7 روش که بازی ها به مغز پاداش می دهند

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.
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.
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.
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.
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.
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
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.
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.
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.
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.
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.
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.
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.
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.
خیلی ممنون
( تشویق)