TEDGlobal 2010
Tom Chatfield: 7 ways games reward the brain
Том Чатфилд: 7 игровых способов, увлекающих ум.
Filmed:
Readability: 3.8
1,288,061 views
Мы вносим геймплей во всё большие аспекты наших жизней, тратя бесчисленное количество часов и реальных денег на поиски воображаемых сокровищ в виртуальных мирах. Почему? Как говорит Том Чатфилд, игры превосходно настроены на то, что бы потихоньку раздавать награды, которые увлекают наш мозг и позволяют искать дальше.
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
Я люблю компьютерные игры.
00:18
I'm also slightly in awe of them.
1
3000
3000
Я даже немного восхищаюсь ими.
00:21
I'm in awe of their power
2
6000
2000
Я восхищаюсь их мощью в использовании
00:23
in terms of imagination, in terms of technology,
3
8000
2000
воображения, технологий,
00:25
in terms of concept.
4
10000
2000
в создании идей.
00:27
But I think, above all,
5
12000
2000
Но, думаю, больше всего
00:29
I'm in awe at their power
6
14000
2000
я восхищаюсь их силой
00:31
to motivate, to compel us,
7
16000
3000
мотивировать, приковывать наше внимание,
00:34
to transfix us,
8
19000
2000
ошеломлять нас так,
00:36
like really nothing else we've ever invented
9
21000
3000
как ничто из того,
00:39
has quite done before.
10
24000
2000
что мы когда-либо придумали.
00:41
And I think that we can learn some pretty amazing things
11
26000
3000
И я думаю, смотря на это, мы можем научиться
00:44
by looking at how we do this.
12
29000
2000
довольно удивительным вещам.
00:46
And in particular, I think we can learn things
13
31000
2000
А более конкретно — мы можем
00:48
about learning.
14
33000
3000
научиться обучению.
00:51
Now the video games industry
15
36000
2000
На сегодня игровая индустрия —
00:53
is far and away the fastest growing
16
38000
2000
это самая быстрорастущая индустрия
00:55
of all modern media.
17
40000
2000
из всех современных медиа.
00:57
From about 10 billion in 1990,
18
42000
2000
Капитализация в 10 миллиардов в 1990,
00:59
it's worth 50 billion dollars globally today,
19
44000
3000
50 миллиардов долларов сегодня,
01:02
and it shows no sign of slowing down.
20
47000
3000
и никаких признаков к снижению этого темпа.
01:05
In four years' time,
21
50000
2000
Через 4 года
01:07
it's estimated it'll be worth over 80 billion dollars.
22
52000
3000
предполагаемая капитализация достигнет 80 миллиардов долларов.
01:10
That's about three times the recorded music industry.
23
55000
3000
Это почти в 3 раза больше музыкальной индустрии.
01:13
This is pretty stunning,
24
58000
2000
Довольно потрясающе,
01:15
but I don't think it's the most telling statistic of all.
25
60000
3000
но не думаю, что это самое главное.
01:18
The thing that really amazes me
26
63000
2000
Что действительно поражает меня,
01:20
is that, today,
27
65000
2000
так это то, что сегодня
01:22
people spend about
28
67000
2000
люди тратят примерно
01:24
eight billion real dollars a year
29
69000
3000
8 миллиардов долларов в год,
01:27
buying virtual items
30
72000
2000
покупая в виртуальном iTunes,
01:29
that only exist
31
74000
2000
существующем только в
01:31
inside video games.
32
76000
3000
в видео играх.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
79000
3000
Вот скриншот из виртуального игрового мира Entropia Universe.
01:37
Earlier this year,
34
82000
2000
Чуть ранее в этом году
01:39
a virtual asteroid in it
35
84000
2000
виртуальный астероид в этом мире
01:41
sold for 330,000 real dollars.
36
86000
4000
был продан за 330 000 реальных долларов.
01:45
And this
37
90000
2000
А это
01:47
is a Titan class ship
38
92000
3000
космический корабль класса Титан
01:50
in the space game, EVE Online.
39
95000
2000
в игре EVE Online.
01:52
And this virtual object
40
97000
2000
Этот виртуальный объект
01:54
takes 200 real people
41
99000
2000
построили 200 реальных человек,
01:56
about 56 days of real time to build,
42
101000
3000
примерно, за 56 реальных дней,
01:59
plus countless thousands of hours
43
104000
3000
плюс бесчисленное множество часов
02:02
of effort before that.
44
107000
2000
напряжённой работы до этого.
02:04
And yet, many of these get built.
45
109000
3000
И таких уже много построено.
02:07
At the other end of the scale,
46
112000
2000
Но есть ещё такая игра, как Ферма,
02:09
the game Farmville that you may well have heard of,
47
114000
3000
о которой вы, скорее всего, слышали.
02:12
has 70 million players
48
117000
2000
В неё играют 70 миллионов человек
02:14
around the world
49
119000
2000
по всему миру
02:16
and most of these players
50
121000
2000
и большинство из них
02:18
are playing it almost every day.
51
123000
2000
играет почти каждый день.
02:20
This may all sound
52
125000
2000
Возможно, для некоторых людей
02:22
really quite alarming to some people,
53
127000
2000
это выглядит довольно тревожно,
02:24
an index of something worrying
54
129000
2000
как знак к тому, что в обществе
02:26
or wrong in society.
55
131000
2000
что-то сломалось.
02:28
But we're here for the good news,
56
133000
2000
Но мы здесь ради хороших новостей.
02:30
and the good news is
57
135000
2000
И хорошие новости в том,
02:32
that I think we can explore
58
137000
2000
что мы можем выяснить,
02:34
why this very real human effort,
59
139000
3000
откуда же берутся эти человеческие усилия,
02:37
this very intense generation of value, is occurring.
60
142000
4000
это напряжённое создание ценностей.
02:41
And by answering that question,
61
146000
2000
И отвечая на этот вопрос,
02:43
I think we can take something
62
148000
2000
мы можем выделить
02:45
extremely powerful away.
63
150000
2000
нечто очень сильное.
02:47
And I think the most interesting way
64
152000
2000
Я думаю, что самый интересный способ разобраться
02:49
to think about how all this is going on
65
154000
2000
что же, всё-таки, происходит,
02:51
is in terms of rewards.
66
156000
2000
это использовать вознаграждения.
02:53
And specifically, it's in terms
67
158000
3000
А точнее, очень сильные
02:56
of the very intense emotional rewards
68
161000
2000
эмоциональные вознаграждения,
02:58
that playing games offers to people
69
163000
2000
которые игры предлагают людям,
03:00
both individually
70
165000
2000
как индивидуально,
03:02
and collectively.
71
167000
2000
так и коллективно.
03:04
Now if we look at what's going on in someone's head
72
169000
2000
Если мы взглянем на то, что происходит в чьей-либо голове,
03:06
when they are being engaged,
73
171000
2000
когда они чем-то увлечены,
03:08
two quite different processes are occurring.
74
173000
3000
то увидим два различных процесса.
03:11
On the one hand, there's the wanting processes.
75
176000
3000
С одной стороны — «хочу».
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
Это сродни силе и амбициям — без труда рыбку не вытянешь.
03:17
On the other hand, there's the liking processes,
77
182000
2000
А с другой стороны — «нравится»
03:19
fun and affection
78
184000
2000
Это весело и увлекательно,
03:21
and delight
79
186000
2000
это восторг
03:23
and an enormous flying beast with an orc on the back.
80
188000
2000
и здоровенный летающий зверь с орком на спине.
03:25
It's a really great image. It's pretty cool.
81
190000
2000
Это действительно очень клёвая картина.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
192000
3000
Она из игры World of Warcraft, в которую играют более 10 миллионов человек по всему миру.
03:30
one of whom is me, another of whom is my wife.
83
195000
3000
Двое из них — я и моя жена.
03:33
And this kind of a world,
84
198000
2000
И вот этот вот мир,
03:35
this vast flying beast you can ride around,
85
200000
2000
этот громадный летающий зверь, которого можно оседлать,
03:37
shows why games are so very good
86
202000
2000
показывают, почему игры так хороши
03:39
at doing both the wanting and the liking.
87
204000
3000
в совмещении «хочу» и «нравится».
03:42
Because it's very powerful. It's pretty awesome.
88
207000
2000
Они удивительны настолько, насколько могущественны.
03:44
It gives you great powers.
89
209000
2000
Они наделяют вас большими возможностями.
03:46
Your ambition is satisfied, but it's very beautiful.
90
211000
3000
Хоть ваши амбиции и удовлетворены, всё же, это прекрасно.
03:49
It's a very great pleasure to fly around.
91
214000
3000
Летать туда-сюда — замечательное ощущение.
03:52
And so these combine to form
92
217000
2000
Всё это вкупе создаёт очень сильное
03:54
a very intense emotional engagement.
93
219000
2000
эмоциональное влечение.
03:56
But this isn't the really interesting stuff.
94
221000
3000
Но это ещё не самое интересное.
03:59
The really interesting stuff about virtuality
95
224000
2000
Потому самое интересное в виртуальном мире —
04:01
is what you can measure with it.
96
226000
2000
это то, что вы можете измерить.
04:03
Because what you can measure in virtuality
97
228000
3000
А измерить вы можете
04:06
is everything.
98
231000
2000
всё что угодно.
04:08
Every single thing that every single person
99
233000
2000
Абсолютно любое действие, совершенное любым человеком
04:10
who's ever played in a game has ever done can be measured.
100
235000
3000
в игре, может быть измерено.
04:13
The biggest games in the world today
101
238000
2000
Сегодня, крупнейшие игры в мире
04:15
are measuring more than one billion points of data
102
240000
4000
Обрабатывают более миллиарда различных данных
04:19
about their players, about what everybody does --
103
244000
2000
об игроках, об их действиях — намного больше,
04:21
far more detail than you'd ever get from any website.
104
246000
3000
чем вы можете получить на любом сайте.
04:24
And this allows something very special
105
249000
3000
И это позволяет чему-то особенному
04:27
to happen in games.
106
252000
2000
происходить в играх.
04:29
It's something called the reward schedule.
107
254000
3000
Оно называется наградным расписанием.
04:32
And by this, I mean looking
108
257000
2000
Я имею в виду «слежку» за тем ,
04:34
at what millions upon millions of people have done
109
259000
2000
чем занимаются миллионы людей
04:36
and carefully calibrating the rate,
110
261000
2000
и тщательной калибровки темпа,
04:38
the nature, the type, the intensity of rewards in games
111
263000
3000
природы, типа и интенсивности наград в играх,
04:41
to keep them engaged
112
266000
2000
что бы удерживать вовлечённым,
04:43
over staggering amounts of time and effort.
113
268000
3000
несмотря на ошеломляющие затраты времени и сил.
04:46
Now, to try and explain this
114
271000
2000
А сейчас, для того что бы
04:48
in sort of real terms,
115
273000
3000
объяснить это обычными терминами,
04:51
I want to talk about a kind of task
116
276000
2000
я хочу поговорить о том типе заданий
04:53
that might fall to you in so many games.
117
278000
2000
с которым вы встречались во многих играх.
04:55
Go and get a certain amount of a certain little game-y item.
118
280000
3000
Пойти и раздобыть определённое количество какого-либо игрового предмета.
04:58
Let's say, for the sake of argument,
119
283000
2000
Предположим, для простоты понимания,
05:00
my mission is to get 15 pies
120
285000
3000
мне нужно раздобыть 15 пирогов,
05:03
and I can get 15 pies
121
288000
3000
и получить их я могу,
05:06
by killing these cute, little monsters.
122
291000
2000
убивая этих маленьких монстриков.
05:08
Simple game quest.
123
293000
2000
Простое игровое задание.
05:10
Now you can think about this, if you like,
124
295000
2000
Вы можете предположить, если хотите,
05:12
as a problem about boxes.
125
297000
2000
что это всё — коробки.
05:14
I've got to keep opening boxes.
126
299000
2000
Мне нужно открывать коробки.
05:16
I don't know what's inside them until I open them.
127
301000
3000
И я не знаю что внутри, пока не открою их.
05:19
And I go around opening box after box until I've got 15 pies.
128
304000
3000
И вот я хожу и открываю коробку за коробкой, пока не соберу 15 пирогов.
05:22
Now, if you take a game like Warcraft,
129
307000
2000
А если взять в пример игру типа Warcraft,
05:24
you can think about it, if you like,
130
309000
2000
вы можете предположить, что это —
05:26
as a great box-opening effort.
131
311000
3000
гигантское коробко-открывательное усилие.
05:29
The game's just trying to get people to open about a million boxes,
132
314000
3000
Игра хочет что бы люди открывали миллионы коробок,
05:32
getting better and better stuff in them.
133
317000
2000
получая всё лучшие и лучшие предметы из них.
05:34
This sounds immensely boring
134
319000
3000
Звучит чрезвычайно скучно,
05:37
but games are able
135
322000
2000
но играм удаётся
05:39
to make this process
136
324000
2000
сделать этот процесс
05:41
incredibly compelling.
137
326000
2000
невероятно интересным.
05:43
And the way they do this
138
328000
2000
А делают они это
05:45
is through a combination of probability and data.
139
330000
3000
путём скрещивания возможностей и данных.
05:48
Let's think about probability.
140
333000
2000
Давайте поговорим о возможностях.
05:50
If we want to engage someone
141
335000
2000
Если мы хотим увлечь кого-то в процесс
05:52
in the process of opening boxes to try and find pies,
142
337000
3000
открывания коробок и поиска пирогов,
05:55
we want to make sure it's neither too easy,
143
340000
2000
то мы должны быть уверены, что найти пирог —
05:57
nor too difficult, to find a pie.
144
342000
2000
не просто, но и не сложно.
05:59
So what do you do? Well, you look at a million people --
145
344000
2000
Так что же нам делать? Ну, вы следите за миллионом игроков,
06:01
no, 100 million people, 100 million box openers --
146
346000
3000
нет, за сотней миллионов открывателей коробок,
06:04
and you work out, if you make the pie rate
147
349000
3000
и замечаете, что если сделать шанс нахождения пирога
06:07
about 25 percent --
148
352000
2000
равным 25 процентам,
06:09
that's neither too frustrating, nor too easy.
149
354000
3000
то это не очень легко, но и не шибко надоедает,
06:12
It keeps people engaged.
150
357000
2000
и держит людей вовлеченными.
06:14
But of course, that's not all you do -- there's 15 pies.
151
359000
3000
Но, конечно, это не всё — надо-то 15 пирогов.
06:17
Now, I could make a game called Piecraft,
152
362000
2000
Теперь я могу создать игру «Искусство пирогов»,
06:19
where all you had to do was get a million pies
153
364000
2000
в которой всё, что нужно делать — это собрать миллион пирогов,
06:21
or a thousand pies.
154
366000
2000
ну или тысячу.
06:23
That would be very boring.
155
368000
2000
Ну и скукотища.
06:25
Fifteen is a pretty optimal number.
156
370000
2000
15 — оптимальное количество.
06:27
You find that -- you know, between five and 20
157
372000
2000
Вы понимаете, что между 5 и 20 —
06:29
is about the right number for keeping people going.
158
374000
2000
это оптимальное количество для того, что бы люди продолжали.
06:31
But we don't just have pies in the boxes.
159
376000
2000
Но у нас в коробках не только пироги.
06:33
There's 100 percent up here.
160
378000
2000
Там всегда что-то есть.
06:35
And what we do is make sure that every time a box is opened,
161
380000
3000
И мы должны проследить, что бы при открытии каждой коробки
06:38
there's something in it, some little reward
162
383000
2000
в ней что-то было, какая-то маленькая награда,
06:40
that keeps people progressing and engaged.
163
385000
2000
которая положительно подействует на дальнейшее желание играть.
06:42
In most adventure games,
164
387000
2000
В большинстве приключенческих игр
06:44
it's a little bit in-game currency, a little bit experience.
165
389000
3000
есть своя внутри-игровая валюта, опыт,
06:47
But we don't just do that either.
166
392000
2000
но для нас этого мало.
06:49
We also say there's going to be loads of other items
167
394000
2000
У нас будет множество других предметов
06:51
of varying qualities and levels of excitement.
168
396000
2000
разного качества и желания.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
398000
3000
Пускай, шанс получить какой-либо хороший предмет будет 10%.
06:56
There's going to be a 0.1 percent chance
170
401000
2000
И 0.1% вероятности
06:58
you get an absolutely awesome item.
171
403000
3000
для получения очень клёвого предмета.
07:01
And each of these rewards is carefully calibrated to the item.
172
406000
3000
И каждый такой шанс хорошенько подогнан под предмет.
07:04
And also, we say,
173
409000
2000
А ещё мы зададимся вопросом:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
411000
3000
«Чтож, сколько будет монстров? Может быть миллиард монстров на весь мир?»
07:09
No, we want one or two monsters on the screen at any one time.
175
414000
3000
Нет, нам нужен 1-2 монстра одновременно на экране.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
417000
3000
Вот и получилось: не слишком легко, не слишком сложно.
07:15
So all this is very powerful.
177
420000
2000
Всё это — очень занятно.
07:17
But we're in virtuality. These aren't real boxes.
178
422000
3000
Но это не реальные коробки.
07:20
So we can do
179
425000
2000
Поэтому мы можем поработать над
07:22
some rather amazing things.
180
427000
2000
ещё более удивительными вещами.
07:24
We notice, looking at all these people opening boxes,
181
429000
4000
Мы заметили, смотря на людей, открывающих коробки,
07:28
that when people get to about 13 out of 15 pies,
182
433000
3000
что когда они получают где-то тринадцатый из 15 пирогов,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
436000
3000
то они хотят закончить, им скучно, они начинают злиться.
07:34
They're not rational about probability.
184
439000
2000
Они теряют понимание возможности.
07:36
They think this game is unfair.
185
441000
2000
Они думают, что игра к ним несправедлива.
07:38
It's not giving me my last two pies. I'm going to give up.
186
443000
2000
Я не могу получить последних 2 пирога. Я хочу сдаться.
07:40
If they're real boxes, there's not much we can do,
187
445000
2000
Если бы это были реальные коробки — мы не многое могли бы сделать,
07:42
but in a game we can just say, "Right, well.
188
447000
2000
но в игре мы просто скажем: «Чтож, да.»
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
449000
4000
Как только доберёшься до 13 пирога — получишь 75% вероятности на следующие.
07:48
Keep you engaged. Look at what people do --
190
453000
2000
Так они удерживают вас. Смотря на то, что делают люди
07:50
adjust the world to match their expectation.
191
455000
2000
и подстраивают мир под их ожидания.
07:52
Our games don't always do this.
192
457000
2000
Наши игры не всегда делают исключительно так.
07:54
And one thing they certainly do at the moment
193
459000
2000
Единственное, что они точно делают —
07:56
is if you got a 0.1 percent awesome item,
194
461000
3000
если вы получили предмет с шансом 0.1%,
07:59
they make very sure another one doesn't appear for a certain length of time
195
464000
3000
то они уж постараются, что бы такой же предмет никто не получил определённое количество времени.
08:02
to keep the value, to keep it special.
196
467000
2000
Нужно сохранить значимость, индивидуальность.
08:04
And the point is really
197
469000
2000
И дело в том,
08:06
that we evolved to be satisfied by the world
198
471000
2000
что мы эволюционировали так, что бы мир мог удовлетворить нас
08:08
in particular ways.
199
473000
2000
определёнными путями.
08:10
Over tens and hundreds of thousands of years,
200
475000
3000
Свыше десятков и сотен тысяч лет,
08:13
we evolved to find certain things stimulating,
201
478000
2000
мы развивались в поисках стимула,
08:15
and as very intelligent, civilized beings,
202
480000
2000
и, будучи интеллектуальными и цивилизованными существами,
08:17
we're enormously stimulated by problem solving and learning.
203
482000
3000
нашим стимулом было решение проблем и обучение.
08:20
But now, we can reverse engineer that
204
485000
2000
Но сейчас, используя обратный инжиниринг,
08:22
and build worlds
205
487000
2000
мы можем построить миры,
08:24
that expressly tick our evolutionary boxes.
206
489000
3000
которые ясно выделяют наши эволюционные коробки.
08:27
So what does all this mean in practice?
207
492000
2000
Но что же это значит на практике?
08:29
Well, I've come up
208
494000
2000
Чтож, я дошёл до
08:31
with seven things
209
496000
2000
семи способов,
08:33
that, I think, show
210
498000
2000
которые, я думаю, покажут
08:35
how you can take these lessons from games
211
500000
2000
какие уроки вы можете изъять из игр
08:37
and use them outside of games.
212
502000
3000
и использовать в жизни.
08:40
The first one is very simple:
213
505000
2000
Первый — очень простой:
08:42
experience bars measuring progress --
214
507000
2000
панели опыта измеряют прогресс —
08:44
something that's been talked about brilliantly
215
509000
2000
нечто, о чём блестяще говорили такие люди,
08:46
by people like Jesse Schell earlier this year.
216
511000
3000
как Джесси Шель не так давно.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
514000
3000
Этим уже занимались в Университете Индиады в Штатах, как и в других местах.
08:52
It's the simple idea that instead of grading people incrementally
218
517000
3000
Идея проста — вместо того, что бы постепенно награждать людей,
08:55
in little bits and pieces,
219
520000
2000
маленькими кусочками,
08:57
you give them one profile character avatar
220
522000
2000
вы создаёте им один аватар
08:59
which is constantly progressing
221
524000
2000
который постоянно развивается маленькими,
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
526000
3000
маленькими шажками, которые они воспринимают как свои.
09:04
And everything comes towards that,
223
529000
2000
И всё сводится к нему,
09:06
and they watch it creeping up, and they own that as it goes along.
224
531000
3000
и они наблюдают, как он ползёт вверх, и они единственные, кому он принадлежит.
09:09
Second, multiple long and short-term aims --
225
534000
2000
Второй: несколько долго- и краткосрочных целей —
09:11
5,000 pies, boring,
226
536000
2000
5 000 пирогов — скучно,
09:13
15 pies, interesting.
227
538000
2000
15 пирогов — интересно.
09:15
So, you give people
228
540000
2000
Вот вы и давайте людям
09:17
lots and lots of different tasks.
229
542000
2000
много разных задач.
09:19
You say, it's about
230
544000
2000
Вы скажете, это похоже
09:21
doing 10 of these questions,
231
546000
2000
на решение 10 таких проблем,
09:23
but another task
232
548000
2000
но одна задача
09:25
is turning up to 20 classes on time,
233
550000
2000
выливается в 20 занятий по времени,
09:27
but another task is collaborating with other people,
234
552000
3000
для другой задачи нужно сотрудничать с другими людьми,
09:30
another task is showing you're working five times,
235
555000
3000
для третьей — показывать ваши наработки по пять раз,
09:33
another task is hitting this particular target.
236
558000
2000
ещё одна — достичь определённой цели.
09:35
You break things down into these calibrated slices
237
560000
3000
Вы разбиваете задания в эти откалиброванные кусочки,
09:38
that people can choose and do in parallel
238
563000
2000
из которых люди могут выбирать и делать их параллельно,
09:40
to keep them engaged
239
565000
2000
что бы оставаться вовлечёнными
09:42
and that you can use to point them
240
567000
2000
и что бы вы могли, используя их, подвести людей
09:44
towards individually beneficial activities.
241
569000
3000
к их индивидуальной полезной деятельности.
09:48
Third, you reward effort.
242
573000
2000
Третий — вы награждаете старание.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
575000
3000
Это ваша главная движущая сила. Игры невероятны в этом.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
578000
3000
Каждый раз, когда вы что-то делаете — вы получаете награду.
09:56
You don't punish failure. You reward every little bit of effort --
245
581000
3000
Вы не наказываете за неудачу; вы награждаете каждую маленькую попытку —
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
584000
3000
немного золотишка, немного похвалы — решили 20 задач — получите.
10:02
It all feeds in as minute reinforcement.
247
587000
3000
Нужна всего-то минута поддержки.
10:05
Fourth, feedback.
248
590000
2000
Четвёртый — ответная реакция.
10:07
This is absolutely crucial,
249
592000
2000
Это очень важно,
10:09
and virtuality is dazzling at delivering this.
250
594000
2000
и виртуальность превосходна в этом.
10:11
If you look at some of the most intractable problems in the world today
251
596000
3000
Если вы взгляните на самые непокорные проблемы сегодняшнего мира,
10:14
that we've been hearing amazing things about,
252
599000
2000
о которых мы слышали удивительные вещи,
10:16
it's very, very hard for people to learn
253
601000
3000
становится ясно, что людям очень сложно учиться,
10:19
if they cannot link consequences to actions.
254
604000
3000
если они не могут связать последствия с действиями.
10:22
Pollution, global warming, these things --
255
607000
2000
Последствия загрязнений, глобального потепления и многого другого
10:24
the consequences are distant in time and space.
256
609000
2000
очень далеки во времени.
10:26
It's very hard to learn, to feel a lesson.
257
611000
2000
Очень сложно научиться чувствовать,
10:28
But if you can model things for people,
258
613000
2000
но если вы смоделируете это для людей,
10:30
if you can give things to people that they can manipulate
259
615000
2000
если вы дадите им то, на что можно влиять,
10:32
and play with and where the feedback comes,
260
617000
2000
с чем можно играть и получать обратную связь,
10:34
then they can learn a lesson, they can see,
261
619000
2000
то тогда они смогут усвоить урок, они смогут видеть,
10:36
they can move on, they can understand.
262
621000
3000
смогут двигаться в правильном направлении, смогут понять.
10:39
And fifth,
263
624000
2000
И пятый —
10:41
the element of uncertainty.
264
626000
2000
элемент неопределенности.
10:43
Now this is the neurological goldmine,
265
628000
3000
Сейчас это золотое дно
10:46
if you like,
266
631000
2000
неврологии,
10:48
because a known reward
267
633000
2000
потому что известная награда
10:50
excites people,
268
635000
2000
интересует людей,
10:52
but what really gets them going
269
637000
2000
но вот что их действительно возбуждает,
10:54
is the uncertain reward,
270
639000
2000
так это неопределённая награда —
10:56
the reward pitched at the right level of uncertainty,
271
641000
2000
награда, находящаяся на определённом уровне неопределённости,
10:58
that they didn't quite know whether they were going to get it or not.
272
643000
3000
так, что они не знают, получат ли они её или нет.
11:01
The 25 percent. This lights the brain up.
273
646000
3000
25 процентов. Ум начинает светиться.
11:04
And if you think about
274
649000
2000
И если вы представите
11:06
using this in testing,
275
651000
2000
использование такого в исследованиях,
11:08
in just introducing control elements of randomness
276
653000
2000
в представлении основных элементов беспорядочности
11:10
in all forms of testing and training,
277
655000
2000
во всех формах испытаний и обучения,
11:12
you can transform the levels of people's engagement
278
657000
2000
вы сможете изменить уровень вовлечения людей,
11:14
by tapping into this very powerful
279
659000
2000
нажав на этот очень сильный
11:16
evolutionary mechanism.
280
661000
2000
механизм эволюции.
11:18
When we don't quite predict something perfectly,
281
663000
2000
Когда мы не можем что-либо предугадать,
11:20
we get really excited about it.
282
665000
2000
нам становится действительно очень интересно.
11:22
We just want to go back and find out more.
283
667000
2000
Мы даже хотим вернуться назад, что бы узнать больше.
11:24
As you probably know, the neurotransmitter
284
669000
2000
Как вам, вероятно, известно, нейромедиатор,
11:26
associated with learning is called dopamine.
285
671000
2000
связанный с обучением, называется дофамин.
11:28
It's associated with reward-seeking behavior.
286
673000
3000
Он связан и с поведением при возможных наградах.
11:31
And something very exciting is just beginning to happen
287
676000
3000
И нечто очень интересное начинает происходить в таких местах,
11:34
in places like the University of Bristol in the U.K.,
288
679000
3000
как Университет Бристоля в Англии,
11:37
where we are beginning to be able to model mathematically
289
682000
3000
где начинает получаться математически смоделировать
11:40
dopamine levels in the brain.
290
685000
2000
уровень дофамина в мозгу.
11:42
And what this means is we can predict learning,
291
687000
2000
А это значит, что мы можем спрогнозировать обучение,
11:44
we can predict enhanced engagement,
292
689000
3000
повышенное вовлечение
11:47
these windows, these windows of time,
293
692000
2000
и временные окна,
11:49
in which the learning is taking place at an enhanced level.
294
694000
3000
во время которых обучение происходит на повышенном уровне.
11:52
And two things really flow from this.
295
697000
2000
Из этого исходит 2 вещи.
11:54
The first has to do with memory,
296
699000
2000
Первая связана с памятью,
11:56
that we can find these moments.
297
701000
2000
что бы мы могли отыскать эти моменты.
11:58
When someone is more likely to remember,
298
703000
2000
Когда кто-то собирается вспомнить,
12:00
we can give them a nugget in a window.
299
705000
2000
мы можем закинуть ему снежок в окно.
12:02
And the second thing is confidence,
300
707000
2000
И вторая — уверенность,
12:04
that we can see how game-playing and reward structures
301
709000
2000
мы можем увидеть, как игра в игру и устройство наград
12:06
make people braver, make them more willing to take risks,
302
711000
3000
делают людей смелее, позволяют им больше рисковать,
12:09
more willing to take on difficulty,
303
714000
2000
чаще браться за сложности,
12:11
harder to discourage.
304
716000
2000
реже отговаривать себя.
12:13
This can all seem very sinister.
305
718000
2000
Возможно, это выглядит как шаг против природы.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
720000
2000
Но знаете, «Нашими мозгами манипулируют, мы все зависимы».
12:17
The word "addiction" is thrown around.
307
722000
2000
Слово зависимость сейчас по всюду.
12:19
There are real concerns there.
308
724000
2000
И есть о чём побеспокоиться.
12:21
But the biggest neurological turn-on for people
309
726000
2000
Но самый большой неврологический включатель у людей —
12:23
is other people.
310
728000
2000
это другие люди.
12:25
This is what really excites us.
311
730000
3000
Это то, что по-настоящему заводит нас.
12:28
In reward terms, it's not money;
312
733000
2000
В значении наград — это не деньги,
12:30
it's not being given cash -- that's nice --
313
735000
3000
не получать деньги, но
12:33
it's doing stuff with our peers,
314
738000
2000
делать что-то вместе с другими,
12:35
watching us, collaborating with us.
315
740000
2000
наблюдать за ними, сотрудничать с ними.
12:37
And I want to tell you a quick story about 1999 --
316
742000
2000
Я хочу рассказать вам короткую историю о событии 1999 года —
12:39
a video game called EverQuest.
317
744000
2000
компьютерной игре, названной Everquest.
12:41
And in this video game,
318
746000
2000
В этой игре было два
12:43
there were two really big dragons, and you had to team up to kill them --
319
748000
3000
реально больших дракона, и надо было объединяться в группы, что бы убить их —
12:46
42 people, up to 42 to kill these big dragons.
320
751000
3000
42 человека, до 42-х, что бы убить драконов.
12:49
That's a problem
321
754000
2000
И проблема в том,
12:51
because they dropped two or three decent items.
322
756000
3000
что они оставляют всего 2-3 стоящих предмета.
12:54
So players addressed this problem
323
759000
3000
В итоге игроки решили эту проблему
12:57
by spontaneously coming up with a system
324
762000
2000
путём спонтанно созданной системы,
12:59
to motivate each other,
325
764000
2000
которая честно и прозрачно
13:01
fairly and transparently.
326
766000
2000
мотивировала каждого их них.
13:03
What happened was, they paid each other a virtual currency
327
768000
3000
Вот в чём соль: они платили каждому виртуальной валютой,
13:06
they called "dragon kill points."
328
771000
3000
названной «Очки за убийство дракона» (DKP).
13:09
And every time you turned up to go on a mission,
329
774000
2000
И каждый раз, когда вам надо было отправляться на миссию,
13:11
you got paid in dragon kill points.
330
776000
2000
вы получали свои очки.
13:13
They tracked these on a separate website.
331
778000
2000
Они отслеживали их на различных веб-сайтах.
13:15
So they tracked their own private currency,
332
780000
2000
В общем, у них была своя личная валюта,
13:17
and then players could bid afterwards
333
782000
2000
за которую игроки могли покупать
13:19
for cool items they wanted --
334
784000
2000
крутые предметы на аукционе —
13:21
all organized by the players themselves.
335
786000
2000
и всё это создано самими игроками.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
788000
3000
Сейчас эта поразительная система не осталась в одном-лишь Эверквесте,
13:26
but that today, a decade on,
337
791000
2000
сегодня, десятилетие спустя,
13:28
every single video game in the world with this kind of task
338
793000
3000
каждая компьютерная игра с похожими задачами
13:31
uses a version of this system --
339
796000
2000
использую некий аналог этой системы —
13:33
tens of millions of people.
340
798000
2000
это десятки миллионов людей.
13:35
And the success rate
341
800000
2000
И процент успеха
13:37
is at close to 100 percent.
342
802000
2000
приближается к сотне.
13:39
This is a player-developed,
343
804000
2000
Это разработанная игроками,
13:41
self-enforcing, voluntary currency,
344
806000
3000
самодостаточная, добровольная валюта,
13:44
and it's incredibly sophisticated
345
809000
2000
и также очень изощрённое
13:46
player behavior.
346
811000
2000
поведение игроков.
13:50
And I just want to end by suggesting
347
815000
2000
И в окончании я хотел бы предложить
13:52
a few ways in which these principles
348
817000
2000
несколько путей, которыми эти принципы
13:54
could fan out into the world.
349
819000
2000
могут влиться в наш мир.
13:56
Let's start with business.
350
821000
2000
Я начну с бизнеса.
13:58
I mean, we're beginning to see some of the big problems
351
823000
2000
То бишь, мы начинаем видеть некоторые большие проблемы
14:00
around something like business are
352
825000
2000
вокруг чего-то, навроде бизнеса,
14:02
recycling and energy conservation.
353
827000
2000
переработки мусора, сохранения энергии.
14:04
We're beginning to see the emergence of wonderful technologies
354
829000
2000
Мы видим появление замечательных технологий,
14:06
like real-time energy meters.
355
831000
2000
как счётчики энергии в настоящем времени.
14:08
And I just look at this, and I think, yes,
356
833000
2000
Я глянул на это и подумал, что да,
14:10
we could take that so much further
357
835000
3000
мы можем продвинуться ещё дальше,
14:13
by allowing people to set targets
358
838000
2000
позволяя людям ставить цели,
14:15
by setting calibrated targets,
359
840000
2000
откалиброванные цели,
14:17
by using elements of uncertainty,
360
842000
3000
используя элементы неопределённости,
14:20
by using these multiple targets,
361
845000
2000
используя несколько таких целей,
14:22
by using a grand, underlying reward and incentive system,
362
847000
3000
используя мощные системы наград и стимула,
14:25
by setting people up
363
850000
2000
подталкивая людей
14:27
to collaborate in terms of groups, in terms of streets
364
852000
2000
на сотрудничество в группах и сообществах,
14:29
to collaborate and compete,
365
854000
2000
на сотрудничество и состязание,
14:31
to use these very sophisticated
366
856000
2000
используя эту изощрённую
14:33
group and motivational mechanics we see.
367
858000
2000
групповую и мотивационную механику.
14:35
In terms of education,
368
860000
2000
С точки зрения образования,
14:37
perhaps most obviously of all,
369
862000
2000
возможно, самое очевидное —
14:39
we can transform how we engage people.
370
864000
3000
мы можем изменить то, как мы вовлекаем людей.
14:42
We can offer people the grand continuity
371
867000
2000
Мы можем предложить им непрерывный поток
14:44
of experience and personal investment.
372
869000
3000
мастерства и личностных инвестиций.
14:47
We can break things down
373
872000
2000
Мы можем разбить большие задачи
14:49
into highly calibrated small tasks.
374
874000
2000
на откалиброванные маленькие.
14:51
We can use calculated randomness.
375
876000
2000
Мы можем использовать просчитанную беспорядочность.
14:53
We can reward effort consistently
376
878000
2000
Мы можем последовательно
14:55
as everything fields together.
377
880000
3000
награждать старания.
14:58
And we can use the kind of group behaviors
378
883000
2000
И мы можем использовать некое групповое поведение,
15:00
that we see evolving when people are at play together,
379
885000
3000
которое мы замечаем, когда люди играют друг с другом.
15:03
these really quite unprecedentedly complex
380
888000
3000
Это довольно беспрецедентная связка
15:06
cooperative mechanisms.
381
891000
2000
совместных механизмов.
15:08
Government, well, one thing that comes to mind
382
893000
2000
Правительство. Чтож, первое, что приходит на ум,
15:10
is the U.S. government, among others,
383
895000
3000
в США правительство начинает
15:13
is literally starting to pay people
384
898000
2000
буквально платить людям
15:15
to lose weight.
385
900000
2000
за похудение.
15:17
So we're seeing financial reward being used
386
902000
2000
Как мы видим, для борьбы с ожирением
15:19
to tackle the great issue of obesity.
387
904000
2000
используется финансовая награда.
15:21
But again, those rewards
388
906000
2000
Но опять же, эти награды могут быть
15:23
could be calibrated so precisely
389
908000
3000
откалиброваны очень чётко,
15:26
if we were able to use the vast expertise
390
911000
3000
если мы воспользуемся огромным опытом
15:29
of gaming systems to just jack up that appeal,
391
914000
3000
игровых систем, что бы усилить этот призыв,
15:32
to take the data, to take the observations,
392
917000
2000
взять данные, взять наблюдения
15:34
of millions of human hours
393
919000
2000
над миллионами человеко-часов
15:36
and plow that feedback
394
921000
2000
и превратить всё это
15:38
into increasing engagement.
395
923000
2000
в нарастающую заинтересованность.
15:40
And in the end, it's this word, "engagement,"
396
925000
3000
Под конец я хочу оставить вас с этим словом —
15:43
that I want to leave you with.
397
928000
2000
заинтересованность.
15:45
It's about how individual engagement
398
930000
2000
Задумайтесь о том, как личная заинтересованность
15:47
can be transformed
399
932000
2000
может быть преображена
15:49
by the psychological and the neurological lessons
400
934000
3000
с помощью психологических и неврологических уроков,
15:52
we can learn from watching people that are playing games.
401
937000
3000
которые мы почерпнули смотря на играющих в игры людей.
15:55
But it's also about collective engagement
402
940000
3000
Так же, как и коллективная заинтересованность.
15:58
and about the unprecedented laboratory
403
943000
3000
Задумайтесь о беспрецедентных лабораториях,
16:01
for observing what makes people tick
404
946000
2000
в которых с размахом с помощью игр изучается то,
16:03
and work and play and engage
405
948000
2000
что заставляет людей жить,
16:05
on a grand scale in games.
406
950000
3000
работать, играть и интересоваться.
16:08
And if we can look at these things and learn from them
407
953000
3000
И если мы сможем присмотреться к таким вещам и научиться чему-то у них,
16:11
and see how to turn them outwards,
408
956000
2000
и понять, как их использовать в жизни,
16:13
then I really think we have something quite revolutionary on our hands.
409
958000
3000
тогда, я думаю, мы найдём здесь нечто революционное.
16:16
Thank you very much.
410
961000
2000
Спасибо большое.
16:18
(Applause)
411
963000
4000
(Аплодисменты)
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