Tom Chatfield: 7 ways video games engage the brain

203,334 views ・ 2010-11-01

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Petr Bela Korektor: Irena Svobodová
00:15
I love video games.
0
15260
3000
Miluji videohry.
00:18
I'm also slightly in awe of them.
1
18260
3000
Jsem z nich docela unešený.
00:21
I'm in awe of their power
2
21260
2000
Žasnu nad jejich silou
00:23
in terms of imagination, in terms of technology,
3
23260
2000
co do fantazie, technologií,
00:25
in terms of concept.
4
25260
2000
i konceptu.
00:27
But I think, above all,
5
27260
2000
Ale především
00:29
I'm in awe at their power
6
29260
2000
žasnu nad jejich schopností
00:31
to motivate, to compel us,
7
31260
3000
nás motivovat, vyburcovat
00:34
to transfix us,
8
34260
2000
a přikovat k počítači
00:36
like really nothing else we've ever invented
9
36260
3000
jako nic jiného, co jsme dosud
00:39
has quite done before.
10
39260
2000
vymysleli.
00:41
And I think that we can learn some pretty amazing things
11
41260
3000
A myslím, že z jejich principů se můžeme naučit i
00:44
by looking at how we do this.
12
44260
2000
pár skvělých triků.
00:46
And in particular, I think we can learn things
13
46260
2000
A obzvlášť si to myslím o učení
00:48
about learning.
14
48260
3000
jako takovém.
00:51
Now the video games industry
15
51260
2000
Videoherní průmysl
00:53
is far and away the fastest growing
16
53260
2000
je bezpečně nejrychleji rostoucím
00:55
of all modern media.
17
55260
2000
ze všech moderních médií.
00:57
From about 10 billion in 1990,
18
57260
2000
Oproti asi deseti miliardám v roce 1990
00:59
it's worth 50 billion dollars globally today,
19
59260
3000
má dnes globálně hodnotu padesát
01:02
and it shows no sign of slowing down.
20
62260
3000
a nevykazuje ani náznak zpomalení.
01:05
In four years' time,
21
65260
2000
Během čtyř let
01:07
it's estimated it'll be worth over 80 billion dollars.
22
67260
3000
se odhaduje, že bude mít cenu osmdesáti.
01:10
That's about three times the recorded music industry.
23
70260
3000
To je přibližně trojnásobek hudebního průmyslu.
01:13
This is pretty stunning,
24
73260
2000
To je sice fantastické,
01:15
but I don't think it's the most telling statistic of all.
25
75260
3000
ale nemyslím si, že nejdůležitější údaj.
01:18
The thing that really amazes me
26
78260
2000
Mě nejvíce udivuje,
01:20
is that, today,
27
80260
2000
že lidé dnes
01:22
people spend about
28
82260
2000
utrácí přibližně
01:24
eight billion real dollars a year
29
84260
3000
osm miliard dolarů ročně
01:27
buying virtual items
30
87260
2000
za nákup předmětů,
01:29
that only exist
31
89260
2000
které existují pouze
01:31
inside video games.
32
91260
3000
ve světě videoher.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
94260
3000
Toto je obrázek z virtuálního světa hry Entropia Universe.
01:37
Earlier this year,
34
97260
2000
Virtuální asteroid
01:39
a virtual asteroid in it
35
99260
2000
z této hry byl letos
01:41
sold for 330,000 real dollars.
36
101260
4000
prodán za 330 tisíc pravých dolarů.
01:45
And this
37
105260
2000
Toto je
01:47
is a Titan class ship
38
107260
3000
titánská loď
01:50
in the space game, EVE Online.
39
110260
2000
z vesmírné hry EVE Online.
01:52
And this virtual object
40
112260
2000
Tento virtuální objekt
01:54
takes 200 real people
41
114260
2000
vytvoří 200 živých osob
01:56
about 56 days of real time to build,
42
116260
3000
za asi 56 dní skutečného času a
01:59
plus countless thousands of hours
43
119260
3000
nekonečné množství tisíc
02:02
of effort before that.
44
122260
2000
hodin příprav.
02:04
And yet, many of these get built.
45
124260
3000
I přesto vznikají další a další.
02:07
At the other end of the scale,
46
127260
2000
Na druhém konci škály je hra
02:09
the game Farmville that you may well have heard of,
47
129260
3000
Farmville, o které jste již možná slyšeli.
02:12
has 70 million players
48
132260
2000
Má 70 milionů hráčů
02:14
around the world
49
134260
2000
po celém světě
02:16
and most of these players
50
136260
2000
a většina z nich
02:18
are playing it almost every day.
51
138260
2000
ji hraje skoro denně.
02:20
This may all sound
52
140260
2000
Někomu to může znít
02:22
really quite alarming to some people,
53
142260
2000
až děsivě, jako míra
02:24
an index of something worrying
54
144260
2000
poškozenosti společnosti.
02:26
or wrong in society.
55
146260
2000
-
02:28
But we're here for the good news,
56
148260
2000
My se ale podíváme, co nám
02:30
and the good news is
57
150260
2000
hry nabízí pozitivního.
02:32
that I think we can explore
58
152260
2000
Můžeme prozkoumat
02:34
why this very real human effort,
59
154260
3000
to úžasné nasazení lidí
02:37
this very intense generation of value, is occurring.
60
157260
4000
skutečné, intenzivní generování hodnot.
02:41
And by answering that question,
61
161260
2000
Zodpovězení této otázky
02:43
I think we can take something
62
163260
2000
nám může přinést
02:45
extremely powerful away.
63
165260
2000
něco velmi hodnotného.
02:47
And I think the most interesting way
64
167260
2000
A myslím, že nejzajímavějším způsobem,
02:49
to think about how all this is going on
65
169260
2000
uvažování nad tím, jak se tohle děje,
02:51
is in terms of rewards.
66
171260
2000
je oblast odměn.
02:53
And specifically, it's in terms
67
173260
3000
A to obzvláště formou
02:56
of the very intense emotional rewards
68
176260
2000
silných odměn emocionálních,
02:58
that playing games offers to people
69
178260
2000
které hraní her lidem nabízí
03:00
both individually
70
180260
2000
jak individuálně,
03:02
and collectively.
71
182260
2000
tak kolektivně.
03:04
Now if we look at what's going on in someone's head
72
184260
2000
Když se podíváme, co se odehrává v hlavě člověka,
03:06
when they are being engaged,
73
186260
2000
který se začíná angažovat,
03:08
two quite different processes are occurring.
74
188260
3000
objevíme zde dva zcela odlišné procesy.
03:11
On the one hand, there's the wanting processes.
75
191260
3000
Na jedné straně je chtění.
03:14
This is a bit like ambition and drive -- I'm going to do that. I'm going to work hard.
76
194260
3000
Je to trochu jako ambice a odhodlání - dokážu to. Budu tvrdě makat.
03:17
On the other hand, there's the liking processes,
77
197260
2000
Na druhé straně je zde proces zalíbení,
03:19
fun and affection
78
199260
2000
radosti, zájmu
03:21
and delight
79
201260
2000
a potěšení -
03:23
and an enormous flying beast with an orc on the back.
80
203260
2000
a obrovská létající bestie s orkem na zádech.
03:25
It's a really great image. It's pretty cool.
81
205260
2000
Je to opravdu skvělý obrázek. Je úžasný.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
207260
3000
Je ze hry World of Warcraft, která má celosvětově více než 10 milionů hráčů,
03:30
one of whom is me, another of whom is my wife.
83
210260
3000
jedním z nich jsem já nebo moje žena.
03:33
And this kind of a world,
84
213260
2000
A tento typ světa,
03:35
this vast flying beast you can ride around,
85
215260
2000
tato ohromná létající bestie, se kterou můžete létat,
03:37
shows why games are so very good
86
217260
2000
jasně ukazuje, proč jsou hry tak dobré
03:39
at doing both the wanting and the liking.
87
219260
3000
na vytváření chtění i oblíbenosti.
03:42
Because it's very powerful. It's pretty awesome.
88
222260
2000
Je to totiž velmi silné. Je to opravdu úžasné.
03:44
It gives you great powers.
89
224260
2000
Dává vám to velkou sílu.
03:46
Your ambition is satisfied, but it's very beautiful.
90
226260
3000
Vaše ambice je naplněna a je to velmi hezké.
03:49
It's a very great pleasure to fly around.
91
229260
3000
Je velmi potěšující se takhle proletět.
03:52
And so these combine to form
92
232260
2000
To se kombinuje a vytváří
03:54
a very intense emotional engagement.
93
234260
2000
velmi silné emocionální pouto.
03:56
But this isn't the really interesting stuff.
94
236260
3000
Ale to není to nejzajímavější.
03:59
The really interesting stuff about virtuality
95
239260
2000
Zajímavá věc na virtualitě je to,
04:01
is what you can measure with it.
96
241260
2000
co všechno v ní můžete měřit.
04:03
Because what you can measure in virtuality
97
243260
3000
Protože zde můžete měřit úplně
04:06
is everything.
98
246260
2000
všechno.
04:08
Every single thing that every single person
99
248260
2000
Každou věc, kterou kdy kdo
04:10
who's ever played in a game has ever done can be measured.
100
250260
3000
tu hru hrál, co v ní udělal, můžeme měřit.
04:13
The biggest games in the world today
101
253260
2000
Nejvýznamnější hry dnešního světa
04:15
are measuring more than one billion points of data
102
255260
4000
evidují více než miliardu dat
04:19
about their players, about what everybody does --
103
259260
2000
o svých hráčích, o tom, co každý dělá,
04:21
far more detail than you'd ever get from any website.
104
261260
3000
mnohem detailněji, než byste kdy získali na webu.
04:24
And this allows something very special
105
264260
3000
A to ve světě her umožňuje něco
04:27
to happen in games.
106
267260
2000
velmi unikátního.
04:29
It's something called the reward schedule.
107
269260
3000
To něco se nazývá rozvrh odměn.
04:32
And by this, I mean looking
108
272260
2000
Mám na mysli sledování
04:34
at what millions upon millions of people have done
109
274260
2000
všech akcí milionů a milionů lidí
04:36
and carefully calibrating the rate,
110
276260
2000
a citlivým upravováním míry,
04:38
the nature, the type, the intensity of rewards in games
111
278260
3000
charakteru, typu a intenzity odměn ve hrách,
04:41
to keep them engaged
112
281260
2000
aby zůstali zapálení
04:43
over staggering amounts of time and effort.
113
283260
3000
i přes ohromující množství času a úsilí.
04:46
Now, to try and explain this
114
286260
2000
Abych toto vyzkoušel a vysvětlil
04:48
in sort of real terms,
115
288260
3000
na skutečných podmínkách,
04:51
I want to talk about a kind of task
116
291260
2000
řeknu něco o typu úloh,
04:53
that might fall to you in so many games.
117
293260
2000
na které můžete narazit v mnohých hrách.
04:55
Go and get a certain amount of a certain little game-y item.
118
295260
3000
Běž a získej určité množství určitého hracího objektu.
04:58
Let's say, for the sake of argument,
119
298260
2000
Pro naše účely, řekněme,
05:00
my mission is to get 15 pies
120
300260
3000
že mým úkolem je získat 15 koláčů
05:03
and I can get 15 pies
121
303260
3000
a ty mohu získat,
05:06
by killing these cute, little monsters.
122
306260
2000
když zabiji tyto malé roztomilé příšerky.
05:08
Simple game quest.
123
308260
2000
Jednoduchý herní úkol.
05:10
Now you can think about this, if you like,
124
310260
2000
Můžete o tom přemýšlet, pokud chcete,
05:12
as a problem about boxes.
125
312260
2000
jako o problému s krabicemi.
05:14
I've got to keep opening boxes.
126
314260
2000
Musím otevírat krabice.
05:16
I don't know what's inside them until I open them.
127
316260
3000
Nevím, co v nich je, dokud je neotevřu.
05:19
And I go around opening box after box until I've got 15 pies.
128
319260
3000
A tak otevírám krabici za krabicí, až najdu patnáct koláčů.
05:22
Now, if you take a game like Warcraft,
129
322260
2000
Vezmeme-li si hru jako Warcraft,
05:24
you can think about it, if you like,
130
324260
2000
můžete to brát jako
05:26
as a great box-opening effort.
131
326260
3000
velké otevírání krabic.
05:29
The game's just trying to get people to open about a million boxes,
132
329260
3000
Hra se jen snaží lidi přimět, aby otevřeli okolo milionu krabic,
05:32
getting better and better stuff in them.
133
332260
2000
přičemž v nich nacházejí lepší a lepší věci.
05:34
This sounds immensely boring
134
334260
3000
To zní nehorázně nudně,
05:37
but games are able
135
337260
2000
ale hry jsou schopny
05:39
to make this process
136
339260
2000
tento proces udělat
05:41
incredibly compelling.
137
341260
2000
neuvěřitelně zajímavým.
05:43
And the way they do this
138
343260
2000
A způsob, jakým toho dosahují,
05:45
is through a combination of probability and data.
139
345260
3000
je kombinace pravděpodobnosti a dat.
05:48
Let's think about probability.
140
348260
2000
Zamysleme se nad pravděpodobností.
05:50
If we want to engage someone
141
350260
2000
Chceme-li někoho zaujmout
05:52
in the process of opening boxes to try and find pies,
142
352260
3000
pro otevírání krabic a nacházení koláčů,
05:55
we want to make sure it's neither too easy,
143
355260
2000
musíme si být jisti, že najít koláč
05:57
nor too difficult, to find a pie.
144
357260
2000
není ani příliš snadné, ani příliš těžké.
05:59
So what do you do? Well, you look at a million people --
145
359260
2000
Takže, co uděláte? Podíváte se na milion lidí.
06:01
no, 100 million people, 100 million box openers --
146
361260
3000
Ne, sto milionů lidí, sto milionů otvíračů krabic,
06:04
and you work out, if you make the pie rate
147
364260
3000
a zjistíte, že pokud nastavíte množství koláčů
06:07
about 25 percent --
148
367260
2000
na dvacet pět procent,
06:09
that's neither too frustrating, nor too easy.
149
369260
3000
pak to není ani příliš frustrující, ani příliš lehké.
06:12
It keeps people engaged.
150
372260
2000
Drží to lidi zapálené,
06:14
But of course, that's not all you do -- there's 15 pies.
151
374260
3000
ale, samozřejmě, to není vše ; je zde 15 koláčů.
06:17
Now, I could make a game called Piecraft,
152
377260
2000
Mohl bych vytvořit hru nazvanou Koláčov,
06:19
where all you had to do was get a million pies
153
379260
2000
kde byste museli nasbírat koláčů milion
06:21
or a thousand pies.
154
381260
2000
a nebo tisíc.
06:23
That would be very boring.
155
383260
2000
To by bylo velmi nudné.
06:25
Fifteen is a pretty optimal number.
156
385260
2000
patnáct je docela optimální číslo.
06:27
You find that -- you know, between five and 20
157
387260
2000
Zjistíte, že něco mezi pěti a dvaceti je
06:29
is about the right number for keeping people going.
158
389260
2000
to správné číslo, aby udrželo lidi při hře.
06:31
But we don't just have pies in the boxes.
159
391260
2000
Ale v krabicích nemáme pouze koláče.
06:33
There's 100 percent up here.
160
393260
2000
Je tady sto procent krabic.
06:35
And what we do is make sure that every time a box is opened,
161
395260
3000
A my zajistíme, aby při každém otevření krabice
06:38
there's something in it, some little reward
162
398260
2000
v ní něco bylo. Nějaká malá odměna,
06:40
that keeps people progressing and engaged.
163
400260
2000
která udrží lidi motivované a zapálené.
06:42
In most adventure games,
164
402260
2000
Ve většině dobrodružných her
06:44
it's a little bit in-game currency, a little bit experience.
165
404260
3000
je to trochu herní měny, trochu zkušeností,
06:47
But we don't just do that either.
166
407260
2000
ale nespokojíme se pouze s tím.
06:49
We also say there's going to be loads of other items
167
409260
2000
Zajistíme, aby našli spoustu dalších předmětů
06:51
of varying qualities and levels of excitement.
168
411260
2000
různých kvalit a stupně zajímavosti.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
413260
3000
Je desetiprocentní šance, že získáte opravdu dobrý předmět.
06:56
There's going to be a 0.1 percent chance
170
416260
2000
Budete mít jednu desetinu procenta šance,
06:58
you get an absolutely awesome item.
171
418260
3000
získat absolutně úžasný předmět.
07:01
And each of these rewards is carefully calibrated to the item.
172
421260
3000
A každá z těchto odměn je přesně nakalibrována k předmětu.
07:04
And also, we say,
173
424260
2000
A také řekneme:
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
426260
3000
"Kolik příšer? Měl by být celý svět kompletně naplněný miliardou příšer?
07:09
No, we want one or two monsters on the screen at any one time.
175
429260
3000
Ne, chceme, aby na obrazovce byla současně jedna, dvě příšery."
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
432260
3000
A mají mě. Není to ani příliš snadné, ani obtížné.
07:15
So all this is very powerful.
177
435260
2000
A to je velmi mocné.
07:17
But we're in virtuality. These aren't real boxes.
178
437260
3000
Ale jsme ve virtualitě, tohle nejsou skutečné krabice.
07:20
So we can do
179
440260
2000
Takže můžeme udělat
07:22
some rather amazing things.
180
442260
2000
pár zajímavých věci.
07:24
We notice, looking at all these people opening boxes,
181
444260
4000
Všimneme si při pozorování lidí, otevírajících krabice.
07:28
that when people get to about 13 out of 15 pies,
182
448260
3000
Když najdou třináct z patnácti koláčů,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
451260
3000
jejich vnímání se změní. Začnou být trochu znuděni, podrážděni.
07:34
They're not rational about probability.
184
454260
2000
Neuvažují racionálně o pravděpodobnosti.
07:36
They think this game is unfair.
185
456260
2000
Myslí si, že hra je nespravedlivá.
07:38
It's not giving me my last two pies. I'm going to give up.
186
458260
2000
Nechce mi dát poslední dva koláče. Vzdám to.
07:40
If they're real boxes, there's not much we can do,
187
460260
2000
Pokud by to byly skutečné krabice, nic moc nenaděláme.
07:42
but in a game we can just say, "Right, well.
188
462260
2000
Ale ve hře můžeme říct: "No dobrá.
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
464260
4000
Když se dostanete třináct koláčů, máte 75% šanci najít další.
07:48
Keep you engaged. Look at what people do --
190
468260
2000
Drží vás napnuté. Sledují, co děláte
07:50
adjust the world to match their expectation.
191
470260
2000
a upravují svět podle vašich očekávání.
07:52
Our games don't always do this.
192
472260
2000
Naše hry to moc nedělají.
07:54
And one thing they certainly do at the moment
193
474260
2000
Jednu věc oni dělají stoprocentně:
07:56
is if you got a 0.1 percent awesome item,
194
476260
3000
pokud máte 0.1 procentní, úžasný předmět,
07:59
they make very sure another one doesn't appear for a certain length of time
195
479260
3000
ujistí se, že se nějakou chvíli zase neobjeví,
08:02
to keep the value, to keep it special.
196
482260
2000
aby se zachovala jeho hodnota.
08:04
And the point is really
197
484260
2000
Vtip je v tom,
08:06
that we evolved to be satisfied by the world
198
486260
2000
že jsme si zvykli být uspokojeni
08:08
in particular ways.
199
488260
2000
určitým způsobem.
08:10
Over tens and hundreds of thousands of years,
200
490260
3000
Během desítek a stovek tisíc let
08:13
we evolved to find certain things stimulating,
201
493260
2000
jsme si zvykli brát určité věci jako stimulanty
08:15
and as very intelligent, civilized beings,
202
495260
2000
a jako velmi inteligentní a civilizované bytosti
08:17
we're enormously stimulated by problem solving and learning.
203
497260
3000
jsme nesmírně motivováni řešením problémů a učením.
08:20
But now, we can reverse engineer that
204
500260
2000
Tohle můžeme nyní promyslet znovu
08:22
and build worlds
205
502260
2000
a vytvořit světy,
08:24
that expressly tick our evolutionary boxes.
206
504260
3000
které přesně zasahují naše evoluční krabice.
08:27
So what does all this mean in practice?
207
507260
2000
Takže, co to všechno znamená v praxi?
08:29
Well, I've come up
208
509260
2000
Přišel jsem na
08:31
with seven things
209
511260
2000
sedm věcí,
08:33
that, I think, show
210
513260
2000
které podle mě ukazují,
08:35
how you can take these lessons from games
211
515260
2000
jaké si z her můžete vzít ponaučení
08:37
and use them outside of games.
212
517260
3000
a použít je mimo ně.
08:40
The first one is very simple:
213
520260
2000
První je velmi jednoduché:
08:42
experience bars measuring progress --
214
522260
2000
Zkuste indikátory měřící postup.
08:44
something that's been talked about brilliantly
215
524260
2000
Něco, o čemž letos skvěle mluvil
08:46
by people like Jesse Schell earlier this year.
216
526260
3000
například Jesse Schell.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
529260
3000
Už se na tom pracuje mimo jiné na University of Indiana ve Státech.
08:52
It's the simple idea that instead of grading people incrementally
218
532260
3000
Je to jednoduchý nápad, že místo třídění lidí
08:55
in little bits and pieces,
219
535260
2000
po minikouscích
08:57
you give them one profile character avatar
220
537260
2000
jim dáte rovnou celý profil,
08:59
which is constantly progressing
221
539260
2000
který se neustále zlepšuje
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
541260
3000
po velmi, velmi malých kouscích a se kterým se ztotožní.
09:04
And everything comes towards that,
223
544260
2000
A všechno k němu směřuje
09:06
and they watch it creeping up, and they own that as it goes along.
224
546260
3000
a oni sledují, jak se šplhá nahoru, a postupně se s ním ztotožní.
09:09
Second, multiple long and short-term aims --
225
549260
2000
Za druhé: vícero dlouhodobých i krátkodobých cílů -
09:11
5,000 pies, boring,
226
551260
2000
pět tisíc koláčů je nuda,
09:13
15 pies, interesting.
227
553260
2000
patnáct koláčů je zajímavé.
09:15
So, you give people
228
555260
2000
Takže dáte lidem
09:17
lots and lots of different tasks.
229
557260
2000
spoustu rozdílných úkolů.
09:19
You say, it's about
230
559260
2000
Řeknete, že je to
09:21
doing 10 of these questions,
231
561260
2000
o zodpovězení těchto deseti otázek,
09:23
but another task
232
563260
2000
ale jiný úkol je
09:25
is turning up to 20 classes on time,
233
565260
2000
přijít na dvacet přednášek včas,
09:27
but another task is collaborating with other people,
234
567260
3000
a jiný úkol je spolupráce s dalšími lidmi.
09:30
another task is showing you're working five times,
235
570260
3000
Další úkol je pětkrát předvést vaši práci,
09:33
another task is hitting this particular target.
236
573260
2000
další úkol je dosažení konkrétního cíle.
09:35
You break things down into these calibrated slices
237
575260
3000
Rozdělíte věci do těchto kalibrovaných dílků,
09:38
that people can choose and do in parallel
238
578260
2000
které mohou hráči dělat zároveň,
09:40
to keep them engaged
239
580260
2000
čímž je udržíte zapálené,
09:42
and that you can use to point them
240
582260
2000
a které můžete použít, abyste je
09:44
towards individually beneficial activities.
241
584260
3000
nasměrovali na pro ně prospěšné aktivity.
09:48
Third, you reward effort.
242
588260
2000
Za třetí, odměňujete úsilí.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
590260
3000
To je váš faktor "sta procent". Hry jsou v tomhle perfektní.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
593260
3000
Pokaždé, když něco uděláte, získáte body. I za samotný pokus.
09:56
You don't punish failure. You reward every little bit of effort --
245
596260
3000
Netrestáte chyby, odměňujete každý kousek úsilí,
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
599260
3000
trochou zlata, trochou bodů, odpovíte 20 otázek - a hotovo.
10:02
It all feeds in as minute reinforcement.
247
602260
3000
To vše působí jako injekce motivace.
10:05
Fourth, feedback.
248
605260
2000
Za čtvrté, zpětná vazba.
10:07
This is absolutely crucial,
249
607260
2000
Ta je absolutně zásadní
10:09
and virtuality is dazzling at delivering this.
250
609260
2000
a v podstatě klíčová v celém aranžmá.
10:11
If you look at some of the most intractable problems in the world today
251
611260
3000
Podíváte-li se na některé z největších problémů dnešního světa,
10:14
that we've been hearing amazing things about,
252
614260
2000
o kterých slýcháme neuvěřitelné věci,
10:16
it's very, very hard for people to learn
253
616260
3000
je velmi těžké se z nich poučit,
10:19
if they cannot link consequences to actions.
254
619260
3000
pokud nemůžete spojit akce s důsledky.
10:22
Pollution, global warming, these things --
255
622260
2000
Znečištění, globální oteplování atd.,
10:24
the consequences are distant in time and space.
256
624260
2000
důsledky jsou vzdálené v čase i prostoru.
10:26
It's very hard to learn, to feel a lesson.
257
626260
2000
Je velmi těžké naučit se kde najít ponaučení,
10:28
But if you can model things for people,
258
628260
2000
ale pokud dokážete tyhle věci lidem namodelovat,
10:30
if you can give things to people that they can manipulate
259
630260
2000
pokud jim můžete poskytnout věci, se kterými mohou manipulovat
10:32
and play with and where the feedback comes,
260
632260
2000
a hrát si, a ze kterých dostanou zpětnou vazbu,
10:34
then they can learn a lesson, they can see,
261
634260
2000
pak mohou najít ponaučení. Uvidí jej,
10:36
they can move on, they can understand.
262
636260
3000
budou moct navázat, porozumět.
10:39
And fifth,
263
639260
2000
A za páté,
10:41
the element of uncertainty.
264
641260
2000
element nejistoty.
10:43
Now this is the neurological goldmine,
265
643260
3000
Tohle je neurologický zlatý důl,
10:46
if you like,
266
646260
2000
chcete-li,
10:48
because a known reward
267
648260
2000
protože známá odměna
10:50
excites people,
268
650260
2000
podněcuje lidi,
10:52
but what really gets them going
269
652260
2000
ale co je opravdu bude nutit pokračovat,
10:54
is the uncertain reward,
270
654260
2000
je nejistá odměna.
10:56
the reward pitched at the right level of uncertainty,
271
656260
2000
Odměna postavená na správné úrovni nejistoty,
10:58
that they didn't quite know whether they were going to get it or not.
272
658260
3000
o které si nejsou jisti, zda ji získají nebo ne.
11:01
The 25 percent. This lights the brain up.
273
661260
3000
Dvacet pět procent. To povzbuzuje mozek.
11:04
And if you think about
274
664260
2000
A pokud byste to
11:06
using this in testing,
275
666260
2000
chtěli využít pro testování
11:08
in just introducing control elements of randomness
276
668260
2000
při zavedení kontrolních prvků náhody
11:10
in all forms of testing and training,
277
670260
2000
ve všech formách testování a tréninku,
11:12
you can transform the levels of people's engagement
278
672260
2000
můžete měnit úrovně lidského zanícení
11:14
by tapping into this very powerful
279
674260
2000
pomocí tohoto velmi silného
11:16
evolutionary mechanism.
280
676260
2000
evolučního mechanismu.
11:18
When we don't quite predict something perfectly,
281
678260
2000
Pokud něco neočekáváme úplně jasně,
11:20
we get really excited about it.
282
680260
2000
jsme z toho nadšeni.
11:22
We just want to go back and find out more.
283
682260
2000
Chceme se pak vrátit a najít další.
11:24
As you probably know, the neurotransmitter
284
684260
2000
Jak asi víte, nervový přenašeč,
11:26
associated with learning is called dopamine.
285
686260
2000
který je spojen s učením, se nazývá dopamin.
11:28
It's associated with reward-seeking behavior.
286
688260
3000
Je spojen s chováním při hledání odměny.
11:31
And something very exciting is just beginning to happen
287
691260
3000
Velmi úžasné věci se právě provádí na místech jako
11:34
in places like the University of Bristol in the U.K.,
288
694260
3000
je Univerzita v Bristolu v UK,
11:37
where we are beginning to be able to model mathematically
289
697260
3000
kde začínáme být schopni matematicky modelovat
11:40
dopamine levels in the brain.
290
700260
2000
dopaminové úrovně v mozku.
11:42
And what this means is we can predict learning,
291
702260
2000
To znamená, že můžeme předpovídat učení,
11:44
we can predict enhanced engagement,
292
704260
3000
můžeme předpovídat zvýšení zájmu.
11:47
these windows, these windows of time,
293
707260
2000
Modelovat tato časová okna,
11:49
in which the learning is taking place at an enhanced level.
294
709260
3000
ve kterých učení probíhá na vyšší úrovni.
11:52
And two things really flow from this.
295
712260
2000
A z toho skutečně vyplývají dvě věci.
11:54
The first has to do with memory,
296
714260
2000
První souvisí s pamětí -
11:56
that we can find these moments.
297
716260
2000
že můžeme najít tyto momenty.
11:58
When someone is more likely to remember,
298
718260
2000
Pokud si někdo může něco zapamatovat,
12:00
we can give them a nugget in a window.
299
720260
2000
můžeme jim dát do toho okna odměnu.
12:02
And the second thing is confidence,
300
722260
2000
Druhou věcí je důvěra,
12:04
that we can see how game-playing and reward structures
301
724260
2000
že můžeme uvidět, jak hraní her a struktura odměn
12:06
make people braver, make them more willing to take risks,
302
726260
3000
dělají lidi statečnějšími a více odhodlanými riskovat,
12:09
more willing to take on difficulty,
303
729260
2000
či zvládat obtíže,
12:11
harder to discourage.
304
731260
2000
je těžší je zastrašit.
12:13
This can all seem very sinister.
305
733260
2000
To vše se může působit velmi zlověstně.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
735260
2000
Ale znáte to, něco jako "Naše mozky byly upraveny, jsme všichni závislí."
12:17
The word "addiction" is thrown around.
307
737260
2000
Mluvíme o závislosti.
12:19
There are real concerns there.
308
739260
2000
S opravdovými obavami.
12:21
But the biggest neurological turn-on for people
309
741260
2000
Ale největší neurologickou spouští pro lidi
12:23
is other people.
310
743260
2000
jsou další lidi.
12:25
This is what really excites us.
311
745260
3000
To je to, co nás opravdu strhuje.
12:28
In reward terms, it's not money;
312
748260
2000
V otázce odměn, nikoli peněz,
12:30
it's not being given cash -- that's nice --
313
750260
3000
nejde o dostávání peněz. To je sice pěkné,
12:33
it's doing stuff with our peers,
314
753260
2000
je to o práci s ostatními,
12:35
watching us, collaborating with us.
315
755260
2000
sledování nás, spolupráci s námi.
12:37
And I want to tell you a quick story about 1999 --
316
757260
2000
A rád bych vám řekl krátký příběh z roku 1999
12:39
a video game called EverQuest.
317
759260
2000
o videohře zvané Everquest.
12:41
And in this video game,
318
761260
2000
V této videohře
12:43
there were two really big dragons, and you had to team up to kill them --
319
763260
3000
byli dva opravdu velcí draci a museli jste se spojit, abyste je zabili --
12:46
42 people, up to 42 to kill these big dragons.
320
766260
3000
Čtyřicet dva lidí - až čtyřicet dva lidí, abyste zabili ty draky.
12:49
That's a problem
321
769260
2000
To je trochu problém,
12:51
because they dropped two or three decent items.
322
771260
3000
protože po nich zůstaly dva, tři slušné předměty.
12:54
So players addressed this problem
323
774260
3000
Tak hráči vyřešili tento problém tím,
12:57
by spontaneously coming up with a system
324
777260
2000
že sami spontánně přišli se systémem,
12:59
to motivate each other,
325
779260
2000
jak se vzájemně motivovat,
13:01
fairly and transparently.
326
781260
2000
spravedlivě a transparentně.
13:03
What happened was, they paid each other a virtual currency
327
783260
3000
Platili každému virtuální měnou,
13:06
they called "dragon kill points."
328
786260
3000
kterou nazvali "body za zabití draka".
13:09
And every time you turned up to go on a mission,
329
789260
2000
A pokaždé, když jste se vydali na misi,
13:11
you got paid in dragon kill points.
330
791260
2000
dostali jste zaplaceno v bodech za zabití draka.
13:13
They tracked these on a separate website.
331
793260
2000
Ty byly zaznamenány na zvláštní stránce.
13:15
So they tracked their own private currency,
332
795260
2000
Takže vedli záznamy o své soukromé měně
13:17
and then players could bid afterwards
333
797260
2000
a hráči pak mohli smlouvat
13:19
for cool items they wanted --
334
799260
2000
o úžasných předmětech, které chtěli -
13:21
all organized by the players themselves.
335
801260
2000
a vše organizovali sami hráči.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
803260
3000
To úžasné na celém systému je nejen to, že fungoval v Everquestu,
13:26
but that today, a decade on,
337
806260
2000
ale to, že dnes, o 10 let později,
13:28
every single video game in the world with this kind of task
338
808260
3000
každá videohra na světě s podobnými úkoly
13:31
uses a version of this system --
339
811260
2000
používá určitou verzi tohoto systému -
13:33
tens of millions of people.
340
813260
2000
desítky milionů lidí.
13:35
And the success rate
341
815260
2000
A jeho úspěšnost
13:37
is at close to 100 percent.
342
817260
2000
je téměř stoprocentní.
13:39
This is a player-developed,
343
819260
2000
Je to hráči vytvořená,
13:41
self-enforcing, voluntary currency,
344
821260
3000
samostatně fungující dobrovolná měna
13:44
and it's incredibly sophisticated
345
824260
2000
a podněcuje neuvěřitelně sofistikované
13:46
player behavior.
346
826260
2000
chování hráčů.
13:50
And I just want to end by suggesting
347
830260
2000
Na závěr bych chtěl doporučit
13:52
a few ways in which these principles
348
832260
2000
několik způsobů, jakými se tento princip
13:54
could fan out into the world.
349
834260
2000
může uplatnit ve světě kolem.
13:56
Let's start with business.
350
836260
2000
Začnu obchodní politikou.
13:58
I mean, we're beginning to see some of the big problems
351
838260
2000
Začínáme si všímat některých významných problémů
14:00
around something like business are
352
840260
2000
okolo věcí jako je obchod,
14:02
recycling and energy conservation.
353
842260
2000
recyklace a úspora energie.
14:04
We're beginning to see the emergence of wonderful technologies
354
844260
2000
Začínáme být svědky vzniku úžasných technologií
14:06
like real-time energy meters.
355
846260
2000
jako například měřiče energie v reálném čase.
14:08
And I just look at this, and I think, yes,
356
848260
2000
A jak to sleduji, říkám si: "Ano,
14:10
we could take that so much further
357
850260
3000
mohli bychom to dotáhnout mnohem dál."
14:13
by allowing people to set targets
358
853260
2000
Pokud dovolíme lidem nastavit cíle,
14:15
by setting calibrated targets,
359
855260
2000
nastavit kalibrované cíle,
14:17
by using elements of uncertainty,
360
857260
3000
použitím prvků nejistoty,
14:20
by using these multiple targets,
361
860260
2000
použitím těchto mnoha cílů,
14:22
by using a grand, underlying reward and incentive system,
362
862260
3000
pomocí velkého podpůrného systému odměn a pobídek,
14:25
by setting people up
363
865260
2000
přes které budou lidé
14:27
to collaborate in terms of groups, in terms of streets
364
867260
2000
spolupracovat v rámci skupin, v rámci ulic,
14:29
to collaborate and compete,
365
869260
2000
spolupracovat a soutěžit,
14:31
to use these very sophisticated
366
871260
2000
přičemž použijeme tyto velmi sofistikované
14:33
group and motivational mechanics we see.
367
873260
2000
skupinové a motivační nástroje.
14:35
In terms of education,
368
875260
2000
V rámci vzdělávání,
14:37
perhaps most obviously of all,
369
877260
2000
kde je to patrně nejzřetelnější,
14:39
we can transform how we engage people.
370
879260
3000
můžeme změnit způsob zapojování lidi.
14:42
We can offer people the grand continuity
371
882260
2000
Můžeme jim nabídnout velké provázání
14:44
of experience and personal investment.
372
884260
3000
zkušeností a osobních investic.
14:47
We can break things down
373
887260
2000
Můžeme problémy rozdělit
14:49
into highly calibrated small tasks.
374
889260
2000
do vysoce kalibrovaných malých úkolů.
14:51
We can use calculated randomness.
375
891260
2000
Můžeme užít vypočítanou náhodu.
14:53
We can reward effort consistently
376
893260
2000
Můžeme konzistentně odměňovat úsilí tak,
14:55
as everything fields together.
377
895260
3000
jak na sobě úkoly závisí.
14:58
And we can use the kind of group behaviors
378
898260
2000
A můžeme použít druh skupinového chování,
15:00
that we see evolving when people are at play together,
379
900260
3000
který vídáme, když lidé spolu hrají.
15:03
these really quite unprecedentedly complex
380
903260
3000
Tento opravdu nebývale komplexní
15:06
cooperative mechanisms.
381
906260
2000
mechanismus spolupráce.
15:08
Government, well, one thing that comes to mind
382
908260
2000
Vláda. Jedna z věcí, které člověka napadnou,
15:10
is the U.S. government, among others,
383
910260
3000
je vláda Spojených států. Mimo jiné
15:13
is literally starting to pay people
384
913260
2000
začíná platit lidem za to,
15:15
to lose weight.
385
915260
2000
že zhubnou.
15:17
So we're seeing financial reward being used
386
917260
2000
Takže můžeme říct, že je finanční odměna použita
15:19
to tackle the great issue of obesity.
387
919260
2000
v boji s velkým problémem obezity.
15:21
But again, those rewards
388
921260
2000
Ale i tyto odměny by
15:23
could be calibrated so precisely
389
923260
3000
mohly být přesně kalibrovány,
15:26
if we were able to use the vast expertise
390
926260
3000
pokud bychom byli schopni užít té obrovské zkušenosti
15:29
of gaming systems to just jack up that appeal,
391
929260
3000
z herních systémů k zvládnutí této výzvy.
15:32
to take the data, to take the observations,
392
932260
2000
Ke sběru dat, k pozorování
15:34
of millions of human hours
393
934260
2000
milionů člověko-hodin
15:36
and plow that feedback
394
936260
2000
a přeměnit tyto výstupy
15:38
into increasing engagement.
395
938260
2000
ve zvyšující se zapojení lidí.
15:40
And in the end, it's this word, "engagement,"
396
940260
3000
A na závěr je to právě to slovo "zapojení",
15:43
that I want to leave you with.
397
943260
2000
které bych chtěl, aby ve vás zůstalo.
15:45
It's about how individual engagement
398
945260
2000
Je to o tom, jak může být zapojení
15:47
can be transformed
399
947260
2000
jedince přeměněno
15:49
by the psychological and the neurological lessons
400
949260
3000
pomocí psychologických a neurologických lekcí,
15:52
we can learn from watching people that are playing games.
401
952260
3000
které známe z pozorování lidí, hrajících PC hry.
15:55
But it's also about collective engagement
402
955260
3000
Ale je to i o zapojení kolektivu
15:58
and about the unprecedented laboratory
403
958260
3000
a o té nebývalé laboratoři
16:01
for observing what makes people tick
404
961260
2000
sledující, proč jsou lidi motivování,
16:03
and work and play and engage
405
963260
2000
proč pracují, hrají a zapojují se
16:05
on a grand scale in games.
406
965260
3000
v tak obrovské míře do her.
16:08
And if we can look at these things and learn from them
407
968260
3000
A pokud dokážeme pozorovat tyto principy, poučit se z nich
16:11
and see how to turn them outwards,
408
971260
2000
a zjistit, jak je navenek použít,
16:13
then I really think we have something quite revolutionary on our hands.
409
973260
3000
pak si myslím, že budeme mít ve svých rukou něco revolučního.
16:16
Thank you very much.
410
976260
2000
Děkuji vám.
16:18
(Applause)
411
978260
4000
(Potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7