I love video games. I'm also slightly in awe of them. I'm in awe of their power in terms of imagination, in terms of technology, in terms of concept. But I think, above all, I'm in awe at their power to motivate, to compel us, to transfix us, like really nothing else we've ever invented has quite done before. And I think that we can learn some pretty amazing things by looking at how we do this. And in particular, I think we can learn things about learning. Now the video games industry is far and away the fastest growing of all modern media. From about 10 billion in 1990, it's worth 50 billion dollars globally today, and it shows no sign of slowing down. In four years' time, it's estimated it'll be worth over 80 billion dollars. That's about three times the recorded music industry. This is pretty stunning, but I don't think it's the most telling statistic of all. The thing that really amazes me is that, today, people spend about eight billion real dollars a year buying virtual items that only exist inside video games. This is a screenshot from the virtual game world, Entropia Universe. Earlier this year, a virtual asteroid in it sold for 330,000 real dollars. And this is a Titan class ship in the space game, EVE Online. And this virtual object takes 200 real people about 56 days of real time to build, plus countless thousands of hours of effort before that. And yet, many of these get built. At the other end of the scale, the game Farmville that you may well have heard of, has 70 million players around the world and most of these players are playing it almost every day.
من بازیهای ویدئویی را خیلی دوست دارم. و تا حدودی ازآنها شگفت زده هستم. در شگفت از قدرت آنها در تخیل، در تکنولوژی در ایده و مفهوم. ولی فکر می کنم، بیشتر از همه شگفت زده هستم از قدرت آنها در برانگیختن و وادار کردن ما، در میخکوب کردن ما، جوری که قبلا هیچ کدام از اختراعات ما اینچنین انجام نداده اند. و به نظرم ما می توانیم نکاتِ جالبی را با نگاه کردن به روش آنها درانجام این کار، یاد بگیریم. و به طور مشخص، ما می توانیم چیزهایی را دربارۀ یادگیری یاد بگیریم. الان صنعت بازیهای ویدئویی، با فاصله زیاد، سریعترین رشد را در میان رسانه های مدرن دارد. از حدود 10 بیلیون در سال 1990 تا امروز که 50 بیلیون دلار ارزش جهانی دارد، و هیچ علامتی هم از کند شدن این سرعت نشان نمی دهد. ارزیابی شده که در طی چهار سال، بیشتر از 80 بیلیون ارزش خواهد داشت. این تقریبا سه برابر صنعت ضبط موسیقی است. خیلی چشمگیر است. ولی فکر نکنم، گویا ترین آمار باشد. چیزی که من را واقعا حیرت زده می کند این است که، امروز مردم سالانه هشت بیلیون دلار خرج می کنند و اشیایی مجازی می خرند که فقط در بازی های ویدئویی وجود دارند. این صحنه ای از بازی مجازی " جهان آنتروپی" است در ابتدای امسال، در این بازی یک خرده سیارۀ مجازی به قیمت 330/000 دلار واقعی فروخته شده. و این یک سفینه در ردۀ غول پیکر است در " بازی فضایی"، EVE آنلاین و این شیء مجازی توسط 200 نفر آدم در 56 روز از زمان واقعی ساخته شده، به علاوۀ ساعتهای غیر قابل شمارش از تلاش قبل از آن. و با این همه، خیلی از این چیزها ساخته می شوند. در طرف دیگر ترازو بازی " مزرعه " که ممکن است درباره اش شنیده باشید، 70 میلیون بازیکن از سراسر جهان دارد، و بیشتر این بازیکنان تقریبا هر روز آن را بازی می کنند.
This may all sound really quite alarming to some people, an index of something worrying or wrong in society. But we're here for the good news, and the good news is that I think we can explore why this very real human effort, this very intense generation of value, is occurring. And by answering that question, I think we can take something extremely powerful away. And I think the most interesting way to think about how all this is going on is in terms of rewards. And specifically, it's in terms of the very intense emotional rewards that playing games offers to people both individually and collectively. Now if we look at what's going on in someone's head when they are being engaged, two quite different processes are occurring. On the one hand, there's the wanting processes. This is a bit like ambition and drive -- I'm going to do that. I'm going to work hard. On the other hand, there's the liking processes, fun and affection and delight and an enormous flying beast with an orc on the back. It's a really great image. It's pretty cool. It's from the game World of Warcraft with more than 10 million players globally, one of whom is me, another of whom is my wife. And this kind of a world, this vast flying beast you can ride around, shows why games are so very good at doing both the wanting and the liking. Because it's very powerful. It's pretty awesome. It gives you great powers. Your ambition is satisfied, but it's very beautiful. It's a very great pleasure to fly around. And so these combine to form a very intense emotional engagement.
این ممکن ست به نظر بعضی ها هشدار دهنده باشد، نشانه چیزی نگران کننده یا اشتباه در جامعه. ولی ما برای خبر خوبِ قضیه، اینجا هستیم، و خبر خوب این است که ما می توانیم بررسی کنیم که چرا این تلاشهای انسانی، این تولید ارزش، رخ می دهد. و با جواب دادن به این سوال، به نظرم ما می توانیم چیز خیلی قدرتمندی را بدست بیاوریم. و جالبترین روش برای فکر کردن به اینکه همه اینها چطور پیش می آیند مرتبط است با پاداش. و به خصوص مرتبط است با پاداش احساسی که بازی کردن به افراد می دهد، هم به صورت فردی و هم جمعی. حالا، ببینیم در سر کسی که درگیر بازی است، چه می گذرد. دو فرآیند کاملا مختلف رخ می دهد. در یک طرف، فرآیند "خواستن" هست. چیزی شبیه جاه طلبی و اشتیاق -- من این کار را می کنم. من سخت تلاش خواهم کرد. طرف دیگر، فرآیند "دوست داشتن" است، سرگرمی و علاقه و خوشی -- و یک جانور عظیم الجثه پرنده با دیوی که سوارش است. یک تصویر فوق العاده ست. خیلی باحال ست. این از بازی " ورد اف وارکرفت " با بیش از 10 میلیون بازیکن از سراسر جهان ست یکی از آنها من هستم و یکی دیگر همسرم. و این نوع دنیا، این جانور پرنده که می شه به اطراف راند نشان می دهد که چرا بازی ها اینقدر در" خواستن" و" دوست داشتن" ، خوب هستند. چون خیلی قدرتمند ست. خیلی پر ابهت ست. به تو یک قدرت فوق العاده می دهد. جاه طلبی ات ارضا می شود ولی این خیلی زیباست. به اطراف پرواز کردن لذت فوق العاده ای ست. و اینها ترکیب می شوند تا یک مشغولیت احساسی را شکل دهند.
But this isn't the really interesting stuff. The really interesting stuff about virtuality is what you can measure with it. Because what you can measure in virtuality is everything. Every single thing that every single person who's ever played in a game has ever done can be measured. The biggest games in the world today are measuring more than one billion points of data about their players, about what everybody does -- far more detail than you'd ever get from any website. And this allows something very special to happen in games. It's something called the reward schedule. And by this, I mean looking at what millions upon millions of people have done and carefully calibrating the rate, the nature, the type, the intensity of rewards in games to keep them engaged over staggering amounts of time and effort. Now, to try and explain this in sort of real terms, I want to talk about a kind of task that might fall to you in so many games. Go and get a certain amount of a certain little game-y item. Let's say, for the sake of argument, my mission is to get 15 pies and I can get 15 pies by killing these cute, little monsters. Simple game quest. Now you can think about this, if you like, as a problem about boxes. I've got to keep opening boxes. I don't know what's inside them until I open them. And I go around opening box after box until I've got 15 pies. Now, if you take a game like Warcraft, you can think about it, if you like, as a great box-opening effort. The game's just trying to get people to open about a million boxes, getting better and better stuff in them.
ولی این، اون چیز خیلی جالب نیست. آنچه دربارۀ دنیای مجازی واقعا جالب است چیزهایی است که با آنها، می شود سنجید. چون آنچه که در دنیای مجازی می شه سنجید، همه چیز است. هر کاری که هر بازیکنی که تا به حال بازی کرده، انجام داده، می تواند اندازه گیری شود. امروز، بزرگترین بازی ها در جهان بیشتر از بیلیون ها داده را اندازه می گیرند درباره بازیکنانشان و درباره فعالیتهای هر کس -- خیلی بیشتر از جزئیاتی که شما تا به حال از هر سایتی گرفته اید. و این اجازه می دهد که چیز خیلی خاصی در بازی ها اتفاق بیافتد. چیزی به اسم " ریز پاداش". منظورم، نگاه کردن به آنچه میلیون ها میلیون فرد انجام داده اند و به دقت درجه بندی کردن میزان، ماهیت، نوع، کیفیتِ پاداش در بازی ها ست برای درگیر نگه داشتن آنها طی زمان و تلاش متناوب. حالا، برای سعی و توضیح این در عبارات کاملتر، می خواهم درباره یک نوع کار حرف بزنم که ممکن است در خیلی از بازی ها با آن برخورد کرده باشید. رفتن و به دست آوردن مقدار مشخصی از آیتم های مشخص بازی. بیاین برای استدلال بگیم، ماموریت من بدست آوردن 15 پای شیرینی است، و من می توان با کشتن این هیولاهای بامزۀ کوچک، 15 پای بگیرم. یک تلاش ساده در بازی. حالا اگر مایلید، می توانید جعبه ها را به عنوان دردسر بازی در نظر بگیرید. من باید مدام جعبه ها را باز کنم. تا وقتی باز نکرده ام، نمی دانم درون آنها چیست. و جعبه به جعبه باز می کنم، تا 15وقتی پای بگیرم. حالا، بازیی مثل " وارکرفت" را در نظر بگیرید اگر مایل هستید، به عنوان یک جعبه باز کردن عظیم، به آن فکر کنید. بازی فقط سعی می کند مردم را، با گذاشتن چیزهای بهتر و بهتر در جعبه ها، به باز کردن یک میلیون جعبه، وادار کند.
This sounds immensely boring but games are able to make this process incredibly compelling. And the way they do this is through a combination of probability and data. Let's think about probability. If we want to engage someone in the process of opening boxes to try and find pies, we want to make sure it's neither too easy, nor too difficult, to find a pie. So what do you do? Well, you look at a million people -- no, 100 million people, 100 million box openers -- and you work out, if you make the pie rate about 25 percent -- that's neither too frustrating, nor too easy. It keeps people engaged. But of course, that's not all you do -- there's 15 pies. Now, I could make a game called Piecraft, where all you had to do was get a million pies or a thousand pies. That would be very boring. Fifteen is a pretty optimal number. You find that -- you know, between five and 20 is about the right number for keeping people going. But we don't just have pies in the boxes. There's 100 percent up here. And what we do is make sure that every time a box is opened, there's something in it, some little reward that keeps people progressing and engaged. In most adventure games, it's a little bit in-game currency, a little bit experience. But we don't just do that either.
این بی نهایت کسل کننده به نظر می رسد، ولی بازی ها قادرند این فرآیند را به طور باورنکردنی گیرا کنند. و این را از طریق ترکیبی از احتمالات و داده ها انجام می دهند. بیاید راجع به احتمالات فکر کنیم. اگر بخواهیم کسی را در فرآیند جعبه باز کردن برای پیدا کردن پای، درگیر کنیم. ما می خواهیم مطمئن شویم که پیدا کردن پای، نه خیلی آسان و نه خیلی سخت باشد. پس چی کار می کنید؟ خب، نگاه کنید به یک میلیون نفر نه 100 میلیون نفر، 100 میلیون جعبه بازکن و حساب می کنید، اگر نرخ پای را به حدود 25 درصد برسانید -- این نه خیلی درمانده کننده است و نه خیلی آسان. این افراد را درگیر نگه می دارد -- ولی البته، این تمام کاری که می کنید نیست-- اینجا 15 پای نقش دارند. حالا، می توانم یک بازی درست کنم به اسم " پای کرفت"، جایی که کل کار، گرفتن یک میلیون پای است، یا هزار پای. خیلی کسل کننده خواهد بود. 15 عدد مطلوبی است. متوجه می شوید که عدد مناسب، برای مشغول نگه داشتن افراد، بین 5 تا 20 است. ولی ما در بازی فقط پای در جعبه ها نداریم. بلکه یک ترقی صد درصدی اینجا نقش دارد. و کار ما این است که مطمئن شویم، هر بار جعبه ای باز می شود، چیزی درون آن است. یک جایزه کوچک. این افراد را در حال پیشروی و درگیر نگه می دارد. در بیشتر باریهای ماجراجویانه این جایزه، یک مقدار پول خیالی یا یک مقدار ورزیدگی است، ولی ما در بازی فقط این کار را هم نمی کنیم.
We also say there's going to be loads of other items of varying qualities and levels of excitement. There's going to be a 10 percent chance you get a pretty good item. There's going to be a 0.1 percent chance you get an absolutely awesome item. And each of these rewards is carefully calibrated to the item. And also, we say, "Well, how many monsters? Should I have the entire world full of a billion monsters?" No, we want one or two monsters on the screen at any one time. So I'm drawn on. It's not too easy, not too difficult. So all this is very powerful. But we're in virtuality. These aren't real boxes. So we can do some rather amazing things. We notice, looking at all these people opening boxes, that when people get to about 13 out of 15 pies, their perception shifts, they start to get a bit bored, a bit testy. They're not rational about probability. They think this game is unfair. It's not giving me my last two pies. I'm going to give up. If they're real boxes, there's not much we can do, but in a game we can just say, "Right, well. When you get to 13 pies, you've got 75 percent chance of getting a pie now." Keep you engaged. Look at what people do -- adjust the world to match their expectation. Our games don't always do this. And one thing they certainly do at the moment is if you got a 0.1 percent awesome item, they make very sure another one doesn't appear for a certain length of time to keep the value, to keep it special.
ما می گوییم یک عالمه آیتم های دیگر با سطوح و کیفیت های مختلف هیجان، وجود خواهد داشت. 10 درصد شانس گرفتن آیتم های خوب خواهد بود. 0.1 درصد شانس گرفتن آیتم های عالی. و هر کدام از این پاداش ها به دقت برای هر آیتم درجه بندی شده است. و همچنین، ما می گوییم، خب، چندتا هیولا؟ باید دنیایی پر از یک بیلیون هیولا داشته باشم؟ نه، ما در هر زمان، یک یا دو هیولا روی صحنه می خواهیم. در نتیجه من جذب می شوم. این نه خیلی ساده است، نه خیلی سخت. پس تا اینجا خیلی قدرتمند است. ولی ما در دنیای مجازی هستیم، این جعبه ها واقعی نیستند. بنابراین ما می توانیم کارهای جالبی انجام دهیم. ما با نگاه کردن به کسانی که جعبه ها را باز می کنند، متوجه می شویم، وقتی افراد 13 پای از 15 تا بدست می آورند، احساس شان عوض می شود، آنها کمی کسل می شوند، کمی بدخلق. به احتمال، منطقی نگاه نمی کنند. آنها فکر می کنند که این بازی عادلانه نیست. به من دو تا پای آخرم را نمی دهد. من بازی را ول می کنم. اگر جعبه ها واقعی بودند، کار زیادی از ما ساخته نبود، ولی در بازی ما می توانیم بگوییم " خیلی خب، درسته" وقتی به 13 پای رسیدی، الان 75 درصد شانس داری که یک پای بگیری. تو را درگیر نگه می دارد. ببین مردم چی کار می کنند -- این دنیا را با انتظاراتشان تطبیق می دهند. بازی های ما همیشه این کار را نمی کنند. کاری که آنها در حال حاضر، حتما می کنند این است که، اگر یک آیتم عالی که 0.1 درصد شانس گرفتن دارد، گرفتی، آنها مطمئن می شوند که بعدی، تا مدت مشخصی، ظاهر نشود تا ارزش اش را حفظ کنند و آن را خاص نگه دارند.
And the point is really that we evolved to be satisfied by the world in particular ways. Over tens and hundreds of thousands of years, we evolved to find certain things stimulating, and as very intelligent, civilized beings, we're enormously stimulated by problem solving and learning. But now, we can reverse engineer that and build worlds that expressly tick our evolutionary boxes. So what does all this mean in practice? Well, I've come up with seven things that, I think, show how you can take these lessons from games and use them outside of games. The first one is very simple: experience bars measuring progress -- something that's been talked about brilliantly by people like Jesse Schell earlier this year. It's already been done at the University of Indiana in the States, among other places. It's the simple idea that instead of grading people incrementally in little bits and pieces, you give them one profile character avatar which is constantly progressing in tiny, tiny, tiny little increments which they feel are their own. And everything comes towards that, and they watch it creeping up, and they own that as it goes along.
و نکته اینجاست که در واقع ما به گونه ای شکل گرفته ایم، که از راه های مشخصی توسط این دنیا، ارضا شویم. در طی ده ها و صدها هزاران سال ما به گونه ای توسعه یافته ایم که چیزهای مشخصی را مهیج ببنیم، و به عنوان موجودات باهوش و متمدن ما با یادگیری و حل مشکل، برانگیخته می شویم. حالا ما می توانیم مهندسی معکوس کنیم و دنیا و محیطی بسازیم که در آن جعبه های در حال تکمیل ما، به خوبی عمل کنند. پس در عمل همه اینها چه مفهومی دارد؟ خب، من هفت چیز را مطرح می کنم، که فکر می کنم نشان می دهند، چطور این درسها را از بازی ها بگیریم و از آنها در خارج از بازیها استفاده کنیم. اولی خیلی ساده است: تجربۀ فرآیند اندازه گیری میله ای -- چیزی که افرادی مثل" جس شل" در ابتدای امسال به طور درخشانی درباره اش صحبت کرده اند. این کار پیش از این در دانشگاه " ایندینا" در آمریکا و جاهای دیگر انجام شده است ایدۀ ساده ای است که به جای اینکه به مردم به صورت افزایشی در اندازه های کوچک، امتیاز داده شود، به آنان یک شخصیت مجازی داده شود که پیوسته در مقدارهای خیلی خیلی کوچکی پیشرفت می کند، که آنان احساس می کنند مال خودشان است. و همه چیز به سمت آن می آید و آنان آن را در حال بالا رفتن تماشا می کنند و در طول مدتی که پیش می رود، مالک آن هستند
Second, multiple long and short-term aims -- 5,000 pies, boring, 15 pies, interesting. So, you give people lots and lots of different tasks. You say, it's about doing 10 of these questions, but another task is turning up to 20 classes on time, but another task is collaborating with other people, another task is showing you're working five times, another task is hitting this particular target. You break things down into these calibrated slices that people can choose and do in parallel to keep them engaged and that you can use to point them towards individually beneficial activities.
دوم، چندین هدف کوتاه و بلند مدت 5000 پای، کسل کننده 15 تا پای، جالب پس به مردم کارهای مختلف خیلی خیلی زیادی می دهید. شما می گید، 10 تا از این مساله ها باید انجام شود ولی کار دیگر سر 20 کلاس سر وقت حاضر شدن، است، ولی کار دیگر، همکاری کردن با افراد دیگر است، کار دیگر 5 بار ارائه کارتان است، کار دیگر رسیدن به این هدف مشخص است، شما چیزها را به بخشهای درجه بندی شده، می شکنید تا افراد بتوانند آنها را به طور موازی انتخاب و انجام دهند، تا آنها را درگیر نگه دارید. تا آنها را به طرف فعالیتهای جداگانۀ سودمند، سوق دهید.
Third, you reward effort. It's your 100 percent factor. Games are brilliant at this. Every time you do something, you get credit; you get a credit for trying. You don't punish failure. You reward every little bit of effort -- a little bit of gold, a little bit of credit. You've done 20 questions -- tick. It all feeds in as minute reinforcement.
سوم، شما به تلاش، پاداش می دهید. این عامل 100 درصدی شماست. بازی ها در این امر هوشمندانه هستند. هر بار که کاری می کنید، اعتبار می گیرید. برای تلاش، اعتبار می گیرید. برای شکست مجازات نمی کنید، برای هر ذره از تلاش، پاداش می دهید -- یک مقدار طلا، یک مقدار اعتبار -- 20 مساله را حل کردی -- تیک همه اینها به عنوان تقویتی های کوچک، تهیه می شوند.
Fourth, feedback. This is absolutely crucial, and virtuality is dazzling at delivering this. If you look at some of the most intractable problems in the world today that we've been hearing amazing things about, it's very, very hard for people to learn if they cannot link consequences to actions. Pollution, global warming, these things -- the consequences are distant in time and space. It's very hard to learn, to feel a lesson. But if you can model things for people, if you can give things to people that they can manipulate and play with and where the feedback comes, then they can learn a lesson, they can see, they can move on, they can understand.
چهارم، بازخور قطعا حیاتی است و دنیای مجازی درتهیه و تحویل آن چشمگیر است. اگر به بعضی از لاینحل ترین مشکلات جهان امروز که چیزهای حیرت آوری درباره شان شنیده ایم، نگاه کنید، درک آنها برای مردم خیلی سخت است اگر نتوانند نتایج را به اعمال پیوند دهند. در آلودگی، گرم شدن کره زمین، امثال اینها، نتایج از نظر زمانی و مکانی دور هستند. درک کردن و فهم نکته و درس خیلی سخت است ولی اگر بتوانید برای مردم الگوسازی کنید، اگر به مردم چیزهایی بدهید که بتوانند کنترل و استفاده کنند و با آن بازی کنند و بازخور دریافت کنند آن وقت می توانند درس بگیرند، می توانند ببینند، می توانند تغییر کنند، می توانند بفهمند.
And fifth, the element of uncertainty. Now this is the neurological goldmine, if you like, because a known reward excites people, but what really gets them going is the uncertain reward, the reward pitched at the right level of uncertainty, that they didn't quite know whether they were going to get it or not. The 25 percent. This lights the brain up. And if you think about using this in testing, in just introducing control elements of randomness in all forms of testing and training, you can transform the levels of people's engagement by tapping into this very powerful evolutionary mechanism. When we don't quite predict something perfectly, we get really excited about it. We just want to go back and find out more.
و پنجم عامل عدم قطعیت حالا، این از نظر عصب شناسی یک معدن طلا است، اگر از این اصطلاح خوشتان بیاید، زیرا یک پاداش شناخته شده مردم را هیجان زده می کند، ولی چیزی که باعث می شود، ادامه دهند، پاداش نامشخص است. پاداشی که در سطح مناسبی از عدم قطعیت، قرار داده شده آنها کاملا نمی دانند که آیا آن را خواهند گرفت یا نه. همان 25 درصد. این مغز را به کار می اندازد. و اگر فکر کنید به استفاده از این در آزمون ها در فقط معرفی عوامل کنترلِ رخدادهای تصادفی در همه انواع آزمون و آموزش می توانید سطح مشغولیت مردم را با سود بردن از این مکانیسم خیلی قدرتمند و تکاملی، دگرگون کنید. وقتی ما نمی توانیم چیزی را به طور کامل پیش بینی کنیم، دستخوش هیجان می شویم. فقط می خواهیم برگردیم و بیشتر کشف کنیم.
As you probably know, the neurotransmitter associated with learning is called dopamine. It's associated with reward-seeking behavior. And something very exciting is just beginning to happen in places like the University of Bristol in the U.K., where we are beginning to be able to model mathematically dopamine levels in the brain. And what this means is we can predict learning, we can predict enhanced engagement, these windows, these windows of time, in which the learning is taking place at an enhanced level. And two things really flow from this. The first has to do with memory, that we can find these moments. When someone is more likely to remember, we can give them a nugget in a window. And the second thing is confidence, that we can see how game-playing and reward structures make people braver, make them more willing to take risks, more willing to take on difficulty, harder to discourage. This can all seem very sinister. But you know, sort of "our brains have been manipulated; we're all addicts." The word "addiction" is thrown around. There are real concerns there. But the biggest neurological turn-on for people is other people. This is what really excites us. In reward terms, it's not money; it's not being given cash -- that's nice -- it's doing stuff with our peers, watching us, collaborating with us.
همانطور که احتمالا می دانید، انتقال دهنده عصبی ای که در یادگیری نقش دارد " دوپامين" نام دارد. " دوپامين" در رفتار " جویندگی پاداش" شرکت دارد. و اتفاق خیلی هیجان انگیزی به تازگی در بعضی جاها مثل " دانشگاه بریستون" در انگلیس، آغاز شده ست، ما داریم قادر می شویم، الگوی ریاضی سطح دوپامین در مغز را بسازیم. این یعنی ما می توانیم یادگیری را پیش بینی کنیم، ما می توانیم مشغولیت بالا رفته را پیش بینی کنیم، این فرجه ها، این فرجه های زمانی که یادگیری در سطح بالایی در آنها اتفاق می افتد، را پیش بینی کنیم. و دو چیز به دنبال این می آید. اولی مربوط به حافظه است، ما می توانیم این لحظه ها را پیدا کنیم. وقتی احتمال یادآوری در فردی بالا باشد می توانیم درخلال این زمان، به او یک تکه جایزه بدهیم. و دومی اعتماد به نفس است. ما می توانیم ببینیم که چطور بازی کردن و ساختار پاداش مردم را شجاع تر می کند، آنها را به قبول ریسک مشتاق تر می کند. هر چه قبول سختی ها مشتاقانه تر باشد، مایوس کردن هم سخت تر است. همه اینها می تواند خیلی شرورانه به نظر برسد. ولی وقتی می گوییم " مغز ما دستکاری شده و همه ما معتاد هستیم" کلمه اعتیاد زیادی از حد استفاده شده. نگرانی واقعی آنجا هست. ولی بزرگترین تحریک برای مردم از نظر عصب شناختی افراد دیگر هستند. این چیزی است که ما را هیجان زده می کند. به عبارت پاداشی، این پول نیست پول نقد گرفتن نیست -- آن هم خوب است -- انجام دادن چیزی با همتا هایمان است که ما را نگاه می کنند، با ما همکاری می کنند.
And I want to tell you a quick story about 1999 -- a video game called EverQuest. And in this video game, there were two really big dragons, and you had to team up to kill them -- 42 people, up to 42 to kill these big dragons. That's a problem because they dropped two or three decent items. So players addressed this problem by spontaneously coming up with a system to motivate each other, fairly and transparently. What happened was, they paid each other a virtual currency they called "dragon kill points." And every time you turned up to go on a mission, you got paid in dragon kill points. They tracked these on a separate website. So they tracked their own private currency, and then players could bid afterwards for cool items they wanted -- all organized by the players themselves. Now the staggering system, not just that this worked in EverQuest, but that today, a decade on, every single video game in the world with this kind of task uses a version of this system -- tens of millions of people. And the success rate is at close to 100 percent. This is a player-developed, self-enforcing, voluntary currency, and it's incredibly sophisticated player behavior.
می خواهم یک داستان کوتاه درباره سال 1999 -- در یک بازی به اسم " اِوِرکوئست"، تعریف کنم. در این بازی ویدئویی، دو اژدهای واقعا بزرگ بودند، و برای کشتنشان باید 42 نفر با هم تیم تشکیل می دادند. این یک معضل است، چون کشتن آنها فقط دو یا سه آیتم مناسب می داد. بنابراین بازیکنان این مشکل را به صورت خودجوش با ارائه یک سیستم برای برانگیختن یکدیگر به صورت عادلانه و شفاف هدف قرار دادند. چیزی که اتفاق افتاد این بود که آنها به همدیگر پول مجازی که به آن " امتیاز کشتن اژدها " می گفتند، پرداخت کردند. و هر بار که در یک ماموریت حاضر می شدی، به نرخ "امتیاز کشتن اژدها" ، دستمزد می گرفتی. آنان اینها را در سایتی جداگانه دنبال کردند. به این صورت آنها پول اختصاصی خودشان را پیگیری کردند، و بعد از آن بازیکنان می توانستند برای آیتم های با حالی که می خواستند، پیشنهاد قیمت بدهند -- همه توسط خود بازیکانان سازماندهی شد. حالا، این سیستم باورنکردنی است که نه تنها در "اور کوئست" جواب داد، بلکه امروز، یک دهه بعد از آن، هر بازی ویدئویی در جهان که یک چنین کاری دارد یک نوع مدل از این سیستم را به کار می برد -- دهها میلیون نفر. و نرخ موفقیت نزدیک به 100 درصد است. این یک پول توسعه داده شده توسط بازیکنان، خود تحمیل شده و داوطلبانه است. این رفتار به طور باورنکردنی پخته، از بازیکنان است.
And I just want to end by suggesting a few ways in which these principles could fan out into the world. Let's start with business. I mean, we're beginning to see some of the big problems around something like business are recycling and energy conservation. We're beginning to see the emergence of wonderful technologies like real-time energy meters. And I just look at this, and I think, yes, we could take that so much further by allowing people to set targets by setting calibrated targets, by using elements of uncertainty, by using these multiple targets, by using a grand, underlying reward and incentive system, by setting people up to collaborate in terms of groups, in terms of streets to collaborate and compete, to use these very sophisticated group and motivational mechanics we see. In terms of education, perhaps most obviously of all, we can transform how we engage people. We can offer people the grand continuity of experience and personal investment. We can break things down into highly calibrated small tasks. We can use calculated randomness. We can reward effort consistently as everything fields together. And we can use the kind of group behaviors that we see evolving when people are at play together, these really quite unprecedentedly complex cooperative mechanisms. Government, well, one thing that comes to mind is the U.S. government, among others, is literally starting to pay people to lose weight. So we're seeing financial reward being used to tackle the great issue of obesity. But again, those rewards could be calibrated so precisely if we were able to use the vast expertise of gaming systems to just jack up that appeal, to take the data, to take the observations, of millions of human hours and plow that feedback into increasing engagement.
و من فقط می خواهم با پیشنهاد چند راه که از طریق آنها این مفاهیم، می توانند در جهان رواج بیابند، تمام کنم. با کسب و کار شروع می کنم. منظورم این است، ما شروع کردیم به دیدن اینکه بعضی مشکلات بزرگ در اطراف چیزی مثل کسب و کار بازیافت و جلوگیری از اتلاف انرژی هستند. ما شروع کردیم به دیدن شکوفایی تکنولوژی های زیبا مثل "کنتورهای برق همزمان". و من به این نگاه می کنم، و فکر می کنم که، بله ما می توانیم این را خیلی جلوتر ببریم با اجازه دادن به مردم که هدف گذاری کنند با تعیین هدف های درجه بندی شده، با استفاده از عوامل عدم قطعیت، با استفاده از هدفهای چندگانه، با استفاده از یک سیستم پاداش و محرک که به صورت گسترده و نهفته باشد، با سازماندهی به مردم برای همکاری در گروه، در خیابان برای همکاری کردن و رقابت کردن، برای استفاده از این گروه های مجرب و ساز و کار انگیزشی پیچیده، که دیدیم. در ارتباط با آموزش، احتمالا از همه واضح تر، ما می توانیم نحوۀ جلب توجه مردم را دگرگون کنیم. می توانیم به مردم، تداوم گستردۀ تجربه و سرمایه گذاری فردی را ارائه دهیم. می توانیم چیزها را به کارهای درجه بندی شده و کوچک، تقسیم کنیم. می توانیم از رخدادهای تصادفی حساب شده، استفاده کنیم. می توانیم پیوسته به تلاش پاداش دهیم. وقتی همه چیز با هم وارد عمل می شوند. و می توانیم از آن نوع رفتارهای گروهی که وقتی افراد با هم بازی می کنند، شکل می گیرد، استفاده کنیم. این مکانیسم های پیچیدۀ همکاری که واقعا بی سابقه هستند. دولت، خب چیزی که به ذهن می آید این است که دولت آمریکا، وسایر دولتها جداً شروع به پرداخت پول به افراد کرده تا کاهش وزن داشته باشند. پس ما می گوییم پاداش مالی برای غلبه بر مسئله بزرگ چاقی مفرط استفاده می شود. ولی، آن پاداش ها می توانند به طور دقیق درجه بندی شوند اگر ما می توانستیم از تخصص گستردۀ سیستمهای بازی در بالابردن جذابیت، در دریافت اطلاعات و در مشاهدۀ میلیونها ساعت از انسانها استفاده کنیم و مشغولیت در حال افزایش را با اضافه کردن بازخور آماده بهره برداری کنیم.
And in the end, it's this word, "engagement," that I want to leave you with. It's about how individual engagement can be transformed by the psychological and the neurological lessons we can learn from watching people that are playing games. But it's also about collective engagement and about the unprecedented laboratory for observing what makes people tick and work and play and engage on a grand scale in games. And if we can look at these things and learn from them and see how to turn them outwards, then I really think we have something quite revolutionary on our hands.
و در آخر، این کلمه هست،" مشغولیت" که می خواهم شما را با آن تنها بگذارم. در این باره که چطور مشغولیت فردی می تواند به وسیلۀ آموزه های روانشناختی و عصب شناختی که ما می توانیم از تماشای مردمی که بازی می کنند، یاد بگیریم، تغییر شکل یابد. اما همچنین دربارۀ مشغولیت گروهی و دربارۀ این کارگاه آموزشی بی سابقه برای مشاهدۀ آنچه مردم را به حرکت و کار و بازی و جذب شدن، وا می دارد در یک مقیاس بزرگ در بازی ها. و اگر بتوانیم به این چیزها نگاه کنیم و از آنها یاد بگیریم و بفهمیم که چطور آنها را به محیط بیرون بیاوریم آن وقت من واقعا فکر می کنم، که ما چیزی کاملا انقلابی در اختیار داریم.
Thank you very much.
خیلی ممنون
(Applause)
( تشویق)