TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Tom Chatfield: 7 sposobów, na jakie gry nagradzają mózg
Filmed:
Readability: 3.8
1,288,061 views
Zapraszamy gry do swojego życia. Spędzamy przy nich niezliczone godziny, wydajemy realne pieniądze - na poszukiwanie nierzeczywistych skarbów wirtualnego świata. Dlaczego? Jak wykazuje Tom Chatfield, gry są doskonale przygotowane do wydzielania nagród, które angażują mózg i utrzymują w nas chęć na więcej.
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
Kocham gry wideo.
00:18
I'm also slightly in awe of them.
1
3000
3000
Trochę je podziwiam.
00:21
I'm in awe of their power
2
6000
2000
Żywię cześć dla potęgi wyobraźni, pomysłów
00:23
in terms of imagination, in terms of technology,
3
8000
2000
Żywię cześć dla potęgi wyobraźni, pomysłów
00:25
in terms of concept.
4
10000
2000
i technologii w nich obecnych.
00:27
But I think, above all,
5
12000
2000
Ale przede wszystkim
00:29
I'm in awe at their power
6
14000
2000
dla ich zdolności motywowania,
00:31
to motivate, to compel us,
7
16000
3000
zmuszania nas do działań,
00:34
to transfix us,
8
19000
2000
przykuwania uwagi,
00:36
like really nothing else we've ever invented
9
21000
3000
w stopniu większym niż cokolwiek innego
00:39
has quite done before.
10
24000
2000
wynalezionego do tej pory.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
Możemy nauczyć się zdumiewających rzeczy
00:44
by looking at how we do this.
12
29000
2000
przez obserwowanie, jak to się dzieje.
00:46
And in particular, I think we can learn things
13
31000
2000
Możemy dowiedzieć się
00:48
about learning.
14
33000
3000
czegoś na temat uczenia się.
00:51
Now the video games industry
15
36000
2000
Gry wideo są teraz
00:53
is far and away the fastest growing
16
38000
2000
najszybciej rozwijającym się medium.
00:55
of all modern media.
17
40000
2000
najszybciej rozwijającym się medium.
00:57
From about 10 billion in 1990,
18
42000
2000
Jego wartość wzrosła
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
z 10 mld w 1990 do 50 mld dzisiaj
01:02
and it shows no sign of slowing down.
20
47000
3000
i tempo wzrostu nie maleje.
01:05
In four years' time,
21
50000
2000
Szacuje się, że za cztery lata
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
będzie wart ponad 80 mld dolarów.
01:10
That's about three times the recorded music industry.
23
55000
3000
To trzy razy więcej niż w branży muzycznej.
01:13
This is pretty stunning,
24
58000
2000
Ta statystyka oszałamia,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
ale nie ona jest najbardziej wymowna.
01:18
The thing that really amazes me
26
63000
2000
Zadziwia mnie fakt,
01:20
is that, today,
27
65000
2000
że ludzie wydają dzisiaj
01:22
people spend about
28
67000
2000
około ośmiu miliardów
01:24
eight billion real dollars a year
29
69000
3000
dolarów rocznie
01:27
buying virtual items
30
72000
2000
na zakupy wirtualnych przedmiotów,
01:29
that only exist
31
74000
2000
które istnieją tylko wewnątrz gier.
01:31
inside video games.
32
76000
3000
które istnieją tylko wewnątrz gier.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
To jest zrzut ekranu z gry Entropia Universe.
01:37
Earlier this year,
34
82000
2000
W tym roku wirtualną asteroidę z gry
01:39
a virtual asteroid in it
35
84000
2000
W tym roku wirtualną asteroidę z gry
01:41
sold for 330,000 real dollars.
36
86000
4000
sprzedano za 330 tys. dolarów.
01:45
And this
37
90000
2000
A to jest statek klasy Tytan
01:47
is a Titan class ship
38
92000
3000
A to jest statek klasy Tytan
01:50
in the space game, EVE Online.
39
95000
2000
z gry EVE Online.
01:52
And this virtual object
40
97000
2000
Do stworzenia tego
01:54
takes 200 real people
41
99000
2000
wirtualnego obiektu
01:56
about 56 days of real time to build,
42
101000
3000
potrzeba około 200 ludzi i 56 dni,
01:59
plus countless thousands of hours
43
104000
3000
a ponadto tysięcy godzin przygotowań.
02:02
of effort before that.
44
107000
2000
a ponadto tysięcy godzin przygotowań.
02:04
And yet, many of these get built.
45
109000
3000
A jednak buduje się ich dużo.
02:07
At the other end of the scale,
46
112000
2000
Na drugim krańcu skali
02:09
the game Farmville that you may well have heard of,
47
114000
3000
gra Farmville ma 70 milionów graczy
02:12
has 70 million players
48
117000
2000
gra Farmville ma 70 milionów graczy
02:14
around the world
49
119000
2000
na całym świecie,
02:16
and most of these players
50
121000
2000
z których większość
02:18
are playing it almost every day.
51
123000
2000
gra niemal codziennie.
02:20
This may all sound
52
125000
2000
Może to się wydawać niepokojące,
02:22
really quite alarming to some people,
53
127000
2000
Może to się wydawać niepokojące,
02:24
an index of something worrying
54
129000
2000
niczym sygnał czegoś złego
02:26
or wrong in society.
55
131000
2000
lub niestosownego.
02:28
But we're here for the good news,
56
133000
2000
Ale są też dobre wiadomości.
02:30
and the good news is
57
135000
2000
A dobra wiadomość jest taka, że możemy zbadać
02:32
that I think we can explore
58
137000
2000
A dobra wiadomość jest taka, że możemy zbadać
02:34
why this very real human effort,
59
139000
3000
czemu ten ludzki wysiłek
02:37
this very intense generation of value, is occurring.
60
142000
4000
i produkcja wartości występują.
02:41
And by answering that question,
61
146000
2000
Odpowiedź na to pytanie
02:43
I think we can take something
62
148000
2000
pozwoli nam wynieść
02:45
extremely powerful away.
63
150000
2000
coś cennego.
02:47
And I think the most interesting way
64
152000
2000
Chyba najlepiej
02:49
to think about how all this is going on
65
154000
2000
jest myśleć o tym
02:51
is in terms of rewards.
66
156000
2000
w kategoriach nagród.
02:53
And specifically, it's in terms
67
158000
3000
Szczególnie intensywnych
02:56
of the very intense emotional rewards
68
161000
2000
nagród emocjonalnych,
02:58
that playing games offers to people
69
163000
2000
które gracze odczuwają
03:00
both individually
70
165000
2000
indywidualnie i zbiorowo.
03:02
and collectively.
71
167000
2000
indywidualnie i zbiorowo.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Jeśli przyjrzymy się, co się dzieje w głowach
03:06
when they are being engaged,
73
171000
2000
osób zaangażowanych w grę,
03:08
two quite different processes are occurring.
74
173000
3000
zobaczymy dwa procesy.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
Z jednej strony - ochota.
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
Ambicja i motywacja: "Zrobię coś by coś osiągnąć"
03:17
On the other hand, there's the liking processes,
77
182000
2000
Z drugiej strony sympatia,
03:19
fun and affection
78
184000
2000
zabawa, zamiłowanie, zachwyt
03:21
and delight
79
186000
2000
zabawa, zamiłowanie, zachwyt
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
i latająca bestia z orkiem na grzbiecie.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
To świetny obraz z World of Warcraft,
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
która ma ponad 10 mln graczy,
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
a wśród nich ja i moja żona.
03:33
And this kind of a world,
84
198000
2000
Taki świat, taka ogromna
03:35
this vast flying beast you can ride around,
85
200000
2000
latająca bestia, którą można ujeżdżać,
03:37
shows why games are so very good
86
202000
2000
pokazuje dlaczego gry
03:39
at doing both the wanting and the liking.
87
204000
3000
wzbudzają ochotę i sympatię.
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Mają potężne możliwości.
03:44
It gives you great powers.
89
209000
2000
Zachwycają. Dają ci moc.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Zaspokajają ambicję, ale są też piękne.
03:49
It's a very great pleasure to fly around.
91
214000
3000
To duża frajda, polatać sobie dookoła.
03:52
And so these combine to form
92
217000
2000
Wszystko to łączy się wywołując
03:54
a very intense emotional engagement.
93
219000
2000
głębokie zaangażowanie emocjonalne.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Ale nie to jest naprawdę interesujące.
03:59
The really interesting stuff about virtuality
95
224000
2000
Naprawdę interesujące jest to,
04:01
is what you can measure with it.
96
226000
2000
że w świecie wirtualnym można zmierzyć wszystko.
04:03
Because what you can measure in virtuality
97
228000
3000
że w świecie wirtualnym można zmierzyć wszystko.
04:06
is everything.
98
231000
2000
Każde posunięcie,
04:08
Every single thing that every single person
99
233000
2000
wykonane przez każdego, wszędzie,
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
może zostać zmierzone.
04:13
The biggest games in the world today
101
238000
2000
Największe gry na świecie
04:15
are measuring more than one billion points of data
102
240000
4000
zbierają dziś ponad miliard danych o graczach,
04:19
about their players, about what everybody does --
103
244000
2000
to znacznie więcej
04:21
far more detail than you'd ever get from any website.
104
246000
3000
niż dzięki stronie internetowej.
04:24
And this allows something very special
105
249000
3000
Dzięki temu w grach
04:27
to happen in games.
106
252000
2000
dzieje się coś szczególnego.
04:29
It's something called the reward schedule.
107
254000
3000
Nazywa się to harmonogramem nagrody.
04:32
And by this, I mean looking
108
257000
2000
Chodzi o przyglądanie się temu,
04:34
at what millions upon millions of people have done
109
259000
2000
co robią miliony ludzi w grach
04:36
and carefully calibrating the rate,
110
261000
2000
i uważne dobranie tempa,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
rodzaju i intensywności nagród w grach,
04:41
to keep them engaged
112
266000
2000
by utrzymać zaangażowanie
04:43
over staggering amounts of time and effort.
113
268000
3000
przez długi czas i pomimo wysiłku.
04:46
Now, to try and explain this
114
271000
2000
Teraz, by wyjaśnić to rzeczowo,
04:48
in sort of real terms,
115
273000
3000
chciałbym omówić zadanie,
04:51
I want to talk about a kind of task
116
276000
2000
na które można się natknąć
04:53
that might fall to you in so many games.
117
278000
2000
w bardzo wielu grach:
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
idź i zdobądź określoną liczbę przedmiotów.
04:58
Let's say, for the sake of argument,
119
283000
2000
Powiedzmy, że moja misja
05:00
my mission is to get 15 pies
120
285000
3000
polega na zdobyciu 15 ciasteczek
05:03
and I can get 15 pies
121
288000
3000
a mogę je zdobyć
05:06
by killing these cute, little monsters.
122
291000
2000
zabijając te śliczne stworki.
05:08
Simple game quest.
123
293000
2000
Proste zadanie z gry.
05:10
Now you can think about this, if you like,
124
295000
2000
Możecie myśleć o tym
05:12
as a problem about boxes.
125
297000
2000
jak o zadaniu ze skrzynkami.
05:14
I've got to keep opening boxes.
126
299000
2000
Mam otwierać kolejne skrzynki.
05:16
I don't know what's inside them until I open them.
127
301000
3000
Nie znam ich zawartości.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
Otwieram je do uzbierania 15 ciastek.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
Zatem o grze takiej jak World of Wacraft
05:24
you can think about it, if you like,
130
309000
2000
można myśleć jak o wielkim otwieraniu skrzynek.
05:26
as a great box-opening effort.
131
311000
3000
można myśleć jak o wielkim otwieraniu skrzynek.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Gry skłaniają do otwierania milionów skrzynek
05:32
getting better and better stuff in them.
133
317000
2000
i znajdowania coraz lepszych rzeczy.
05:34
This sounds immensely boring
134
319000
3000
Brzmi to jak straszne nudy,
05:37
but games are able
135
322000
2000
ale gry mogą uczynić to zajęcie
05:39
to make this process
136
324000
2000
ale gry mogą uczynić to zajęcie
05:41
incredibly compelling.
137
326000
2000
niewiarygodnie nieodpartym.
05:43
And the way they do this
138
328000
2000
Robią to poprzez połączenie
05:45
is through a combination of probability and data.
139
330000
3000
prawdopodobieństwa i danych.
05:48
Let's think about probability.
140
333000
2000
Pomyślmy o prawdopodobieństwie.
05:50
If we want to engage someone
141
335000
2000
Jeśli chcemy kogoś zająć
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
otwieraniem skrzynek celem znalezienia ciastek,
05:55
we want to make sure it's neither too easy,
143
340000
2000
upewniamy się, że znalezienie ciastka
05:57
nor too difficult, to find a pie.
144
342000
2000
nie jest ani za łatwe, ani za trudne.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Co więc robimy?
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
Analizujemy 100 milionów otwieraczy skrzyń.
06:04
and you work out, if you make the pie rate
147
349000
3000
Dowiadujemy się, że szansa znalezienia ciastka
06:07
about 25 percent --
148
352000
2000
powinna wynosić 25%.
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
Wtedy nie będzie to ani za trudne, ani za łatwe.
06:12
It keeps people engaged.
150
357000
2000
Zaangażowanie się utrzyma.
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
Ale to nie wszystko - ciastek jest 15.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Mógłbym zrobić grę Piecraft,
06:19
where all you had to do was get a million pies
153
364000
2000
w której chodziłoby o znajdowanie
06:21
or a thousand pies.
154
366000
2000
milionów, czy tysięcy, ciastek.
06:23
That would be very boring.
155
368000
2000
To byłoby strasznie nudne.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
Optymalna ilość to 15.
06:27
You find that -- you know, between five and 20
157
372000
2000
Ilość między 5 a 20
06:29
is about the right number for keeping people going.
158
374000
2000
zachęca do dalszych wysiłków.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Ale w skrzyniach są też inne rzeczy.
06:33
There's 100 percent up here.
160
378000
2000
Tego jesteśmy pewni.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
Kiedy otworzymy skrzynkę jesteśmy pewni,
06:38
there's something in it, some little reward
162
383000
2000
że jakaś mała nagroda będzie w środku.
06:40
that keeps people progressing and engaged.
163
385000
2000
Coś co utrzyma zaangażowanie.
06:42
In most adventure games,
164
387000
2000
W większości gier to pieniądze
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
trochę doświadczenia,
06:47
But we don't just do that either.
166
392000
2000
ale na tym nie koniec.
06:49
We also say there's going to be loads of other items
167
394000
2000
W skrzyniach będą inne przedmioty
06:51
of varying qualities and levels of excitement.
168
396000
2000
różniące się jakością i siłą nagradzania.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
10% szans, że trafi się coś dobrego.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
Mamy 0,1% szansy na coś wyjątkowego.
06:58
you get an absolutely awesome item.
171
403000
3000
Mamy 0,1% szansy na coś wyjątkowego.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
Siła nagrody jest dopasowana do przedmiotu.
07:04
And also, we say,
173
409000
2000
Dalej pytamy co z potworami:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
"Czy świat ma roić się od milionów potworów?".
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
W danej chwili tylko kilka powinno być blisko.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Chce się iść dalej. Nie jest za łatwo, czy za trudno.
07:15
So all this is very powerful.
177
420000
2000
To potężne narzędzie.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
W świecie wirtualnym to nie są prawdziwe skrzynki.
07:20
So we can do
179
425000
2000
Można więc zrobić
07:22
some rather amazing things.
180
427000
2000
inne ciekawe rzeczy.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Gdy otwierający skrzynki mają już po 13 ciasteczek
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
z piętnastu wymaganych,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
ich uwaga odpływa, nudzą się, są rozdrażnieni.
07:34
They're not rational about probability.
184
439000
2000
Nie oceniają prawdopodobieństwa racjonalnie.
07:36
They think this game is unfair.
185
441000
2000
Myślą, że gra jest nie fair.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
"Nie daje mi ostatnich ciasteczek. Poddam się".
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Gdyby to były prawdziwe skrzynki,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
niewiele można by zrobić, ale w grze można powiedzieć:
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
"Przy 13 ciastkach szanse rosną do 75%".
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Popatrz jak ludzie się zachowują
07:50
adjust the world to match their expectation.
191
455000
2000
i dostosuj świat do ich oczekiwań.
07:52
Our games don't always do this.
192
457000
2000
W grach nie zawsze tak się dzieje.
07:54
And one thing they certainly do at the moment
193
459000
2000
Jeśli zdobędziesz wyjątkowy przedmiot
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
z szansą 0,1%, kolejny taki długo ci się nie trafi,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
dzięki temu na jakiś czas
08:02
to keep the value, to keep it special.
196
467000
2000
pozostanie wyjątkowy i wartościowy.
08:04
And the point is really
197
469000
2000
Wyewoluowaliśmy tak,
08:06
that we evolved to be satisfied by the world
198
471000
2000
by świat nas zaspokajał
08:08
in particular ways.
199
473000
2000
w konkretny sposób.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Przez setki tysięcy lat rozwijaliśmy się
08:13
we evolved to find certain things stimulating,
201
478000
2000
szukając rzeczy pobudzających.
08:15
and as very intelligent, civilized beings,
202
480000
2000
Jako inteligentne, ucywilizowane istoty
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
lubimy rozwiązywać problemy i uczyć się.
08:20
But now, we can reverse engineer that
204
485000
2000
A teraz sami możemy być inżynierami
08:22
and build worlds
205
487000
2000
i budować światy,
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
które odpowiadają ewolucyjnym potrzebom.
08:27
So what does all this mean in practice?
207
492000
2000
Co to oznacza w praktyce?
08:29
Well, I've come up
208
494000
2000
Znalazłem siedem kwestii,
08:31
with seven things
209
496000
2000
które możemy zaczerpnąć z gier
08:33
that, I think, show
210
498000
2000
które możemy zaczerpnąć z gier
08:35
how you can take these lessons from games
211
500000
2000
i wykorzystać w świecie realnym.
08:37
and use them outside of games.
212
502000
3000
i wykorzystać w świecie realnym.
08:40
The first one is very simple:
213
505000
2000
Pierwsza kwestia jest bardzo prosta:
08:42
experience bars measuring progress --
214
507000
2000
pasek postępu.
08:44
something that's been talked about brilliantly
215
509000
2000
Było to już doskonale opisane
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
przez Jesse Schella.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Badano to na Uniwersytecie Stanu Indiana.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
To koncepcja, w myśl której zamiast
08:55
in little bits and pieces,
219
520000
2000
dawania ludziom ocen cząstkowych
08:57
you give them one profile character avatar
220
522000
2000
dajemy im jednego bohatera,
08:59
which is constantly progressing
221
524000
2000
którego doświadczenie stopniowo rośnie
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
w kroczkach, które ludzie odbierają jako własne.
09:04
And everything comes towards that,
223
529000
2000
Doświadczenie gracza rośnie i ma je on na własność.
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
Doświadczenie gracza rośnie i ma je on na własność.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Po drugie, różnorodne cele, krótko- i długoterminowe:
09:11
5,000 pies, boring,
226
536000
2000
Po drugie, różnorodne cele, krótko- i długoterminowe:
09:13
15 pies, interesting.
227
538000
2000
5 tys ciastek - nudno, 15 - ciekawie.
09:15
So, you give people
228
540000
2000
5 tys ciastek - nudno, 15 - ciekawie.
09:17
lots and lots of different tasks.
229
542000
2000
Ludzie muszą mieć różne zadania.
09:19
You say, it's about
230
544000
2000
Ludzie muszą mieć różne zadania.
09:21
doing 10 of these questions,
231
546000
2000
Raz "odpowiedz na 10 pytań",
09:23
but another task
232
548000
2000
ale innym razem
09:25
is turning up to 20 classes on time,
233
550000
2000
"przyjdź na 20 zajęć".
09:27
but another task is collaborating with other people,
234
552000
3000
W kolejnym - współpracuj z innymi,
09:30
another task is showing you're working five times,
235
555000
3000
zaprezentuj swoją pracę pięć razy,
09:33
another task is hitting this particular target.
236
558000
2000
osiągnij konkretny cel.
09:35
You break things down into these calibrated slices
237
560000
3000
Wszystko można podzielić na części,
09:38
that people can choose and do in parallel
238
563000
2000
które ludzie mogą robić równolegle
09:40
to keep them engaged
239
565000
2000
by utrzymywać zaangażowanie
09:42
and that you can use to point them
240
567000
2000
dzięki czemu można pokierować ich,
09:44
towards individually beneficial activities.
241
569000
3000
by robili rzeczy dla nich korzystne.
09:48
Third, you reward effort.
242
573000
2000
Po trzecie, nagradzajmy wysiłek.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Gry są w tym znakomite.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Za wysiłek dostaje się punkty.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Nie karzemy porażki.
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
Troszkę złota, troszkę doświadczenia...
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Wszystko składa się na drobne wzmocnienia.
10:05
Fourth, feedback.
248
590000
2000
Po czwarte - wyniki.
10:07
This is absolutely crucial,
249
592000
2000
To kluczowe a świat wirtualny
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
wspaniale tego dostarcza.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Przyglądając się trudnym do rozwiązania
10:14
that we've been hearing amazing things about,
252
599000
2000
problemom dzisiejszego świata widzimy,
10:16
it's very, very hard for people to learn
253
601000
3000
że ludziom trudno jest się uczyć,
10:19
if they cannot link consequences to actions.
254
604000
3000
jeśli nie wiążą skutków z działaniami.
10:22
Pollution, global warming, these things --
255
607000
2000
Globalne ocieplenie, zanieczyszczenia -
10:24
the consequences are distant in time and space.
256
609000
2000
powiązania są odległe w czasie i przestrzeni.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Trudno się tak czegoś nauczyć,
10:28
But if you can model things for people,
258
613000
2000
ale jeśli dostarczymy modelową sytuację,
10:30
if you can give things to people that they can manipulate
259
615000
2000
którą ludzie mogą się bawić i manipulować
10:32
and play with and where the feedback comes,
260
617000
2000
i w której pojawia się informacja zwrotna,
10:34
then they can learn a lesson, they can see,
261
619000
2000
wtedy możemy się nauczyć, zobaczyć,
10:36
they can move on, they can understand.
262
621000
3000
zrozumieć, zadziałać.
10:39
And fifth,
263
624000
2000
Piąta kwestia - niepewność.
10:41
the element of uncertainty.
264
626000
2000
Doszliśmy, że tak powiem,
10:43
Now this is the neurological goldmine,
265
628000
3000
do neurologicznej żyły złota.
10:46
if you like,
266
631000
2000
Wprawdzie znana nagroda ekscytuje ludzi.
10:48
because a known reward
267
633000
2000
Wprawdzie znana nagroda ekscytuje ludzi.
10:50
excites people,
268
635000
2000
Wprawdzie znana nagroda ekscytuje ludzi.
10:52
but what really gets them going
269
637000
2000
Ale znacznie bardziej
10:54
is the uncertain reward,
270
639000
2000
ekscytuje ich nagroda nieznana,
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
ustawiona na odpowiednim poziomie niepewności.
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
ustawiona na odpowiednim poziomie niepewności.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
To 25%. To rozpala mózg.
11:04
And if you think about
274
649000
2000
Dzięki wprowadzeniu
11:06
using this in testing,
275
651000
2000
kontrolowanego elementu przypadkowości
11:08
in just introducing control elements of randomness
276
653000
2000
kontrolowanego elementu przypadkowości
11:10
in all forms of testing and training,
277
655000
2000
w zadaniach treningowych,
11:12
you can transform the levels of people's engagement
278
657000
2000
można zwiększyć zaangażowanie
11:14
by tapping into this very powerful
279
659000
2000
dzięki temu potężnemu ewolucyjnemu mechanizmowi.
11:16
evolutionary mechanism.
280
661000
2000
dzięki temu potężnemu ewolucyjnemu mechanizmowi.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Kiedy nie wiemy czegoś na pewno,
11:20
we get really excited about it.
282
665000
2000
jesteśmy tym podekscytowani.
11:22
We just want to go back and find out more.
283
667000
2000
Chcemy dowiedzieć się więcej.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Jak pewnie wiecie, neuroprzekaźnikiem
11:26
associated with learning is called dopamine.
285
671000
2000
związanym z uczeniem się jest dopamina.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Wiąże się z poszukiwaniem nagrody.
11:31
And something very exciting is just beginning to happen
287
676000
3000
Na Uniwersytecie w Bristolu
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
zarysowuje się coś niezwykłego...
11:37
where we are beginning to be able to model mathematically
289
682000
3000
Jesteśmy w stanie modelować
11:40
dopamine levels in the brain.
290
685000
2000
poziomy dopaminy w mózgu.
11:42
And what this means is we can predict learning,
291
687000
2000
Przewidujemy kiedy się uczymy,
11:44
we can predict enhanced engagement,
292
689000
3000
okresy wzmożonego zaangażowania,
11:47
these windows, these windows of time,
293
692000
2000
okienka, w których uczenie się
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
może być przyspieszone.
11:52
And two things really flow from this.
295
697000
2000
Płyną z tego dwie korzyści.
11:54
The first has to do with memory,
296
699000
2000
Pierwsza dotyczy pamięci:
11:56
that we can find these moments.
297
701000
2000
określamy kiedy zapamiętywanie
11:58
When someone is more likely to remember,
298
703000
2000
staje się bardziej prawdopodobne,
12:00
we can give them a nugget in a window.
299
705000
2000
by wtedy dać nagrodę.
12:02
And the second thing is confidence,
300
707000
2000
Druga rzecz to pewność,
12:04
that we can see how game-playing and reward structures
301
709000
2000
że obserwacja reakcji graczy na nagrody
12:06
make people braver, make them more willing to take risks,
302
711000
3000
pokaże jak ludzie stają się odważniejsi,
12:09
more willing to take on difficulty,
303
714000
2000
kiedy chętniej podejmują ryzyko i trud,
12:11
harder to discourage.
304
716000
2000
czy rzadziej się zniechęcają.
12:13
This can all seem very sinister.
305
718000
2000
Może wydawać się to złowieszcze.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
"To manipulacja, jesteśmy uzależnieni".
12:17
The word "addiction" is thrown around.
307
722000
2000
Dużo się mówi o uzależnieniu,
12:19
There are real concerns there.
308
724000
2000
ludzie żywią realne obawy.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Ale najsilniejszym neurologicznym stymulatorem są inni ludzie.
12:23
is other people.
310
728000
2000
Ale najsilniejszym neurologicznym stymulatorem są inni ludzie.
12:25
This is what really excites us.
311
730000
3000
To nas naprawdę nakręca.
12:28
In reward terms, it's not money;
312
733000
2000
Nie pieniądze - choć są miłe.
12:30
it's not being given cash -- that's nice --
313
735000
3000
W kategoriach nagrody
12:33
it's doing stuff with our peers,
314
738000
2000
to robienie czegoś razem,
12:35
watching us, collaborating with us.
315
740000
2000
obserwowanie i współpraca.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
Opowiem wam historię z 1999 roku
12:39
a video game called EverQuest.
317
744000
2000
o grze Everquest.
12:41
And in this video game,
318
746000
2000
Trzeba było zabić dwa duże smoki.
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
Trzeba było zabić dwa duże smoki.
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
Wymagało to współpracy 42 osób.
12:49
That's a problem
321
754000
2000
Ale ze smoków
12:51
because they dropped two or three decent items.
322
756000
3000
wypadały tylko 2-3 fajne przedmioty.
12:54
So players addressed this problem
323
759000
3000
Gracze sami zajęli się tym problemem
12:57
by spontaneously coming up with a system
324
762000
2000
przez stworzenie przejżystego i uczciwego
12:59
to motivate each other,
325
764000
2000
przez stworzenie przejżystego i uczciwego
13:01
fairly and transparently.
326
766000
2000
systemu motywacyjnego.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Płacili sobie wirtualną walutą:
13:06
they called "dragon kill points."
328
771000
3000
punktami za zabicie smoka.
13:09
And every time you turned up to go on a mission,
329
774000
2000
Za każdą walkę ze smokiem
13:11
you got paid in dragon kill points.
330
776000
2000
dostawało się te punkty.
13:13
They tracked these on a separate website.
331
778000
2000
Punkty były nanoszone
13:15
So they tracked their own private currency,
332
780000
2000
na stronie internetowej.
13:17
and then players could bid afterwards
333
782000
2000
Potem fajne przedmioty
13:19
for cool items they wanted --
334
784000
2000
licytowało się za te punkty.
13:21
all organized by the players themselves.
335
786000
2000
Wszystko organizowane przez graczy.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
To sprawdza się nie tylko w Everquest,
13:26
but that today, a decade on,
337
791000
2000
ale również dziś, 10 lat później,
13:28
every single video game in the world with this kind of task
338
793000
3000
w grach z podobnymi zadaniami
13:31
uses a version of this system --
339
796000
2000
miliony ludzi wykorzystują
13:33
tens of millions of people.
340
798000
2000
jakiś wariant tego systemu.
13:35
And the success rate
341
800000
2000
Działa on niemal w stu procentach.
13:37
is at close to 100 percent.
342
802000
2000
Działa on niemal w stu procentach.
13:39
This is a player-developed,
343
804000
2000
Jest to przykład działania
13:41
self-enforcing, voluntary currency,
344
806000
3000
niezwykle wymyślnego,
13:44
and it's incredibly sophisticated
345
809000
2000
dobrowolnego, stworzonego
13:46
player behavior.
346
811000
2000
i utrzymywanego przez graczy.
13:50
And I just want to end by suggesting
347
815000
2000
Na koniec zasugeruję
13:52
a few ways in which these principles
348
817000
2000
jak można to wykorzystać
13:54
could fan out into the world.
349
819000
2000
w prawdziwym świecie.
13:56
Let's start with business.
350
821000
2000
Zacznę od biznesu.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
Zaczynamy dostrzegać problemy
14:00
around something like business are
352
825000
2000
w kwestiach około-biznesowych:
14:02
recycling and energy conservation.
353
827000
2000
recyklingu i oszczędzania energii.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Widzimy, jak powstają technologie,
14:06
like real-time energy meters.
355
831000
2000
na przykład mierniki energii.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Patrzę na to i myślę,
14:10
we could take that so much further
357
835000
3000
że moglibyśmy pójść dużo dalej
14:13
by allowing people to set targets
358
838000
2000
dzięki ustanawianiu odpowiednich celów,
14:15
by setting calibrated targets,
359
840000
2000
dzięki ustanawianiu odpowiednich celów,
14:17
by using elements of uncertainty,
360
842000
3000
wprowadzeniu elementu niepewności,
14:20
by using these multiple targets,
361
845000
2000
zastosowaniu różnorodności,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
używaniu systemu nagród
14:25
by setting people up
363
850000
2000
i współpracy grupowej.
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
Poszczególne grupy mogłyby
14:29
to collaborate and compete,
365
854000
2000
współpracować i rywalizować,
14:31
to use these very sophisticated
366
856000
2000
by wykorzystać mechanizmy
14:33
group and motivational mechanics we see.
367
858000
2000
działania grupowego i motywacji.
14:35
In terms of education,
368
860000
2000
Jeżeli chodzi o edukację,
14:37
perhaps most obviously of all,
369
862000
2000
co chyba najbardziej oczywiste,
14:39
we can transform how we engage people.
370
864000
3000
można wpłynąć na zaangażowanie.
14:42
We can offer people the grand continuity
371
867000
2000
Możemy zaoferować ludziom
14:44
of experience and personal investment.
372
869000
3000
ciągłość doświadczenia i osobistego wkładu.
14:47
We can break things down
373
872000
2000
Możemy podzielić wszystko
14:49
into highly calibrated small tasks.
374
874000
2000
na odpowiednio małe zadania.
14:51
We can use calculated randomness.
375
876000
2000
Możemy użyć zmienności losowej.
14:53
We can reward effort consistently
376
878000
2000
Możemy nagradzać wysiłki
14:55
as everything fields together.
377
880000
3000
na drodze do wykonania zadania,
14:58
And we can use the kind of group behaviors
378
883000
2000
wykorzystać te zachowania grupowe,
15:00
that we see evolving when people are at play together,
379
885000
3000
które wykształcają się, gdy ludzie grają razem,
15:03
these really quite unprecedentedly complex
380
888000
3000
a to bardzo złożona współpraca.
15:06
cooperative mechanisms.
381
891000
2000
Na szczeblu rządowym
15:08
Government, well, one thing that comes to mind
382
893000
2000
myślałem na przykład o tym,
15:10
is the U.S. government, among others,
383
895000
3000
że rząd Stanów Zjednoczonych
15:13
is literally starting to pay people
384
898000
2000
płaci ludziom za zrzucenie wagi.
15:15
to lose weight.
385
900000
2000
płaci ludziom za zrzucenie wagi.
15:17
So we're seeing financial reward being used
386
902000
2000
Nagrody finansowe są używane
15:19
to tackle the great issue of obesity.
387
904000
2000
w walce z problemem otyłości.
15:21
But again, those rewards
388
906000
2000
Ale mogłyby być one lepiej dobrane,
15:23
could be calibrated so precisely
389
908000
3000
Ale mogłyby być one lepiej dobrane,
15:26
if we were able to use the vast expertise
390
911000
3000
gdybyśmy użyli wiedzy
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
dostarczanej przez gry...
15:32
to take the data, to take the observations,
392
917000
2000
Gdybyśmy zebrali obserwacje z milionów godzin gry
15:34
of millions of human hours
393
919000
2000
Gdybyśmy zebrali obserwacje z milionów godzin gry
15:36
and plow that feedback
394
921000
2000
aby jeszcze bardziej podnieść poziom zaangażowania.
15:38
into increasing engagement.
395
923000
2000
aby jeszcze bardziej podnieść poziom zaangażowania.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Właśnie z tym słowem was zostawię.
15:43
that I want to leave you with.
397
928000
2000
Zaangażowanie.
15:45
It's about how individual engagement
398
930000
2000
Psychologiczne i neurologiczne wnioski
15:47
can be transformed
399
932000
2000
Psychologiczne i neurologiczne wnioski
15:49
by the psychological and the neurological lessons
400
934000
3000
z obserwacji graczy mogą podnieść
15:52
we can learn from watching people that are playing games.
401
937000
3000
poziom indywidualnego zaangażowania.
15:55
But it's also about collective engagement
402
940000
3000
Ale chodzi też o zaangażowanie grupowe,
15:58
and about the unprecedented laboratory
403
943000
3000
gdyż gry dają możliwość zrozumienia
16:01
for observing what makes people tick
404
946000
2000
gdyż gry dają możliwość zrozumienia
16:03
and work and play and engage
405
948000
2000
co ludzi nakręca, jak pracują,
16:05
on a grand scale in games.
406
950000
3000
jak grają, czemu się angażują.
16:08
And if we can look at these things and learn from them
407
953000
3000
Jeśli przyjrzymy się temu,
16:11
and see how to turn them outwards,
408
956000
2000
nauczymy czegoś i użyjemy w świecie,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
zauważymy, że mamy w rękach coś przełomowego.
16:16
Thank you very much.
410
961000
2000
zauważymy, że mamy w rękach coś przełomowego.
16:18
(Applause)
411
963000
4000
Bardzo dziękuję. (Brawa)
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