發了瘋地學習(上篇)——底層探究，激發學習的元動力

　　一直想分享這篇文章，今天靜下心來，我們一起來品味，一同思考，你會想打王者榮耀一樣發瘋地學習嗎?

　　我們先來看一下為什么很多人癡迷游戲，無法自拔。王者榮耀，一個游戲的經典制作，先問一個問題，對于一個非職業玩家，我們打王者榮耀，是為了什么?除去消遣時間這個客觀因素，是為了推掉敵方水晶，還是拿到五殺，抑或只是和朋友一起，享受在游戲中暢快淋漓地傾瀉技能，這些其實都不是本質原因。單次的獲勝或五殺并不能驅使我們一定要打開下一局的游戲，本質上，我們對游戲的快感，都是大腦對游戲反饋機制的一種獎勵，它由我們的多巴胺所決定。

　　多巴胺既是快感嗎?其實并不是，多巴胺不是快感的本身，而是對快感的預期，或是對快感的追求，當你獲勝或拿到擊殺，你的腎上腺素，催產素和內啡肽分泌增多，你會感到愉悅，興奮，但對大腦神經來說，這些情緒只是暫時的體驗，而多巴胺所構成的信號機制才是決定你會不會接著玩下去，并且以后還會打開游戲的關鍵。換句話說，多巴胺賦予你沉迷游戲的欲望，在多巴胺的信號機制中，你不會感到我玩王者榮耀很爽，而是讓你覺得這把我能翻盤，下把一定贏，再贏一把我就升級段位了，也正由于多巴胺是直接作用于大腦的獎勵回來，于是一次又一次的我們打開手機電腦，點開游戲，周而復始，這就是我們沉迷游戲的根本原因。

　　反饋回路，我們已經知道大腦所構造的反饋回路，是促使大腦沉迷游戲的底層原因，再將反饋回路應用到學習之前，我們先來簡單的了解一下它的工作原理。當你是個普通玩家，第一次進入游戲，孤身殺入敵方防御塔范圍，但被擊殺，你的大腦感覺失望，于是重新復活后你孤身進塔的動作概率被降低，你開始選擇跟誰隊友一起進入，并推掉了敵方防御塔，再經歷數十個動作和狀態轉移后，最終勝利，你獲得了滿足，根據獎勵結果，大腦判斷，第二種操作更好，因此下一次循環，你選擇跟誰隊友的概率會繼續增加，并隨之做出更多的正確操作，最終強化這條反饋回路的效果，而這也是脫穎而出的制勝原因，大腦的反饋機制使得響應更快，由此可見，反饋回路并不復雜，它只是一種信號，動作。

　　反饋機制機制由五個部分組成，每個部分都對應一個例子中的一個描述。環境，你的交互環境，比如游戲，狀態，你所處在的狀態(擊殺，獲勝)，動作(打開游戲，操作角色，或關掉游戲)，更新(提高或降低你做出某個動作的概率，概率可以理解為大腦信號的強弱)，獎勵(獲勝的愉悅，也即是快感預期);并且滿足一下五個規則，當你進入游戲，你會以不同的概率在每個時間點上做出不同的動作，你的動作影響下一刻所處的狀態，每一個狀態都對應一個獎勵，也既是大腦所獲得的反饋，每一步動作都不止影響下一步的反饋，也可能影響更遠的狀態和反饋，反饋可以為正也可以為負。反饋回路的構造方法之一，就是加強對目標的預期反饋，也叫做反饋強化。

　　反饋強化，游戲帶給玩家的反饋是否足夠，是否迅速，是決定一個游戲是否有趣的基礎，而一個游戲廠商在做的事情，就是將反饋回路竭盡所能地加強和加快，比如提高動作的收益，推掉水晶，你獲得的不只是勝利，游戲分數也會提升，或者不確定性，讓玩家耗費更多次的嘗試來確定反饋回路，比如皮膚的隨機性。

　　回到學習本身，正如學習帶給學習者的反饋，也是決定這個學習模式是否有趣的基礎，再將學習和游戲聯系起來之前，我們還是再深入的了解一下游戲系統的三種反饋強化模式，固定比率強化，如打敗是個對手一定可以升一級，連勝十場一定可以升段;二是固定時距強化，比如游戲中的寶箱3小時后一定可以解鎖;三是不固定比率強化，也就是游戲中抽一次卡，有1%的幾率抽到SSR。這三種方法，正是將強化學習中的不確定性獎勵固化成為確定性收益，比如分數，卡牌，又分別對應來游戲廠商的三項核心KPI，留存率，在線人數和凈收入。

　　講了這么久游戲，那學習又怎樣和游戲聯結找出底層邏輯?在強化學習的過程中，我們又該如何具體實施執行呢?下期我們分享，且聽下回分解。

　　奧圖碼數碼科技(上海)有限公司致力于智慧教育驅動力協作發展，歡迎合作垂詢。

　　注：本文為企業發布的推廣文案，不代表本站觀點。