Tom Chatfield: 7 ways video games engage the brain

203,337 views ・ 2010-11-01

TED


Dobbeltklik venligst på de engelske undertekster nedenfor for at afspille videoen.

Translator: David J. Kreps Finnemann Reviewer: Anders Finn Jørgensen
00:15
I love video games.
0
15260
3000
Jeg elsker computerspil.
00:18
I'm also slightly in awe of them.
1
18260
3000
Jeg har også en smule ærefrygtig for dem.
00:21
I'm in awe of their power
2
21260
2000
Jeg er ærefrygtig over deres magt
00:23
in terms of imagination, in terms of technology,
3
23260
2000
med hensyn til fantasi, med hensyn til teknologi,
00:25
in terms of concept.
4
25260
2000
med hensyn til koncept.
00:27
But I think, above all,
5
27260
2000
Men jeg tror, frem for alt,
00:29
I'm in awe at their power
6
29260
2000
at jeg er ærefrygtig for deres evne
00:31
to motivate, to compel us,
7
31260
3000
til at motivere, til at tvinge os,
00:34
to transfix us,
8
34260
2000
til at tryllebinde os,
00:36
like really nothing else we've ever invented
9
36260
3000
ulig noget andet vi nogen sinde har opfundet
00:39
has quite done before.
10
39260
2000
har gjort før.
00:41
And I think that we can learn some pretty amazing things
11
41260
3000
Og jeg mener vi kan lære nogle ret utrolige ting
00:44
by looking at how we do this.
12
44260
2000
ved at kigge på hvordan vi gør dette.
00:46
And in particular, I think we can learn things
13
46260
2000
Og specielt, mener jeg vi kan lære ting
00:48
about learning.
14
48260
3000
om at lære.
00:51
Now the video games industry
15
51260
2000
Nu er computerspilsindustrien
00:53
is far and away the fastest growing
16
53260
2000
langt fra den hurtigst voksende
00:55
of all modern media.
17
55260
2000
af alle moderne medier.
00:57
From about 10 billion in 1990,
18
57260
2000
Fra cirka 10 milliarder i 1990,
00:59
it's worth 50 billion dollars globally today,
19
59260
3000
er den 50 milliarder dollars værd i dag på verdensplan,
01:02
and it shows no sign of slowing down.
20
62260
3000
og der er ikke nogen tegn på at den sætter farten ned.
01:05
In four years' time,
21
65260
2000
Om fire års tid,
01:07
it's estimated it'll be worth over 80 billion dollars.
22
67260
3000
er den vurderet til at være over 80 milliarder dollars værd.
01:10
That's about three times the recorded music industry.
23
70260
3000
Det er cirka tre gange mere end musikindustrien.
01:13
This is pretty stunning,
24
73260
2000
Det er ret lamslående,
01:15
but I don't think it's the most telling statistic of all.
25
75260
3000
men jeg mener ikke dette er den mest sigende statistik.
01:18
The thing that really amazes me
26
78260
2000
Den ting der virkelig forbløffer mig
01:20
is that, today,
27
80260
2000
er at, i dag,
01:22
people spend about
28
82260
2000
bruger mennesker cirka
01:24
eight billion real dollars a year
29
84260
3000
otte milliarder dollars om året,
01:27
buying virtual items
30
87260
2000
på at købe virtuelle genstande
01:29
that only exist
31
89260
2000
der kun eksisterer
01:31
inside video games.
32
91260
3000
i computerspil.
01:34
This is a screenshot from the virtual game world, Entropia Universe.
33
94260
3000
Dette er et screenshot fra den virtuelle spil verden, Entropia Universe.
01:37
Earlier this year,
34
97260
2000
Tidligere dette år,
01:39
a virtual asteroid in it
35
99260
2000
blev en virtuel asteroide deri
01:41
sold for 330,000 real dollars.
36
101260
4000
solgt for 330.000 rigtige dollars.
01:45
And this
37
105260
2000
Og dette
01:47
is a Titan class ship
38
107260
3000
Skib i Titan klassen
01:50
in the space game, EVE Online.
39
110260
2000
i det ydre rum spil, EVE Online.
01:52
And this virtual object
40
112260
2000
Og denne virtuelle genstand
01:54
takes 200 real people
41
114260
2000
tager 200 virkelige mennesker
01:56
about 56 days of real time to build,
42
116260
3000
cirka 56 dage i virkelig tid at bygge,
01:59
plus countless thousands of hours
43
119260
3000
plus utallige tusinder af timer
02:02
of effort before that.
44
122260
2000
af indsats før det.
02:04
And yet, many of these get built.
45
124260
3000
Og alligevel, bliver mange af disse bygget.
02:07
At the other end of the scale,
46
127260
2000
I den anden ende af skalaen,
02:09
the game Farmville that you may well have heard of,
47
129260
3000
er spillet Farmville som i sandsynligvis har hørt om,
02:12
has 70 million players
48
132260
2000
har 70 millioner spillere
02:14
around the world
49
134260
2000
over hele verden
02:16
and most of these players
50
136260
2000
og de fleste af disse spillere
02:18
are playing it almost every day.
51
138260
2000
spiller det næsten hver dag.
02:20
This may all sound
52
140260
2000
Dette lyder måske også
02:22
really quite alarming to some people,
53
142260
2000
virkelig ret alarmerende for nogle mennesker,
02:24
an index of something worrying
54
144260
2000
et indeks for noget bekymrende
02:26
or wrong in society.
55
146260
2000
eller forkert i samfundet.
02:28
But we're here for the good news,
56
148260
2000
Men vi er her på grund af de gode nyheder,
02:30
and the good news is
57
150260
2000
og de gode nyheder er,
02:32
that I think we can explore
58
152260
2000
at jeg mener vi kan udforske
02:34
why this very real human effort,
59
154260
3000
hvorfor denne meget menneskelige
02:37
this very intense generation of value, is occurring.
60
157260
4000
denne meget intense generering af værdi, sker.
02:41
And by answering that question,
61
161260
2000
Og ved at svare på det spørgsmål,
02:43
I think we can take something
62
163260
2000
tror jeg vi kan lære noget
02:45
extremely powerful away.
63
165260
2000
ekstremt kraftfuldt af det.
02:47
And I think the most interesting way
64
167260
2000
Og jeg mener den mest interessante måde
02:49
to think about how all this is going on
65
169260
2000
at tænke på hvordan alt dette sker,
02:51
is in terms of rewards.
66
171260
2000
er med hensyn til belønninger.
02:53
And specifically, it's in terms
67
173260
3000
Og specifikt, med hensyn til
02:56
of the very intense emotional rewards
68
176260
2000
de meget intense følelsesmæssige belønninger
02:58
that playing games offers to people
69
178260
2000
som det at spille computer tilbyder mennesker
03:00
both individually
70
180260
2000
både individuelt
03:02
and collectively.
71
182260
2000
og kollektivt.
03:04
Now if we look at what's going on in someone's head
72
184260
2000
Hvis vi nu kigger på hvad der sker i ens hoved
03:06
when they are being engaged,
73
186260
2000
når de bliver engageret,
03:08
two quite different processes are occurring.
74
188260
3000
sker der to ret forskellige processer.
03:11
On the one hand, there's the wanting processes.
75
191260
3000
På den ene side, er der en proces om at ønske noget.
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
Det er lidt ligesom ambition og drive -- jeg gør det der. Jeg vil arbejde hårdt.
03:17
On the other hand, there's the liking processes,
77
197260
2000
På den anden side, er der proces om at kunne lide noget,
03:19
fun and affection
78
199260
2000
sjov og affektion
03:21
and delight
79
201260
2000
og fornøjelse
03:23
and an enormous flying beast with an orc on the back.
80
203260
2000
og et enormt flyvende dyr med en ork på ryggen.
03:25
It's a really great image. It's pretty cool.
81
205260
2000
Det er et virkelig fantastisk billede. Det er ret fedt.
03:27
It's from the game World of Warcraft with more than 10 million players globally,
82
207260
3000
Det er fra spillet World of Warcraft med mere end 10 millioner spillere globalt,
03:30
one of whom is me, another of whom is my wife.
83
210260
3000
en af dem er mig, en anden er min kone.
03:33
And this kind of a world,
84
213260
2000
Og denne slags verden,
03:35
this vast flying beast you can ride around,
85
215260
2000
dette store flyvende dyr man kan ride rundt på,
03:37
shows why games are so very good
86
217260
2000
viser hvorfor spil er så utrolig gode
03:39
at doing both the wanting and the liking.
87
219260
3000
til at forårsage både processen med at ønske noget og at lide noget.
03:42
Because it's very powerful. It's pretty awesome.
88
222260
2000
Fordi det er meget magtfuldt. Det er temmelig overvældende.
03:44
It gives you great powers.
89
224260
2000
Det giver en store evner.
03:46
Your ambition is satisfied, but it's very beautiful.
90
226260
3000
Ens ambition er tilfredsstillet, men det er meget smukt.
03:49
It's a very great pleasure to fly around.
91
229260
3000
Det er en stor glæde at flyve rundt.
03:52
And so these combine to form
92
232260
2000
Så disse kombineres til en form for
03:54
a very intense emotional engagement.
93
234260
2000
meget intenst, følelsesmæssigt engagement.
03:56
But this isn't the really interesting stuff.
94
236260
3000
Men det her er ikke de virkelig interessante ting.
03:59
The really interesting stuff about virtuality
95
239260
2000
De virkelig interessante ting om det virtuelle
04:01
is what you can measure with it.
96
241260
2000
er at man kan måle med det.
04:03
Because what you can measure in virtuality
97
243260
3000
Fordi det man kan måle i virtualitet
04:06
is everything.
98
246260
2000
er alt.
04:08
Every single thing that every single person
99
248260
2000
Hver eneste ting som hver eneste person
04:10
who's ever played in a game has ever done can be measured.
100
250260
3000
der nogensinde har spillet i et spil har gjort kan måles.
04:13
The biggest games in the world today
101
253260
2000
De største spil i verden i dag
04:15
are measuring more than one billion points of data
102
255260
4000
måler mere end en milliard punkter med data
04:19
about their players, about what everybody does --
103
259260
2000
om deres spillere, om hvad alle gør --
04:21
far more detail than you'd ever get from any website.
104
261260
3000
meget mere detaljeret end man man vil få fra nogen hjemmeside.
04:24
And this allows something very special
105
264260
3000
Og det gør at der sker noget virkelig
04:27
to happen in games.
106
267260
2000
specielt i spil.
04:29
It's something called the reward schedule.
107
269260
3000
Det er noget der hedder gevinst skemaet.
04:32
And by this, I mean looking
108
272260
2000
Og med det, mener jeg at kigge
04:34
at what millions upon millions of people have done
109
274260
2000
på hvad millioner af millioner af mennesker har gjort
04:36
and carefully calibrating the rate,
110
276260
2000
og forsigtigt kalibrere hyppigheden,
04:38
the nature, the type, the intensity of rewards in games
111
278260
3000
naturen, typen, intensiteten af gevinster i spil
04:41
to keep them engaged
112
281260
2000
for at holde dem engageret
04:43
over staggering amounts of time and effort.
113
283260
3000
over en kolossal mængde tid og anstrengelse.
04:46
Now, to try and explain this
114
286260
2000
Prøv nu at forklare dette
04:48
in sort of real terms,
115
288260
3000
i en slags virkelige termer,
04:51
I want to talk about a kind of task
116
291260
2000
jeg vil tale om en slags opgave
04:53
that might fall to you in so many games.
117
293260
2000
der tilfalder en i så mange spil.
04:55
Go and get a certain amount of a certain little game-y item.
118
295260
3000
Gå ud og find et bestemt antal af en bestemt spil tingest.
04:58
Let's say, for the sake of argument,
119
298260
2000
Lad os sige, for argumentets skyld,
05:00
my mission is to get 15 pies
120
300260
3000
at min mission er at få 15 kager
05:03
and I can get 15 pies
121
303260
3000
og jeg kan få 15 kager
05:06
by killing these cute, little monsters.
122
306260
2000
ved at dræbe disse søde, små monstre.
05:08
Simple game quest.
123
308260
2000
Simpel spil udfordring.
05:10
Now you can think about this, if you like,
124
310260
2000
Nu kan man tænke over dette, hvis man vil,
05:12
as a problem about boxes.
125
312260
2000
som et problem om kasser.
05:14
I've got to keep opening boxes.
126
314260
2000
Jeg skal blive ved med at åbne kasser.
05:16
I don't know what's inside them until I open them.
127
316260
3000
Jeg ved ikke hvad der er i dem, før jeg åbner dem.
05:19
And I go around opening box after box until I've got 15 pies.
128
319260
3000
Og jeg går rundt og åbner kasse efter kasse, indtil jeg har 15 kager.
05:22
Now, if you take a game like Warcraft,
129
322260
2000
Hvis man nu tager et spil som Warcraft,
05:24
you can think about it, if you like,
130
324260
2000
kan man tænke over det, hvis man vil,
05:26
as a great box-opening effort.
131
326260
3000
som en god kasseåbnings stræben,
05:29
The game's just trying to get people to open about a million boxes,
132
329260
3000
Spillet prøver bare at få folk til at åbne cirka en million kasser,
05:32
getting better and better stuff in them.
133
332260
2000
og finde bedre og bedre ting i dem.
05:34
This sounds immensely boring
134
334260
3000
Det lyder umådelig kedeligt,
05:37
but games are able
135
337260
2000
men spil er i stand til
05:39
to make this process
136
339260
2000
at lave processen
05:41
incredibly compelling.
137
341260
2000
utrolig fængslende.
05:43
And the way they do this
138
343260
2000
Og måden hvorpå de gør dette
05:45
is through a combination of probability and data.
139
345260
3000
er gennem en kombination af sandsynlighed og data.
05:48
Let's think about probability.
140
348260
2000
Lad os tænke over sandsynlighed.
05:50
If we want to engage someone
141
350260
2000
Hvis vi vil engagere nogen
05:52
in the process of opening boxes to try and find pies,
142
352260
3000
i processen med at åbne kasser for at prøve at finde kager,
05:55
we want to make sure it's neither too easy,
143
355260
2000
vil vi være sikre på at det hverken er for nemt,
05:57
nor too difficult, to find a pie.
144
357260
2000
eller for svært, at finde en kage.
05:59
So what do you do? Well, you look at a million people --
145
359260
2000
Så hvad gør man? Jamen, man kigger på cirka en million mennesker --
06:01
no, 100 million people, 100 million box openers --
146
361260
3000
nej, 100 millioner mennesker, 100 millioner kasse åbnere --
06:04
and you work out, if you make the pie rate
147
364260
3000
og man regner ud, at hvis man gør kage hyppigheden
06:07
about 25 percent --
148
367260
2000
til cirka 25 procent --
06:09
that's neither too frustrating, nor too easy.
149
369260
3000
er det hverken for frustrerende eller for nemt.
06:12
It keeps people engaged.
150
372260
2000
Det holder folk engagerede.
06:14
But of course, that's not all you do -- there's 15 pies.
151
374260
3000
Men selvfølgelig, det er ikke det eneste man gør -- der er 15 kager.
06:17
Now, I could make a game called Piecraft,
152
377260
2000
Nu kunne jeg lave et spil der hed Piecraft,
06:19
where all you had to do was get a million pies
153
379260
2000
hvor det eneste man skulle var at få en million kager
06:21
or a thousand pies.
154
381260
2000
eller tusind kager.
06:23
That would be very boring.
155
383260
2000
Det ville være virkelig kedeligt.
06:25
Fifteen is a pretty optimal number.
156
385260
2000
Femten er et temmelig optimal antal.
06:27
You find that -- you know, between five and 20
157
387260
2000
Man finder ud af -- I ved, mellem fem og 20
06:29
is about the right number for keeping people going.
158
389260
2000
er cirka det rigtige antal for at holde folk i gang.
06:31
But we don't just have pies in the boxes.
159
391260
2000
Men vi har ikke kun kager i kasserne.
06:33
There's 100 percent up here.
160
393260
2000
Der er 100 procent heroppe.
06:35
And what we do is make sure that every time a box is opened,
161
395260
3000
Og det vi gør er, at vi sikrer at hver gang en kasse bliver åbnet,
06:38
there's something in it, some little reward
162
398260
2000
er der noget i den, en lille belønning
06:40
that keeps people progressing and engaged.
163
400260
2000
der holder folk i gang og engagerede.
06:42
In most adventure games,
164
402260
2000
I de fleste adventure spil,
06:44
it's a little bit in-game currency, a little bit experience.
165
404260
3000
er det en smule spil valuta og en smule erfaring.
06:47
But we don't just do that either.
166
407260
2000
Men det gør vi heller ikke bare.
06:49
We also say there's going to be loads of other items
167
409260
2000
Vi siger også at der vil være masser af andre genstande
06:51
of varying qualities and levels of excitement.
168
411260
2000
af varierende kvalitet og spændings niveauer.
06:53
There's going to be a 10 percent chance you get a pretty good item.
169
413260
3000
Der vil være 10 procent chance for at få en ret god genstand.
06:56
There's going to be a 0.1 percent chance
170
416260
2000
Der vil være en 0,1 procent chance for
06:58
you get an absolutely awesome item.
171
418260
3000
at man får en absolut fed genstand.
07:01
And each of these rewards is carefully calibrated to the item.
172
421260
3000
Og hver af disse belønninger er omhyggeligt tilpasset til genstanden.
07:04
And also, we say,
173
424260
2000
Og også, siger vi,
07:06
"Well, how many monsters? Should I have the entire world full of a billion monsters?"
174
426260
3000
"Jamen, hvor mange monstre? Burde jeg have hele verden fuld af en milliard monstre?"
07:09
No, we want one or two monsters on the screen at any one time.
175
429260
3000
Nu vil vi have et eller to monstre på skærmen, på et hvilket som helst tidspunkt.
07:12
So I'm drawn on. It's not too easy, not too difficult.
176
432260
3000
Så jeg bliver draget videre. Det er ikke for nemt, ikke for svært.
07:15
So all this is very powerful.
177
435260
2000
Så dette er alt sammen meget magtfuldt.
07:17
But we're in virtuality. These aren't real boxes.
178
437260
3000
Men vi er i virtualiteten. Dette er ikke virkelige kasser.
07:20
So we can do
179
440260
2000
Så vi kan gøre
07:22
some rather amazing things.
180
442260
2000
nogle ret forbavsende ting.
07:24
We notice, looking at all these people opening boxes,
181
444260
4000
Vi bemærker, ved at kigge på alle disse mennesker der åbner kasser,
07:28
that when people get to about 13 out of 15 pies,
182
448260
3000
at når mennesker får mellem 13 og 15 kager,
07:31
their perception shifts, they start to get a bit bored, a bit testy.
183
451260
3000
ændrer deres opfattelse sig, de begynder at kede sig lidt, en smule irritable.
07:34
They're not rational about probability.
184
454260
2000
De er ikke rationelle om sandsynlighed.
07:36
They think this game is unfair.
185
456260
2000
De mener spillet er unfair.
07:38
It's not giving me my last two pies. I'm going to give up.
186
458260
2000
Det giver mig ikke mine to sidste kager. Jeg giver op.
07:40
If they're real boxes, there's not much we can do,
187
460260
2000
Hvis de er ægte kasser, er der ikke meget vi kan gøre,
07:42
but in a game we can just say, "Right, well.
188
462260
2000
men i spillet kan vi sige, "Ok, jamen.
07:44
When you get to 13 pies, you've got 75 percent chance of getting a pie now."
189
464260
4000
Når du kommer op på 13 kager, har du 75 procent chance for at få en kage nu."
07:48
Keep you engaged. Look at what people do --
190
468260
2000
Holder en engageret. Se på hvad mennesker gør --
07:50
adjust the world to match their expectation.
191
470260
2000
justerer verden til at matche deres forventning.
07:52
Our games don't always do this.
192
472260
2000
Vores spil gør ikke altid dette.
07:54
And one thing they certainly do at the moment
193
474260
2000
Og en ting de helt sikkert gør i øjeblikket,
07:56
is if you got a 0.1 percent awesome item,
194
476260
3000
er hvis man har 0,1 procent chance for at få en fed genstand,
07:59
they make very sure another one doesn't appear for a certain length of time
195
479260
3000
sørger de helt sikkert for at der ikke dukker endnu en op i et bestemt stykke tid
08:02
to keep the value, to keep it special.
196
482260
2000
for at holde værdien, for at holde det specielt.
08:04
And the point is really
197
484260
2000
Og pointen er virkelig
08:06
that we evolved to be satisfied by the world
198
486260
2000
at vi udviklede os til at være tilfredse med verden
08:08
in particular ways.
199
488260
2000
på bestemte måder.
08:10
Over tens and hundreds of thousands of years,
200
490260
3000
Over ti og hundrede og tusindevis af år,
08:13
we evolved to find certain things stimulating,
201
493260
2000
udviklede vi os til at finde bestemte ting stimulerende,
08:15
and as very intelligent, civilized beings,
202
495260
2000
og som meget intelligente, civiliserede væsner,
08:17
we're enormously stimulated by problem solving and learning.
203
497260
3000
bliver vi enormt stimulerede af at løse problemer og at lære.
08:20
But now, we can reverse engineer that
204
500260
2000
Men nu, kan vi reverse engineer det
08:22
and build worlds
205
502260
2000
og bygge verdener
08:24
that expressly tick our evolutionary boxes.
206
504260
3000
der udtrykkeligt sætter flueben i vores evolutionære kasser.
08:27
So what does all this mean in practice?
207
507260
2000
Så hvad betyder alt dette i praksis?
08:29
Well, I've come up
208
509260
2000
Jamen, jeg har fundet på
08:31
with seven things
209
511260
2000
syv ting
08:33
that, I think, show
210
513260
2000
der, mener jeg, viser
08:35
how you can take these lessons from games
211
515260
2000
hvordan man kan tage disse lektioner fra spil
08:37
and use them outside of games.
212
517260
3000
og bruge dem uden for spillene.
08:40
The first one is very simple:
213
520260
2000
Den første er meget simpel:
08:42
experience bars measuring progress --
214
522260
2000
erfarings bjælker der måler fremskridt --
08:44
something that's been talked about brilliantly
215
524260
2000
noget der er blevet talt strålende om
08:46
by people like Jesse Schell earlier this year.
216
526260
3000
af mennesker som Jesse Schell tidligere i år.
08:49
It's already been done at the University of Indiana in the States, among other places.
217
529260
3000
Det bliver allerede gjort ved University of Indiana i staterne, blandt andet.
08:52
It's the simple idea that instead of grading people incrementally
218
532260
3000
Det er den simple ide om, at i stedet for at bedømme mennesker trinvist
08:55
in little bits and pieces,
219
535260
2000
i små bider og dele,
08:57
you give them one profile character avatar
220
537260
2000
giver man dem en profil karakters avatar
08:59
which is constantly progressing
221
539260
2000
der konstant gør fremskridt
09:01
in tiny, tiny, tiny little increments which they feel are their own.
222
541260
3000
i små, små, små trin, som de føler er deres egne.
09:04
And everything comes towards that,
223
544260
2000
Og alt bevæger sig hen mod det,
09:06
and they watch it creeping up, and they own that as it goes along.
224
546260
3000
og de ser det komme snigende og de kommer til at eje det hen ad vejen.
09:09
Second, multiple long and short-term aims --
225
549260
2000
For det andet, adskillige langsigtede og kortsigtede mål --
09:11
5,000 pies, boring,
226
551260
2000
5.000 kager, kedeligt,
09:13
15 pies, interesting.
227
553260
2000
15 kager, interessant.
09:15
So, you give people
228
555260
2000
Så, man giver folk
09:17
lots and lots of different tasks.
229
557260
2000
masser og masser af forskellige opgaver.
09:19
You say, it's about
230
559260
2000
Man siger, det gælder om
09:21
doing 10 of these questions,
231
561260
2000
at lave 10 af disse spørgsmål,
09:23
but another task
232
563260
2000
men en anden opgave
09:25
is turning up to 20 classes on time,
233
565260
2000
er at møde til 20 timer til tiden,
09:27
but another task is collaborating with other people,
234
567260
3000
men en anden opgave er at arbejde sammen med andre mennesker,
09:30
another task is showing you're working five times,
235
570260
3000
en anden opgave er at vise ens arbejde fem gange,
09:33
another task is hitting this particular target.
236
573260
2000
en anden opgave er at ramme dette bestemte mål.
09:35
You break things down into these calibrated slices
237
575260
3000
Man deler tingene ned i disse justerede stykker
09:38
that people can choose and do in parallel
238
578260
2000
som mennesker kan vælge at lave parallelt
09:40
to keep them engaged
239
580260
2000
for at holde dem engagerede
09:42
and that you can use to point them
240
582260
2000
og man kan bruge det til at vise dem
09:44
towards individually beneficial activities.
241
584260
3000
mod individuelt fordelagtige aktiviteter.
09:48
Third, you reward effort.
242
588260
2000
For det tredje, belønner man indsats.
09:50
It's your 100 percent factor. Games are brilliant at this.
243
590260
3000
Det er ens 100 procent faktor. Spil er strålende til dette.
09:53
Every time you do something, you get credit; you get a credit for trying.
244
593260
3000
Hver gang man gør noget, får man anerkendelse: man får en belønning for at prøve.
09:56
You don't punish failure. You reward every little bit of effort --
245
596260
3000
Man straffer ikke fiasko. Man belønner hver eneste lille indsats
09:59
a little bit of gold, a little bit of credit. You've done 20 questions -- tick.
246
599260
3000
en lille smule guld, en lille smule kredit. Man har svaret på 20 spørgsmål -- flueben.
10:02
It all feeds in as minute reinforcement.
247
602260
3000
Det giver alt sammen en lille smule forstærkning.
10:05
Fourth, feedback.
248
605260
2000
For det fjerde, feedback.
10:07
This is absolutely crucial,
249
607260
2000
Dette er absolut væsentligt,
10:09
and virtuality is dazzling at delivering this.
250
609260
2000
og virtualitet leverer dette helt fantastisk.
10:11
If you look at some of the most intractable problems in the world today
251
611260
3000
Hvis man ser på nogle af de mest ustyrlige problemer i verden i dag
10:14
that we've been hearing amazing things about,
252
614260
2000
som vi har hørt fantastiske ting om,
10:16
it's very, very hard for people to learn
253
616260
3000
er det meget, meget svært for mennesker at lære
10:19
if they cannot link consequences to actions.
254
619260
3000
hvis de ikke kan forbinde konsekvenserne med handlingerne.
10:22
Pollution, global warming, these things --
255
622260
2000
Forurening, global opvarmning, disse ting --
10:24
the consequences are distant in time and space.
256
624260
2000
konsekvenserne er langt ude i fremtiden.
10:26
It's very hard to learn, to feel a lesson.
257
626260
2000
Det er meget svært at lære, at føle en lærestreg.
10:28
But if you can model things for people,
258
628260
2000
Men man kan lave modeller for mennesker,
10:30
if you can give things to people that they can manipulate
259
630260
2000
hvis man kan give ting til mennesker som de kan manipulere
10:32
and play with and where the feedback comes,
260
632260
2000
og lege med og hvor feedbacken kommer,
10:34
then they can learn a lesson, they can see,
261
634260
2000
så kan de lære en lektie, de kan se,
10:36
they can move on, they can understand.
262
636260
3000
de kan gå frem, de kan forstå.
10:39
And fifth,
263
639260
2000
Og for det femte,
10:41
the element of uncertainty.
264
641260
2000
usikkerheds elementet.
10:43
Now this is the neurological goldmine,
265
643260
3000
Nu er dette en neurologisk guldmine,
10:46
if you like,
266
646260
2000
om man vil,
10:48
because a known reward
267
648260
2000
fordi en kendt belønning
10:50
excites people,
268
650260
2000
begejstrer folk,
10:52
but what really gets them going
269
652260
2000
men det der virkelig får dem op at stå
10:54
is the uncertain reward,
270
654260
2000
er den usikre belønning,
10:56
the reward pitched at the right level of uncertainty,
271
656260
2000
belønningen der ligger på det rigtige usikkerhedsniveau,
10:58
that they didn't quite know whether they were going to get it or not.
272
658260
3000
så de ikke helt ved om de vil gå efter den eller ikke.
11:01
The 25 percent. This lights the brain up.
273
661260
3000
De 25 procent. Dette lyser hjernen op.
11:04
And if you think about
274
664260
2000
Og hvis man tænker på at
11:06
using this in testing,
275
666260
2000
bruge dette i en test,
11:08
in just introducing control elements of randomness
276
668260
2000
ved bare at introducere tilfældige kontrol elementer
11:10
in all forms of testing and training,
277
670260
2000
i alle former for testning og træning,
11:12
you can transform the levels of people's engagement
278
672260
2000
kan man transformere menneskers engagements niveau
11:14
by tapping into this very powerful
279
674260
2000
ved at udnytte den meget magtfulde
11:16
evolutionary mechanism.
280
676260
2000
evolutionære mekanisme.
11:18
When we don't quite predict something perfectly,
281
678260
2000
Når vi ikke forudsiger noget helt perfekt,
11:20
we get really excited about it.
282
680260
2000
bliver vi virkelig begejstrede for det.
11:22
We just want to go back and find out more.
283
682260
2000
Vi vil bare vende tilbage og lære mere om det.
11:24
As you probably know, the neurotransmitter
284
684260
2000
Som I sikkert ved, hedder det signalstof
11:26
associated with learning is called dopamine.
285
686260
2000
der er knyttet til læring dopamin.
11:28
It's associated with reward-seeking behavior.
286
688260
3000
Det er knyttet til belønningssøgende adfærd.
11:31
And something very exciting is just beginning to happen
287
691260
3000
Og noget virkelig spændende er lige begyndt at ske
11:34
in places like the University of Bristol in the U.K.,
288
694260
3000
i steder som University of Bristol i Storbritanien,
11:37
where we are beginning to be able to model mathematically
289
697260
3000
hvor vi begynder at være i stand til matematisk at lave modeller
11:40
dopamine levels in the brain.
290
700260
2000
af dopamin niveauet i hjernen.
11:42
And what this means is we can predict learning,
291
702260
2000
Og hvad dette betyder er, at vi kan forudsige læring,
11:44
we can predict enhanced engagement,
292
704260
3000
vi kan forudsige forøget engagement,
11:47
these windows, these windows of time,
293
707260
2000
disse vinduer, disse tids vinduer,
11:49
in which the learning is taking place at an enhanced level.
294
709260
3000
hvor læringen finder sted ved et forøget niveau.
11:52
And two things really flow from this.
295
712260
2000
Og der er to ting der virkelig flyder fra dette.
11:54
The first has to do with memory,
296
714260
2000
Den første har noget at gøre med hukommelse,
11:56
that we can find these moments.
297
716260
2000
at vi kan finde disse øjeblikke.
11:58
When someone is more likely to remember,
298
718260
2000
Når der er større sandsynlighed for at nogen husker,
12:00
we can give them a nugget in a window.
299
720260
2000
kan vi give dem et guldkorn i et vindue.
12:02
And the second thing is confidence,
300
722260
2000
Og den anden ting er selvtillid,
12:04
that we can see how game-playing and reward structures
301
724260
2000
at vi kan se hvordan det at spille og belønnings strukturer
12:06
make people braver, make them more willing to take risks,
302
726260
3000
gør mennesker modigere, gør dem mere villige til at tage risici,
12:09
more willing to take on difficulty,
303
729260
2000
mere villige til at gøre noget svært,
12:11
harder to discourage.
304
731260
2000
sværere at gøre modløse.
12:13
This can all seem very sinister.
305
733260
2000
Dette kan alt sammen virke meget faretruende.
12:15
But you know, sort of "our brains have been manipulated; we're all addicts."
306
735260
2000
Men I ved, en slags "vores hjerne er blevet manipuleret; vi er alle misbrugere."
12:17
The word "addiction" is thrown around.
307
737260
2000
Ordet afhængighed bliver smidt omkring.
12:19
There are real concerns there.
308
739260
2000
Der er virkelige bekymringer der.
12:21
But the biggest neurological turn-on for people
309
741260
2000
Men det største neurologiske turn-on for mennesker
12:23
is other people.
310
743260
2000
er andre mennesker.
12:25
This is what really excites us.
311
745260
3000
Det er hvad der virkelig begejstrer os.
12:28
In reward terms, it's not money;
312
748260
2000
Med hensyn til belønninger, er det ikke penge;
12:30
it's not being given cash -- that's nice --
313
750260
3000
det er ikke det at få kontanter -- det er rart --
12:33
it's doing stuff with our peers,
314
753260
2000
det er at gøre ting med vores ligemænd,
12:35
watching us, collaborating with us.
315
755260
2000
iagttager os, arbejder sammen med os.
12:37
And I want to tell you a quick story about 1999 --
316
757260
2000
Og jeg vil fortælle jer en hurtig historie om 1999 --
12:39
a video game called EverQuest.
317
759260
2000
et computerspil der hedder EverQuest.
12:41
And in this video game,
318
761260
2000
Og i dette computerspil,
12:43
there were two really big dragons, and you had to team up to kill them --
319
763260
3000
var der to virkelig store drager, og man skulle gå sammen for at dræbe dem --
12:46
42 people, up to 42 to kill these big dragons.
320
766260
3000
42 mennesker, op imod 42 for at dræbe disse store drager.
12:49
That's a problem
321
769260
2000
Det er et problem
12:51
because they dropped two or three decent items.
322
771260
3000
fordi de smed to eller tre rimelige genstande.
12:54
So players addressed this problem
323
774260
3000
Så spillerne håndterede dette problem
12:57
by spontaneously coming up with a system
324
777260
2000
ved spontan at finde på et system
12:59
to motivate each other,
325
779260
2000
til at motivere hinanden,
13:01
fairly and transparently.
326
781260
2000
retfærdigt og gennemskueligt.
13:03
What happened was, they paid each other a virtual currency
327
783260
3000
Det der skete var, at de betalte hinanden en virtuel valuta
13:06
they called "dragon kill points."
328
786260
3000
de kaldte "drage dræber point."
13:09
And every time you turned up to go on a mission,
329
789260
2000
Og hver gang man mødte op for at tage på en mission,
13:11
you got paid in dragon kill points.
330
791260
2000
blev man betalt i drage dræber point.
13:13
They tracked these on a separate website.
331
793260
2000
De holdte styr på dem på en anden hjemmeside.
13:15
So they tracked their own private currency,
332
795260
2000
Så de holdte øje med deres egen private valuta,
13:17
and then players could bid afterwards
333
797260
2000
og så kunne spillerne byde bagefter
13:19
for cool items they wanted --
334
799260
2000
på fede genstande de ville have --
13:21
all organized by the players themselves.
335
801260
2000
alt sammen organiseret af spillerne selv.
13:23
Now the staggering system, not just that this worked in EverQuest,
336
803260
3000
Men dette kolossale system, ikke at dette kun virkede i EverQuest,
13:26
but that today, a decade on,
337
806260
2000
men at i dag, et årti senere,
13:28
every single video game in the world with this kind of task
338
808260
3000
bruger hvert eneste computerspil i verden med denne slags
13:31
uses a version of this system --
339
811260
2000
opgaver dette system --
13:33
tens of millions of people.
340
813260
2000
millioner af mennesker.
13:35
And the success rate
341
815260
2000
Og succes raten
13:37
is at close to 100 percent.
342
817260
2000
er tæt på 100 procent.
13:39
This is a player-developed,
343
819260
2000
Dette er en spillerudviklet,
13:41
self-enforcing, voluntary currency,
344
821260
3000
selv håndhævet, frivillig møntenhed,
13:44
and it's incredibly sophisticated
345
824260
2000
og det er utrolig avanceret
13:46
player behavior.
346
826260
2000
spiller adfærd.
13:50
And I just want to end by suggesting
347
830260
2000
Og jeg vil bare slutte ved at foreslå
13:52
a few ways in which these principles
348
832260
2000
et par måder hvorpå disse principper
13:54
could fan out into the world.
349
834260
2000
kunne udbrede sig i verden.
13:56
Let's start with business.
350
836260
2000
Lad os begynde med erhvervslivet.
13:58
I mean, we're beginning to see some of the big problems
351
838260
2000
Jeg mener, vi begynder at se nogle af de store problemer
14:00
around something like business are
352
840260
2000
omkring noget som virksomheder
14:02
recycling and energy conservation.
353
842260
2000
genbruger og energibesparelse.
14:04
We're beginning to see the emergence of wonderful technologies
354
844260
2000
Vi begynder at se fremkomsten af vidunderlige teknologier
14:06
like real-time energy meters.
355
846260
2000
ligesom tidstro energimålere.
14:08
And I just look at this, and I think, yes,
356
848260
2000
Og jeg kigger bare på dette, og jeg tænker, ja,
14:10
we could take that so much further
357
850260
3000
vi kunne tage det så meget længere
14:13
by allowing people to set targets
358
853260
2000
ved at tillade folk at sætte mål
14:15
by setting calibrated targets,
359
855260
2000
ved at sætte kalibrerede mål,
14:17
by using elements of uncertainty,
360
857260
3000
ved at bruge usikkerhedselementer,
14:20
by using these multiple targets,
361
860260
2000
ved at bruge flere mål,
14:22
by using a grand, underlying reward and incentive system,
362
862260
3000
ved at bruge en stor, underliggende og opmuntrende system,
14:25
by setting people up
363
865260
2000
ved at sætte folk i gang
14:27
to collaborate in terms of groups, in terms of streets
364
867260
2000
med at arbejde sammen med hensyn til grupper, med hensyn til gader
14:29
to collaborate and compete,
365
869260
2000
til at samarbejde og konkurrere,
14:31
to use these very sophisticated
366
871260
2000
til at bruge disse meget sofistikerede
14:33
group and motivational mechanics we see.
367
873260
2000
gruppe og motiverende mekanismer vi ser.
14:35
In terms of education,
368
875260
2000
Med hensyn til uddannelse,
14:37
perhaps most obviously of all,
369
877260
2000
måske mest åbenlyst af dem alle,
14:39
we can transform how we engage people.
370
879260
3000
kan vi nu ændre hvordan vi engagerer mennesker.
14:42
We can offer people the grand continuity
371
882260
2000
Vi kan tilbyde mennesker den fornemme sammenhæng
14:44
of experience and personal investment.
372
884260
3000
af erfaring og personlig investering.
14:47
We can break things down
373
887260
2000
Vi kan dele ting op
14:49
into highly calibrated small tasks.
374
889260
2000
i stærkt tilpassede, små opgaver.
14:51
We can use calculated randomness.
375
891260
2000
Vi kan bruge beregnede tilfældigheder.
14:53
We can reward effort consistently
376
893260
2000
Vi kan belønne indsats konsekvent
14:55
as everything fields together.
377
895260
3000
i takt med at alt stykkes sammen.
14:58
And we can use the kind of group behaviors
378
898260
2000
Og vi kan bruge den slags gruppeadfærd
15:00
that we see evolving when people are at play together,
379
900260
3000
at vi kan se evolution når mennesker spiller sammen,
15:03
these really quite unprecedentedly complex
380
903260
3000
disse virkelig ret uhørte, komplekse
15:06
cooperative mechanisms.
381
906260
2000
samarbejdende mekanismer.
15:08
Government, well, one thing that comes to mind
382
908260
2000
Regeringen, jamen, en ting der springer frem fra hukommelsen
15:10
is the U.S. government, among others,
383
910260
3000
er den amerikanske regering, blandt andre,
15:13
is literally starting to pay people
384
913260
2000
der bogstavelig talt er begyndt at betale mennesker
15:15
to lose weight.
385
915260
2000
for at tabe sig.
15:17
So we're seeing financial reward being used
386
917260
2000
Så vi ser at finansielle belønninger bliver brugt
15:19
to tackle the great issue of obesity.
387
919260
2000
til at takle de store problemstillinger ved fedme.
15:21
But again, those rewards
388
921260
2000
Men igen, disse belønninger
15:23
could be calibrated so precisely
389
923260
3000
kunne blive kalibreret så præcist
15:26
if we were able to use the vast expertise
390
926260
3000
så hvis vi var i stand til at bruge den enorme ekspertise
15:29
of gaming systems to just jack up that appeal,
391
929260
3000
ved gaming systemer til bare at skrue den tiltrækningskraft i vejret,
15:32
to take the data, to take the observations,
392
932260
2000
til at tage dataene, til at tage observationerne,
15:34
of millions of human hours
393
934260
2000
af millioner af mandetimer
15:36
and plow that feedback
394
936260
2000
og pløje den feedback
15:38
into increasing engagement.
395
938260
2000
ind i forhøjet engagement.
15:40
And in the end, it's this word, "engagement,"
396
940260
3000
Og i sidste ende, er det dette ord, "engagement,"
15:43
that I want to leave you with.
397
943260
2000
som jeg vil efterlade jer med.
15:45
It's about how individual engagement
398
945260
2000
Det er om hvordan individuel engagement
15:47
can be transformed
399
947260
2000
kan transformeres
15:49
by the psychological and the neurological lessons
400
949260
3000
af de psykologiske og de neurologiske lektier
15:52
we can learn from watching people that are playing games.
401
952260
3000
som vi kan lære af at se mennesker der spiller spil.
15:55
But it's also about collective engagement
402
955260
3000
Men det handler også om kollektiv engagement
15:58
and about the unprecedented laboratory
403
958260
3000
og om laboratoriet, der er uden forttilælde,
16:01
for observing what makes people tick
404
961260
2000
til at observere hvad der driver mennesker
16:03
and work and play and engage
405
963260
2000
og arbejde og lege og engagere
16:05
on a grand scale in games.
406
965260
3000
i stort omfang i spil.
16:08
And if we can look at these things and learn from them
407
968260
3000
Og hvis vi kan se på disse ting og lære fra dem
16:11
and see how to turn them outwards,
408
971260
2000
og se hvordan det skal drejes udefter,
16:13
then I really think we have something quite revolutionary on our hands.
409
973260
3000
så tror jeg virkelig vi har noget ret revolutionerede i hænderne.
16:16
Thank you very much.
410
976260
2000
Mange tak.
16:18
(Applause)
411
978260
4000
(Bifald)
Om denne hjemmeside

På dette websted kan du se YouTube-videoer, der er nyttige til at lære engelsk. Du vil se engelskundervisning, der er udført af førsteklasses lærere fra hele verden. Dobbeltklik på de engelske undertekster, der vises på hver videoside, for at afspille videoen derfra. Underteksterne ruller i takt med videoafspilningen. Hvis du har kommentarer eller ønsker, bedes du kontakte os ved hjælp af denne kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7