سود:
- توانایی درک مفاهیم حلقه هسته، مکانیک و MVP و استفاده از هوش مصنوعی برای بازتولید مکانیکی ایده و اسکلت نمونه اولیه.
- توانایی انجام تکرارهای سریع و ارزان با محدود کردن دامنه با درک اینکه نمونه اولیه باید به یک سوال آزمایشی پاسخ دهد.
- توانایی تشخیص اینکه آیا مکانیک سرگرم کننده است یا خیر را می توان تنها با بازی در دست و تأیید فرضیه آزمون درک کرد و باید از تله لهستانی اجتناب کرد.
هر بازی به عنوان یک ایده شروع می شود. اما ایده ها ارزان هستند، نمونه های اولیه قابل پخش گران هستند. نمونه اولیه؛ این یک نقشه قابل پخش برای آزمایش اینکه آیا مکانیک سرگرم کننده است به سریع ترین و ارزان ترین راه، بدون گرافیک صیقلی یا محتوای کامل است. حقیقت خشن طراحی بازی این است: برای یک مکانیک خیلی معمول است که روی کاغذ عالی به نظر برسد اما در دست احساس وحشتناکی کند. بنابراین، موفقیت در «پیدا کردن ایده مناسب» نیست، بلکه به این است که ایده های بد را به سرعت حذف کنید و تکرارهای زیادی را انجام دهید تا زمانی که ایده خوب را پیدا کنید. اینجاست که هوش مصنوعی وارد میشود: تولید ایده، نوشتن قوانین و نمونهسازی را سرعت میبخشد و به شما شانس بیشتری برای آزمایش میدهد.
در این بخش، نحوه استفاده از هوش مصنوعی در طراحی مکانیکی و نمونه سازی سریع را خواهید آموخت. شما یاد خواهید گرفت که چگونه ایده را محدود کنید، حلقه اصلی را روشن کنید، و نمونه اولیه را قابل آزمایش کنید.
حلقه اصلی: مرکز همه چیز
قلب یک بازی حلقه اصلی است - زنجیره اقداماتی که بازیکن بارها و بارها انجام می دهد و اساس بازی را تشکیل می دهد. به عنوان مثال، در یک تیرانداز "کاوش → مبارزه → جمع آوری → تکامل"؛ "گیاه → رشد → برداشت → فروش → پرورش" در یک بازی مزرعه. در مرحله نمونه اولیه، تنها هدف شما این است که بفهمید آیا این چرخه سرگرم کننده است یا خیر. در اینجا از هوش مصنوعی به عنوان شریک فکری استفاده کنید که حلقه اصلی را روشن می کند: حلقه خود را برای آن توصیف کنید، پیوند ضعیف را بخواهید، حلقه های جایگزین را بخواهید.
جریان گام به گام:
- محدودیت را تعریف کنید. پلت فرم، ژانر، مخاطب، مدت زمان جلسه، طرح کنترل. هر چه محدودیت واضح تر باشد، ایده مفیدتر است.
- حلقه اصلی را بنویسید. چرخه را با 4-6 فعل بیان کنید. از هوش مصنوعی بخواهید این را تقویت کند.
- ایجاد تغییرات مکانیکی برای هر مرحله چرخه گزینه های مکانیکی مختلف را بخواهید.
- دامنه نمونه اولیه را کاهش دهید. "حداقل نسخه قابل آزمایش" (MVP) چیست؟ از هوش مصنوعی بپرسید چه چیزی را می توان استخراج کرد.
- یک فرضیه آزمون تنظیم کنید. جمله «این نمونه اولیه باید ثابت کند» را بنویسید.
نکته: هدف از نمونه اولیه «ساخت بازی» نیست، بلکه «پاسخ به یک سؤال» است. همیشه از هوش مصنوعی بپرسید "این نمونه اولیه چه سوالی را باید آزمایش کند"؛ دامنه به طور خودکار کوچک می شود.
نمونه اولیه کاغذی و نمونه اولیه دیجیتال
هوش مصنوعی در هر دو نوع نمونه اولیه مفید است. نمونه اولیه کاغذ (پیش نویس بازی با قوانین رومیزی، کارت تاس) منطق مکانیک را بدون نوشتن کد آزمایش می کند. می توانید از هوش مصنوعی بخواهید مجموعه قوانین، متون کارت، عدم تعادل های احتمالی را بر اساس جدول ایجاد کند. برای نمونه اولیه دیجیتال، هوش مصنوعی میتواند کد اسکلت (یک کنترلکننده پخش، یک ماشین حالت ساده) تولید کند که در موتور اجرا میشود. ما این را در واحد 7 عمیق تر خواهیم کرد. در مرحله نمونه اولیه، انتظار یک پیش نویس را داشته باشید که "به اندازه کافی برای آزمایش حس کار کند" از کد تولید شده توسط هوش مصنوعی، نه صیقل دادن.
احتیاط: وقت خود را برای تصاویر و موسیقی زیبا در نمونه اولیه تلف نکنید. "تله لهستانی" - یک نمونه اولیه زشت اما سرگرم کننده را به یک نمونه زیبا اما خسته کننده ترجیح دهید. به جای درخواست از هوش مصنوعی برای تصاویر بصری، روی آزمایش مکانیک تمرکز کنید.
سرعت تکرار و "شجاعت برای کشتن"
مهارت مخفی نمونه سازی این است که بتوان یک ایده بد را به سرعت از بین برد. طراحان از نظر عاطفی به ایده های خود وابسته می شوند. اگر دو هفته را در مکانیک گذراندهاید، رها کردن آن دشوار میشود، حتی اگر ببینید که بد است - به این میگویند "مغز در هزینه غرق شده" (تمایل به ادامه مسیر بد به دلیل تلاش انجام شده). هوش مصنوعی در اینجا یک مزیت پنهان را فراهم می کند: تولید ایده و داربست آنقدر ارزان می شود که دور انداختن نمونه اولیه اکنون اتلاف ساعت ها است، نه روزها. این ارزانی شما را شجاع می کند. قانون این است: یک «معیار موفقیت/شکست» و یک «تاریخ تصمیم» روی هر نمونه اولیه قرار دهید – «اگر احساس رزمی بعد از دو روز جالب نباشد، آن را قطع میکنیم». همچنین می توانید در ارزیابی این معیار با هوش مصنوعی مشورت کنید و بپرسید "چه نشانه هایی نشان می دهد که این مکانیک کار نمی کند؟"
عملی دیگر: از هوش مصنوعی به عنوان مدافع شیطان استفاده کنید. در مورد مکانیکی که دوست دارید به او بگویید و بگویید "سه جنبه ضعیف این ایده را به طور بی رحمانه به او بگویید و چرا ممکن است شکست بخورد." به این ترتیب نقاط ضعفی را که با اشتیاق خود کور شده اند، زود می بینید. هدف دفاع از ایده نیست، بلکه آزمایش آن است. ایده ای که آزمایش را پشت سر بگذارد شایسته یک نمونه اولیه است.
سه کیف کوچک
مورد 1 - هنگامی که چرخه روشن شد، ایده حل شد. یک طراح به طور مبهم حلقه اصلی یک بازی کارت-نبرد را تعریف کرده بود. او از هوش مصنوعی خواست که حلقه را با 5 فعل بنویسد و پرسید ضعیف ترین پیوند کدام است؟ هوش مصنوعی نشان داد که مرحله "جمع آوری" تصمیمات را به بازیکن ارائه نمی دهد. طراح یک انتخاب به این مرحله اضافه کرد. در آزمون پخش، میانگین زمان جلسه از 4 دقیقه به 11 دقیقه افزایش یافت.
مورد 2 - حذف سریع. یک استودیو 15 تغییر از هوش مصنوعی برای مکانیک پلتفرم دریافت کرد. او 15 مورد از آنها را روی کاغذ در 2 ساعت ارزیابی کرد، 4 مورد از آنها را نمونه سازی کرد و 1 مورد را انتخاب کرد. جستجوی گسترده تر مکانیک بهتر را به همراه داشت.
مورد 3 - بازگشت از تله دامنه. یک تیم می خواست موجودی، سیستم جستجو و گفتگو را به نمونه اولیه اضافه کند. آنها از هوش مصنوعی پرسیدند "این نمونه اولیه چه سوالی را باید آزمایش کند؟" پاسخ این بود: "آیا احساس رزمی سرگرم کننده است؟" همه چیزهای دیگر را بیرون آوردند. نمونه اولیه به جای 3 هفته در 4 روز عرضه شد و به سوال درست پاسخ داد.
چهار قالب قابل کپی
1) تقویت حلقه هسته:
نقش شما: طراح ارشد بازی. بازی من: [ژانر، پلتفرم، مخاطب، مدت زمان جلسه]. حلقه اصلی من: [4-6 فعل]. وظیفه: (1) ضعیف ترین حلقه در این حلقه را نام ببرید و چرا، (2) ارزیابی کنید که آیا یک تصمیم برای بازیکن در هر مرحله منطقی است یا خیر، (3) پیشنهاد 3 تغییر مشخص که حلقه را تقویت می کند.
2) تولید تغییرات مکانیکی:
برای آن اقدام اصلی [به عنوان مثال. "place block"] 10 تغییر مکانیکی واقعاً متفاوت ایجاد می کند. برای هر کدام یک جمله بنویسید: قانون، تصمیمی که به بازیکن ارائه می دهد، خطر احتمالی. کلیشه ها را حذف کنید (برای همه شناخته شده است).
3) کاهش دامنه MVP:
من اولین نمونه اولیه از ایده بازی زیر را خواهم ساخت. به من بگویید (1) یک سوال که این نمونه اولیه باید ثابت کند، (2) حداقل لیست مکانیکی که برای آزمایش آن سوال کاملا ضروری است، (3) هر چیزی که می توان از نسخه اول استخراج کرد. ایده: [اینجا بنویس]
4) قوانین نمونه اولیه کاغذ:
میخواهم مکانیکهای زیر را روی دسکتاپ (با کارتها/تاسها/ژتونها) بدون نوشتن کد آزمایش کنم: [مکانیک]. یک مجموعه قانون نمونه اولیه کاغذ قابل پخش، اجزای لازم و 3 علامت را به من بدهید تا در طول آزمایش به دنبال آنها باشم.
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
برای من یک مکانیک سرگرم کننده طراحی کنید.
"سرگرمی" قابل اندازه گیری نیست. هیچ زمینه ای وجود ندارد. هوش مصنوعی یک مکانیک عمومی را پیشنهاد می کند.
اعلان قدرتمند:
بازی من: رایانه شخصی، سرکش، دور 20-30 دقیقه ای، مخاطب هدف: هاردکور. چرخه اصلی: کاوش - مبارزه - قوی تر شدن - بمیر - دوباره شروع کن. مشکل: بازیکنان بعد از دور سوم خسته می شوند (احساس تکراری). وظیفه: 5 مکانیک را پیشنهاد دهید که باعث می شود هر دور احساس متفاوتی داشته باشد، که پیشرفت دائمی نمی کند. برای هر کدام: توضیح دهید که چگونه تنوع میافزاید و چگونه ممکن است تعادل را بر هم بزند.
مشکل بتن ("بی حوصلگی بعد از دور 3") و محدودیت باعث می شود خروجی مستقیماً قابل اجرا باشد.
نمودار مقایسه نوع نمونه اولیه
اندازه
نمونه اولیه کاغذی
نمونه اولیه دیجیتال
سرعت
بسیار سریع (ساعت)
متوسط (روزها)
تست شده
قانون/منطق
احساس، سرعت، کنترل
سهم هوش مصنوعی
قانون، متن کارت، تعادل
کد اسکلت، ماشین حالت
هزینه
پایین
متوسط
مرز
نمی توان احساس / سرعت را آزمایش کرد
تلاش کد مورد نیاز است
اشتباهات رایج
- پرش از حلقه اصلی. اگر چرخه واضح نباشد، هیچ مکانیکی مناسب نخواهد بود.
- صیقل دادن نمونه اولیه. تصویری/صوتی اتلاف وقت در مرحله نمونه سازی است.
- باد کردن دامنه. نمونه اولیه باید یک سوال را آزمایش کند. نه "همه چیز".
- زودهنگام تعهد به یک ایده واحد. تولید و حذف مقادیر زیاد با هوش مصنوعی نتایج بهتری به همراه دارد.
- عدم ایجاد فرضیه آزمون "چه چیزی را ثابت می کنم" یا نتیجه نمونه اولیه قابل تفسیر نیست.
به طور خلاصه
نمونه سازی هنر حذف ایده های بد ارزان است. در این فرآیند، هوش مصنوعی ایدهها را چند برابر میکند، چرخه اصلی را تیز میکند، به شما کمک میکند دامنه را محدود کنید، و اسکلت نمونه اولیه کاغذ/دیجیتال را سرعت میبخشد. اما شما فقط می توانید به سوال "آیا سرگرم کننده است" با بازی دست و تأیید فرضیه آزمون خود پاسخ دهید. به طور گسترده تولید کنید، سریع رسیدگی کنید، یک سوال واحد را آزمایش کنید.
وظیفه کاربردی
ایده بازی را انتخاب کنید. حلقه اصلی را با 5 فعل بنویسید و با الگوی "تقویت حلقه هسته" ضعیف ترین پیوند را از هوش مصنوعی یاد بگیرید. سپس سؤال واحدی را که نمونه اولیه باید با الگوی «کاهش دامنه MVP» آزمایش کند، شناسایی کنید. نتیجه را در 5 خط خلاصه کنید.
چک لیست
- [ ] حلقه اصلی را با افعال واضح نوشتم.
- [ ] در هر مرحله حلقه، بررسی می کردم که آیا تصمیمات معناداری برای بازیکن وجود دارد یا خیر.
- [ ] من تک سوالی را تعیین کردم که نمونه اولیه آزمایش کند.
- [ ] من دامنه را به MVP محدود کردم، بدون پولیش اضافه کردم.
- [ ] من با تولید تنوع گسترده و بازی در دست حذف کردم.