TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
톰 채트필드: 게임이 두뇌에 보상하는 7가지 방법
Filmed:
Readability: 3.8
1,288,061 views
우리는 우리 삶의 보다 많은 측면에 게임방식을 도입하고, 많은 시간과 금전을 소비하고, 가상의 보물을 위해 가상의 세계를 탐험하고 있습니다. 그 이유가 무엇일까요? 톰 채트필드는 게임이 우리의 뇌를 사로잡고 더 많은 것을 탐구하도록 하는, 보상을 할당하는 것에 대해 완벽하게 조정하고 있음을 보여줍니다.
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
저는 비디오게임을 정말 좋아합니다.
00:18
I'm also slightly in awe of them.
1
3000
3000
약간의 경외심도 가지고 있습니다.
00:21
I'm in awe of their power
2
6000
2000
저는 상상력, 기술, 발상에 관한
00:23
in terms of imagination, in terms of technology,
3
8000
2000
게임의 힘에
00:25
in terms of concept.
4
10000
2000
경외심을 가지고 있습니다.
00:27
But I think, above all,
5
12000
2000
하지만 무엇보다도
00:29
I'm in awe at their power
6
14000
2000
이제까지 우리가 발명했던
00:31
to motivate, to compel us,
7
16000
3000
그 어떤 것과도 유사하지 않으면서,
00:34
to transfix us,
8
19000
2000
우리에게 동기를 부여하고,
00:36
like really nothing else we've ever invented
9
21000
3000
뭔가를 하도록 만들고, 집중하도록 만들기도 하는,
00:39
has quite done before.
10
24000
2000
게임의 힘에 경외심을 가지고 있습니다.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
그리고 이것이 어떻게 진행되는지 살펴봄으로써
00:44
by looking at how we do this.
12
29000
2000
정말 놀라운 것들을 배울 수 있다고 생각합니다.
00:46
And in particular, I think we can learn things
13
31000
2000
특히, 학습에 대한 것들을
00:48
about learning.
14
33000
3000
배울 수 있다고 생각합니다.
00:51
Now the video games industry
15
36000
2000
현재 비디오 게임 산업은
00:53
is far and away the fastest growing
16
38000
2000
그 어떤 현대의 대중매체보다도
00:55
of all modern media.
17
40000
2000
훨씬 빠르게 성장하고 있습니다.
00:57
From about 10 billion in 1990,
18
42000
2000
1990년 약 100억 달러에서
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
오늘날 전 세계적으로 500억 달러의 가치를 지니고 있고,
01:02
and it shows no sign of slowing down.
20
47000
3000
쇠퇴할 기미는 보이지 않고 있습니다.
01:05
In four years' time,
21
50000
2000
4년 내로,
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
800억 달러 이상의 가치를 지니게 될 것으로 추산됩니다.
01:10
That's about three times the recorded music industry.
23
55000
3000
이건 음반 산업의 약 3배입니다.
01:13
This is pretty stunning,
24
58000
2000
상당히 놀랍습니다만,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
가장 놀라운 통계치는 아니라고 생각합니다.
01:18
The thing that really amazes me
26
63000
2000
저를 가장 놀라게 한 것은
01:20
is that, today,
27
65000
2000
바로 오늘날,
01:22
people spend about
28
67000
2000
사람들이 오직 비디오 게임 안에서만
01:24
eight billion real dollars a year
29
69000
3000
존재하는 가상 아이템들을
01:27
buying virtual items
30
72000
2000
구매하기 위해서
01:29
that only exist
31
74000
2000
1년에 약 800억 달러를
01:31
inside video games.
32
76000
3000
소비한다는 것입니다.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
이것은 '엔트로피아 유니버스'라는 가상 게임의 한 장면입니다.
01:37
Earlier this year,
34
82000
2000
올해 초,
01:39
a virtual asteroid in it
35
84000
2000
게임의 가상 소행성이
01:41
sold for 330,000 real dollars.
36
86000
4000
33만 달러에 팔렸습니다.
01:45
And this
37
90000
2000
그리고 이것은
01:47
is a Titan class ship
38
92000
3000
우주 게임인 EVE 온라인의
01:50
in the space game, EVE Online.
39
95000
2000
타이탄급 우주선입니다.
01:52
And this virtual object
40
97000
2000
이 가상의 물체를 만들기 위해
01:54
takes 200 real people
41
99000
2000
200명의 사람들과
01:56
about 56 days of real time to build,
42
101000
3000
56일이라는 시간이 필요할 뿐만 아니라
01:59
plus countless thousands of hours
43
104000
3000
셀 수 없이 많은 시간 동안의
02:02
of effort before that.
44
107000
2000
노력이 소요됩니다.
02:04
And yet, many of these get built.
45
109000
3000
그럼에도 불구하고, 많은 우주선들이 생성되었습니다.
02:07
At the other end of the scale,
46
112000
2000
또 다른 쪽에서는,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
여러분이 아마 들어봤을지도 모를 팜빌이라는 게임이
02:12
has 70 million players
48
117000
2000
전 세계적으로
02:14
around the world
49
119000
2000
7천만명의 게임 이용자들을 가지고 있고,
02:16
and most of these players
50
121000
2000
그 중 대다수는 거의 매일
02:18
are playing it almost every day.
51
123000
2000
이 게임을 합니다.
02:20
This may all sound
52
125000
2000
이것이 어쩌면
02:22
really quite alarming to some people,
53
127000
2000
어떤 사람들에게는 꽤나 놀랍고
02:24
an index of something worrying
54
129000
2000
사회적 문제의 지표로
02:26
or wrong in society.
55
131000
2000
들릴 수가 있을 것입니다.
02:28
But we're here for the good news,
56
133000
2000
하지만 우리는 여기 좋은 소식을 위해 왔고,
02:30
and the good news is
57
135000
2000
그 좋은 소식이란
02:32
that I think we can explore
58
137000
2000
저는 이런 실질적인 인간들의 노력과
02:34
why this very real human effort,
59
139000
3000
가치있는 매우 열성적인 세대가 존재하는 이유를
02:37
this very intense generation of value, is occurring.
60
142000
4000
탐구할 수 있다고 생각한다는 것입니다.
02:41
And by answering that question,
61
146000
2000
그 질문에 대한 답변을 통해,
02:43
I think we can take something
62
148000
2000
아주 강력한 어떤 것을
02:45
extremely powerful away.
63
150000
2000
얻어낼 수 있다고 생각합니다.
02:47
And I think the most interesting way
64
152000
2000
그리고 이 모든 것이 어떻게 진행되는지
02:49
to think about how all this is going on
65
154000
2000
살펴보는 가장 흥미로운 방법은
02:51
is in terms of rewards.
66
156000
2000
보상에 관한 것이라고 생각합니다.
02:53
And specifically, it's in terms
67
158000
3000
그리고 특히, 그것은 게임을 하는 것이
02:56
of the very intense emotional rewards
68
161000
2000
개별적, 집단적으로
02:58
that playing games offers to people
69
163000
2000
사람들에게 제공하는
03:00
both individually
70
165000
2000
매우 강력한
03:02
and collectively.
71
167000
2000
감정적 보상에 대한 것입니다.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
사람들이 게임을 하는 중,
03:06
when they are being engaged,
73
171000
2000
머리 속에 어떤 일이 벌어지는지 살펴 보면,
03:08
two quite different processes are occurring.
74
173000
3000
두 가지의 매우 상이한 과정들이 발생합니다.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
먼저, 원하는 과정들이 존재합니다.
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
이것은 갈망과 욕구 같은 것입니다. '나는 그것을 할거야. 나는 열심히 할거야.' 하는 것이죠.
03:17
On the other hand, there's the liking processes,
77
182000
2000
둘째로, 좋아하는 과정들이 존재합니다.
03:19
fun and affection
78
184000
2000
재미와 애정,
03:21
and delight
79
186000
2000
그리고 즐거움입니다.
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
오크를 등에 태운 거대한 날아다니는 괴수입니다.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
정말 멋진 이미지죠. 아주 멋집니다.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
전 세계적으로 천 만명 이상의 사용자를 가지고 있는 게임 월드오브워크래프트의 장면입니다.
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
저와 제 아내도 그 게임을 즐깁니다.
03:33
And this kind of a world,
84
198000
2000
그리고 이런 종류의 세계,
03:35
this vast flying beast you can ride around,
85
200000
2000
타고 다닐 수 있는 이런 거대한 날아다니는 괴수는,
03:37
shows why games are so very good
86
202000
2000
원하는 것과 좋아하는 것, 둘 다를 수행하는 데 있어서
03:39
at doing both the wanting and the liking.
87
204000
3000
왜 게임이 매우 좋은 것인지를 보여줍니다.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
게임은 매우 강력하기 때문이죠. 정말 굉장합니다.
03:44
It gives you great powers.
89
209000
2000
게임은 대단한 힘을 부여합니다.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
열정이 충족될 뿐만 아니라, 매우 아름답죠.
03:49
It's a very great pleasure to fly around.
91
214000
3000
날아 다닌다는 것은 아주 굉장한 즐거움입니다.
03:52
And so these combine to form
92
217000
2000
그리고 이런 결합이 매우 강력한
03:54
a very intense emotional engagement.
93
219000
2000
감정적 몰입을 만들어 냅니다.
03:56
But this isn't the really interesting stuff.
94
221000
3000
하지만 진짜 흥미로운 것은 이것이 아닙니다.
03:59
The really interesting stuff about virtuality
95
224000
2000
가상현실에 대해서 정말 흥미로운 것은
04:01
is what you can measure with it.
96
226000
2000
여러분이 측정을 할 수 있다는 것입니다.
04:03
Because what you can measure in virtuality
97
228000
3000
가상현실에서는 여러분이 모든 것을
04:06
is everything.
98
231000
2000
측정할 수 있기 때문입니다.
04:08
Every single thing that every single person
99
233000
2000
모든 사람들이 게임을 하며 실행했던
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
모든 것들은 측정될 수가 있습니다.
04:13
The biggest games in the world today
101
238000
2000
오늘날 세계에서 가장 규모가 큰 게임은
04:15
are measuring more than one billion points of data
102
240000
4000
플레이어나 플레이어가 실행하는 것들에 대해서
04:19
about their players, about what everybody does --
103
244000
2000
10억개 이상의 데이터 요소들로 측정을 하고 있습니다.
04:21
far more detail than you'd ever get from any website.
104
246000
3000
어떤 웹사이트로부터 얻을 수 있는 것보다 훨씬 상세하죠.
04:24
And this allows something very special
105
249000
3000
그리고 이것이 게임 안에서
04:27
to happen in games.
106
252000
2000
뭔가 아주 특별한 것들이 나타나도록 합니다.
04:29
It's something called the reward schedule.
107
254000
3000
그것은 보상 스케쥴이라고 불리는 것입니다.
04:32
And by this, I mean looking
108
257000
2000
그리고 이것으로써,
04:34
at what millions upon millions of people have done
109
259000
2000
수많은 사람들이 실행한 것을 보고,
04:36
and carefully calibrating the rate,
110
261000
2000
게임 사용자들이 아주 많은 시간과 노력을
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
투여하도록 하기 위하여
04:41
to keep them engaged
112
266000
2000
게임 내에서의 등급, 종류, 유형, 보상 강도를
04:43
over staggering amounts of time and effort.
113
268000
3000
매길 수 있다는 것을 의미합니다.
04:46
Now, to try and explain this
114
271000
2000
자, 이것을 실질적으로
04:48
in sort of real terms,
115
273000
3000
설명하기 위해서,
04:51
I want to talk about a kind of task
116
276000
2000
수 많은 게임 안에서 여러분에게 떨어지는
04:53
that might fall to you in so many games.
117
278000
2000
일종의 과업에 대해서 말해보고 싶습니다.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
가서 특정 양의 특정 아이템을 수집합니다.
04:58
Let's say, for the sake of argument,
119
283000
2000
논거를 위해서 이렇게 말해보도록 하죠.
05:00
my mission is to get 15 pies
120
285000
3000
저의 임무는 15개의 파이를 획득하는 것이고,
05:03
and I can get 15 pies
121
288000
3000
이런 귀엽고 작은 몬스터들을 죽여서
05:06
by killing these cute, little monsters.
122
291000
2000
저는 15개의 파이를 얻어낼 수 있습니다.
05:08
Simple game quest.
123
293000
2000
단순한 게임 퀘스트입니다.
05:10
Now you can think about this, if you like,
124
295000
2000
상자들에 관한 문제로서,
05:12
as a problem about boxes.
125
297000
2000
이렇게 생각해 볼 수 있습니다.
05:14
I've got to keep opening boxes.
126
299000
2000
저는 상자들을 열어보겠습니다.
05:16
I don't know what's inside them until I open them.
127
301000
3000
그것을 열어보기 전까지는 안에 무엇이 들었는지 모릅니다.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
그리고 15개의 파이를 획득할 때까지, 상자를 열어봅니다.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
여러분이 워크래프트와 같은 게임을 한다면,
05:24
you can think about it, if you like,
130
309000
2000
그것을 많은 상자 열기 활동으로서
05:26
as a great box-opening effort.
131
311000
3000
생각할 수 있습니다.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
그 게임은 사람들이 그 안에서 좀 더 좋은 것들을 얻을 수 있는
05:32
getting better and better stuff in them.
133
317000
2000
약 100만개의 상자들을 열도록 합니다.
05:34
This sounds immensely boring
134
319000
3000
이것은 매우 지루한 것으로 들리지만,
05:37
but games are able
135
322000
2000
게임은 이 과정을
05:39
to make this process
136
324000
2000
놀라우리만치 눈을 뗄 수 없도록
05:41
incredibly compelling.
137
326000
2000
만들 수 있습니다.
05:43
And the way they do this
138
328000
2000
그리고 이것을 할 수 있는 방법은
05:45
is through a combination of probability and data.
139
330000
3000
확률과 데이터의 조합을 통해서 입니다.
05:48
Let's think about probability.
140
333000
2000
확률에 대해서 생각해 봅시다.
05:50
If we want to engage someone
141
335000
2000
어떤 사람이 파이를 찾기위해
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
상자들을 여는 과정 중에 있도록 만들고 싶다면,
05:55
we want to make sure it's neither too easy,
143
340000
2000
우리는 파이를 찾는 것이 너무 쉽지도,
05:57
nor too difficult, to find a pie.
144
342000
2000
너무 어렵지도 않기를 바랍니다.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
그래서 어떻게 하시겠나요? 여러분은 100만의 사람들을 봅니다.
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
아니, 1억개의 상자를 여는 1억명의 사람들을 봅니다.
06:04
and you work out, if you make the pie rate
147
349000
3000
그리고 파이를 찾을 확률을 25% 정도로 만들면
06:07
about 25 percent --
148
352000
2000
잘 풀릴 것입니다.
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
너무 좌절감을 느낄 정도도 아니고, 너무 쉽지도 않아서
06:12
It keeps people engaged.
150
357000
2000
사람들을 계속 참여하도록 만듭니다.
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
하지만 물론, 그것이 여러분이 하는 전부가 아닙니다. 15개의 파이가 있습니다.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
이제, 여러분 모두가 100만개의 파이,
06:19
where all you had to do was get a million pies
153
364000
2000
또는 천 개의 파이를 찾아야 하는
06:21
or a thousand pies.
154
366000
2000
파이크래프트라는 게임을 만들 수 있습니다.
06:23
That would be very boring.
155
368000
2000
그것은 아주 지루할 것입니다.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15가 최적의 숫자입니다.
06:27
You find that -- you know, between five and 20
157
372000
2000
5~20 사이가 사람들이 계속하도록 하는
06:29
is about the right number for keeping people going.
158
374000
2000
적절한 숫자입니다.
06:31
But we don't just have pies in the boxes.
159
376000
2000
하지만 그 상자들 안에 파이만 가지고 있지는 않습니다.
06:33
There's 100 percent up here.
160
378000
2000
여기 100%가 존재합니다.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
그리고 우리가 하는 것은 매번 상자가 열릴 때마다,
06:38
there's something in it, some little reward
162
383000
2000
그 안에 뭔가 작은 보상이 들어 있도록 확실히 하는 것입니다.
06:40
that keeps people progressing and engaged.
163
385000
2000
그것이 사람들이 계속해서 참여하도록 할 것입니다.
06:42
In most adventure games,
164
387000
2000
대부분의 어드벤처 게임에는
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
게임 머니가 있고 경험치가 있습니다만
06:47
But we don't just do that either.
166
392000
2000
우리는 둘 다 제공하지 않습니다.
06:49
We also say there's going to be loads of other items
167
394000
2000
우리는 갖가지 품질의 다양한 다른 아이템들과
06:51
of varying qualities and levels of excitement.
168
396000
2000
재미있는 레벨이 있을 것이라고 말합니다.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
그리고 꽤 괜찮은 아이템을 얻을 확률은 10%가 될 것입니다.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
그리고 정말 굉장한 아이템을 얻을 확률은
06:58
you get an absolutely awesome item.
171
403000
3000
0.1%가 될 것입니다.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
그리고 이런 보상들은 아이템 별로 신중하게 측정됩니다.
07:04
And also, we say,
173
409000
2000
그리고 또한 우리는 말합니다.
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"자, 몬스터가 얼마나 많이 있습니까? 수 많은 몬스터로 게임을 채워야 하나요?"
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
아닙니다. 어느 때든지 화면에는 한 두 마리 정도의 몬스터를 원합니다.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
저는 게임에 빠집니다. 너무 쉽지도, 너무 어렵지도 않죠.
07:15
So all this is very powerful.
177
420000
2000
그래서 이 모든 것은 아주 강력합니다.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
하지만 우리는 가상현실 안에 있고, 이것들은 진짜 상자들이 아닙니다.
07:20
So we can do
179
425000
2000
그래서 우리는
07:22
some rather amazing things.
180
427000
2000
상당히 놀라운 일을 할 수 있습니다.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
상자를 여는 이 모든 사람들을 보면서,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
사람들이 15개의 파이 중에서 13개 정도를 찾아냈을 때,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
생각이 바뀌면서, 지루해하고 성미가 급해지기 시작하는 것을 주목합니다.
07:34
They're not rational about probability.
184
439000
2000
그들은 확률에 관하여 합리적이지 않습니다.
07:36
They think this game is unfair.
185
441000
2000
그들은 이 게임이 불공평하다고 생각합니다.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
나머지 두 개의 파이는 내게 주어지지 않을거야. 포기해야겠다.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
그것이 실제 상자들이라면, 할 수 있는 것이 많지 않겠지만,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
게임 안에서는 우리는 그냥 말합니다. "알았어요. 좋아요."
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
13개의 파이를 찾았을 때, 파이 하나를 찾을 확률은 이제 75%가 됩니다.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
계속 몰입하세요. 사람들이 하는 것을 살펴보세요.
07:50
adjust the world to match their expectation.
191
455000
2000
세상을 그들의 기대에 맞춰 조절하세요.
07:52
Our games don't always do this.
192
457000
2000
우리의 게임들은 항상 이렇게 하지 않습니다.
07:54
And one thing they certainly do at the moment
193
459000
2000
그리고 그 순간에 그들이 확실히 하는 한 가지는,
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
여러분이 0.1%의 굉장한 아이템을 얻었다면,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
그 가치를 유지하고, 특별하게 하기 위해서 또 다른 아이템이 나타나는데
08:02
to keep the value, to keep it special.
196
467000
2000
특정 시간이 걸리도록 만듭니다.
08:04
And the point is really
197
469000
2000
그리고 중요한 것은
08:06
that we evolved to be satisfied by the world
198
471000
2000
우리는 특정한 방법으로 세상에 의해서
08:08
in particular ways.
199
473000
2000
만족하기 위해 진화한다는 것입니다.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
수 만, 수 십 만 년 동안,
08:13
we evolved to find certain things stimulating,
201
478000
2000
우리는 뭔가 자극적인 것을 찾기 위해 진화했고,
08:15
and as very intelligent, civilized beings,
202
480000
2000
매우 지적이고 문명화된 존재들로서
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
문제 해결과 학습으로 엄청난 자극을 받습니다.
08:20
But now, we can reverse engineer that
204
485000
2000
하지만 지금 우리는 그것을 역설계하고,
08:22
and build worlds
205
487000
2000
우리의 진화적인 상자들을
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
명확하게 표시하는 세상을 만들 수 있습니다.
08:27
So what does all this mean in practice?
207
492000
2000
그렇다면 이 모든 것이 실제로는 어떤 의미가 있을까요?
08:29
Well, I've come up
208
494000
2000
자, 게임으로부터
08:31
with seven things
209
496000
2000
어떻게 이 교훈들을
08:33
that, I think, show
210
498000
2000
취할 수 있는지,
08:35
how you can take these lessons from games
211
500000
2000
어떻게 게임 밖에서 그것을 활용할 수 있는지
08:37
and use them outside of games.
212
502000
3000
7가지의 것을 보여드리겠습니다.
08:40
The first one is very simple:
213
505000
2000
첫 번째는 아주 간단합니다.
08:42
experience bars measuring progress --
214
507000
2000
올 해 초, 제시 쉘 같은 사람에 의해
08:44
something that's been talked about brilliantly
215
509000
2000
훌륭하게 이야기 되었던
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
진전을 측정하는 경험 측정바입니다.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
그것은 이미 미국의 인디아나 대학에서 연구된 것입니다.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
그것은 사람들을 작은 부분을 조금씩 증가시키며 평가하는 대신에,
08:55
in little bits and pieces,
219
520000
2000
그들에게 하나의 개요 특질을 가진
08:57
you give them one profile character avatar
220
522000
2000
아바타를 주는 단순한 아이디어 입니다.
08:59
which is constantly progressing
221
524000
2000
그들이 소유한다고 느끼는 아바타는
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
아주 작은 부분씩 조금씩 지속적으로 나아집니다.
09:04
And everything comes towards that,
223
529000
2000
그리고 모든 것이 그것을 향해 가고,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
조금씩 나아지는 것을 보고, 그러다보면 그들은 그것을 소유하게 됩니다.
09:09
Second, multiple long and short-term aims --
225
534000
2000
두 번째로, 다수의 장기와 단기 목표입니다.
09:11
5,000 pies, boring,
226
536000
2000
5,000개의 파이는 지루하지만
09:13
15 pies, interesting.
227
538000
2000
15개의 파이는 흥미롭습니다.
09:15
So, you give people
228
540000
2000
그래서 여러분은 사람들에게
09:17
lots and lots of different tasks.
229
542000
2000
수 많은 다른 과업을 부여합니다.
09:19
You say, it's about
230
544000
2000
그리고 그 중에서
09:21
doing 10 of these questions,
231
546000
2000
10개만 하라고 말합니다.
09:23
but another task
232
548000
2000
하지만 다른 과업은
09:25
is turning up to 20 classes on time,
233
550000
2000
시간에 맞춰 20급에 도달해야 나타나고,
09:27
but another task is collaborating with other people,
234
552000
3000
또 어떤 과업은 다른 사람들과 협력을 하고,
09:30
another task is showing you're working five times,
235
555000
3000
또 어떤 과업은 다섯 차례 수행해야 하며,
09:33
another task is hitting this particular target.
236
558000
2000
또 어떤 과업은 특정 목표에 도달하는 것입니다.
09:35
You break things down into these calibrated slices
237
560000
3000
사람들이 몰입할 수 있도록 동시에
09:38
that people can choose and do in parallel
238
563000
2000
선택하고 실행할 수 있고,
09:40
to keep them engaged
239
565000
2000
각기 이득이 되는 활동을
09:42
and that you can use to point them
240
567000
2000
나타낼 수 있도록 사용되는
09:44
towards individually beneficial activities.
241
569000
3000
이런 조각들로 나눕니다.
09:48
Third, you reward effort.
242
573000
2000
세 번째는 노력에 대한 보상입니다.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
그것이 100% 여러분의 요인입니다. 게임은 보상에 밝습니다.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
뭔가를 해낼 때마다, 시도에 대한 크레딧을 얻습니다.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
실패에 대한 벌을 받지 않습니다. 매번의 작은 노력에도 보상을 합니다.
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
금 조금, 크레딧 조금, 여러분은 20개의 문제를 해결하셨네요. 체크하세요.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
시간이 지날수록 충족이 됩니다.
10:05
Fourth, feedback.
248
590000
2000
네번째, 피드백입니다.
10:07
This is absolutely crucial,
249
592000
2000
아주 중요한 요소입니다.
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
가상현실은 피드백을 수행하는데 탁월합니다.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
이제까지 우리가 들어왔던 오늘날 세상에서
10:14
that we've been hearing amazing things about,
252
599000
2000
가장 해결하기 어려운 문제들을 살펴본다면,
10:16
it's very, very hard for people to learn
253
601000
3000
사람들이 배우기 무척이나 힘들 것입니다.
10:19
if they cannot link consequences to actions.
254
604000
3000
결과를 행동으로 연결시킬 수 없다면 말입니다.
10:22
Pollution, global warming, these things --
255
607000
2000
환경오염, 지구 온난화 등의 이런 것들은
10:24
the consequences are distant in time and space.
256
609000
2000
그 결과가 시공간과 멀리 떨어져 있습니다.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
교훈을 느끼고 배우는 것은 매우 힘들지만,
10:28
But if you can model things for people,
258
613000
2000
사람들을 위한 모형을 만들 수 있다면,
10:30
if you can give things to people that they can manipulate
259
615000
2000
사람들이 다룰 수 있고, 가지고 놀 수 있으며,
10:32
and play with and where the feedback comes,
260
617000
2000
피드백이 발생하는 것을 사람들에게 준다면,
10:34
then they can learn a lesson, they can see,
261
619000
2000
사람들은 교훈을 배우고, 깨달을 수 있으며,
10:36
they can move on, they can understand.
262
621000
3000
앞으로 나아가고, 이해할 수 있습니다.
10:39
And fifth,
263
624000
2000
다섯 번째는,
10:41
the element of uncertainty.
264
626000
2000
불확실성의 요소입니다.
10:43
Now this is the neurological goldmine,
265
628000
3000
게임은 신경학적 보고입니다.
10:46
if you like,
266
631000
2000
알려진 보상이
10:48
because a known reward
267
633000
2000
사람들을 자극하기 때문에
10:50
excites people,
268
635000
2000
좋아한다면,
10:52
but what really gets them going
269
637000
2000
하지만 그들을 진짜 움직이게 하는 것은
10:54
is the uncertain reward,
270
639000
2000
불확실한 보상입니다.
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
그 보상은 그것을 얻을지, 그렇지 못할지 확실히 알지 못하는
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
불확실성의 적절한 수준을 목표로 삼았습니다.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
25%입니다. 이것이 두뇌를 밝힙니다.
11:04
And if you think about
274
649000
2000
이것을 실험에 사용하는 것에
11:06
using this in testing,
275
651000
2000
대해서 생각한다면,
11:08
in just introducing control elements of randomness
276
653000
2000
모든 형태의 실험과 훈련에서
11:10
in all forms of testing and training,
277
655000
2000
무작위의 제어요소를 도입하는 것에서,
11:12
you can transform the levels of people's engagement
278
657000
2000
이런 매우 강력한 진화적 메커니즘을 이용하여
11:14
by tapping into this very powerful
279
659000
2000
사람들의 몰입 수준을
11:16
evolutionary mechanism.
280
661000
2000
바꿀 수 있습니다.
11:18
When we don't quite predict something perfectly,
281
663000
2000
우리가 무언가를 완벽하게 예측하지 못할 때
11:20
we get really excited about it.
282
665000
2000
우리는 그에 대해 정말 흥분하게 됩니다.
11:22
We just want to go back and find out more.
283
667000
2000
우리는 되돌아가서 더 많은 걸 찾아내고 싶어합니다.
11:24
As you probably know, the neurotransmitter
284
669000
2000
학습과 연관된 신경 전달 물질이
11:26
associated with learning is called dopamine.
285
671000
2000
도파민이라는 것을 아마 아실 것입니다.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
이것은 보상을 찾는 행위과 연관되어 있습니다.
11:31
And something very exciting is just beginning to happen
287
676000
3000
매우 흥미로운 일이 영국의 브리스톨 대학교와 같은 곳에서
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
일어나기 시작하고 있습니다.
11:37
where we are beginning to be able to model mathematically
289
682000
3000
수학적으로 두뇌에서의 도파민 수준을 모형화 하는 것이
11:40
dopamine levels in the brain.
290
685000
2000
가능하기 시작했습니다.
11:42
And what this means is we can predict learning,
291
687000
2000
그리고 이것은 우리가 학습을 예측할 수 있다는 것을 의미합니다.
11:44
we can predict enhanced engagement,
292
689000
3000
우리가 향상된 몰입을 예측할 수 있고,
11:47
these windows, these windows of time,
293
692000
2000
향상된 수준에서 학습이 일어나는
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
시간대를 예측할 수 있습니다.
11:52
And two things really flow from this.
295
697000
2000
이것에서 두 가지의 것들이 나옵니다.
11:54
The first has to do with memory,
296
699000
2000
첫 번째는, 이런 시점을 찾을 수 있는
11:56
that we can find these moments.
297
701000
2000
기억과 연관되어야 하는 것입니다.
11:58
When someone is more likely to remember,
298
703000
2000
누군가가 좀 더 기억하고 싶어할 때,
12:00
we can give them a nugget in a window.
299
705000
2000
우리는 그들의 창에 작은 정보를 제시할 수 있습니다.
12:02
And the second thing is confidence,
300
707000
2000
두 번째로는, 자신감입니다.
12:04
that we can see how game-playing and reward structures
301
709000
2000
게임을 하는 것과 보상의 구조가 사람들을
12:06
make people braver, make them more willing to take risks,
302
711000
3000
더 용감하게 만들고, 위험을 감수할 수 있도록 만들며,
12:09
more willing to take on difficulty,
303
714000
2000
어려운 일을 맡을 수 있도록 하고,
12:11
harder to discourage.
304
716000
2000
좌절하지 않도록 하는 것을 알 수 있습니다.
12:13
This can all seem very sinister.
305
718000
2000
이것은 모두 매우 해로운 것 같을 수 있습니다.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
하지만 뭐랄까 "우리 뇌는 조작되어 왔고, 우리 모두 중독자입니다."라는 것을 알 것입니다.
12:17
The word "addiction" is thrown around.
307
722000
2000
중독이란 말은 버려졌습니다.
12:19
There are real concerns there.
308
724000
2000
정말 걱정되는 것이 있습니다.
12:21
But the biggest neurological turn-on for people
309
726000
2000
그러나 신경학적으로 사람들에게 가장 큰 흥분을
12:23
is other people.
310
728000
2000
안겨주는 것은 다른 사람들입니다.
12:25
This is what really excites us.
311
730000
3000
이것이 정말 우리는 흥분시키는 것입니다.
12:28
In reward terms, it's not money;
312
733000
2000
보상의 조건에서, 그것은 금전이 아닙니다.
12:30
it's not being given cash -- that's nice --
313
735000
3000
현금으로 주어지지 않습니다. 그것은 좋습니다.
12:33
it's doing stuff with our peers,
314
738000
2000
그것은 우리의 동료들과 함께
12:35
watching us, collaborating with us.
315
740000
2000
보고, 협력하는 것입니다.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
1999년 즈음의 짧은 이야기를 들려드리겠습니다.
12:39
a video game called EverQuest.
317
744000
2000
에버퀘스트라는 비디오 게임이 있었습니다.
12:41
And in this video game,
318
746000
2000
그리고 이 게임에는
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
두 마리의 큰 용이 나오고, 그 용을 해치우기 위해 팀을 만들어야 했습니다.
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
이 큰 용들을 해치우기 위해 42명까지 필요했죠.
12:49
That's a problem
321
754000
2000
그게 문제였습니다.
12:51
because they dropped two or three decent items.
322
756000
3000
왜냐하면 그 용을 잡아봤자 겨우 두 세 개의 아이템 밖에 나오지 않았으니까요.
12:54
So players addressed this problem
323
759000
3000
그래서 사용자들은 자발적으로
12:57
by spontaneously coming up with a system
324
762000
2000
서로에게 공평하고 투명하게
12:59
to motivate each other,
325
764000
2000
동기를 부여할 수 있도록
13:01
fairly and transparently.
326
766000
2000
이 문제를 고심했습니다.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
그들은 서로에게 '드래곤 킬 포인트'라 불리는
13:06
they called "dragon kill points."
328
771000
3000
가상의 화폐를 지불하는 일이 벌어졌습니다.
13:09
And every time you turned up to go on a mission,
329
774000
2000
그리고 하나의 미션을 수행해 나갈 때 마다,
13:11
you got paid in dragon kill points.
330
776000
2000
'드래곤 킬 포인트'를 받게 되었습니다.
13:13
They tracked these on a separate website.
331
778000
2000
그들은 각기 다른 웹사이트에서 이것을 추적했습니다.
13:15
So they tracked their own private currency,
332
780000
2000
그들은 그들만의 개인 화폐를 추적했고,
13:17
and then players could bid afterwards
333
782000
2000
그 후에 사용자들이 원하는
13:19
for cool items they wanted --
334
784000
2000
멋진 아이템들에 구할 수 있었습니다.
13:21
all organized by the players themselves.
335
786000
2000
모든 것은 사용자들 스스로 체계를 잡은 것이었습니다.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
지금 이 믿기 어려운 시스템은 에버케스트 뿐만이 아니라
13:26
but that today, a decade on,
337
791000
2000
10년이 지난 오늘날에도
13:28
every single video game in the world with this kind of task
338
793000
3000
이런 종류의 과업을 수행하는 전 세계 모든 비디오 게임에서
13:31
uses a version of this system --
339
796000
2000
사용하고 있습니다.
13:33
tens of millions of people.
340
798000
2000
수 천만 명의 사람들이 참여하고 있습니다.
13:35
And the success rate
341
800000
2000
성공 확률은 거의
13:37
is at close to 100 percent.
342
802000
2000
100%에 가깝습니다.
13:39
This is a player-developed,
343
804000
2000
이것은 사용자들이 개발하고,
13:41
self-enforcing, voluntary currency,
344
806000
3000
자기 강제적이며, 자발적인 통화이고,
13:44
and it's incredibly sophisticated
345
809000
2000
놀라우리만치 정교한
13:46
player behavior.
346
811000
2000
플레이어의 행위입니다.
13:50
And I just want to end by suggesting
347
815000
2000
이제 이런 원리들이 전 세계로
13:52
a few ways in which these principles
348
817000
2000
퍼져나갈 수 있도록 몇가지의 방법을
13:54
could fan out into the world.
349
819000
2000
제안하며 마무리 짓고자 합니다.
13:56
Let's start with business.
350
821000
2000
사업영역에서 시작해보도록 하죠.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
우리는 재활용과 에너지 보존과 같은 사업영역에서
14:00
around something like business are
352
825000
2000
몇몇의 큰 문제들을
14:02
recycling and energy conservation.
353
827000
2000
목격하기 시작했습니다.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
실시간 에너지 측정기와 같은 아주 멋진 기술의 출현을
14:06
like real-time energy meters.
355
831000
2000
목격하기 시작했습니다.
14:08
And I just look at this, and I think, yes,
356
833000
2000
그리고 저는 이것을 보고,
14:10
we could take that so much further
357
835000
3000
사람들에게 목표를 설정하도록 하고,
14:13
by allowing people to set targets
358
838000
2000
측정된 목표를 설정하고,
14:15
by setting calibrated targets,
359
840000
2000
불확실성의 요소를 사용하고,
14:17
by using elements of uncertainty,
360
842000
3000
이런 다수의 목표를 사용하고,
14:20
by using these multiple targets,
361
845000
2000
크고 근본적인 보상과
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
인센티브 시스템을 사용하고,
14:25
by setting people up
363
850000
2000
사람들이 집단과 거리에 대하여
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
협력을 할 수 있도록, 협력과 경쟁을 할 수 있도록,
14:29
to collaborate and compete,
365
854000
2000
우리가 보는 이런 매우 정교한 집단과 동기부여 메카니즘을
14:31
to use these very sophisticated
366
856000
2000
사용할 수 있도록 촉발시킴으로써
14:33
group and motivational mechanics we see.
367
858000
2000
더 향상시킬 수 있을 것이라고 생각합니다.
14:35
In terms of education,
368
860000
2000
교육적인 면에서 보면
14:37
perhaps most obviously of all,
369
862000
2000
가장 분명한 것은
14:39
we can transform how we engage people.
370
864000
3000
사람들을 몰입시키는 방법을 변화시킬 수 있습니다.
14:42
We can offer people the grand continuity
371
867000
2000
사람들에게 경험과 개인적 투자의 원대한
14:44
of experience and personal investment.
372
869000
3000
연속성을 제공할 수 있습니다.
14:47
We can break things down
373
872000
2000
세심하게 측정된 작은 과업들로
14:49
into highly calibrated small tasks.
374
874000
2000
분할 할 수 있습니다.
14:51
We can use calculated randomness.
375
876000
2000
계산된 무작위성을 이용할 수 있습니다.
14:53
We can reward effort consistently
376
878000
2000
모든 것이 함께 처리하기 때문에
14:55
as everything fields together.
377
880000
3000
지속적으로 노력에 보상할 수 있습니다.
14:58
And we can use the kind of group behaviors
378
883000
2000
또한 사람들이 함께 게임을 할 때 볼 수 있는
15:00
that we see evolving when people are at play together,
379
885000
3000
일종의 집단행동을 이용할 수 있습니다.
15:03
these really quite unprecedentedly complex
380
888000
3000
이것은 전에는 볼 수 없던 복잡하고도
15:06
cooperative mechanisms.
381
891000
2000
협력적인 매커니즘입니다.
15:08
Government, well, one thing that comes to mind
382
893000
2000
자, 한 가지 떠오르는데요.
15:10
is the U.S. government, among others,
383
895000
3000
여러 국가들 중 미국 정부가
15:13
is literally starting to pay people
384
898000
2000
처음으로 체중감량을 하는 사람들에게
15:15
to lose weight.
385
900000
2000
보상을 시작했습니다.
15:17
So we're seeing financial reward being used
386
902000
2000
비만이라는 문제를 해결하는데
15:19
to tackle the great issue of obesity.
387
904000
2000
금전적 보상이 활용된 것입니다.
15:21
But again, those rewards
388
906000
2000
하지만 우리가 그 매력을 주입하고,
15:23
could be calibrated so precisely
389
908000
3000
데이터를 취하고,
15:26
if we were able to use the vast expertise
390
911000
3000
수 백만명의 시간들과
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
피드백을 참여를 증진시키는데
15:32
to take the data, to take the observations,
392
917000
2000
사용하는 게임 시스템의
15:34
of millions of human hours
393
919000
2000
폭넓은 전문성을 이용할 수 있다면,
15:36
and plow that feedback
394
921000
2000
그 보상들은 아주 자세히
15:38
into increasing engagement.
395
923000
2000
측정되어질 수 있을 것입니다.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
그리고 마지막으로, 여러분께
15:43
that I want to leave you with.
397
928000
2000
남겨두고 싶은 단어가 몰입입니다.
15:45
It's about how individual engagement
398
930000
2000
심리학적, 신경학적 교훈으로
15:47
can be transformed
399
932000
2000
어떻게 개인적 몰입을
15:49
by the psychological and the neurological lessons
400
934000
3000
변화시킬 수 있느냐에 대한 것입니다.
15:52
we can learn from watching people that are playing games.
401
937000
3000
우리는 사람들이 게임하는 것을 관찰하며 배울 수 있습니다.
15:55
But it's also about collective engagement
402
940000
3000
하지만 그것은 웅장한 규모의 게임에서
15:58
and about the unprecedented laboratory
403
943000
3000
무엇이 사람들을 체크하도록하고, 일하고,
16:01
for observing what makes people tick
404
946000
2000
놀고, 몰입하도록 하는가를 관찰하기 위한
16:03
and work and play and engage
405
948000
2000
전례없는 실험실과
16:05
on a grand scale in games.
406
950000
3000
집단적 몰입에 대한 것이기도 합니다.
16:08
And if we can look at these things and learn from them
407
953000
3000
만약 우리가 이것을 이해하고 배울 수 있으며,
16:11
and see how to turn them outwards,
408
956000
2000
그것들을 어떻게 바깥 세상으로 향하게 할지 찾을 수 있다면,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
우리는 정말 혁명적인 걸 갖고 있다고 생각합니다.
16:16
Thank you very much.
410
961000
2000
대단히 감사합니다.
16:18
(Applause)
411
963000
4000
(박수)
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