.
154
366000
2000
หรือ 1 พันชิ้น
06:23
That would be very boring.
155
368000
2000
มันคงจะน่าเบื่อมากทีเดียว
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 เป็นเลขที่กำลังเหมาะสม
06:27
You find that -- you know, between five and 20
157
372000
2000
คุณจะพบว่า จำนวนระหว่าง 5 และ 20
06:29
is about the right number for keeping people going.
158
374000
2000
นั้นเป็นจำนวนที่เหมาะสมให้คนยังคงเล่นต่อไป
06:31
But we don't just have pies in the boxes.
159
376000
2000
แต่แน่นอนเราไม่จำเป็นต้องมีแค่พายในกล่องเท่านั้น
06:33
There's 100 percent up here.
160
378000
2000
มันสามารถเป็นอะไรก็ได้ทุกๆ ครั้งที่เปิดกล่อง
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
และสิ่งที่เราทำก็คือทำให้แน่ใจว่าทุกๆ ครั้งที่กล่องถูกเปิด
06:38
there's something in it, some little reward
162
383000
2000
มันจะต้องมีบางสิ่งอยู่ข้างในนั้น เป็นรางวัลเล็กๆ น้อยๆ
06:40
that keeps people progressing and engaged.
163
385000
2000
ที่ทำให้คนยังดำเนินการ และติดพันไปกับเกมส์ต่อ
06:42
In most adventure games,
164
387000
2000
ในเกมส์ผจญภัยส่วนใหญ่
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
มันมักจะเป็นส่วนผสมของการใช้สกุลเงินในเกมส์ กับค่าประสบการณ์
06:47
But we don't just do that either.
166
392000
2000
แต่เราก็ยังไม่หยุดแค่นั้น
06:49
We also say there's going to be loads of other items
167
394000
2000
เรายังเพิ่มในองค์ประกอบในส่วนของสิ่งของมากมาย
06:51
of varying qualities and levels of excitement.
168
396000
2000
ที่แตกต่างกันด้วยคุณภาพ และระดับขั้นของความตื่นเต้น
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
คุณอาจจะมีโอกาสซัก 10 เปอร์เซ็นต์ในการได้ของดีๆ สักชิ้น
06:56
There's going to be a 0.1 percent chance
170
401000
2000
แต่คุณจะมีโอกาสแค่ 0.1 เปอร์เซ็นต์
06:58
you get an absolutely awesome item.
171
403000
3000
ในการที่จะได้สิ่งของระดับขั้นสุดยอดมาสักชิ้น
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
และของรางวัลแต่ละชนิดก็จะถูกปรับอัตราการพบอย่างระมัดระวัง
07:04
And also, we say,
173
409000
2000
นอกจากนี้เรายังพูดกันว่า
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"แล้วเราจะมีสัตว์ประหลาดกี่ชนิดดีล่ะ? พวกเราควรจะให้ทั้งโลกเต็มไปด้วยสัตว์ประหลาดนับพันล้านชนิดเลยดีมั้ย?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
คำตอบก็คือไม่ เราต้องการแค่ 1 หรือ 2 ชนิดให้ปรากฎขึ้นบนจอเท่านั้น
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
ผมก็เลยติดมัน มันไม่ง่าย และไม่ยากจนเกินไป
07:15
So all this is very powerful.
177
420000
2000
เพราะฉะนั้นทั้งหมดนี่มันทรงพลังมากๆ
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
แต่เราอยู่ในโลกเสมือนจริง และนี่ไม่ใช่กล่องจริงๆ
07:20
So we can do
179
425000
2000
พวกเราเลยสามารถ
07:22
some rather amazing things.
180
427000
2000
ทำสิ่งที่น่าเหลือเชื่อได้
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
เราได้เห็นผู้คนเหล่านี้เปิดกล่อง
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
เวลาพวกเขาเปิดเจอพายซัก 13 จาก 15 ชิ้น
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
มุมมองของพวกเขาก็จะเปลี่ยนไป พวกเขาเริ่มเบื่อ เริ่มใจร้อน
07:34
They're not rational about probability.
184
439000
2000
พวกเขาไม่ได้มองจากมุมของความน่าจะเป็น
07:36
They think this game is unfair.
185
441000
2000
และเริ่มคิดว่าเกมส์นี้มันไม่ยุติธรรม
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
หาพาย 2 ชิ้นสุดท้ายไม่เจอซักที ฉันจะเลิกเล่นมันแล้ว
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
ถ้าเกิดว่ามันเป็นกล่องจริงๆ เราคงทำอะไรไม่ได้มาก
07:42
but in a game we can just say, "Right, well.
188
447000
2000
แต่ในเกมส์เราสามารถพูดได้ว่า "โอเค
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
ถ้าหากคุณเจอพายไป 13 ชิ้นแล้ว ตอนนี้คุณจะได้โอกาสถึง 75 เปอร์เซ็นต์ในการเปิดเจอพายแล้ว"
07:48
Keep you engaged. Look at what people do --
190
453000
2000
เพื่อให้คนยังคงเล่นต่อไป จากการดูจากสิ่งที่คนทำ
07:50
adjust the world to match their expectation.
191
455000
2000
และเปลี่ยนโลกให้มันเหมาะสมกับความคาดหวังของพวกเค้า
07:52
Our games don't always do this.
192
457000
2000
บางเกมส์ของเราอาจไม่ได้ทำแบบนี้
07:54
And one thing they certainly do at the moment
193
459000
2000
แต่สิ่งหนึ่งที่พวกเขาจะทำแน่ๆ ก็คือ
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
ทันทีที่คุณได้รับของสุดยอดที่มีโอกาสได้แค่ 0.1 เปอร์เซ็นต์นั้น
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
พวกเค้าจะทำให้แน่ใจว่าอีกชิ้นหนึ่งจะยังไม่ปรากฎออกมาซักพัก
08:02
to keep the value, to keep it special.
196
467000
2000
เพื่อให้มันยังคงความพิเศษอยู่
08:04
And the point is really
197
469000
2000
และจุดประสงค์ที่แท้จริงของพวกเราก็คือ
08:06
that we evolved to be satisfied by the world
198
471000
2000
พวกเราจะปรับตัวเพื่อให้โลกยังคงพอใจอยู่
08:08
in particular ways.
199
473000
2000
ไม่ทางใด ก็ทางหนึ่ง
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
ไม่ว่าจะผ่านไป 10 หรือ 100 หรือ พันปี
08:13
we evolved to find certain things stimulating,
201
478000
2000
พวกเราก็จะปรับตัวเพื่อหาสิ่งที่จะคอยกระตุ้นคุณอยู่เรื่อยๆ
08:15
and as very intelligent, civilized beings,
202
480000
2000
และในฐานะของสิ่งมีชีวิตที่ชาญฉลาด และมีอารยธรรม
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
เราจะรู้สึกถูกกระตุ้นอย่างมากโดยการแก้ปัญหา และการเรียนรู้อยู่แล้ว
08:20
But now, we can reverse engineer that
204
485000
2000
แต่ตอนนี้เราสามารถที่จะกลับกระบวนการทั้งหมดนั่น
08:22
and build worlds
205
487000
2000
และสร้างโลก
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
ที่จะคอยสร้างแรงกระตุ้น ต่อต่อมการวิวัฒนาการของเราได้
08:27
So what does all this mean in practice?
207
492000
2000
แล้วนี่มันหมายความว่าอย่างไรในภาคการปฏิบัติน่ะเรอะ?
08:29
Well, I've come up
208
494000
2000
ผมก็เลยได้คิดค้น
08:31
with seven things
209
496000
2000
7 อย่าง
08:33
that, I think, show
210
498000
2000
ที่คิดว่า จะแสดง
08:35
how you can take these lessons from games
211
500000
2000
ให้คุณเห็นว่าคุณสามารถนำบทเรียนจากเกมส์เหล่านี้
08:37
and use them outside of games.
212
502000
3000
และนำมันมาใช้นอกเกมส์ได้อย่างไร
08:40
The first one is very simple:
213
505000
2000
อย่างแรกนั้นง่ายมาก
08:42
experience bars measuring progress --
214
507000
2000
เราจะต้องทำการแสดงความก้าวหน้า เปรียบเทียบกับระดับความสำเร็จ
08:44
something that's been talked about brilliantly
215
509000
2000
บางอย่างที่ถูกกล่าวถึงอย่างดีเยี่ยม
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
จากคนอย่าง เจสซี่ เชลล์ (Jesse Schell) เมื่อต้นปีที่ผ่านมา
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
มันถูกทำสำเร็จมาแล้วในมหาวิทยาลัยอินเดียน่า ในสหรัฐอเมริกา
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
มันเป็นความคิดง่ายๆ โดยแทนที่จะให้คะแนนนักศึกษา
08:55
in little bits and pieces,
219
520000
2000
ทีละส่วนๆ ย่อยๆ
08:57
you give them one profile character avatar
220
522000
2000
คุณจะให้ตัวตนเสมือนจริง 1 คนกับพวกเขา
08:59
which is constantly progressing
221
524000
2000
ที่จะพัฒนาขึ้นไปเรื่อยๆ
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
ทีละน้อย ทีละน้อย โดยที่พวกเขายังรู้สึกว่าเป็นตัวของเขาเอง
09:04
And everything comes towards that,
223
529000
2000
และทุกอย่างมันจะมาจบลงที่
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
ขณะพวกเขาดูพวกมันเติบโต พวกเขาจะรู้สึกถึงความเป็นเจ้าของมันไปโดยปริยาย
09:09
Second, multiple long and short-term aims --
225
534000
2000
ข้อสอง การสร้างจุดหมายระยะยาว และระยะสั้นหลายๆ จุด
09:11
5,000 pies, boring,
226
536000
2000
พาย 5 พันชิ้น มันฟังดูน่าเบื่อ
09:13
15 pies, interesting.
227
538000
2000
พาย 15 ชิ้น น่าสนใจ
09:15
So, you give people
228
540000
2000
เพราะฉะนั้นเราจะมอบหมายงานให้
09:17
lots and lots of different tasks.
229
542000
2000
หลายๆ แบบ
09:19
You say, it's about
230
544000
2000
คุณจะบอกว่ามันเกี่ยวกับ
09:21
doing 10 of these questions,
231
546000
2000
การตอบคำถาม 10 ข้อนี้ ทั้งหมด
09:23
but another task
232
548000
2000
แต่หน้าที่อีกอย่าง
09:25
is turning up to 20 classes on time,
233
550000
2000
ก็คือการมาเข้าชั้นเรียนตรงเวลา 20 ครั้ง
09:27
but another task is collaborating with other people,
234
552000
3000
อีกอย่างก็คือทำงานร่วมกับคนอื่น
09:30
another task is showing you're working five times,
235
555000
3000
แล้วอีกงานก็ให้แสดงว่าคุณได้ทำงาน 5 ครั้ง
09:33
another task is hitting this particular target.
236
558000
2000
อีกงานหนึ่งก็คือการได้เป้าหมายตามที่กำหนด
09:35
You break things down into these calibrated slices
237
560000
3000
คุณจะต้องแยกงานเหล่านี้ออกเป็นชิ้นส่วนที่สามารถปรับแปลงค่าได้
09:38
that people can choose and do in parallel
238
563000
2000
ให้คนสามารถเลือก และทำไปพร้อมๆ กัน
09:40
to keep them engaged
239
565000
2000
เพื่อให้พวกเขายังรู้สึกมีส่วนร่วมอยู่
09:42
and that you can use to point them
240
567000
2000
และคุณก็สามารถที่จะแนะนำพวกเขา
09:44
towards individually beneficial activities.
241
569000
3000
ให้ทำกิจกรรมที่สร้างคุณค่าของตัวเองได้
09:48
Third, you reward effort.
242
573000
2000
ข้อสาม ให้รางวัลกับความพยายาม
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
เกมส์น่ะเก่งในส่วนนี้มาก มันเป็นอัตราการเปิดเจอ 100 เปอร์เซ็นต์
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
ทุกๆ ครั้งที่คุณทำอะไรก็ตาม คุณจะได้รับความน่าเชื่อถือเพิ่ม คุณได้ความเชื่อถือเพิ่มจากความพยายามของคุณ
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
คุณต้องไม่ทำโทษความผิดที่เกิดขึ้น คุณเปลี่ยนมาให้รางวัลกับทุกๆ ความพยายามแทน
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
ให้ทองซักเล็กน้อย ให้ความน่าเชื่อถืออีกเล็กน้อย คุณทำคำถามครบ 20 ข้อแล้ว เช็ค
10:02
It all feeds in as minute reinforcement.
247
587000
3000
ทั้งหมดมันประกอบกันเป็นการให้แรงจูงใจในช่วงเวลาสั้นๆ
10:05
Fourth, feedback.
248
590000
2000
ข้อที่สี่ การตอบกลับ
10:07
This is absolutely crucial,
249
592000
2000
นี่มันสำคัญมากทีเดียว
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
และโลกเสมือนจริงก็ทำได้ดีมากในส่วนนี้
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
ถ้าคุณลองมองปัญหาที่แก้ไขได้ยากในโลกปัจจุบัน
10:14
that we've been hearing amazing things about,
252
599000
2000
คุณก็จะได้ยินสิ่งที่น่าแปลกใจเกี่ยวกับ
10:16
it's very, very hard for people to learn
253
601000
3000
ว่าผู้คนน่ะเรียนรู้ได้ยากมากๆ เพียงใด
10:19
if they cannot link consequences to actions.
254
604000
3000
ถ้าหากพวกเขาไม่สามารถเชื่อมต่อสิ่งที่จะได้กับการกระทำ
10:22
Pollution, global warming, these things --
255
607000
2000
มลพิษ, สภาวะเรือนกระจก สิ่งเหล่านี้
10:24
the consequences are distant in time and space.
256
609000
2000
ผลของการกระทำมันอยู่ไกลโพ้นออกไปในช่วงเวลา และสถานที่
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
มันจึงยากมากที่จะเรียนรู้ ยากที่จะรู้สึกถึงบทเรียน
10:28
But if you can model things for people,
258
613000
2000
แต่ถ้าคุณสามารถจำลองสิ่งเหล่านี้
10:30
if you can give things to people that they can manipulate
259
615000
2000
ให้ผู้คนสามารถปรับแปลงค่าได้ด้วยตัวเอง
10:32
and play with and where the feedback comes,
260
617000
2000
และเล่นกับผลตอบกลับที่จะเกิดขึ้น
10:34
then they can learn a lesson, they can see,
261
619000
2000
เมื่อนั้นพวกเขาถึงจะเรียนรู้ เพราะพวกเขาเห็น
10:36
they can move on, they can understand.
262
621000
3000
พวกเขาสามารถดำเนินต่อไปได้ พวกเขาจะเข้าใจ
10:39
And fifth,
263
624000
2000
และข้อที่ 5
10:41
the element of uncertainty.
264
626000
2000
องค์ประกอบของความไม่แน่นอน
10:43
Now this is the neurological goldmine,
265
628000
3000
และนี่ก็เปรียบเสมือนกับขุมทองของระบบประสาท
10:46
if you like,
266
631000
2000
ถ้าชอบที่จะเปรียบมันอย่างนั้น
10:48
because a known reward
267
633000
2000
เพราะการที่ได้รู้รางวัลที่จะได้รับ
10:50
excites people,
268
635000
2000
มันทำให้รู้สึกถึงความตื่นเต้น
10:52
but what really gets them going
269
637000
2000
แต่สิ่งที่ทำให้พวกเขาก้าวเดินต่อไป
10:54
is the uncertain reward,
270
639000
2000
ก็คือรางวัลจากความไม่แน่นอน
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
รางวัลที่ให้บนระดับความไม่แน่นอนที่กำลังดี
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
ที่พวกเขายังไม่แน่ใจว่าพวกเขาจะได้รับมันจริงๆ หรือไม่
11:01
The 25 percent. This lights the brain up.
273
646000
3000
เจ้า 25 เปอร์เซ็นต์นี่แหละ ที่มันจะทำให้สมองปลอดโปร่ง
11:04
And if you think about
274
649000
2000
และถ้าคุณลองคิดดู
11:06
using this in testing,
275
651000
2000
การใช้สิ่งนี้ในการทดสอบ
11:08
in just introducing control elements of randomness
276
653000
2000
ในการใช้การควบคุมองค์ประกอบของความไม่แน่นอนต่างๆ
11:10
in all forms of testing and training,
277
655000
2000
ในรูปแบบของการทดสอบ และการอบรม
11:12
you can transform the levels of people's engagement
278
657000
2000
คุณสามารถเปลี่ยนแปลงระดับของความมีส่วนร่วมของผู้คนได้
11:14
by tapping into this very powerful
279
659000
2000
ด้วยการเข้าไปสู่สิ่งที่ทรงพลังมากๆ ของ
11:16
evolutionary mechanism.
280
661000
2000
กลไกของการวิวัฒนาการนี้
11:18
When we don't quite predict something perfectly,
281
663000
2000
เมื่อใดก็ตามที่เราไม่สามารถคาดเดาผลลัพธ์ออกมาได้อย่างแม่นยำ
11:20
we get really excited about it.
282
665000
2000
เราจะรู้สึกตื่นเต้นไปกับมัน
11:22
We just want to go back and find out more.
283
667000
2000
และพวกเราก็ต้องการเสาะหามันมากขึ้นไปเรื่อยๆ
11:24
As you probably know, the neurotransmitter
284
669000
2000
และอย่างที่คุณอาจจะรู้ สารสื่อประสาท
11:26
associated with learning is called dopamine.
285
671000
2000
ที่เกี่ยวข้องกับการเรียนรู้ ที่เรียกว่า โดพามีน (Dopamine)
11:28
It's associated with reward-seeking behavior.
286
673000
3000
ซึ่งมันเกี่ยวข้องกับพฤติกรรมการหารางวัล
11:31
And something very exciting is just beginning to happen
287
676000
3000
และบางอย่างที่น่าตื่นเต้นมากๆ กำลังจะเกิดขึ้น
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
ในสถานที่อย่าง มหาวิทยาลัยบริสตอล (University of Bristol) ในสหราชอาณาจักร
11:37
where we are beginning to be able to model mathematically
289
682000
3000
ที่ๆ เราเริ่มต้นหาแบบจำลองทางคณิตศาสตร์
11:40
dopamine levels in the brain.
290
685000
2000
เพื่อจำลองระดับโดพามีนในสมองได้
11:42
And what this means is we can predict learning,
291
687000
2000
และนี่มันทำให้เราสามารถคาดคะเนการเรียนรู้
11:44
we can predict enhanced engagement,
292
689000
3000
เราสามารถคาดคะเนการเพิ่มระดับความมีส่วนร่วม
11:47
these windows, these windows of time,
293
692000
2000
แล้วหน้าต่างพวกนี้แหละ หน้าต่างแห่งเวลา
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
การเรียนรู้จะได้เกิดขึ้นในระดับที่ดียิ่งขึ้นได้
11:52
And two things really flow from this.
295
697000
2000
และมันมี 2 ปัจจัยที่จะเกิดขึ้นจากสิ่งนี้
11:54
The first has to do with memory,
296
699000
2000
อย่างที่ 1 เกี่ยวข้องกับความจำ
11:56
that we can find these moments.
297
701000
2000
ที่เราสามารถหาจังหวะเวลา
11:58
When someone is more likely to remember,
298
703000
2000
เมื่อใครบางคนสามารถที่จะจำได้ดีกว่า
12:00
we can give them a nugget in a window.
299
705000
2000
เราก็จะให้รางวัลที่หน้าต่าง
12:02
And the second thing is confidence,
300
707000
2000
อย่างที่ 2 คือความมั่นใจ
12:04
that we can see how game-playing and reward structures
301
709000
2000
ที่เราสามารถเห็นการเล่นเกมส์ และโครงสร้างของการให้รางวัล
12:06
make people braver, make them more willing to take risks,
302
711000
3000
ทำให้ผู้คนมีความกล้ามากขึ้น ทำให้ยอมรับความเสี่ยงได้มากขึ้น
12:09
more willing to take on difficulty,
303
714000
2000
และก็มีความต้องการที่จะเผชิญต่อความยากลำบาก
12:11
harder to discourage.
304
716000
2000
รู้สึกท้อถอยได้ยากขึ้น
12:13
This can all seem very sinister.
305
718000
2000
ทั้งหมดนี่มันอาจดูชั่วร้ายมากๆ
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
แต่คุณก็อย่างที่คุณน่าจะรู้ว่า "สมองของพวกเราล้วนถูกบงการอยู่ ความจริงพวกเราก็เหมือนกับผู้เสพย์ติดคนหนึ่ง"
12:17
The word "addiction" is thrown around.
307
722000
2000
คำว่า "เสพย์ติด" นั้นเป็นแค่คำพูดลอยๆ
12:19
There are real concerns there.
308
724000
2000
มันก็มีความน่าเป็นห่วงบางอย่างอยู่เหมือนกัน
12:21
But the biggest neurological turn-on for people
309
726000
2000
แต่สิ่งที่จะสามารถปลุกเร้าทางประสาทให้กับคนได้มากที่สุด
12:23
is other people.
310
728000
2000
ก็คือคนอื่นๆ
12:25
This is what really excites us.
311
730000
3000
นี่แหละที่มันน่าตื่นเต้นสำหรับพวกเรา
12:28
In reward terms, it's not money;
312
733000
2000
ในแง่ของการให้รางวัล มันไม่เกี่ยวกับเงิน
12:30
it's not being given cash -- that's nice --
313
735000
3000
มันไม่ได้เกี่ยวข้องกับการให้เงินสด นั่นมันก็แค่ดี
12:33
it's doing stuff with our peers,
314
738000
2000
แต่มันคือการได้ทำกิจกรรมร่วมกับเพื่อนร่วมงานของเรา
12:35
watching us, collaborating with us.
315
740000
2000
เฝ้าดูเรา ทำงานร่วมกับเรา
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
ผมอยากจะเล่าเรื่องราวอย่างเร็วๆ ซักเรื่องที่เกิดขึ้นในปี 1999
12:39
a video game called EverQuest.
317
744000
2000
ที่เกี่ยวกับวีดีโอเกมส์ที่ชื่อว่า EverQuest
12:41
And in this video game,
318
746000
2000
และในเกมส์นี้
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
มีมังกรตัวใหญ่มากๆ อยู่ 2 ตัว ที่คุณจะต้องร่วมมือกันเพื่อสังหารมัน
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
คน 42 คน ต้องใช้คนถึง 42 คนในการฆ่าเจ้ามังกร 2 ตัวนี้
12:49
That's a problem
321
754000
2000
และนั่นล่ะปัญหา
12:51
because they dropped two or three decent items.
322
756000
3000
เพราะว่าพวกมันจะให้สิ่งตอบแทนแค่ 2 หรือ 3 ชิ้นเท่านั้น
12:54
So players addressed this problem
323
759000
3000
เหล่าผู้เล่นจึงร่วมกันแก้ไขปัญหานี้
12:57
by spontaneously coming up with a system
324
762000
2000
ด้วยการร่วมกันกำหนดระบบ
12:59
to motivate each other,
325
764000
2000
เพื่อให้กำลังใจซึ่งกันและกัน
13:01
fairly and transparently.
326
766000
2000
อย่างยุติธรรม และโปร่งใส
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
สิ่งที่เกิดขึ้นก็คือ พวกเขาจะจ่ายเงินให้กันและกันด้วยสกุลเงินเสมือนจริง
13:06
they called "dragon kill points."
328
771000
3000
ที่เรียกว่า "แต้มฆ่ามังกร"
13:09
And every time you turned up to go on a mission,
329
774000
2000
ทุกๆ ครั้งที่คุณมาเข้าร่วมในภารกิจ
13:11
you got paid in dragon kill points.
330
776000
2000
คุณจะได้รับค่าตอบแทนเป็น แต้มฆ่ามังกร
13:13
They tracked these on a separate website.
331
778000
2000
พวกเขาจะติดตามมันผ่านอีกเว็บไซต์หนึ่งที่แยกกัน
13:15
So they tracked their own private currency,
332
780000
2000
และพวกเขาก็จะรู้ถึงจำนวนเงินส่วนตัวที่พวกเขามีได้
13:17
and then players could bid afterwards
333
782000
2000
หลังจากนั้นผู้เล่นจะสามารถมาเข้าร่วมประมูล
13:19
for cool items they wanted --
334
784000
2000
สำหรับสิ่งของเจ๋งๆ ที่พวกเขาต้องการ
13:21
all organized by the players themselves.
335
786000
2000
ซึ่งทั้งหมดถูกจัดการด้วยตัวผู้เล่นเองทั้งสิ้น
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
เอาล่ะ สำหรับระบบที่รากฐานง่อนแง่น ไม่ใช่ว่าวิธีนี้จะใช้ได้ในแค่ EverQuest เท่านั้น
13:26
but that today, a decade on,
337
791000
2000
แต่ในทุกวันนี้ นับ 10 ปีให้หลัง
13:28
every single video game in the world with this kind of task
338
793000
3000
เกมส์ทุกเกมส์ในโลก ที่มีภารกิจลักษณะเช่นนี้
13:31
uses a version of this system --
339
796000
2000
กับคนนับ 10 ล้านคน
13:33
tens of millions of people.
340
798000
2000
ก็ยังใช้ระบบแบบนี้อยู่
13:35
And the success rate
341
800000
2000
และอัตราความสำเร็จ
13:37
is at close to 100 percent.
342
802000
2000
มันก็ใกล้เคียง 100 เปอร์เซ็นต์
13:39
This is a player-developed,
343
804000
2000
นี่มันคือระบบที่ผู้เล่นสร้างขึ้นมา
13:41
self-enforcing, voluntary currency,
344
806000
3000
ถูกบังคับใช้กันเอง, ด้วยสกุลเงินที่ใช้โดยสมัครใจ
13:44
and it's incredibly sophisticated
345
809000
2000
และมันก็ละเอียดอ่อนกับตัวผู้เล่น
13:46
player behavior.
346
811000
2000
อย่างเหลือเชื่อ
13:50
And I just want to end by suggesting
347
815000
2000
และผมอยากจะจบด้วยการแนะนำ
13:52
a few ways in which these principles
348
817000
2000
วิธีบางอย่างที่หลักการพวกนี้
13:54
could fan out into the world.
349
819000
2000
จะสามารถแพร่หลายในโลกนี้ได้
13:56
Let's start with business.
350
821000
2000
เรามาเริ่มจากธุรกิจ
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
ผมหมายถึง เราเริ่มที่จะเห็นปัญหาขนาดใหญ่ที่เกิดขึ้น
14:00
around something like business are
352
825000
2000
กับธุรกิจ เช่น
14:02
recycling and energy conservation.
353
827000
2000
การรีไซเคิล และการรักษาพลังงาน
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
เราได้เริ่มเห็นการภัยจากเทคโนโลยีที่งดงามนี้
14:06
like real-time energy meters.
355
831000
2000
เหมือนกับมาตรวัดพลังงานที่ทำงานทันที
14:08
And I just look at this, and I think, yes,
356
833000
2000
และจากการเห็นสิ่งนี้ และผมคิดว่า ใช่
14:10
we could take that so much further
357
835000
3000
เราสามารถทำให้มันดียิ่งขึ้นไปได้อีก
14:13
by allowing people to set targets
358
838000
2000
ด้วยการให้ผู้คนกำหนดเป้า
14:15
by setting calibrated targets,
359
840000
2000
ด้วยการปรับค่าเป้าหมาย
14:17
by using elements of uncertainty,
360
842000
3000
จากองค์ประกอบของความไม่แน่นอน
14:20
by using these multiple targets,
361
845000
2000
และการใช้เป้าหมายหลายๆ จุดนี้
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
ด้วยการใช้ระบบการให้รางวัลที่ซ่อนเร้น และการให้แรงจูงใจ
14:25
by setting people up
363
850000
2000
ด้วยการกำหนดคนขึ้นมา
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
เพื่อรับผิดชอบในกลุ่ม หรือถนนหาทาง
14:29
to collaborate and compete,
365
854000
2000
เพื่อร่วมมือ และแข่งขัน
14:31
to use these very sophisticated
366
856000
2000
เพื่อให้วิธีที่ละเอียดอ่อนนี้
14:33
group and motivational mechanics we see.
367
858000
2000
รวมกลุ่ม และให้กำลังใจด้วยกลไกที่เราเห็น
14:35
In terms of education,
368
860000
2000
ในแง่ของการศึกษา
14:37
perhaps most obviously of all,
369
862000
2000
บางทีอาจจะเห็นได้ชัดเจนที่สุด
14:39
we can transform how we engage people.
370
864000
3000
เราสามารถเปลี่ยนแปลงวิธีที่เราให้คนเข้ามามีส่วนร่วม
14:42
We can offer people the grand continuity
371
867000
2000
เราสามารถมอบโอกาสใหญ่ให้ผู้คนในการดำเนินการต่อ
14:44
of experience and personal investment.
372
869000
3000
ในประสบการณ์ และการลงทุนส่วนตัว
14:47
We can break things down
373
872000
2000
เราสามารถแตกสิ่งนี้ออกมา
14:49
into highly calibrated small tasks.
374
874000
2000
เป็นชิ้นงานเล็กๆ ที่สามารถปรับแปลงค่าได้
14:51
We can use calculated randomness.
375
876000
2000
เราสามารถใช้หลักการของการสุ่ม
14:53
We can reward effort consistently
376
878000
2000
เราสามารถให้รางวัลจูงใจต่อเนื่องไปเรื่อยๆ ได้
14:55
as everything fields together.
377
880000
3000
และเมื่อทุกอย่างสานเข้าด้วยกัน
14:58
And we can use the kind of group behaviors
378
883000
2000
เมื่อเราสามารถใช้พฤติกรรมของกลุ่ม
15:00
that we see evolving when people are at play together,
379
885000
3000
ที่เราเห็นว่าวิวัฒนาการขึ้น เมื่อผู้คนเล่นด้วยกัน
15:03
these really quite unprecedentedly complex
380
888000
3000
เจ้าความซับซ้อนของกลไกการร่วมมือกัน
15:06
cooperative mechanisms.
381
891000
2000
ที่ไม่เคยมีมาก่อน
15:08
Government, well, one thing that comes to mind
382
893000
2000
หน่วยงานรัฐ เอาล่ะ สิ่งหนึ่งที่เข้ามาในหัวผม
15:10
is the U.S. government, among others,
383
895000
3000
ในรัฐบาลสหรัฐฯ
15:13
is literally starting to pay people
384
898000
2000
กำลังที่จะเริ่มจ่ายเงินให้คน
15:15
to lose weight.
385
900000
2000
ลดน้ำหนัก
15:17
So we're seeing financial reward being used
386
902000
2000
เราจึงได้เห็นการใช้รางวัลในรูปแบบของเงิน
15:19
to tackle the great issue of obesity.
387
904000
2000
เพื่อต่อสู้กับปัญหาใหญ่ๆ อย่าง ปัญหาโรคอ้วน
15:21
But again, those rewards
388
906000
2000
แต่ก็อีกนั่นแหละ รางวัลพวกนี้
15:23
could be calibrated so precisely
389
908000
3000
อาจถูกตั้งค่าอย่างแม่นยำ
15:26
if we were able to use the vast expertise
390
911000
3000
ถ้าพวกเราสามารถที่จะใช้ทักษะอันกว้างขวาง
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
ของระบบเกมส์ เพื่อสร้างความน่าดึงดูด
15:32
to take the data, to take the observations,
392
917000
2000
เพื่อใช้ข้อมูล และการเฝ้าดู
15:34
of millions of human hours
393
919000
2000
กิจกรรมนับล้านชั่วโมงของมนุษย์
15:36
and plow that feedback
394
921000
2000
และก็ใช้ข้อมูลจากการตอบกลับนั้น
15:38
into increasing engagement.
395
923000
2000
เพื่อเพิ่มความรู้สึกมีส่วนร่วม
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
และในที่สุด คำว่า "ความมีส่วนร่วม"
15:43
that I want to leave you with.
397
928000
2000
ที่ผมอยากจะจากคุณไปในตอนนี้
15:45
It's about how individual engagement
398
930000
2000
ก็คือการหาวิธีที่ความมีส่วนร่วมระดับบุคคล
15:47
can be transformed
399
932000
2000
จะสามารถถูกเปลี่ยนแปลง
15:49
by the psychological and the neurological lessons
400
934000
3000
ด้วยบทเรียน ทางจิตวิทยา และทางประสาทวิทยา
15:52
we can learn from watching people that are playing games.
401
937000
3000
เราสามารถเรียนรู้ได้จากการเฝ้ามองคนเล่นเกมส์
15:55
But it's also about collective engagement
402
940000
3000
แล้วมันก็เกี่ยวข้องกับการรู้สึกมีส่วนร่วมในระดับกลุ่ม
15:58
and about the unprecedented laboratory
403
943000
3000
และสิ่งที่ไม่คาดคิดว่าจะเกิด
16:01
for observing what makes people tick
404
946000
2000
จากการเฝ้าดูว่าอะไรทำให้คนถูกกระตุ้น
16:03
and work and play and engage
405
948000
2000
และทำงาน และเล่น และมีส่วนร่วม
16:05
on a grand scale in games.
406
950000
3000
ในระดับใหญ่ๆ เช่นในเกมส์
16:08
And if we can look at these things and learn from them
407
953000
3000
และถ้าหากเรามองสิ่งนี้ และเลือกที่จะเรียนรู้จากมัน
16:11
and see how to turn them outwards,
408
956000
2000
และเห็นว่ามันอาจจะเปลี่ยนไปเป็นอย่างไร
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
เมื่อนั้นผมคิดว่าเราจะมีเครื่องมือที่จะช่วยปฏิวัติวงการต่างๆ ด้วยมือของพวกเราเองได้
16:16
Thank you very much.
410
961000
2000
ขอบคุณครับ
16:18
(Applause)
411
963000
4000
(เสียงปรบมือ)
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