Автор предлагает рассматривать игры с рандомом не как «игры удачи», а как подвид «игр мастерства». Рандом описывается как особый вид шума в системе, который игрок учится фильтровать и использовать. Ключевая идея: восприятие случайности — это состояние ума, зависящее от модели игрока, а не только от правил.
Шум и обучение
Игрок осваивает игру, отличая полезные паттерны от шума. Пока ментальной модели нет, система кажется произвольной. По мере практики игрок строит модель причинно-следственных связей и переходит из состояния «новичок» в «мастер».
Выделяются типы шума:
- Action Noise — неопределённость/сложность в действиях игрока.
- Rules Noise — шум в «чёрном ящике» правил (сюда относится внутренний рандом).
- Feedback Noise — шум в отклике системы (эффекты, визуальный хаос).
- Model Noise — шум в ментальной модели игрока.
Каждый тип шума требует своих навыков фильтрации. Пример: в hidden object играх игрок учится силуэтному распознаванию и эффективному визуальному поиску.
Рандом как Rules Noise
Рандом (dice rolls и т.п.) трактуется как частный случай шума в правилах. Для него характерны:
- наличие скрытой модели;
- неосведомлённость новичков об этой модели;
- обучаемость: со временем игрок учится работать с рандомом;
- переменные сложности обучения (что делает систему проще или сложнее для понимания).
Навыки работы с рандомом
Игроки используют эвристики и искажённые интуитивные аналоги статистики. Основные наблюдаемые навыки:
- Использование существующих моделей — игроки переносят прошлый опыт и социальные паттерны, часто некорректно (биасы, вроде неприятия потерь, плохой работы с большими шансами).
- Сэмплирование — игроки повторяют действие много раз, чтобы увидеть типичные результаты. Это базовый навык и для детерминированных, и для случайных систем.
- Учёт стоимости сэмплирования — каждый «пробный» запуск стоит ресурсов; игрок (и дизайнер) фактически решает, окупится ли дополнительное обучение.
- Чувство среднего и вариативности — с достаточным числом попыток игрок оценивает «типичный» результат и вероятность отклонений.
- Ощущение распределений — опытные игроки интуитивно чувствуют форму распределения (нормальное, мультимодальное, экспоненциальное).
- Оценка выплат — через сэмплирование и понимание распределений игрок учится оценивать ценность исходов и соотносить её с затратами.
Пример: в Triple Town (пазл про комбинирование объектов на сетке) опытные игроки считают влияние удачи малым — они планируют на 30–40 ходов вперёд, опираясь на усреднённые частоты выпадения объектов и инструменты сглаживания «плохих» дропов.
Типичные ошибки новичков
- Неверные модели — перенос свойств одной системы на другую (ожидание равномерного распределения от 2D6, как у 1D6).
- Недостаточное сэмплирование — выводы по слишком малому числу попыток.
- Плохое сэмплирование — отсутствие осознанного поиска паттернов и проверки гипотез.
- Слабый cost/benefit-анализ — чрезмерные вложения в «обучающие» действия без окупаемости; неспособность оценить, когда остановиться.
Баланс и прогрессия в «играх удачи»
К играм с рандомом применимы те же принципы баланса, что и к другим играм мастерства:
- Доминирующие стратегии — важно отличать реальные дисбалансы от редких, но ожидаемых «чёрных лебедей». Метрики по большому числу партий позволяют подтвердить, что экстремальные исходы редки.
- Ценность редких исходов — драматические «переломы» могут усиливать эмоции и вынуждать игроков учитывать редкие события в стратегии.
- Множественные сэмплы — баланс достигается на серии партий, а не в одной. Пример: один розыгрыш в покере крайне вариативен, но за вечер игроки проходят десятки рук, и навык работы с распределениями даёт преимущество.
Прогрессия обучения рандому
Дизайнер может строить прогрессию вокруг обучаемости случайной системы:
- Scaffolding — старт с простых, легко «читаемых» рандом-систем, требующих мало сэмплов для понимания. В Triple Town игроки сначала почти всегда получают траву, что упрощает освоение базовых комбинаций.
- Опора на существующие схемы — использование знакомых моделей (например, шестигранный кубик), чтобы подключить уже имеющиеся эвристики игроков.
Выводы
- Рандом — это разновидность шума в правилах, с которой игроки могут учиться работать как с объектом мастерства.
- Ключ к дизайну — понимать, какие навыки игрок использует: сэмплирование, оценка среднего, распределений и выплат.
- Новички систематически ошибаются из-за неверных моделей, малого и плохого сэмплирования и слабого анализа «затраты/выгода».
- Баланс в играх с удачей достигается через множественные сэмплы и учёт редких, но ценных экстремальных событий.
- Прогрессия должна поэтапно обучать игрока структуре рандома, начиная с простых и знакомых систем.
