I lagbaserte online-spill vil man være i en situasjon hvor man i nåden av sine ofte tilfeldig tildelte lagkamerater. Som diskutert i ‘Game Theory in Video Games: How You’re in a Prisoner’s Dilemma’ (2012, TheRealHumanzeell), kan slike spill lett tilpasses fangens dilemma-lignende situasjoner. Her har forfatteren satt opp ett eksempel med denne gevinst-matrisen:

Han mener for at ved å støtte laget øker man sjansen for å vinne og man har det litt gøy, slik at hvis hele laget jobber sammen vil man få høyest gevinst. Mens spillere som spiller for seg selv, vil også ha det gøy, men øker sjansene for at de taper. Videre argumenterer han for at spillutviklere kan bruke dette til å gi høyest gevinst til alle typer spillere ved å bruke rangeringssystemer som driver spillere som samarbeider sammen ved at de samles på toppen, mens spillere som spiller for seg selv samles på bunnen.

Et naturlig argument mot dette er at nye spillere som mangler de tekniske ferdighetene til erfarne spillere kan bli sittende fast med lagkamerater som ikke vil samarbeide, og dermed aldri vil få muligheten til å få maksimal gevinst fra spillet.

Og går man tettere inn på et spill ved å se på en kamp som et lengre gjentakende fangens dilemma, vil man sannsynligvis se at de som vil samarbeide vil gå for en tit-for-tat strategi, som vant begge av Robert Axelrods turneringer hvor man satte to strategier opp mot hverandre i 200 runder i et gjentakende fangens dilemma spill (Axelrod, 1984). I tit-for-tat strategien, vil spilleren gjøre det samme som den andre spilleren gjorde i forrige runde, altså samarbeide hvis den samarbeidet, eller tyste om den andre spilleren tystet forrige runde.

De som vil spille for gøy vil uansett ikke støtte laget og vil få 2 poeng uansett hvilken strategi lagkameratene velger.

Om deler av laget ikke samarbeider, øker sjansen for å tape, og man vil da sitte igjen med ett poeng om man ikke tilpasser seg til de som ikke samarbeider. På den måten kan et mindretall av spillere gjøre at flertallet går over til å spille for gøy, fremfor å samarbeide.

Dette vil nok komme mer tydelig frem i rundebaserte spill som Counter-Strike, hvor man spiller best av 30 runder. Selv om spillere i tid- eller mål-baserte spill også vil ha mulighet til å justere strategien sin underveis, når de oppdager at lagkameratene ikke vil samarbeide.

En strategi som ikke er nevnt, er å forlate kampen. De fleste spill som operer med rangeringer har implementert en nedkjølingsperiode som tildeles spillere som forlater kamper for å motvirke den negative effekten det har på spillet. I matrisen under har jeg lagt inn denne strategien i tillegg.

De som spiller for seg selv vil fortsatt ha det like gøy. Mens de som spiller for å samarbeide og vinne, vil tape på grunn av at det hemmer samarbeidet, og minsker sjansen for å vinne. Derfor vil det være naturlig for de som først ønsket å støtte laget at de bytter til å spille for gøy om lagkamerater forlater spillet. Å forlate spillet vil gi en straff og negativ gevinst.

En siste strategi som kan nevnes er å trolle, altså aktive ødelegge for sitt eget lag, eller jukse, hvor man fjerner konkurranse-aspektet ved spillet. Hvis en på sitt eget lag jukser eller troller, forsvinner hensikten med samarbeidet og man vil ikke få noen gevinst. Man kan da enten forlate spillet og bli straffet, eller man kan spille for gøy eller begynne å trolle selv, som vil gi litt mer gevinst. En risiko ved å trolle og jukse er ofte at man kan bli kastet ut av spillet og nektet å spille mer uten å lage en ny konto.

Ut ifra disse strategiene kan man se at spillutviklere bør bruke spillteori til sette opp situasjoner slik at man samler likesinnede spillere for at de skal få mest uttelling fra spillet. Og at en ren ferdighetsmåling ikke er nok for å separere de som vil spille for gøy og de som vil samarbeide. Samtidig må de straffe de som aktivt går inn for å ødelegge spillet for andre nok at det ikke blir en attraktiv strategi.

DOTA 2 har for eksempel implementert både rangert og urangert spillmodus, slik at de som vil spille for seg selv og ha det gøy kan få spille den fullverdige konkurranse-modusen uten at det har noen påvirkning på de som vil samarbeide for å vinne.

Counter-Strike som nevnt tidligere har bare en rangert versjon av den offisielle konkurranse-modusen, men her har Valve nylig valgt å gå en annen vei for å samle likesinnede spillere. Nemlig å samle inn data om hvordan forskjellige spillere oppfører seg. Ikke bare i Counter-Strike, men ved å hente inn data fra hvordan man bruker Valves spillbutikk Steam og oppførsel fra andre spill man har der. For å så matche spillere med lik Trust Factor når de søker etter kamper.  Det er for tidlig å si hvorvidt dette vil fungere, men å bruke bruke big data og datalæring på denne måten vil nok etter hvert kunne gi detaljerte profiler om man samler inn riktig type data.

Her har vi sett mest på konkurranse-spill, men spillutviklere som jobber med spill hvor man bare samarbeider kan også bruke spillteori til å sette opp situasjonene slik at spillerne velger de strategiene som gir mest gevinst og glede ut av spillet.

Ressurser:

Axelrod, Robert (1984), The Evolution of Cooperation, Basic Books

TheRealHumanzeell (2012) Game Theory in Video Games: How You’re in a Prisoner’s Dilemma, https://blogs.cornell.edu/info2040/2012/09/29/game-theory-in-video-games-how-youre-in-a-prisoners-dilemma/

Valve (2017), The Trust Factor, http://blog.counter-strike.net/index.php/the-trust-factor/