我之前写过关于模拟游戏如何帮助您发展对心理模型和策略的理解的文章。 但是如果赌注更高呢？ 如果您不只是在模拟自己的游戏世界时，而是直接对它产生影响，该怎么办？
这是我们在小说中看到的东西。 在《 Ender’s Game》中 ，学生在模拟的战斗训练环境中无意中指挥了真正的舰队。 在《游戏玩家》中 ，一个外星帝国 根据复杂的游戏来分配其治理层次结构中的职位，该游戏丰富地反映了他们的社会生活。 我们可以把其中的一些变成现实吗？
简而言之，我们如何制作Ender’s Farmville （一个实际上正在运行一个真实农场的农业模拟）？ 这样，当人们在游戏中变得更好时，农场也会变得更有生产力吗？
动机
我认为这种“与世界相关的游戏”可能会有用，因为人们会在游戏中投入大量时间和精力 。 我敢打赌，我们许多人在弄清楚游戏的细微差别和策略上花费了更多的精力，而不是花在处理我们的退休储蓄上。 （这包括通过粉丝讨论，专家评论等来加深对游戏的理解，这种可以帮助人们更好地玩游戏的自愿性工具令人着迷。）
从某种意义上讲，在所有时间上都没有以某种方式针对改善现实世界是浪费的，这并不是说浪费了游戏休闲时间，只是我们可以考虑提取双重利益。 在巅峰时期， Farmville每月有8300万用户。 当然，他们不是农民，而法姆维尔不是农业。 但是，肯定有一种方法可以使所有的脑力劳动都实现非零使用。
现状
到目前为止，将游戏机制应用于实际问题的努力似乎分为两个阶段，但都不能令人满意。
首先，存在经典的“ 游戏化 ”-通过添加徽章，成就和道具等元素使流程或应用程序更具游戏性，目的是通过利用与游戏相同的神经奖励中心来激发参与度。 但是这些仍然不像是真正的游戏-即使您的待办事项应用为您提供了一个用于完成任务的徽章，您也可能不会坐下来长时间玩“游戏”，也不会形成一个社区您分享了获得更多徽章的提示。 这些游戏化的应用程序通常不会以Ender的真正游戏风格直接影响现实世界。
其次，存在“ 基于人的计算游戏 ”或“有目的的游戏 ”，其中人类玩家在类似于游戏的界面中解决一小部分工作。 想想Google的ReCaptcha，您必须在其中挑选交通信号灯的图像，但更有趣。 例如Foldit （允许玩家在游戏界面中解决蛋白质折叠结构）和Phylo （类似于Candy Crush，用于比对DNA核苷酸序列）。 这些更接近我的想象-它们是人们可以聚在一起讨论的真正游戏，即使它们不是夏日大片，也可以直接连接到真实世界的数据。 但是目前，它们仅限于非常简单的类似于Turk的机械式问题。 我们如何才能利用它们并将其扩展到需要更多复杂性和策略的领域，从而利用许多人对游戏的喜爱？
细节中的魔鬼
当然，这并不简单。 有很多挑战要考虑。
- 游戏中任何一个玩家都可能对此很不好，这使他们不适合产生现实世界的动作 。 如果我拥有一个真正的农场，就无法将操作移交给互联网上的随机控制器。 解决这个问题的方法可能包括达成共识 ，即只有在几个不同的玩家在游戏中独立执行给定动作的情况下，才会在现实生活中采取特定的动作； 或锦标赛方法，实际上只有最佳球员的行为得以实施，而其他所有人都纯粹是在线比赛。
- 即使是最好的输出，也可能仍然不够可靠，无法自动实现 。 但是，这不必使它们无用：也许目标应该是为农民提供有用的建议 ，而不是直接“经营”农场。 这可能特别适用于当前的农业扩展（即农民教育）方法服务不足的地方。 另一个半途而废的输出可能是使用人工输出来生成ML模型的训练数据集，然后可以针对给定的农场运行更具体的数据并产生更多的定制建议。
- 很难简化现实世界的系统，足以使游戏易于处理并为玩家带来娱乐，同时仍然适用。 这是最大的问题，可能是为什么现有的“有目的的游戏”类别关注非常离散的科学问题的原因。 这里有各种各样的子问题。 世界是复杂且异质的：要在特定的农场上种植某种东西，是土壤，天气，种子，耕种技术等众多变量的函数。 与游戏相比，世界的运行时间要长得多：等待数月来看看您的农作物是否成功生长无聊，并且破坏了使基于游戏的学习更具吸引力的快速迭代周期。 过度简化的模型可能会导致破坏行为，这是真正的风险。 SimCity已被广泛用于教给学生有关城市规划的知识，有助于摆脱关于激进分区，公司友好税率和以汽车为中心的城市的价值的简单且可竞争的假设（游戏不需要停车场，因为例）。
从哪儿开始？
对于设计有用游戏的最后一点，我没有很好的答案。 我认为基本上可以归结为问题选择 。 尽管Farmville本身很成功，但是耕种显然不是开始的正确位置。 回到退休储蓄的例子，也许与储蓄或投资之类的金融行为相关的游戏可能是有用的，这些游戏通常被认为是审慎的，但通常是复杂的或难以接近的。 财务数据易于通过计算机访问，在游戏中已经有很多基于市场行为的先例，您可以想象一些简单的操作，例如在现实生活中将少量转入储蓄帐户，以释放更高的游戏率。收入。
或者，随着无人机的普及，也许可以使用与世界有关的游戏来提供无人机指导和来自其传感器的数据处理 。 想象一下一个游戏，其中涉及引导无人驾驶飞机绘制地雷，并标记感兴趣的地点。 这部分地是对已经存在的Mechanical Turk图像处理游戏的扩展，但是在导航策略和优先级方面引入了新元素-与单个操作员相比，在线人群可以通过游戏更好地完成这些工作。
没有玩家的游戏
最后，如果我们成功地创建了这样的游戏，考虑到计算机最近在学习玩游戏方面取得的巨大成功，我们可能最终将人类从循环中彻底淘汰。 AlphaStar掌握诸如StarCraft之类的相对复杂的策略游戏的能力非常令人兴奋。 考虑到我们如何将更多现实世界中的问题有效地转化为类似游戏的模拟环境，这样计算机便可以学习如何玩这些问题，并可能使我们对原始问题有新的认识，这似乎是一个有用的方向。
而且，如果我们能够很好地模拟现实世界，我们也许能够生成真正具有社会意义的工具，例如虚拟助手，不断为每个农民提供，他们深刻理解了根据不同条件和农民自己采取的正确耕作策略目标。 与Ender对抗外星人家庭世界相比，这是一个不那么引人注目的应用，但实际上，这同样令人兴奋。
