< Return to Video

Tom Chatfield: 7 måder hvorpå spil belønner hjernen

  • 0:00 - 0:03
    Jeg elsker computerspil.
  • 0:03 - 0:06
    Jeg har også en smule ærefrygtig for dem.
  • 0:06 - 0:08
    Jeg er ærefrygtig over deres magt
  • 0:08 - 0:10
    med hensyn til fantasi, med hensyn til teknologi,
  • 0:10 - 0:12
    med hensyn til koncept.
  • 0:12 - 0:14
    Men jeg tror, frem for alt,
  • 0:14 - 0:16
    at jeg er ærefrygtig for deres evne
  • 0:16 - 0:19
    til at motivere, til at tvinge os,
  • 0:19 - 0:21
    til at tryllebinde os,
  • 0:21 - 0:24
    ulig noget andet vi nogen sinde har opfundet
  • 0:24 - 0:26
    har gjort før.
  • 0:26 - 0:29
    Og jeg mener vi kan lære nogle ret utrolige ting
  • 0:29 - 0:31
    ved at kigge på hvordan vi gør dette.
  • 0:31 - 0:33
    Og specielt, mener jeg vi kan lære ting
  • 0:33 - 0:36
    om at lære.
  • 0:36 - 0:38
    Nu er computerspilsindustrien
  • 0:38 - 0:40
    langt fra den hurtigst voksende
  • 0:40 - 0:42
    af alle moderne medier.
  • 0:42 - 0:44
    Fra cirka 10 milliarder i 1990,
  • 0:44 - 0:47
    er den 50 milliarder dollars værd i dag på verdensplan,
  • 0:47 - 0:50
    og der er ikke nogen tegn på at den sætter farten ned.
  • 0:50 - 0:52
    Om fire års tid,
  • 0:52 - 0:55
    er den vurderet til at være over 80 milliarder dollars værd.
  • 0:55 - 0:58
    Det er cirka tre gange mere end musikindustrien.
  • 0:58 - 1:00
    Det er ret lamslående,
  • 1:00 - 1:03
    men jeg mener ikke dette er den mest sigende statistik.
  • 1:03 - 1:05
    Den ting der virkelig forbløffer mig
  • 1:05 - 1:07
    er at, i dag,
  • 1:07 - 1:09
    bruger mennesker cirka
  • 1:09 - 1:12
    otte milliarder dollars om året,
  • 1:12 - 1:14
    på at købe virtuelle genstande
  • 1:14 - 1:16
    der kun eksisterer
  • 1:16 - 1:19
    i computerspil.
  • 1:19 - 1:22
    Dette er et screenshot fra den virtuelle spil verden, Entropia Universe.
  • 1:22 - 1:24
    Tidligere dette år,
  • 1:24 - 1:26
    blev en virtuel asteroide deri
  • 1:26 - 1:30
    solgt for 330.000 rigtige dollars.
  • 1:30 - 1:32
    Og dette
  • 1:32 - 1:35
    Skib i Titan klassen
  • 1:35 - 1:37
    i det ydre rum spil, EVE Online.
  • 1:37 - 1:39
    Og denne virtuelle genstand
  • 1:39 - 1:41
    tager 200 virkelige mennesker
  • 1:41 - 1:44
    cirka 56 dage i virkelig tid at bygge,
  • 1:44 - 1:47
    plus utallige tusinder af timer
  • 1:47 - 1:49
    af indsats før det.
  • 1:49 - 1:52
    Og alligevel, bliver mange af disse bygget.
  • 1:52 - 1:54
    I den anden ende af skalaen,
  • 1:54 - 1:57
    er spillet Farmville som i sandsynligvis har hørt om,
  • 1:57 - 1:59
    har 70 millioner spillere
  • 1:59 - 2:01
    over hele verden
  • 2:01 - 2:03
    og de fleste af disse spillere
  • 2:03 - 2:05
    spiller det næsten hver dag.
  • 2:05 - 2:07
    Dette lyder måske også
  • 2:07 - 2:09
    virkelig ret alarmerende for nogle mennesker,
  • 2:09 - 2:11
    et indeks for noget bekymrende
  • 2:11 - 2:13
    eller forkert i samfundet.
  • 2:13 - 2:15
    Men vi er her på grund af de gode nyheder,
  • 2:15 - 2:17
    og de gode nyheder er,
  • 2:17 - 2:19
    at jeg mener vi kan udforske
  • 2:19 - 2:22
    hvorfor denne meget menneskelige
  • 2:22 - 2:26
    denne meget intense generering af værdi, sker.
  • 2:26 - 2:28
    Og ved at svare på det spørgsmål,
  • 2:28 - 2:30
    tror jeg vi kan lære noget
  • 2:30 - 2:32
    ekstremt kraftfuldt af det.
  • 2:32 - 2:34
    Og jeg mener den mest interessante måde
  • 2:34 - 2:36
    at tænke på hvordan alt dette sker,
  • 2:36 - 2:38
    er med hensyn til belønninger.
  • 2:38 - 2:41
    Og specifikt, med hensyn til
  • 2:41 - 2:43
    de meget intense følelsesmæssige belønninger
  • 2:43 - 2:45
    som det at spille computer tilbyder mennesker
  • 2:45 - 2:47
    både individuelt
  • 2:47 - 2:49
    og kollektivt.
  • 2:49 - 2:51
    Hvis vi nu kigger på hvad der sker i ens hoved
  • 2:51 - 2:53
    når de bliver engageret,
  • 2:53 - 2:56
    sker der to ret forskellige processer.
  • 2:56 - 2:59
    På den ene side, er der en proces om at ønske noget.
  • 2:59 - 3:02
    Det er lidt ligesom ambition og drive -- jeg gør det der. Jeg vil arbejde hårdt.
  • 3:02 - 3:04
    På den anden side, er der proces om at kunne lide noget,
  • 3:04 - 3:06
    sjov og affektion
  • 3:06 - 3:08
    og fornøjelse
  • 3:08 - 3:10
    og et enormt flyvende dyr med en ork på ryggen.
  • 3:10 - 3:12
    Det er et virkelig fantastisk billede. Det er ret fedt.
  • 3:12 - 3:15
    Det er fra spillet World of Warcraft med mere end 10 millioner spillere globalt,
  • 3:15 - 3:18
    en af dem er mig, en anden er min kone.
  • 3:18 - 3:20
    Og denne slags verden,
  • 3:20 - 3:22
    dette store flyvende dyr man kan ride rundt på,
  • 3:22 - 3:24
    viser hvorfor spil er så utrolig gode
  • 3:24 - 3:27
    til at forårsage både processen med at ønske noget og at lide noget.
  • 3:27 - 3:29
    Fordi det er meget magtfuldt. Det er temmelig overvældende.
  • 3:29 - 3:31
    Det giver en store evner.
  • 3:31 - 3:34
    Ens ambition er tilfredsstillet, men det er meget smukt.
  • 3:34 - 3:37
    Det er en stor glæde at flyve rundt.
  • 3:37 - 3:39
    Så disse kombineres til en form for
  • 3:39 - 3:41
    meget intenst, følelsesmæssigt engagement.
  • 3:41 - 3:44
    Men det her er ikke de virkelig interessante ting.
  • 3:44 - 3:46
    De virkelig interessante ting om det virtuelle
  • 3:46 - 3:48
    er at man kan måle med det.
  • 3:48 - 3:51
    Fordi det man kan måle i virtualitet
  • 3:51 - 3:53
    er alt.
  • 3:53 - 3:55
    Hver eneste ting som hver eneste person
  • 3:55 - 3:58
    der nogensinde har spillet i et spil har gjort kan måles.
  • 3:58 - 4:00
    De største spil i verden i dag
  • 4:00 - 4:04
    måler mere end en milliard punkter med data
  • 4:04 - 4:06
    om deres spillere, om hvad alle gør --
  • 4:06 - 4:09
    meget mere detaljeret end man man vil få fra nogen hjemmeside.
  • 4:09 - 4:12
    Og det gør at der sker noget virkelig
  • 4:12 - 4:14
    specielt i spil.
  • 4:14 - 4:17
    Det er noget der hedder gevinst skemaet.
  • 4:17 - 4:19
    Og med det, mener jeg at kigge
  • 4:19 - 4:21
    på hvad millioner af millioner af mennesker har gjort
  • 4:21 - 4:23
    og forsigtigt kalibrere hyppigheden,
  • 4:23 - 4:26
    naturen, typen, intensiteten af gevinster i spil
  • 4:26 - 4:28
    for at holde dem engageret
  • 4:28 - 4:31
    over en kolossal mængde tid og anstrengelse.
  • 4:31 - 4:33
    Prøv nu at forklare dette
  • 4:33 - 4:36
    i en slags virkelige termer,
  • 4:36 - 4:38
    jeg vil tale om en slags opgave
  • 4:38 - 4:40
    der tilfalder en i så mange spil.
  • 4:40 - 4:43
    Gå ud og find et bestemt antal af en bestemt spil tingest.
  • 4:43 - 4:45
    Lad os sige, for argumentets skyld,
  • 4:45 - 4:48
    at min mission er at få 15 kager
  • 4:48 - 4:51
    og jeg kan få 15 kager
  • 4:51 - 4:53
    ved at dræbe disse søde, små monstre.
  • 4:53 - 4:55
    Simpel spil udfordring.
  • 4:55 - 4:57
    Nu kan man tænke over dette, hvis man vil,
  • 4:57 - 4:59
    som et problem om kasser.
  • 4:59 - 5:01
    Jeg skal blive ved med at åbne kasser.
  • 5:01 - 5:04
    Jeg ved ikke hvad der er i dem, før jeg åbner dem.
  • 5:04 - 5:07
    Og jeg går rundt og åbner kasse efter kasse, indtil jeg har 15 kager.
  • 5:07 - 5:09
    Hvis man nu tager et spil som Warcraft,
  • 5:09 - 5:11
    kan man tænke over det, hvis man vil,
  • 5:11 - 5:14
    som en god kasseåbnings stræben,
  • 5:14 - 5:17
    Spillet prøver bare at få folk til at åbne cirka en million kasser,
  • 5:17 - 5:19
    og finde bedre og bedre ting i dem.
  • 5:19 - 5:22
    Det lyder umådelig kedeligt,
  • 5:22 - 5:24
    men spil er i stand til
  • 5:24 - 5:26
    at lave processen
  • 5:26 - 5:28
    utrolig fængslende.
  • 5:28 - 5:30
    Og måden hvorpå de gør dette
  • 5:30 - 5:33
    er gennem en kombination af sandsynlighed og data.
  • 5:33 - 5:35
    Lad os tænke over sandsynlighed.
  • 5:35 - 5:37
    Hvis vi vil engagere nogen
  • 5:37 - 5:40
    i processen med at åbne kasser for at prøve at finde kager,
  • 5:40 - 5:42
    vil vi være sikre på at det hverken er for nemt,
  • 5:42 - 5:44
    eller for svært, at finde en kage.
  • 5:44 - 5:46
    Så hvad gør man? Jamen, man kigger på cirka en million mennesker --
  • 5:46 - 5:49
    nej, 100 millioner mennesker, 100 millioner kasse åbnere --
  • 5:49 - 5:52
    og man regner ud, at hvis man gør kage hyppigheden
  • 5:52 - 5:54
    til cirka 25 procent --
  • 5:54 - 5:57
    er det hverken for frustrerende eller for nemt.
  • 5:57 - 5:59
    Det holder folk engagerede.
  • 5:59 - 6:02
    Men selvfølgelig, det er ikke det eneste man gør -- der er 15 kager.
  • 6:02 - 6:04
    Nu kunne jeg lave et spil der hed Piecraft,
  • 6:04 - 6:06
    hvor det eneste man skulle var at få en million kager
  • 6:06 - 6:08
    eller tusind kager.
  • 6:08 - 6:10
    Det ville være virkelig kedeligt.
  • 6:10 - 6:12
    Femten er et temmelig optimal antal.
  • 6:12 - 6:14
    Man finder ud af -- I ved, mellem fem og 20
  • 6:14 - 6:16
    er cirka det rigtige antal for at holde folk i gang.
  • 6:16 - 6:18
    Men vi har ikke kun kager i kasserne.
  • 6:18 - 6:20
    Der er 100 procent heroppe.
  • 6:20 - 6:23
    Og det vi gør er, at vi sikrer at hver gang en kasse bliver åbnet,
  • 6:23 - 6:25
    er der noget i den, en lille belønning
  • 6:25 - 6:27
    der holder folk i gang og engagerede.
  • 6:27 - 6:29
    I de fleste adventure spil,
  • 6:29 - 6:32
    er det en smule spil valuta og en smule erfaring.
  • 6:32 - 6:34
    Men det gør vi heller ikke bare.
  • 6:34 - 6:36
    Vi siger også at der vil være masser af andre genstande
  • 6:36 - 6:38
    af varierende kvalitet og spændings niveauer.
  • 6:38 - 6:41
    Der vil være 10 procent chance for at få en ret god genstand.
  • 6:41 - 6:43
    Der vil være en 0,1 procent chance for
  • 6:43 - 6:46
    at man får en absolut fed genstand.
  • 6:46 - 6:49
    Og hver af disse belønninger er omhyggeligt tilpasset til genstanden.
  • 6:49 - 6:51
    Og også, siger vi,
  • 6:51 - 6:54
    "Jamen, hvor mange monstre? Burde jeg have hele verden fuld af en milliard monstre?"
  • 6:54 - 6:57
    Nu vil vi have et eller to monstre på skærmen, på et hvilket som helst tidspunkt.
  • 6:57 - 7:00
    Så jeg bliver draget videre. Det er ikke for nemt, ikke for svært.
  • 7:00 - 7:02
    Så dette er alt sammen meget magtfuldt.
  • 7:02 - 7:05
    Men vi er i virtualiteten. Dette er ikke virkelige kasser.
  • 7:05 - 7:07
    Så vi kan gøre
  • 7:07 - 7:09
    nogle ret forbavsende ting.
  • 7:09 - 7:13
    Vi bemærker, ved at kigge på alle disse mennesker der åbner kasser,
  • 7:13 - 7:16
    at når mennesker får mellem 13 og 15 kager,
  • 7:16 - 7:19
    ændrer deres opfattelse sig, de begynder at kede sig lidt, en smule irritable.
  • 7:19 - 7:21
    De er ikke rationelle om sandsynlighed.
  • 7:21 - 7:23
    De mener spillet er unfair.
  • 7:23 - 7:25
    Det giver mig ikke mine to sidste kager. Jeg giver op.
  • 7:25 - 7:27
    Hvis de er ægte kasser, er der ikke meget vi kan gøre,
  • 7:27 - 7:29
    men i spillet kan vi sige, "Ok, jamen.
  • 7:29 - 7:33
    Når du kommer op på 13 kager, har du 75 procent chance for at få en kage nu."
  • 7:33 - 7:35
    Holder en engageret. Se på hvad mennesker gør --
  • 7:35 - 7:37
    justerer verden til at matche deres forventning.
  • 7:37 - 7:39
    Vores spil gør ikke altid dette.
  • 7:39 - 7:41
    Og en ting de helt sikkert gør i øjeblikket,
  • 7:41 - 7:44
    er hvis man har 0,1 procent chance for at få en fed genstand,
  • 7:44 - 7:47
    sørger de helt sikkert for at der ikke dukker endnu en op i et bestemt stykke tid
  • 7:47 - 7:49
    for at holde værdien, for at holde det specielt.
  • 7:49 - 7:51
    Og pointen er virkelig
  • 7:51 - 7:53
    at vi udviklede os til at være tilfredse med verden
  • 7:53 - 7:55
    på bestemte måder.
  • 7:55 - 7:58
    Over ti og hundrede og tusindevis af år,
  • 7:58 - 8:00
    udviklede vi os til at finde bestemte ting stimulerende,
  • 8:00 - 8:02
    og som meget intelligente, civiliserede væsner,
  • 8:02 - 8:05
    bliver vi enormt stimulerede af at løse problemer og at lære.
  • 8:05 - 8:07
    Men nu, kan vi reverse engineer det
  • 8:07 - 8:09
    og bygge verdener
  • 8:09 - 8:12
    der udtrykkeligt sætter flueben i vores evolutionære kasser.
  • 8:12 - 8:14
    Så hvad betyder alt dette i praksis?
  • 8:14 - 8:16
    Jamen, jeg har fundet på
  • 8:16 - 8:18
    syv ting
  • 8:18 - 8:20
    der, mener jeg, viser
  • 8:20 - 8:22
    hvordan man kan tage disse lektioner fra spil
  • 8:22 - 8:25
    og bruge dem uden for spillene.
  • 8:25 - 8:27
    Den første er meget simpel:
  • 8:27 - 8:29
    erfarings bjælker der måler fremskridt --
  • 8:29 - 8:31
    noget der er blevet talt strålende om
  • 8:31 - 8:34
    af mennesker som Jesse Schell tidligere i år.
  • 8:34 - 8:37
    Det bliver allerede gjort ved University of Indiana i staterne, blandt andet.
  • 8:37 - 8:40
    Det er den simple ide om, at i stedet for at bedømme mennesker trinvist
  • 8:40 - 8:42
    i små bider og dele,
  • 8:42 - 8:44
    giver man dem en profil karakters avatar
  • 8:44 - 8:46
    der konstant gør fremskridt
  • 8:46 - 8:49
    i små, små, små trin, som de føler er deres egne.
  • 8:49 - 8:51
    Og alt bevæger sig hen mod det,
  • 8:51 - 8:54
    og de ser det komme snigende og de kommer til at eje det hen ad vejen.
  • 8:54 - 8:56
    For det andet, adskillige langsigtede og kortsigtede mål --
  • 8:56 - 8:58
    5.000 kager, kedeligt,
  • 8:58 - 9:00
    15 kager, interessant.
  • 9:00 - 9:02
    Så, man giver folk
  • 9:02 - 9:04
    masser og masser af forskellige opgaver.
  • 9:04 - 9:06
    Man siger, det gælder om
  • 9:06 - 9:08
    at lave 10 af disse spørgsmål,
  • 9:08 - 9:10
    men en anden opgave
  • 9:10 - 9:12
    er at møde til 20 timer til tiden,
  • 9:12 - 9:15
    men en anden opgave er at arbejde sammen med andre mennesker,
  • 9:15 - 9:18
    en anden opgave er at vise ens arbejde fem gange,
  • 9:18 - 9:20
    en anden opgave er at ramme dette bestemte mål.
  • 9:20 - 9:23
    Man deler tingene ned i disse justerede stykker
  • 9:23 - 9:25
    som mennesker kan vælge at lave parallelt
  • 9:25 - 9:27
    for at holde dem engagerede
  • 9:27 - 9:29
    og man kan bruge det til at vise dem
  • 9:29 - 9:32
    mod individuelt fordelagtige aktiviteter.
  • 9:33 - 9:35
    For det tredje, belønner man indsats.
  • 9:35 - 9:38
    Det er ens 100 procent faktor. Spil er strålende til dette.
  • 9:38 - 9:41
    Hver gang man gør noget, får man anerkendelse: man får en belønning for at prøve.
  • 9:41 - 9:44
    Man straffer ikke fiasko. Man belønner hver eneste lille indsats
  • 9:44 - 9:47
    en lille smule guld, en lille smule kredit. Man har svaret på 20 spørgsmål -- flueben.
  • 9:47 - 9:50
    Det giver alt sammen en lille smule forstærkning.
  • 9:50 - 9:52
    For det fjerde, feedback.
  • 9:52 - 9:54
    Dette er absolut væsentligt,
  • 9:54 - 9:56
    og virtualitet leverer dette helt fantastisk.
  • 9:56 - 9:59
    Hvis man ser på nogle af de mest ustyrlige problemer i verden i dag
  • 9:59 - 10:01
    som vi har hørt fantastiske ting om,
  • 10:01 - 10:04
    er det meget, meget svært for mennesker at lære
  • 10:04 - 10:07
    hvis de ikke kan forbinde konsekvenserne med handlingerne.
  • 10:07 - 10:09
    Forurening, global opvarmning, disse ting --
  • 10:09 - 10:11
    konsekvenserne er langt ude i fremtiden.
  • 10:11 - 10:13
    Det er meget svært at lære, at føle en lærestreg.
  • 10:13 - 10:15
    Men man kan lave modeller for mennesker,
  • 10:15 - 10:17
    hvis man kan give ting til mennesker som de kan manipulere
  • 10:17 - 10:19
    og lege med og hvor feedbacken kommer,
  • 10:19 - 10:21
    så kan de lære en lektie, de kan se,
  • 10:21 - 10:24
    de kan gå frem, de kan forstå.
  • 10:24 - 10:26
    Og for det femte,
  • 10:26 - 10:28
    usikkerheds elementet.
  • 10:28 - 10:31
    Nu er dette en neurologisk guldmine,
  • 10:31 - 10:33
    om man vil,
  • 10:33 - 10:35
    fordi en kendt belønning
  • 10:35 - 10:37
    begejstrer folk,
  • 10:37 - 10:39
    men det der virkelig får dem op at stå
  • 10:39 - 10:41
    er den usikre belønning,
  • 10:41 - 10:43
    belønningen der ligger på det rigtige usikkerhedsniveau,
  • 10:43 - 10:46
    så de ikke helt ved om de vil gå efter den eller ikke.
  • 10:46 - 10:49
    De 25 procent. Dette lyser hjernen op.
  • 10:49 - 10:51
    Og hvis man tænker på at
  • 10:51 - 10:53
    bruge dette i en test,
  • 10:53 - 10:55
    ved bare at introducere tilfældige kontrol elementer
  • 10:55 - 10:57
    i alle former for testning og træning,
  • 10:57 - 10:59
    kan man transformere menneskers engagements niveau
  • 10:59 - 11:01
    ved at udnytte den meget magtfulde
  • 11:01 - 11:03
    evolutionære mekanisme.
  • 11:03 - 11:05
    Når vi ikke forudsiger noget helt perfekt,
  • 11:05 - 11:07
    bliver vi virkelig begejstrede for det.
  • 11:07 - 11:09
    Vi vil bare vende tilbage og lære mere om det.
  • 11:09 - 11:11
    Som I sikkert ved, hedder det signalstof
  • 11:11 - 11:13
    der er knyttet til læring dopamin.
  • 11:13 - 11:16
    Det er knyttet til belønningssøgende adfærd.
  • 11:16 - 11:19
    Og noget virkelig spændende er lige begyndt at ske
  • 11:19 - 11:22
    i steder som University of Bristol i Storbritanien,
  • 11:22 - 11:25
    hvor vi begynder at være i stand til matematisk at lave modeller
  • 11:25 - 11:27
    af dopamin niveauet i hjernen.
  • 11:27 - 11:29
    Og hvad dette betyder er, at vi kan forudsige læring,
  • 11:29 - 11:32
    vi kan forudsige forøget engagement,
  • 11:32 - 11:34
    disse vinduer, disse tids vinduer,
  • 11:34 - 11:37
    hvor læringen finder sted ved et forøget niveau.
  • 11:37 - 11:39
    Og der er to ting der virkelig flyder fra dette.
  • 11:39 - 11:41
    Den første har noget at gøre med hukommelse,
  • 11:41 - 11:43
    at vi kan finde disse øjeblikke.
  • 11:43 - 11:45
    Når der er større sandsynlighed for at nogen husker,
  • 11:45 - 11:47
    kan vi give dem et guldkorn i et vindue.
  • 11:47 - 11:49
    Og den anden ting er selvtillid,
  • 11:49 - 11:51
    at vi kan se hvordan det at spille og belønnings strukturer
  • 11:51 - 11:54
    gør mennesker modigere, gør dem mere villige til at tage risici,
  • 11:54 - 11:56
    mere villige til at gøre noget svært,
  • 11:56 - 11:58
    sværere at gøre modløse.
  • 11:58 - 12:00
    Dette kan alt sammen virke meget faretruende.
  • 12:00 - 12:02
    Men I ved, en slags "vores hjerne er blevet manipuleret; vi er alle misbrugere."
  • 12:02 - 12:04
    Ordet afhængighed bliver smidt omkring.
  • 12:04 - 12:06
    Der er virkelige bekymringer der.
  • 12:06 - 12:08
    Men det største neurologiske turn-on for mennesker
  • 12:08 - 12:10
    er andre mennesker.
  • 12:10 - 12:13
    Det er hvad der virkelig begejstrer os.
  • 12:13 - 12:15
    Med hensyn til belønninger, er det ikke penge;
  • 12:15 - 12:18
    det er ikke det at få kontanter -- det er rart --
  • 12:18 - 12:20
    det er at gøre ting med vores ligemænd,
  • 12:20 - 12:22
    iagttager os, arbejder sammen med os.
  • 12:22 - 12:24
    Og jeg vil fortælle jer en hurtig historie om 1999 --
  • 12:24 - 12:26
    et computerspil der hedder EverQuest.
  • 12:26 - 12:28
    Og i dette computerspil,
  • 12:28 - 12:31
    var der to virkelig store drager, og man skulle gå sammen for at dræbe dem --
  • 12:31 - 12:34
    42 mennesker, op imod 42 for at dræbe disse store drager.
  • 12:34 - 12:36
    Det er et problem
  • 12:36 - 12:39
    fordi de smed to eller tre rimelige genstande.
  • 12:39 - 12:42
    Så spillerne håndterede dette problem
  • 12:42 - 12:44
    ved spontan at finde på et system
  • 12:44 - 12:46
    til at motivere hinanden,
  • 12:46 - 12:48
    retfærdigt og gennemskueligt.
  • 12:48 - 12:51
    Det der skete var, at de betalte hinanden en virtuel valuta
  • 12:51 - 12:54
    de kaldte "drage dræber point."
  • 12:54 - 12:56
    Og hver gang man mødte op for at tage på en mission,
  • 12:56 - 12:58
    blev man betalt i drage dræber point.
  • 12:58 - 13:00
    De holdte styr på dem på en anden hjemmeside.
  • 13:00 - 13:02
    Så de holdte øje med deres egen private valuta,
  • 13:02 - 13:04
    og så kunne spillerne byde bagefter
  • 13:04 - 13:06
    på fede genstande de ville have --
  • 13:06 - 13:08
    alt sammen organiseret af spillerne selv.
  • 13:08 - 13:11
    Men dette kolossale system, ikke at dette kun virkede i EverQuest,
  • 13:11 - 13:13
    men at i dag, et årti senere,
  • 13:13 - 13:16
    bruger hvert eneste computerspil i verden med denne slags
  • 13:16 - 13:18
    opgaver dette system --
  • 13:18 - 13:20
    millioner af mennesker.
  • 13:20 - 13:22
    Og succes raten
  • 13:22 - 13:24
    er tæt på 100 procent.
  • 13:24 - 13:26
    Dette er en spillerudviklet,
  • 13:26 - 13:29
    selv håndhævet, frivillig møntenhed,
  • 13:29 - 13:31
    og det er utrolig avanceret
  • 13:31 - 13:33
    spiller adfærd.
  • 13:35 - 13:37
    Og jeg vil bare slutte ved at foreslå
  • 13:37 - 13:39
    et par måder hvorpå disse principper
  • 13:39 - 13:41
    kunne udbrede sig i verden.
  • 13:41 - 13:43
    Lad os begynde med erhvervslivet.
  • 13:43 - 13:45
    Jeg mener, vi begynder at se nogle af de store problemer
  • 13:45 - 13:47
    omkring noget som virksomheder
  • 13:47 - 13:49
    genbruger og energibesparelse.
  • 13:49 - 13:51
    Vi begynder at se fremkomsten af vidunderlige teknologier
  • 13:51 - 13:53
    ligesom tidstro energimålere.
  • 13:53 - 13:55
    Og jeg kigger bare på dette, og jeg tænker, ja,
  • 13:55 - 13:58
    vi kunne tage det så meget længere
  • 13:58 - 14:00
    ved at tillade folk at sætte mål
  • 14:00 - 14:02
    ved at sætte kalibrerede mål,
  • 14:02 - 14:05
    ved at bruge usikkerhedselementer,
  • 14:05 - 14:07
    ved at bruge flere mål,
  • 14:07 - 14:10
    ved at bruge en stor, underliggende og opmuntrende system,
  • 14:10 - 14:12
    ved at sætte folk i gang
  • 14:12 - 14:14
    med at arbejde sammen med hensyn til grupper, med hensyn til gader
  • 14:14 - 14:16
    til at samarbejde og konkurrere,
  • 14:16 - 14:18
    til at bruge disse meget sofistikerede
  • 14:18 - 14:20
    gruppe og motiverende mekanismer vi ser.
  • 14:20 - 14:22
    Med hensyn til uddannelse,
  • 14:22 - 14:24
    måske mest åbenlyst af dem alle,
  • 14:24 - 14:27
    kan vi nu ændre hvordan vi engagerer mennesker.
  • 14:27 - 14:29
    Vi kan tilbyde mennesker den fornemme sammenhæng
  • 14:29 - 14:32
    af erfaring og personlig investering.
  • 14:32 - 14:34
    Vi kan dele ting op
  • 14:34 - 14:36
    i stærkt tilpassede, små opgaver.
  • 14:36 - 14:38
    Vi kan bruge beregnede tilfældigheder.
  • 14:38 - 14:40
    Vi kan belønne indsats konsekvent
  • 14:40 - 14:43
    i takt med at alt stykkes sammen.
  • 14:43 - 14:45
    Og vi kan bruge den slags gruppeadfærd
  • 14:45 - 14:48
    at vi kan se evolution når mennesker spiller sammen,
  • 14:48 - 14:51
    disse virkelig ret uhørte, komplekse
  • 14:51 - 14:53
    samarbejdende mekanismer.
  • 14:53 - 14:55
    Regeringen, jamen, en ting der springer frem fra hukommelsen
  • 14:55 - 14:58
    er den amerikanske regering, blandt andre,
  • 14:58 - 15:00
    der bogstavelig talt er begyndt at betale mennesker
  • 15:00 - 15:02
    for at tabe sig.
  • 15:02 - 15:04
    Så vi ser at finansielle belønninger bliver brugt
  • 15:04 - 15:06
    til at takle de store problemstillinger ved fedme.
  • 15:06 - 15:08
    Men igen, disse belønninger
  • 15:08 - 15:11
    kunne blive kalibreret så præcist
  • 15:11 - 15:14
    så hvis vi var i stand til at bruge den enorme ekspertise
  • 15:14 - 15:17
    ved gaming systemer til bare at skrue den tiltrækningskraft i vejret,
  • 15:17 - 15:19
    til at tage dataene, til at tage observationerne,
  • 15:19 - 15:21
    af millioner af mandetimer
  • 15:21 - 15:23
    og pløje den feedback
  • 15:23 - 15:25
    ind i forhøjet engagement.
  • 15:25 - 15:28
    Og i sidste ende, er det dette ord, "engagement,"
  • 15:28 - 15:30
    som jeg vil efterlade jer med.
  • 15:30 - 15:32
    Det er om hvordan individuel engagement
  • 15:32 - 15:34
    kan transformeres
  • 15:34 - 15:37
    af de psykologiske og de neurologiske lektier
  • 15:37 - 15:40
    som vi kan lære af at se mennesker der spiller spil.
  • 15:40 - 15:43
    Men det handler også om kollektiv engagement
  • 15:43 - 15:46
    og om laboratoriet, der er uden forttilælde,
  • 15:46 - 15:48
    til at observere hvad der driver mennesker
  • 15:48 - 15:50
    og arbejde og lege og engagere
  • 15:50 - 15:53
    i stort omfang i spil.
  • 15:53 - 15:56
    Og hvis vi kan se på disse ting og lære fra dem
  • 15:56 - 15:58
    og se hvordan det skal drejes udefter,
  • 15:58 - 16:01
    så tror jeg virkelig vi har noget ret revolutionerede i hænderne.
  • 16:01 - 16:03
    Mange tak.
  • 16:03 - 16:07
    (Bifald)
Title:
Tom Chatfield: 7 måder hvorpå spil belønner hjernen
Speaker:
Tom Chatfield
Description:

Vi tager gameplay med ind i flere aspekter af vores liv, bruger utallige timer -- og rigtige penge -- på at udforske virtuelle verdener for fiktive skatte. Hvorfor? Som Tom Chatfield viser, er spil perfekt afstemte til at uddele belønninger der engagerer hjernen og fastholder vores søgen efter mere.

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
16:08
Dimitra Papageorgiou approved Danish subtitles for 7 ways games reward the brain
Anders Finn Jørgensen accepted Danish subtitles for 7 ways games reward the brain
Anders Finn Jørgensen edited Danish subtitles for 7 ways games reward the brain
David J. Kreps Finnemann edited Danish subtitles for 7 ways games reward the brain
David J. Kreps Finnemann edited Danish subtitles for 7 ways games reward the brain
David J. Kreps Finnemann edited Danish subtitles for 7 ways games reward the brain
David J. Kreps Finnemann edited Danish subtitles for 7 ways games reward the brain
David J. Kreps Finnemann edited Danish subtitles for 7 ways games reward the brain
Show all

Danish subtitles

Revisions