TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 způsobů, jakými hry odměňují mozek
Filmed:
Readability: 3.8
1,288,061 views
Hraní her zasahuje do našich životů čím dál tím víc. Utrácíme nespočet hodin, a opravdových peněz, zkoumáním virtuálních světů a hledáním fiktivních pokladů. Proč? Tom Chatfield odhaluje, jak hry perfektně pracují s dávkováním odměn, které stimulují náš mozek a nutí tak hledat další a další.
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
Miluji videohry.
00:18
I'm also slightly in awe of them.
1
3000
3000
Jsem z nich docela unešený.
00:21
I'm in awe of their power
2
6000
2000
Žasnu nad jejich silou
00:23
in terms of imagination, in terms of technology,
3
8000
2000
co do fantazie, technologií,
00:25
in terms of concept.
4
10000
2000
i konceptu.
00:27
But I think, above all,
5
12000
2000
Ale především
00:29
I'm in awe at their power
6
14000
2000
žasnu nad jejich schopností
00:31
to motivate, to compel us,
7
16000
3000
nás motivovat, vyburcovat
00:34
to transfix us,
8
19000
2000
a přikovat k počítači
00:36
like really nothing else we've ever invented
9
21000
3000
jako nic jiného, co jsme dosud
00:39
has quite done before.
10
24000
2000
vymysleli.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
A myslím, že z jejich principů se můžeme naučit i
00:44
by looking at how we do this.
12
29000
2000
pár skvělých triků.
00:46
And in particular, I think we can learn things
13
31000
2000
A obzvlášť si to myslím o učení
00:48
about learning.
14
33000
3000
jako takovém.
00:51
Now the video games industry
15
36000
2000
Videoherní průmysl
00:53
is far and away the fastest growing
16
38000
2000
je bezpečně nejrychleji rostoucím
00:55
of all modern media.
17
40000
2000
ze všech moderních médií.
00:57
From about 10 billion in 1990,
18
42000
2000
Oproti asi deseti miliardám v roce 1990
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
má dnes globálně hodnotu padesát
01:02
and it shows no sign of slowing down.
20
47000
3000
a nevykazuje ani náznak zpomalení.
01:05
In four years' time,
21
50000
2000
Během čtyř let
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
se odhaduje, že bude mít cenu osmdesáti.
01:10
That's about three times the recorded music industry.
23
55000
3000
To je přibližně trojnásobek hudebního průmyslu.
01:13
This is pretty stunning,
24
58000
2000
To je sice fantastické,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
ale nemyslím si, že nejdůležitější údaj.
01:18
The thing that really amazes me
26
63000
2000
Mě nejvíce udivuje,
01:20
is that, today,
27
65000
2000
že lidé dnes
01:22
people spend about
28
67000
2000
utrácí přibližně
01:24
eight billion real dollars a year
29
69000
3000
osm miliard dolarů ročně
01:27
buying virtual items
30
72000
2000
za nákup předmětů,
01:29
that only exist
31
74000
2000
které existují pouze
01:31
inside video games.
32
76000
3000
ve světě videoher.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Toto je obrázek z virtuálního světa hry Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Virtuální asteroid
01:39
a virtual asteroid in it
35
84000
2000
z této hry byl letos
01:41
sold for 330,000 real dollars.
36
86000
4000
prodán za 330 tisíc pravých dolarů.
01:45
And this
37
90000
2000
Toto je
01:47
is a Titan class ship
38
92000
3000
titánská loď
01:50
in the space game, EVE Online.
39
95000
2000
z vesmírné hry EVE Online.
01:52
And this virtual object
40
97000
2000
Tento virtuální objekt
01:54
takes 200 real people
41
99000
2000
vytvoří 200 živých osob
01:56
about 56 days of real time to build,
42
101000
3000
za asi 56 dní skutečného času a
01:59
plus countless thousands of hours
43
104000
3000
nekonečné množství tisíc
02:02
of effort before that.
44
107000
2000
hodin příprav.
02:04
And yet, many of these get built.
45
109000
3000
I přesto vznikají další a další.
02:07
At the other end of the scale,
46
112000
2000
Na druhém konci škály je hra
02:09
the game Farmville that you may well have heard of,
47
114000
3000
Farmville, o které jste již možná slyšeli.
02:12
has 70 million players
48
117000
2000
Má 70 milionů hráčů
02:14
around the world
49
119000
2000
po celém světě
02:16
and most of these players
50
121000
2000
a většina z nich
02:18
are playing it almost every day.
51
123000
2000
ji hraje skoro denně.
02:20
This may all sound
52
125000
2000
Někomu to může znít
02:22
really quite alarming to some people,
53
127000
2000
až děsivě, jako míra
02:24
an index of something worrying
54
129000
2000
poškozenosti společnosti.
02:26
or wrong in society.
55
131000
2000
-
02:28
But we're here for the good news,
56
133000
2000
My se ale podíváme, co nám
02:30
and the good news is
57
135000
2000
hry nabízí pozitivního.
02:32
that I think we can explore
58
137000
2000
Můžeme prozkoumat
02:34
why this very real human effort,
59
139000
3000
to úžasné nasazení lidí
02:37
this very intense generation of value, is occurring.
60
142000
4000
skutečné, intenzivní generování hodnot.
02:41
And by answering that question,
61
146000
2000
Zodpovězení této otázky
02:43
I think we can take something
62
148000
2000
nám může přinést
02:45
extremely powerful away.
63
150000
2000
něco velmi hodnotného.
02:47
And I think the most interesting way
64
152000
2000
A myslím, že nejzajímavějším způsobem,
02:49
to think about how all this is going on
65
154000
2000
uvažování nad tím, jak se tohle děje,
02:51
is in terms of rewards.
66
156000
2000
je oblast odměn.
02:53
And specifically, it's in terms
67
158000
3000
A to obzvláště formou
02:56
of the very intense emotional rewards
68
161000
2000
silných odměn emocionálních,
02:58
that playing games offers to people
69
163000
2000
které hraní her lidem nabízí
03:00
both individually
70
165000
2000
jak individuálně,
03:02
and collectively.
71
167000
2000
tak kolektivně.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Když se podíváme, co se odehrává v hlavě člověka,
03:06
when they are being engaged,
73
171000
2000
který se začíná angažovat,
03:08
two quite different processes are occurring.
74
173000
3000
objevíme zde dva zcela odlišné procesy.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Na jedné straně je chtění.
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
Je to trochu jako ambice a odhodlání - dokážu to. Budu tvrdě makat.
03:17
On the other hand, there's the liking processes,
77
182000
2000
Na druhé straně je zde proces zalíbení,
03:19
fun and affection
78
184000
2000
radosti, zájmu
03:21
and delight
79
186000
2000
a potěšení -
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
a obrovská létající bestie s orkem na zádech.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Je to opravdu skvělý obrázek. Je úžasný.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Je ze hry World of Warcraft, která má celosvětově více než 10 milionů hráčů,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
jedním z nich jsem já nebo moje žena.
03:33
And this kind of a world,
84
198000
2000
A tento typ světa,
03:35
this vast flying beast you can ride around,
85
200000
2000
tato ohromná létající bestie, se kterou můžete létat,
03:37
shows why games are so very good
86
202000
2000
jasně ukazuje, proč jsou hry tak dobré
03:39
at doing both the wanting and the liking.
87
204000
3000
na vytváření chtění i oblíbenosti.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Je to totiž velmi silné. Je to opravdu úžasné.
03:44
It gives you great powers.
89
209000
2000
Dává vám to velkou sílu.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Vaše ambice je naplněna a je to velmi hezké.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Je velmi potěšující se takhle proletět.
03:52
And so these combine to form
92
217000
2000
To se kombinuje a vytváří
03:54
a very intense emotional engagement.
93
219000
2000
velmi silné emocionální pouto.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Ale to není to nejzajímavější.
03:59
The really interesting stuff about virtuality
95
224000
2000
Zajímavá věc na virtualitě je to,
04:01
is what you can measure with it.
96
226000
2000
co všechno v ní můžete měřit.
04:03
Because what you can measure in virtuality
97
228000
3000
Protože zde můžete měřit úplně
04:06
is everything.
98
231000
2000
všechno.
04:08
Every single thing that every single person
99
233000
2000
Každou věc, kterou kdy kdo
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
tu hru hrál, co v ní udělal, můžeme měřit.
04:13
The biggest games in the world today
101
238000
2000
Nejvýznamnější hry dnešního světa
04:15
are measuring more than one billion points of data
102
240000
4000
evidují více než miliardu dat
04:19
about their players, about what everybody does --
103
244000
2000
o svých hráčích, o tom, co každý dělá,
04:21
far more detail than you'd ever get from any website.
104
246000
3000
mnohem detailněji, než byste kdy získali na webu.
04:24
And this allows something very special
105
249000
3000
A to ve světě her umožňuje něco
04:27
to happen in games.
106
252000
2000
velmi unikátního.
04:29
It's something called the reward schedule.
107
254000
3000
To něco se nazývá rozvrh odměn.
04:32
And by this, I mean looking
108
257000
2000
Mám na mysli sledování
04:34
at what millions upon millions of people have done
109
259000
2000
všech akcí milionů a milionů lidí
04:36
and carefully calibrating the rate,
110
261000
2000
a citlivým upravováním míry,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
charakteru, typu a intenzity odměn ve hrách,
04:41
to keep them engaged
112
266000
2000
aby zůstali zapálení
04:43
over staggering amounts of time and effort.
113
268000
3000
i přes ohromující množství času a úsilí.
04:46
Now, to try and explain this
114
271000
2000
Abych toto vyzkoušel a vysvětlil
04:48
in sort of real terms,
115
273000
3000
na skutečných podmínkách,
04:51
I want to talk about a kind of task
116
276000
2000
řeknu něco o typu úloh,
04:53
that might fall to you in so many games.
117
278000
2000
na které můžete narazit v mnohých hrách.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Běž a získej určité množství určitého hracího objektu.
04:58
Let's say, for the sake of argument,
119
283000
2000
Pro naše účely, řekněme,
05:00
my mission is to get 15 pies
120
285000
3000
že mým úkolem je získat 15 koláčů
05:03
and I can get 15 pies
121
288000
3000
a ty mohu získat,
05:06
by killing these cute, little monsters.
122
291000
2000
když zabiji tyto malé roztomilé příšerky.
05:08
Simple game quest.
123
293000
2000
Jednoduchý herní úkol.
05:10
Now you can think about this, if you like,
124
295000
2000
Můžete o tom přemýšlet, pokud chcete,
05:12
as a problem about boxes.
125
297000
2000
jako o problému s krabicemi.
05:14
I've got to keep opening boxes.
126
299000
2000
Musím otevírat krabice.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Nevím, co v nich je, dokud je neotevřu.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
A tak otevírám krabici za krabicí, až najdu patnáct koláčů.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Vezmeme-li si hru jako Warcraft,
05:24
you can think about it, if you like,
130
309000
2000
můžete to brát jako
05:26
as a great box-opening effort.
131
311000
3000
velké otevírání krabic.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Hra se jen snaží lidi přimět, aby otevřeli okolo milionu krabic,
05:32
getting better and better stuff in them.
133
317000
2000
přičemž v nich nacházejí lepší a lepší věci.
05:34
This sounds immensely boring
134
319000
3000
To zní nehorázně nudně,
05:37
but games are able
135
322000
2000
ale hry jsou schopny
05:39
to make this process
136
324000
2000
tento proces udělat
05:41
incredibly compelling.
137
326000
2000
neuvěřitelně zajímavým.
05:43
And the way they do this
138
328000
2000
A způsob, jakým toho dosahují,
05:45
is through a combination of probability and data.
139
330000
3000
je kombinace pravděpodobnosti a dat.
05:48
Let's think about probability.
140
333000
2000
Zamysleme se nad pravděpodobností.
05:50
If we want to engage someone
141
335000
2000
Chceme-li někoho zaujmout
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
pro otevírání krabic a nacházení koláčů,
05:55
we want to make sure it's neither too easy,
143
340000
2000
musíme si být jisti, že najít koláč
05:57
nor too difficult, to find a pie.
144
342000
2000
není ani příliš snadné, ani příliš těžké.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Takže, co uděláte? Podíváte se na milion lidí.
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
Ne, sto milionů lidí, sto milionů otvíračů krabic,
06:04
and you work out, if you make the pie rate
147
349000
3000
a zjistíte, že pokud nastavíte množství koláčů
06:07
about 25 percent --
148
352000
2000
na dvacet pět procent,
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
pak to není ani příliš frustrující, ani příliš lehké.
06:12
It keeps people engaged.
150
357000
2000
Drží to lidi zapálené,
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
ale, samozřejmě, to není vše ; je zde 15 koláčů.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Mohl bych vytvořit hru nazvanou Koláčov,
06:19
where all you had to do was get a million pies
153
364000
2000
kde byste museli nasbírat koláčů milion
06:21
or a thousand pies.
154
366000
2000
a nebo tisíc.
06:23
That would be very boring.
155
368000
2000
To by bylo velmi nudné.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
patnáct je docela optimální číslo.
06:27
You find that -- you know, between five and 20
157
372000
2000
Zjistíte, že něco mezi pěti a dvaceti je
06:29
is about the right number for keeping people going.
158
374000
2000
to správné číslo, aby udrželo lidi při hře.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Ale v krabicích nemáme pouze koláče.
06:33
There's 100 percent up here.
160
378000
2000
Je tady sto procent krabic.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
A my zajistíme, aby při každém otevření krabice
06:38
there's something in it, some little reward
162
383000
2000
v ní něco bylo. Nějaká malá odměna,
06:40
that keeps people progressing and engaged.
163
385000
2000
která udrží lidi motivované a zapálené.
06:42
In most adventure games,
164
387000
2000
Ve většině dobrodružných her
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
je to trochu herní měny, trochu zkušeností,
06:47
But we don't just do that either.
166
392000
2000
ale nespokojíme se pouze s tím.
06:49
We also say there's going to be loads of other items
167
394000
2000
Zajistíme, aby našli spoustu dalších předmětů
06:51
of varying qualities and levels of excitement.
168
396000
2000
různých kvalit a stupně zajímavosti.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Je desetiprocentní šance, že získáte opravdu dobrý předmět.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Budete mít jednu desetinu procenta šance,
06:58
you get an absolutely awesome item.
171
403000
3000
získat absolutně úžasný předmět.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
A každá z těchto odměn je přesně nakalibrována k předmětu.
07:04
And also, we say,
173
409000
2000
A také řekneme:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Kolik příšer? Měl by být celý svět kompletně naplněný miliardou příšer?
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Ne, chceme, aby na obrazovce byla současně jedna, dvě příšery."
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
A mají mě. Není to ani příliš snadné, ani obtížné.
07:15
So all this is very powerful.
177
420000
2000
A to je velmi mocné.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Ale jsme ve virtualitě, tohle nejsou skutečné krabice.
07:20
So we can do
179
425000
2000
Takže můžeme udělat
07:22
some rather amazing things.
180
427000
2000
pár zajímavých věci.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Všimneme si při pozorování lidí, otevírajících krabice.
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
Když najdou třináct z patnácti koláčů,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
jejich vnímání se změní. Začnou být trochu znuděni, podrážděni.
07:34
They're not rational about probability.
184
439000
2000
Neuvažují racionálně o pravděpodobnosti.
07:36
They think this game is unfair.
185
441000
2000
Myslí si, že hra je nespravedlivá.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Nechce mi dát poslední dva koláče. Vzdám to.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Pokud by to byly skutečné krabice, nic moc nenaděláme.
07:42
but in a game we can just say, "Right, well.
188
447000
2000
Ale ve hře můžeme říct: "No dobrá.
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Když se dostanete třináct koláčů, máte 75% šanci najít další.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Drží vás napnuté. Sledují, co děláte
07:50
adjust the world to match their expectation.
191
455000
2000
a upravují svět podle vašich očekávání.
07:52
Our games don't always do this.
192
457000
2000
Naše hry to moc nedělají.
07:54
And one thing they certainly do at the moment
193
459000
2000
Jednu věc oni dělají stoprocentně:
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
pokud máte 0.1 procentní, úžasný předmět,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
ujistí se, že se nějakou chvíli zase neobjeví,
08:02
to keep the value, to keep it special.
196
467000
2000
aby se zachovala jeho hodnota.
08:04
And the point is really
197
469000
2000
Vtip je v tom,
08:06
that we evolved to be satisfied by the world
198
471000
2000
že jsme si zvykli být uspokojeni
08:08
in particular ways.
199
473000
2000
určitým způsobem.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Během desítek a stovek tisíc let
08:13
we evolved to find certain things stimulating,
201
478000
2000
jsme si zvykli brát určité věci jako stimulanty
08:15
and as very intelligent, civilized beings,
202
480000
2000
a jako velmi inteligentní a civilizované bytosti
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
jsme nesmírně motivováni řešením problémů a učením.
08:20
But now, we can reverse engineer that
204
485000
2000
Tohle můžeme nyní promyslet znovu
08:22
and build worlds
205
487000
2000
a vytvořit světy,
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
které přesně zasahují naše evoluční krabice.
08:27
So what does all this mean in practice?
207
492000
2000
Takže, co to všechno znamená v praxi?
08:29
Well, I've come up
208
494000
2000
Přišel jsem na
08:31
with seven things
209
496000
2000
sedm věcí,
08:33
that, I think, show
210
498000
2000
které podle mě ukazují,
08:35
how you can take these lessons from games
211
500000
2000
jaké si z her můžete vzít ponaučení
08:37
and use them outside of games.
212
502000
3000
a použít je mimo ně.
08:40
The first one is very simple:
213
505000
2000
První je velmi jednoduché:
08:42
experience bars measuring progress --
214
507000
2000
Zkuste indikátory měřící postup.
08:44
something that's been talked about brilliantly
215
509000
2000
Něco, o čemž letos skvěle mluvil
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
například Jesse Schell.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Už se na tom pracuje mimo jiné na University of Indiana ve Státech.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
Je to jednoduchý nápad, že místo třídění lidí
08:55
in little bits and pieces,
219
520000
2000
po minikouscích
08:57
you give them one profile character avatar
220
522000
2000
jim dáte rovnou celý profil,
08:59
which is constantly progressing
221
524000
2000
který se neustále zlepšuje
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
po velmi, velmi malých kouscích a se kterým se ztotožní.
09:04
And everything comes towards that,
223
529000
2000
A všechno k němu směřuje
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
a oni sledují, jak se šplhá nahoru, a postupně se s ním ztotožní.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Za druhé: vícero dlouhodobých i krátkodobých cílů -
09:11
5,000 pies, boring,
226
536000
2000
pět tisíc koláčů je nuda,
09:13
15 pies, interesting.
227
538000
2000
patnáct koláčů je zajímavé.
09:15
So, you give people
228
540000
2000
Takže dáte lidem
09:17
lots and lots of different tasks.
229
542000
2000
spoustu rozdílných úkolů.
09:19
You say, it's about
230
544000
2000
Řeknete, že je to
09:21
doing 10 of these questions,
231
546000
2000
o zodpovězení těchto deseti otázek,
09:23
but another task
232
548000
2000
ale jiný úkol je
09:25
is turning up to 20 classes on time,
233
550000
2000
přijít na dvacet přednášek včas,
09:27
but another task is collaborating with other people,
234
552000
3000
a jiný úkol je spolupráce s dalšími lidmi.
09:30
another task is showing you're working five times,
235
555000
3000
Další úkol je pětkrát předvést vaši práci,
09:33
another task is hitting this particular target.
236
558000
2000
další úkol je dosažení konkrétního cíle.
09:35
You break things down into these calibrated slices
237
560000
3000
Rozdělíte věci do těchto kalibrovaných dílků,
09:38
that people can choose and do in parallel
238
563000
2000
které mohou hráči dělat zároveň,
09:40
to keep them engaged
239
565000
2000
čímž je udržíte zapálené,
09:42
and that you can use to point them
240
567000
2000
a které můžete použít, abyste je
09:44
towards individually beneficial activities.
241
569000
3000
nasměrovali na pro ně prospěšné aktivity.
09:48
Third, you reward effort.
242
573000
2000
Za třetí, odměňujete úsilí.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
To je váš faktor "sta procent". Hry jsou v tomhle perfektní.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Pokaždé, když něco uděláte, získáte body. I za samotný pokus.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Netrestáte chyby, odměňujete každý kousek úsilí,
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
trochou zlata, trochou bodů, odpovíte 20 otázek - a hotovo.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
To vše působí jako injekce motivace.
10:05
Fourth, feedback.
248
590000
2000
Za čtvrté, zpětná vazba.
10:07
This is absolutely crucial,
249
592000
2000
Ta je absolutně zásadní
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
a v podstatě klíčová v celém aranžmá.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Podíváte-li se na některé z největších problémů dnešního světa,
10:14
that we've been hearing amazing things about,
252
599000
2000
o kterých slýcháme neuvěřitelné věci,
10:16
it's very, very hard for people to learn
253
601000
3000
je velmi těžké se z nich poučit,
10:19
if they cannot link consequences to actions.
254
604000
3000
pokud nemůžete spojit akce s důsledky.
10:22
Pollution, global warming, these things --
255
607000
2000
Znečištění, globální oteplování atd.,
10:24
the consequences are distant in time and space.
256
609000
2000
důsledky jsou vzdálené v čase i prostoru.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Je velmi těžké naučit se kde najít ponaučení,
10:28
But if you can model things for people,
258
613000
2000
ale pokud dokážete tyhle věci lidem namodelovat,
10:30
if you can give things to people that they can manipulate
259
615000
2000
pokud jim můžete poskytnout věci, se kterými mohou manipulovat
10:32
and play with and where the feedback comes,
260
617000
2000
a hrát si, a ze kterých dostanou zpětnou vazbu,
10:34
then they can learn a lesson, they can see,
261
619000
2000
pak mohou najít ponaučení. Uvidí jej,
10:36
they can move on, they can understand.
262
621000
3000
budou moct navázat, porozumět.
10:39
And fifth,
263
624000
2000
A za páté,
10:41
the element of uncertainty.
264
626000
2000
element nejistoty.
10:43
Now this is the neurological goldmine,
265
628000
3000
Tohle je neurologický zlatý důl,
10:46
if you like,
266
631000
2000
chcete-li,
10:48
because a known reward
267
633000
2000
protože známá odměna
10:50
excites people,
268
635000
2000
podněcuje lidi,
10:52
but what really gets them going
269
637000
2000
ale co je opravdu bude nutit pokračovat,
10:54
is the uncertain reward,
270
639000
2000
je nejistá odměna.
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
Odměna postavená na správné úrovni nejistoty,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
o které si nejsou jisti, zda ji získají nebo ne.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
Dvacet pět procent. To povzbuzuje mozek.
11:04
And if you think about
274
649000
2000
A pokud byste to
11:06
using this in testing,
275
651000
2000
chtěli využít pro testování
11:08
in just introducing control elements of randomness
276
653000
2000
při zavedení kontrolních prvků náhody
11:10
in all forms of testing and training,
277
655000
2000
ve všech formách testování a tréninku,
11:12
you can transform the levels of people's engagement
278
657000
2000
můžete měnit úrovně lidského zanícení
11:14
by tapping into this very powerful
279
659000
2000
pomocí tohoto velmi silného
11:16
evolutionary mechanism.
280
661000
2000
evolučního mechanismu.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Pokud něco neočekáváme úplně jasně,
11:20
we get really excited about it.
282
665000
2000
jsme z toho nadšeni.
11:22
We just want to go back and find out more.
283
667000
2000
Chceme se pak vrátit a najít další.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Jak asi víte, nervový přenašeč,
11:26
associated with learning is called dopamine.
285
671000
2000
který je spojen s učením, se nazývá dopamin.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Je spojen s chováním při hledání odměny.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Velmi úžasné věci se právě provádí na místech jako
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
je Univerzita v Bristolu v UK,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
kde začínáme být schopni matematicky modelovat
11:40
dopamine levels in the brain.
290
685000
2000
dopaminové úrovně v mozku.
11:42
And what this means is we can predict learning,
291
687000
2000
To znamená, že můžeme předpovídat učení,
11:44
we can predict enhanced engagement,
292
689000
3000
můžeme předpovídat zvýšení zájmu.
11:47
these windows, these windows of time,
293
692000
2000
Modelovat tato časová okna,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
ve kterých učení probíhá na vyšší úrovni.
11:52
And two things really flow from this.
295
697000
2000
A z toho skutečně vyplývají dvě věci.
11:54
The first has to do with memory,
296
699000
2000
První souvisí s pamětí -
11:56
that we can find these moments.
297
701000
2000
že můžeme najít tyto momenty.
11:58
When someone is more likely to remember,
298
703000
2000
Pokud si někdo může něco zapamatovat,
12:00
we can give them a nugget in a window.
299
705000
2000
můžeme jim dát do toho okna odměnu.
12:02
And the second thing is confidence,
300
707000
2000
Druhou věcí je důvěra,
12:04
that we can see how game-playing and reward structures
301
709000
2000
že můžeme uvidět, jak hraní her a struktura odměn
12:06
make people braver, make them more willing to take risks,
302
711000
3000
dělají lidi statečnějšími a více odhodlanými riskovat,
12:09
more willing to take on difficulty,
303
714000
2000
či zvládat obtíže,
12:11
harder to discourage.
304
716000
2000
je těžší je zastrašit.
12:13
This can all seem very sinister.
305
718000
2000
To vše se může působit velmi zlověstně.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Ale znáte to, něco jako "Naše mozky byly upraveny, jsme všichni závislí."
12:17
The word "addiction" is thrown around.
307
722000
2000
Mluvíme o závislosti.
12:19
There are real concerns there.
308
724000
2000
S opravdovými obavami.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Ale největší neurologickou spouští pro lidi
12:23
is other people.
310
728000
2000
jsou další lidi.
12:25
This is what really excites us.
311
730000
3000
To je to, co nás opravdu strhuje.
12:28
In reward terms, it's not money;
312
733000
2000
V otázce odměn, nikoli peněz,
12:30
it's not being given cash -- that's nice --
313
735000
3000
nejde o dostávání peněz. To je sice pěkné,
12:33
it's doing stuff with our peers,
314
738000
2000
je to o práci s ostatními,
12:35
watching us, collaborating with us.
315
740000
2000
sledování nás, spolupráci s námi.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
A rád bych vám řekl krátký příběh z roku 1999
12:39
a video game called EverQuest.
317
744000
2000
o videohře zvané Everquest.
12:41
And in this video game,
318
746000
2000
V této videohře
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
byli dva opravdu velcí draci a museli jste se spojit, abyste je zabili --
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
Čtyřicet dva lidí - až čtyřicet dva lidí, abyste zabili ty draky.
12:49
That's a problem
321
754000
2000
To je trochu problém,
12:51
because they dropped two or three decent items.
322
756000
3000
protože po nich zůstaly dva, tři slušné předměty.
12:54
So players addressed this problem
323
759000
3000
Tak hráči vyřešili tento problém tím,
12:57
by spontaneously coming up with a system
324
762000
2000
že sami spontánně přišli se systémem,
12:59
to motivate each other,
325
764000
2000
jak se vzájemně motivovat,
13:01
fairly and transparently.
326
766000
2000
spravedlivě a transparentně.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Platili každému virtuální měnou,
13:06
they called "dragon kill points."
328
771000
3000
kterou nazvali "body za zabití draka".
13:09
And every time you turned up to go on a mission,
329
774000
2000
A pokaždé, když jste se vydali na misi,
13:11
you got paid in dragon kill points.
330
776000
2000
dostali jste zaplaceno v bodech za zabití draka.
13:13
They tracked these on a separate website.
331
778000
2000
Ty byly zaznamenány na zvláštní stránce.
13:15
So they tracked their own private currency,
332
780000
2000
Takže vedli záznamy o své soukromé měně
13:17
and then players could bid afterwards
333
782000
2000
a hráči pak mohli smlouvat
13:19
for cool items they wanted --
334
784000
2000
o úžasných předmětech, které chtěli -
13:21
all organized by the players themselves.
335
786000
2000
a vše organizovali sami hráči.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
To úžasné na celém systému je nejen to, že fungoval v Everquestu,
13:26
but that today, a decade on,
337
791000
2000
ale to, že dnes, o 10 let později,
13:28
every single video game in the world with this kind of task
338
793000
3000
každá videohra na světě s podobnými úkoly
13:31
uses a version of this system --
339
796000
2000
používá určitou verzi tohoto systému -
13:33
tens of millions of people.
340
798000
2000
desítky milionů lidí.
13:35
And the success rate
341
800000
2000
A jeho úspěšnost
13:37
is at close to 100 percent.
342
802000
2000
je téměř stoprocentní.
13:39
This is a player-developed,
343
804000
2000
Je to hráči vytvořená,
13:41
self-enforcing, voluntary currency,
344
806000
3000
samostatně fungující dobrovolná měna
13:44
and it's incredibly sophisticated
345
809000
2000
a podněcuje neuvěřitelně sofistikované
13:46
player behavior.
346
811000
2000
chování hráčů.
13:50
And I just want to end by suggesting
347
815000
2000
Na závěr bych chtěl doporučit
13:52
a few ways in which these principles
348
817000
2000
několik způsobů, jakými se tento princip
13:54
could fan out into the world.
349
819000
2000
může uplatnit ve světě kolem.
13:56
Let's start with business.
350
821000
2000
Začnu obchodní politikou.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Začínáme si všímat některých významných problémů
14:00
around something like business are
352
825000
2000
okolo věcí jako je obchod,
14:02
recycling and energy conservation.
353
827000
2000
recyklace a úspora energie.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Začínáme být svědky vzniku úžasných technologií
14:06
like real-time energy meters.
355
831000
2000
jako například měřiče energie v reálném čase.
14:08
And I just look at this, and I think, yes,
356
833000
2000
A jak to sleduji, říkám si: "Ano,
14:10
we could take that so much further
357
835000
3000
mohli bychom to dotáhnout mnohem dál."
14:13
by allowing people to set targets
358
838000
2000
Pokud dovolíme lidem nastavit cíle,
14:15
by setting calibrated targets,
359
840000
2000
nastavit kalibrované cíle,
14:17
by using elements of uncertainty,
360
842000
3000
použitím prvků nejistoty,
14:20
by using these multiple targets,
361
845000
2000
použitím těchto mnoha cílů,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
pomocí velkého podpůrného systému odměn a pobídek,
14:25
by setting people up
363
850000
2000
přes které budou lidé
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
spolupracovat v rámci skupin, v rámci ulic,
14:29
to collaborate and compete,
365
854000
2000
spolupracovat a soutěžit,
14:31
to use these very sophisticated
366
856000
2000
přičemž použijeme tyto velmi sofistikované
14:33
group and motivational mechanics we see.
367
858000
2000
skupinové a motivační nástroje.
14:35
In terms of education,
368
860000
2000
V rámci vzdělávání,
14:37
perhaps most obviously of all,
369
862000
2000
kde je to patrně nejzřetelnější,
14:39
we can transform how we engage people.
370
864000
3000
můžeme změnit způsob zapojování lidi.
14:42
We can offer people the grand continuity
371
867000
2000
Můžeme jim nabídnout velké provázání
14:44
of experience and personal investment.
372
869000
3000
zkušeností a osobních investic.
14:47
We can break things down
373
872000
2000
Můžeme problémy rozdělit
14:49
into highly calibrated small tasks.
374
874000
2000
do vysoce kalibrovaných malých úkolů.
14:51
We can use calculated randomness.
375
876000
2000
Můžeme užít vypočítanou náhodu.
14:53
We can reward effort consistently
376
878000
2000
Můžeme konzistentně odměňovat úsilí tak,
14:55
as everything fields together.
377
880000
3000
jak na sobě úkoly závisí.
14:58
And we can use the kind of group behaviors
378
883000
2000
A můžeme použít druh skupinového chování,
15:00
that we see evolving when people are at play together,
379
885000
3000
který vídáme, když lidé spolu hrají.
15:03
these really quite unprecedentedly complex
380
888000
3000
Tento opravdu nebývale komplexní
15:06
cooperative mechanisms.
381
891000
2000
mechanismus spolupráce.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Vláda. Jedna z věcí, které člověka napadnou,
15:10
is the U.S. government, among others,
383
895000
3000
je vláda Spojených států. Mimo jiné
15:13
is literally starting to pay people
384
898000
2000
začíná platit lidem za to,
15:15
to lose weight.
385
900000
2000
že zhubnou.
15:17
So we're seeing financial reward being used
386
902000
2000
Takže můžeme říct, že je finanční odměna použita
15:19
to tackle the great issue of obesity.
387
904000
2000
v boji s velkým problémem obezity.
15:21
But again, those rewards
388
906000
2000
Ale i tyto odměny by
15:23
could be calibrated so precisely
389
908000
3000
mohly být přesně kalibrovány,
15:26
if we were able to use the vast expertise
390
911000
3000
pokud bychom byli schopni užít té obrovské zkušenosti
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
z herních systémů k zvládnutí této výzvy.
15:32
to take the data, to take the observations,
392
917000
2000
Ke sběru dat, k pozorování
15:34
of millions of human hours
393
919000
2000
milionů člověko-hodin
15:36
and plow that feedback
394
921000
2000
a přeměnit tyto výstupy
15:38
into increasing engagement.
395
923000
2000
ve zvyšující se zapojení lidí.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
A na závěr je to právě to slovo "zapojení",
15:43
that I want to leave you with.
397
928000
2000
které bych chtěl, aby ve vás zůstalo.
15:45
It's about how individual engagement
398
930000
2000
Je to o tom, jak může být zapojení
15:47
can be transformed
399
932000
2000
jedince přeměněno
15:49
by the psychological and the neurological lessons
400
934000
3000
pomocí psychologických a neurologických lekcí,
15:52
we can learn from watching people that are playing games.
401
937000
3000
které známe z pozorování lidí, hrajících PC hry.
15:55
But it's also about collective engagement
402
940000
3000
Ale je to i o zapojení kolektivu
15:58
and about the unprecedented laboratory
403
943000
3000
a o té nebývalé laboratoři
16:01
for observing what makes people tick
404
946000
2000
sledující, proč jsou lidi motivování,
16:03
and work and play and engage
405
948000
2000
proč pracují, hrají a zapojují se
16:05
on a grand scale in games.
406
950000
3000
v tak obrovské míře do her.
16:08
And if we can look at these things and learn from them
407
953000
3000
A pokud dokážeme pozorovat tyto principy, poučit se z nich
16:11
and see how to turn them outwards,
408
956000
2000
a zjistit, jak je navenek použít,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
pak si myslím, že budeme mít ve svých rukou něco revolučního.
16:16
Thank you very much.
410
961000
2000
Děkuji vám.
16:18
(Applause)
411
963000
4000
(Potlesk)
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