随便抛出一个问题，我们如何定位这个问题的讨论范围？ 如果处理不好，就会在工作中浪费设计师大量的时间，产生许多的无效讨论。在一次研究这个问题的过程中，无疑诞生了一个知识体的概念。 原本是想我们在讨论时，能够清晰定位问题的范围，结果研究出的模型貌似不得了，打开了眼界，开阔了思路。 这就给大家分享。 {{:知识库:游戏学:pasted:20240913-204621.png?700|知识体结构}} ===== 名词解释 ===== ==知识体== 以一定结构组成的信息载体，包含了理论，理论的使用方法、步骤与过往案例。 ==原理== - 我们通过__实践__累计了__案例__。 - 基于__案例__，查找共性，用共性建模，形成假设模型。 - 通过__模型__，我们再指导__实践__，并用实践的结果去验证假设模型。 - 最终，在一定时空范围内__能提高生产力__的__假设模型__，就是我们的原理。 - 在知识体中，原理负责回答__为什么__，__是什么__。 ==方法与工具== 具体到某类事情如何做的思想和方法。 提高做这事的生产力的手段就是工具，这种手段可以是思想模型，也可以是某个软件，或是某个现实中的物理设备。 在知识体中，方法与工具负责回答怎么做。 ==上限未知== 如果遇到一个现象，属于这个知识体的范围，但原理又解释不清楚，它就属于这里，说明了我们的原理需要更新迭代。 此时，需要基于现状重新探索，更新知识体。 ==下限未知== 遇到一个事情需要决策，但方法里没有交代。此时就需要基于原理去判断。 所以需要执行人掌握原理，才能依照原理解决方法外的未知问题。 ==边界未知== 如果一个现象，无法用现有的知识进行分类，纳入某个知识体，则认为这个问题超过了我们的知识边界。 需要探索这个现象。看看是否能发展出新的知识体。 ==生命体（biomass）== 因为知识体拥有自我进化，拥有繁殖能力，所以我们认为知识体有生命力，是一种生命体。 另一方面，人类掌握的全部知识的总和，形成了一个有生命力的生命体，它由人类脑子生产的各种细胞和器官产生和更新。 ===== 目的 ===== 这个世界有许多的未知，为了有效的探索这些未知的东西，我们创造了一种模型，这种模型会去指导我们探索未知的事物。 ===== 适用范围 ===== ====时间（When）==== 在我们的知识体系中，这个知识体适用于任意时期，并且我们认为，它适用于任何年代。 探索未知是我们一生都将进行的事项，是生命的意义。 ====空间（Where）==== 我们有一种形象化的解释，来描述探索知识体。 探索型任务（下一章解释）创造了知识体概念，并把自身也塑造成了知识体。 __知识体__就像是DNA，提供了最基础的编码结构。 当我们使用**探索知识体**（最原始的知识体）去探索未知事物时，等于采集了外界的信息，然后有丝分裂了一个新的知识体，并取了一个新的名字。 许许多多的知识体构成了一个仿佛有生命的对象，也可以认为是生命体（biomass）。 这个生命体不可描述，没有名字，我们人类就是这个生命体的细胞，通过不断地使用，构造，完善这些知识体，最终保持生命体的进化。 从宏观角度看，这个生命体通过人类这种细胞，完成知识体的更新与繁衍。 延伸：在人工智能拥有智慧并成为公民后，人类将会被重新定义，不再是生物，而是我们共同的知识。与当下我们得出的生命体概念类似。 ===== 人群（Who_To） ===== 因为探索型任务的维护者，学习者，使用者都是一批人，不像其他任务一般执行者可能与探索者不同。 所以探索型任务的Who_To与Who_From是一致的。 ==== 什么人适合执行这项任务 ==== * 擅长学习模型，使用模型 * 【可能】数学好 * 非常认可科学探索与工业化 ==== 执行这项任务的学习等级 ==== * “0”学习成本任务，可直接执行。 * “1”学习成本任务，只要进行一次示范即可独立执行。 * “C”学习成本任务，需要进行培训，考试合格后方可执行任务。 本任务属于 “C”学习成本任务。 ===== 方法 ===== ===信息不同步的问题=== 探索一个未知的事情，通常最大的问题就做到一半发现出发点错了。这种错误可能来源于： * 自己没想清楚 * 与任务发起者的同步率低【没彻底明白老板的意思】 * 自己的能力有限（关键信息没有掌握） 所以在执行探索型任务的过程中，我们强调信息频繁交互。 * 同行之间互相交互 * 任务发起人与执行人之间交互 * 专家与执行者之间交互 ===效率问题=== 通常，还可能会因为执行步骤或方法不对，导致任务卡壳一段时间，这对团队来说是糟糕的。 为了解决这样的问题，我们会要求执行人在任务开始前，描述自己的探索方法与步骤，然后讲述出来，告诉监督人，这样就可以通过同行评审或专家评审的步骤去缓解这个问题。 ===== 小结 ===== 上述的文档格式，看起来会很怪，其实就是一个知识体的上半部分。 在我们创建了这个结构后，首先用这个结构重新创建了它自己，研究出了“探索型任务”这个知识体。 说是知识体，其实可以理解成领域结构，但领域又太大了，就当成模块好了。 这个知识体的出现，是我们游戏学面向工业化的重要一步，因为工业化最重要的就是精准与效率。 如何在主观遍布的设计过程中精准与效率？ 如前文所说，先解决问题定位。 当一个企业内部的设计师，都理解知识体概念，并维护知识体时，出现的效果类似于流水线中的SOP。操作师傅只用拿起来看一下，甚至不需要交流，就知道手里事情的原理时什么，以及该怎么做。 如果一个企业，在执行任务的时候，顺手都把常见的工作问题都变成了知识体，那这个企业形成了真正的战斗力，而不是各个小组孤军奋战。 一开始，遇到的问题都会是没有建过模的，所以属于上限未知，需要有经验的大师们来首次创建。创建结束后，这个活基本就可以分派给别人来做，解放大师的生产力。 在游戏设计中，每一个决策都是很细节的，再好的说明书也无法面面俱到，所以也会存有大量的没有提到的情况需要执行的人去决策。 那么如何确保执行的人做对方向了？ 此时就需要知识体上层的理论去帮忙指明方向，当然，多沟通必不可少，因为越抽象的理论，大家的理解也就越不同。新人培训的题海战术可以极大的解决这种理解不一致的问题。 总的来说，知识体就是一种结构，确保我们研究某个方向的事物时，有一个统一的方法论，形成统一格式的结果，以便于研究成果是共享的，可阅读的，可靠的。