达到95%分位并不令人印象深刻,因为这并不难做到。我认为这是我可能最可笑的想法之一。更糟的是,直白地说出来听起来很精英主义。但我认为恰恰相反:大多数人都能(相对)擅长大多数事情。
注意,当我提到95%分位时,我指的是在参与者中的95%分位,而不是所有人(对于许多活动,仅仅参与其中就能让你在所有人中达到99%分位或更高)。我也不是指在定期练习者中的95%分位。这个“一招鲜”在于,对于很多活动,在练习者中处于大约10%分位,就能让你在参与者中达到大约90%分位或99%分位。
这篇文章将具体讨论,因为我见过的相关讨论都停留在抽象层面,这使它们变成了罗夏测试。例如,斯科特·亚当斯有一篇广为引用的文章声称,成为通才比专才更好,因为要变得“卓越”,你要么在一件事上成为“最好的”,要么在两件事上达到75%分位。如果这严格成立,那当然是做通才更好,但这显然是夸张,而且在不成为“最好的”情况下,从专业技能中获得大量价值是可能的;由于这个精确的说法本身显然很荒谬,而文章其余部分只是模糊的泛泛而谈,讨论必然会退化为人们陈述自己的先入之见,基本上忽略文章内容。
就我个人而言,在我参与过的每个能获得大致百分位排名的活动中,95%分位的人会不断犯下看似容易观察和纠正的错误。“现实世界”的活动通常无法简化为百分位评级,但达到看似相似水平的熟练程度似乎同样容易。
我们先详细看看《守望先锋》(一款电子游戏),因为这是我熟悉的活动,容易获取排名信息并观察发生了什么,然后我们会看一些“现实世界”的例子,在那里我们可以观察到同样的现象,尽管我们无法获得现实世界例子的排名信息1。
守望先锋
在《守望先锋》的90%分位和95%分位排名中,绝大多数玩家几乎会不断犯下基本的、导致输掉比赛的错误。这些是简单的错误,比如在比赛计时器结束时站在目标旁边而不是目标上,将可能的胜利变成确定的失败。如果你想了解具体错误的足够细节,以便自己判断某个错误是否“基本”,请参见附注2。
我们可能预期这种情况发生的一些原因是:
- 人们不想赢,或者不在乎输赢
- 人们明白自己的错误,但没有投入足够的时间去改正
- 人们缺乏天赋
- 人们不知道如何发现并改正自己的错误
在《守望先锋》中,低分段可能会看到很多(1)类人——那些似乎不在乎输赢的玩家。但当你达到30%分位时,常见的情况是玩家会以各种方式表达求胜欲望,比如对被认为不关心胜利或技术不佳的玩家大喊大叫,抱怨那些他们认为因失误导致团队输掉比赛的人,等等3。除了偶尔的捣乱者外,当人们因失败而极度愤怒时,通常可以认为他们是在努力争取胜利的。
(2)类情况——没有投入足够时间改正错误——在某个阶段会适用于所有正在进步的玩家。但如果你观察50%分位玩家的平均游戏时长,那些稳定停留在此分段的玩家已经投入了数百小时(而更高分段的平均游戏时长更长)。考虑到我们讨论的失误如此简单,对大多数玩家而言,投入时间不足并不能成为借口。
在《守望先锋》论坛中,低分段玩家常抱怨自己就是没天赋,永远无法进步。无论训练计划如何,大多数人可能确实没有进入职业联赛的天赋。但当你通过改正“没意识到应该站在目标点上”这类错误就能达到95%分位时,其实并不需要太多天赋。
虽然(4)类情况——人们不知道如何发现并改正错误——并非唯一可能的解释4,但我认为这是大多数玩家最可能的原因。那些因卡在某个分段(可能高达95%或99%分位)而沮丧的玩家,似乎大多没有意识到,通过观察自己的游戏录像或请他人分析,他们能取得巨大进步。
有趣的是,《守望先锋》让发现基本错误变得很容易(相比大多数其他活动)。当你被击杀后,游戏会从击杀者的视角展示你的死亡过程,让你看清导致死亡的原因。《守望先锋》还会记录整场比赛并提供回放,让你分析比赛进程和胜负原因。而在许多其他游戏中,你需要额外安装录制软件才能查看回放。
如果你浏览《守望先锋》的论坛,会看到大量类似这样的帖子:“我太——沮——丧——了!我玩了1200小时,排名还在倒数10%,(此处是因人而异的《守望先锋》具体问题)”。而回复中总会有人建议:“光看文字我们看不出问题,请上传你的游戏录像。”当发帖者真的上传了录像后,热心玩家会给出建设性反馈——只要认真采纳,这些建议能立刻让玩家水平大幅提升。如果你持续关注这些求助者,往往会发现他们不久后就在更高段位(比如从倒数10%提升到前40%)再次寻求反馈。看到建议奏效固然令人欣慰,但遗憾的是,许多玩家并未意识到:如果早学会观看自己的录像或上传录像寻求反馈,本可省下1198小时的挫败感。
《守望先锋》玩家(甚至包括前5%的高分段玩家)似乎普遍存在以下现象:
- 渴望提升
- 却不愿获取反馈
- 明明通过反馈能快速进步,却选择缓慢提升
游戏提供了便捷的反馈工具,但那些强烈表达提升意愿的玩家却不愿使用这些工具。
现实生活
我的经验是,其他游戏也类似,而“现实生活”中的活动虽有些复杂,但本质并无不同。
一个复杂之处在于:现实活动通常没有单一、一维的优化目标。另一个问题是:即便针对某个具体明确的目标,人们对“如何做好现实活动”的理解往往(相较于游戏和运动)相当模糊。
带有评分系统的游戏很容易优化:你的元目标可以是冲击高分,这通常通过修正上述错误(比如没意识到应该踩上目标点)来提高胜率来实现。对于任何特定错误,你甚至能合理估算其对胜率的影响,进而推算出对评分的影响。
而在现实中,如果你想成为(例如)“优秀演讲者”,这或许意味着:你想做能帮助听众学习的知识型演讲,或做令人愉悦的娱乐型演讲,或在顶级会议上发表主旨演讲,或成为出场费5万美元的演讲嘉宾。这些都是不同的目标,需要不同的实现策略——对于某个具体错误(比如在20分钟演讲中花8分钟做自我介绍),它对目标的影响往往难以界定。
让游戏(至少是主流游戏)易于优化的另一个原因是,它们往往拥有大量狂热爱好者,这些人会痴迷地研究什么策略最有效。这意味着,如果你想提升水平,除非你立志成为世界顶尖,否则只需找出对他人有效的资源,挑选一份,阅读或观看,然后练习即可。例如,如果你想在桥牌或黑桃王这类吃墩游戏中达到前99%的水平(针对所有玩家,而非“拥有大师分的ACBL玩家”或“定期参加北美桥牌锦标赛的人”等子群体),你可以这样做:
- 学习游戏的基础知识
- 阅读一本关于打牌的入门书
- 练习应用所学内容
但如果你想成为一名优秀的演讲者,并且心中对“优秀演讲者”有具体定义,却仍然没有一条明确的路径可循。伟大的演讲者会给出完全相反的建议(例如,避免关注演讲技巧 vs. 练习演讲技巧)。相对很少有人会痴迷于提升自己并摸索有效方法,这导致缺乏严谨的课程来帮助进步。然而,这也意味着在百分位排名上提升很容易,因为相对很少有人会尝试提升自己。
尽管有上述种种注意事项,我仍然相信,与游戏或体育相比,在现实活动中变得相对优秀更容易,因为大多数现实活动中几乎没有人进行刻意练习。举个例子,如果你是一个本地乒乓球高手,能在当地酒吧击败所有随机对手,那么当你向某人发起挑战,对方说“好啊,你的评级是多少?”时,你就知道自己要惨败给一个可能用鞋刷子都能赢你的人(顺便说一句,这确实是我一个朋友经历过的真实事件)。你大概是前99%的水平,但一个没有天赋却花时间练习基本功的人,能发出你无法回击的球,同时还能轻松击溃本地酒吧高手能稳定打出的任何球。在大多数现实活动中,几乎没有人能达到相当于去本地乒乓球俱乐部每周练习两小时的刻意练习水平,更不用说像顶级职业选手那样每天认真训练四小时了。
举几个具体例子:2013年至2017年间,我曾帮助莉亚准备演讲。她最初几次试讲的水平,大致相当于你在大型技术会议上随机听一场演讲的预期。在她开始演讲的头两年里,每场公开演讲她都会进行约30次练习,其中我观摩并反馈了半数。她的首次公开演讲(在我看来)已远超大型知名技术会议的平均水准,此后她的演讲水平持续提升,直至2017年她停止演讲。
正如我们之前讨论的,这比游戏评分更为主观,且无法精确量化百分位数。但若观察多数人准备演讲的方式,莉亚能超越平均水平便不足为奇。在她首次登台的一次会议前夕,我们与另一位演讲者交谈,对方坦言尚未完成讲稿,仅准备了十五分钟内容(对应四十分钟演讲),正发愁如何填补剩余时间。这种准备方式并不罕见,而以此方式准备的演讲,绝大多数都难称出色。
多数人认为为一场演讲练习30次荒谬至极,是近乎偏执的投入。但我认同加里·伯恩哈特的观点:若你向300名听众发表30分钟演讲,这相当于150人时的时间成本,因此花费15小时练习(30次练习实际耗时可能更少,因可缩短部分练习或反复打磨难点)并非不合理。值得留意的是,这种在演讲领域被视为偏执的练习强度,与中等水平乒乓球俱乐部会员的训练时长相比仍相形见绌。
若你研究过教学法,或许会认为我对莉亚的帮助极其拙劣。众所周知,让外行自行摸索改进方法,堪称最糟糕的学习方式之一——优质指导更有效,而专业教练的一对一辅导则效果更佳5。这完全正确,我的帮助确实拙劣。然而,多数人不会为演讲练习超过两次,许多人甚至一次都不练(我缺乏确凿数据佐证,仅基于在参会时对演讲者的非正式调研)。正因如此,莉亚的30次练习相较于多数演讲者已是超常投入,即便我们采用了最拙劣的改进方法,仍取得了相对理想的结果。
我的写作是另一个例子。我不打算拿自己和别人比较,但在我写这个博客的头几年里,我的写作水平有了显著提升,仅仅是因为我花了一点心思去获取和接受反馈。
莉亚几乎每篇文章都读过一两稿,并给我反馈。在最初的文章中,由于我们俩对写作都一无所知,很难找出问题所在。如果我有一些别扭的措辞或混乱的叙事结构,我们能指出来说“这看起来不对”,却无法描述具体问题或提出修改建议。这就像在拼写检查出现之前,你拼错了一个单词,能感觉到有问题,但你想出的每一种拼写组合都是错的。
我的解决办法是雇了一位我欣赏其写作的专业编辑,并指示说:“我不在乎拼写和语法修正,我的写作存在一些我不理解的根本性问题,请向我解释它们是什么。”6。我认为这比我在演讲方面帮助莉亚更有效,因为我们请到了一位基本上是专业教练的人参与。我的编辑帮助我们的一个例子是,他给了我们一套可以用来讨论结构问题的词汇,就像设计模式给了人们一套讨论面向对象设计的词汇一样。
回到这个博客的常规主题:编程
编程与上述现实生活中的例子类似,无法分配评分或计算百分位数之类的,但通过获取对自己所做之事的反馈,仍然有可能在不费太多力气的情况下,相对于过去的自己取得显著进步。
例如,这是迈克尔·马利斯做的一件事:
我发现一个极其有用的练习:观察自己编程的过程。整个星期里,我让一个后台程序录制屏幕。周末时,我会回看上周的几段录像,通常选择那些感觉完成某项任务耗时远超预期的片段。观看时,我会仔细留意时间究竟花在了哪里,并思考如何能做得更好。第一次这样做时,我对自己的时间去向感到非常惊讶。
举个例子,以前写代码时,我会一次性写完新功能的所有代码,然后统一测试。用这种方式测试时,我必须先定位bug所在的函数,再逐个调试。但通过观看自己的编程录像,我意识到实现功能的总时间中,竟有四分之一花在了追踪bug所在的函数上!这完全出乎我的意料,如果不录像根本发现不了。现在既然知道定位bug函数如此耗时,我改为每写完一个函数就立即测试其正确性。这让我写代码快了很多,因为调试时间大幅缩短了。
过去我也曾花时间分析编程时的时间去向,发现的情况与《守望先锋》类似——只不过不是不断犯导致输掉比赛的错误,而是不断做毫无意义浪费时间的事。仅仅改掉其中一些坏习惯,我的效率至少提升了两倍,这很容易衡量,因为修正这些问题本质上就是收回被浪费的时间。比如我注意到:当需要等待两分钟时,如果上网看点什么就会分心N分钟,于是我确保手头常备一个有用工作队列来填补空闲时间(如果处理对延迟敏感、不想切换任务的工作,我就什么都不做,直到等待结束)。
这里需要强调:实际追踪自己的行为很重要,不能仅凭猜测。当我记录人们实际做的事并与他们自认为做的事对比时,两者往往大相径庭。如果运营复杂软件系统时没有指标或追踪,通常会被认为荒谬;但运营自己时却不设指标或追踪,这反而成了常态——尽管你比所开发的软件复杂得多,也更难理解。
Jonathan Tang 曾指出,选择正确的问题比执行速度更重要。我对此并不反对,但将执行速度翻倍仍然是一个不错的收益,且独立于选择正确的问题。同时我认为,如何选择正确的问题很难在抽象层面有效描述,而提供示例所需的上下文会比本文中已经过长的《守望先锋》例子更冗长——或许我会另写一篇专门讨论这个问题的文章。
无论如何,这篇博文对我而言有些另类,因为我认为从文化层面看,美国(尤其是我近期居住的纽约和旧金山)对生产力的关注有些过度。但在个人层面,提升工作或家务效率并不必然转化为更多的工作或家务,也可以转化为更多的假期时间,或更多时间去做你真正重视的事情。
对于《守望先锋》这类游戏,我并不认为提升技术是道德义务;在50%分位、10%分位或任何段位享受乐趣都毫无问题。但在我玩过的所有包含评分/联赛/锦标赛系统的游戏中,许多人即使没有投入多少精力去提升,输掉比赛时也会极度沮丧和不快。既然如此,为什么不花点精力提升自己,少花点时间生气呢?
提升的元技巧
- 获取反馈并练习
- 理想情况下由专业教练提供,但如果没有,也可以来自外行甚至你自己(如果你有办法记录/追踪自己的行为)
- 带解答的引导练习或习题
- 在象棋或桥牌等“经典”游戏的书籍中很容易找到
- 特定领域常能找到系列书籍,例如数学领域的《Springer 本科数学系列》(SUMS)通常包含带解答的习题
当然,这些并非新颖的想法——例如 Kotov 在 70 年代出版的系列书籍《像大师一样思考》《像大师一样对弈》《像大师一样训练》就涵盖了这些理念,因为它们正是最显而易见的提升途径之一。
附录:其他最易被嘲笑的观点
以下是我曾发布过、在当时被广泛嘲笑的观点:
- 潮流科技公司的程序员年薪 35 万美元或以上并不罕见(2015 年,当时给出的数字是 25 万美元/年)
- 单体仓库是合理的(2015 年)
- 我们应该预期看到更多 CPU 漏洞(2016 年)
- 市场与歧视并非不可共存(2014 年)
- 计算机在某些方面正变得更慢(2017 年)
- 类型系统益处的实证证据几乎不存在(2014 年)
- 撰写技术文章时避免使用领域特定术语是合理的
我关于薪酬的文章有一个“独特”的名声:它们既常被批评为“显而易见、毫无意义”,又被嘲笑为“荒谬错误”。我猜这些文章对人们产生的总体影响也是最大的——有两位数的人告诉我,其中一篇薪酬文章改变了他们的人生,他们现在每年比以前多赚几十万美元,因为他们知道了获得更高薪工作的可能性。我怀疑,那些因了解到“可以赚更多钱”而做出重大改变的人中,我听到反馈的还不到10%。
2015年我写第一篇薪酬文章时,被嘲笑更多的是“明显错误”而非“显而易见”,但最近几年情况反过来了。我偶尔还会因为文章被Twitter某个角落或HN/Reddit圈子之外的网络论坛转载而收到“错误”的嘲讽,但“明显错误”与“显而易见”的比例大概从20:1变成了1:5。
自2015年以来,人们对单体代码仓库的看法也经历了类似变化。除了大公司的一些人,过去关注技术趋势的人普遍认为单体仓库“明显愚蠢”,但这已经彻底改变。虽然不像薪酬观点变化那么大,但足以让我现在遇到一个坚定的反单体仓库者时感到些许惊讶。
虽然CPU漏洞的观点转变花了更长时间,但这可能是上述文章中如今被嘲笑最少的一篇。
“市场不会消除所有歧视”是观点转变最少的。坚定的“所有市场都有效”论者并不真正信服贝克尔《歧视经济学》这类学术著作,或像文章中列出的证据总结。
关于计算机延迟更高以及缺乏类型系统益处的实证证据的文章,是我见过最常被用来辩护“可笑观点”的。我写这两篇文章时并不知道结果,但它们恰好都发现了与最常见高调主张相反的证据(有非常好的证据表明高级类型系统在实践中能提升安全性,当然计算机在各方面都更快,认为它们更慢的人只是在怀旧)。我不知道这是否改变了许多人的看法。不过,这两篇文章我都没收到太多直接嘲笑,尽管它们都直接陈述了我常见于网上被嘲讽的立场。我猜部分原因是这两篇文章都是实证性的,没什么可争论的(虽然关于歧视的文章也是实证性的,但它仍然受到不少嘲笑)。
列表中的最后一个想法更偏向元层面:没有人直接告诉我应该使用更晦涩的术语。相反,我收到的评论是,因为我没有使用专业术语,所以我一定对X了解不多。使用专业术语是建立可信度或权威性的常见方式,但这是我并不真正认同的做法。诉诸权威并不能说明任何问题;添加不必要的术语只会让那些不在该领域、只是因为感兴趣而阅读、但不想真正进入该领域的读者感到更加困难。
这是我与许多人存在的一个根本性分歧。举个例子,我最近与一位权威人士进行了讨论,他坚称我不可能合理地不同意他们的观点(我建议我们求同存异),因为他们是该话题的权威,而我不是。碰巧的是,我曾参与过一个与我们讨论的系统非常相似的系统的形式化验证工作,但我没有提及这一点,因为我不相信我在该话题上的权威地位有什么意义。如果一个人的论点如此薄弱,以至于不得不诉诸于一个绝对正确的权威,这通常表明他们对自己的立场没有充分的理性辩护。当他们把自己标榜为绝对正确的权威时,这一点就更加明显了。
我脑子里还排着大约20个关于听起来很蠢的想法的帖子,但我大多尽量避免写有争议的内容,所以我不确定是否会把这些都写出来。如果我每个月写一篇帖子(比我最近的频率高得多),并且只把10%的帖子用于那些可笑的点子,那么把我目前所有的可笑点子都写出来需要16年时间。
附录:关于改进的评论
- Skyline:99%分位数并没有那么好
- James Clear:90%分位数并没有那么好
- Josh Infiesto:80%分位数并没有那么好
- Atul Gawande:教练/反馈非常强大且被低估
感谢Leah Hanson、Hillel Wayne、Robert Schuessler、Michael Malis、Kevin Burke、Jeremie Jost、Pierre-Yves Baccou、Veit Heller、Jeff Fowler、Malte Skarupe、David Turner、Akiva Leffert、Lifan Zeng、John Hergenroder、Wesley Aptekar-Cassels、Chris Lample、Julia Evans、Anja Boskovic、Vaibhav Sagar、Sean Talts、Emil Sit、Ben Kuhn、Valentin Hartmann、Sean Barrett、Kevin Shannon、Enzo Ferey、Andrew McCollum、Yuri Vishnevsky以及一位匿名评论者提供的评论/更正/讨论。
- 选择《守望先锋》是出于我熟悉的活动中的任意性,其中:
- 我对该活动有足够了解,可以发表评论
- 我观察过足够多试图学习该活动的人,因此可以说修复某个错误或某类错误是否“容易”
- 有足够多的评级玩家来支持这一论点
- 许多读者也会熟悉该活动
我99%的游戏经历来自90年代的电子游戏,但我不打算用这些作为例子,因为熟悉这些游戏的读者相对较少。我也可以用“现代”桌游,比如《波多黎各》、《领土》、《神秘大地》、ASL等,但参与过有评分对局的人非常少,这会让论证的说服力降低(也许参与评分对局的人比不参与的人差得多——这不太可能,但如果不比较评分与非评分对局的实际游戏表现,就很难证明这一点,而这对于本文来说过于深入了)。
有很多活动比《守望先锋》更适合作为例子,但我对它们不够熟悉,无法用来举例。例如,在阅读本文草稿时,凯文·伯克提到他在指导青少年篮球时观察到了同样的现象,多位读者也提到他们在国际象棋中观察到了类似情况,但我不够熟悉青少年篮球或国际象棋,无法就这些活动做出有把握的论述——即使它们可能是更好的例子,因为很可能更多读者熟悉篮球或国际象棋而非《守望先锋》。
[返回] 2. 当我刚开始玩《守望先锋》时(也就是我做那个实验的时候),我的评分最终略高于50%分位(对《守望先锋》玩家来说,那是白金段位——本文将使用百分位而非段位,以避免非《守望先锋》玩家需要学习段位含义)。普遍认为且很可能属实的是,在《守望先锋》中玩主要评分模式的玩家平均而言比只玩非评分模式的玩家更强,因此我的实际百分位可能略高于50%分位,而本文列出的所有“真实”百分位都高于名义百分位。
在略高于50%分位时,你经常会看到的一些情况是:
- 支援角色(治疗者)会去治疗一个满血的人(毫无作用),而旁边濒死的队友却得不到治疗,最终死亡。
- 玩家会注意不到有人从队伍后方悄悄接近,逐个击杀队友,直到整队被灭。
- 玩家会攻击敌人直到只剩最后一击就能击杀,然后切换目标,让那个只剩1血的敌人回满血,再重新攻击。
- 死亡后,玩家不会等待队友复活,而是直接冲进敌方队伍1v6。这种情况会持续整场比赛(游戏设计为6v6,但在低于95%排位的对局中,很少能看到一方减员后还能保持6v6交战)。
- 玩家显然完全不了解角色技能的作用,包括自己正在使用的角色。
- 玩家会做出高风险低回报的操作(对《守望先锋》玩家来说,经典例子就是开局2CP防守时,莱因哈特去搞一个娱乐性质的冲锋,这在50%排位很常见,但在95%排位很少见,因为认为这招好用的玩家通常决策能力很差)。
- 玩家枪法极差,连续四五枪打不中,而他们只需要命中一次就能击杀敌人。
- 如果单个绕后的敌人威胁到一个无法逃脱的治疗者和一个有逃生技能的非治疗者,非治疗者很可能会用技能逃跑,让治疗者等死,尽管他们只要在治疗下攻击就能轻松击杀绕后敌人并救下治疗者。
只要你的游戏表现中有一个方面不是糟糕透顶,而是仅仅差劲,就足以达到50%排位。对我来说,那就是团队协作;对其他人来说,可能是其他方面。我说我的团队协作差劲,而不是良好甚至一般,是因为我基本不知道怎么玩这个游戏,不了解任何角色的优势、劣势和技能,所以根本无法有效与队友配合。我也不知道游戏模式的具体机制(例如,什么情况下比赛会平局,什么情况下会进入下一轮),所以我基本是随机乱逛,只是倾向于待在能找到的最大队友群体附近。这已经高于平均水平了。
你可以说某人游戏玩得不错,因为他们高于平均水平。但从非相对的角度看,略高于平均水平其实相当差——很难说一个在队友语音喊“(敌人)在我们后面!”时,却注意不到整队被从背后击杀的玩家不差劲。
多玩了一会儿后,我发现用自己熟悉的角色时,真实排名大概在90%左右。由于排名和匹配机制的波动,我甚至参与过高达98%分段的比赛。但我的瞄准和闪避依然糟糕透顶。与排名相比,我的瞄准水平实际上比在50%分段时更差——因为对手强得多,而我只是略强一点。在90%分段,两个我联手在开阔地带对抗大多数玩家都可能输。即便我躲在掩体后只露出10%的身体,而对手在开阔地带,我通常也会输掉战斗——可以说我的瞄准能力比同分段中位数玩家差十倍不止。
我靠“十分之一瞄准能力”打到90%分段的诀窍,是学习游戏机制并最大化获胜概率(尽我所能),而不是把游戏当成自由混战那样追求快速击杀。要解释90%分段的具体打法需要更多背景,这里仅举两个典型例子——这些正是绝大多数90%玩家(除了少数像我这样瞄准极差但用其他方式弥补的玩家)常犯的错误。
游戏的核心目标是获胜。虽然存在不同模式,但主流排位赛都要求玩家占领或靠近某个目标点。常见的情况是:回合倒计时即将归零,若无人触碰目标点则必输无疑,但若有人能触碰目标点且不立即阵亡(触发加时赛直至双方停止触碰目标点),团队就有机会获胜。举个经常发生的具体案例:敌方四人占据目标点,我方仅坦克和辅助两名玩家在附近。其他四名队友阵亡后正从重生点赶来,他们距离足够近——只要你能触碰目标点且不瞬间暴毙,队友就能赶到并大概率夺点获胜;但若你触碰目标点后立即阵亡,队友来不及补位,你们就会输掉比赛。
如果你玩的是支援/治疗角色,水平处于90%到95%分位,这局游戏几乎总会这样结束:坦克会朝目标点移动,挨了几枪后,决定不想再承受伤害,于是从目标点撤退。作为支援,你的血量很少,一旦碰到目标点就会被对方集火秒杀。因为如果你不向前推进到目标点,队伍必输无疑,你只能硬着头皮上,赌一把赢的机会。等你阵亡后,坦克要么冲进目标点送死,要么慢悠悠走向目标点却来不及在时间耗尽前抵达。无论哪种情况,你们大概率会输。
如果坦克在你阵亡前就尽到职责冲进目标点,你就能持续治疗坦克,撑到队友赶到,这样你们很可能赢。对方队伍如果配合默契,本可以绕路或直接穿过坦克来击杀你,但他们不会这么做——任何知道这个战术能赢、且枪法足够精准执行的人,早就升到更高段位了。而你队伍里那个明白“坦克应该为支援挡伤害而非反过来”的坦克,也不会在95%分位停留太久,因为赢太多场后自然会升到更高段位。
另一个绝大多数90%到95%分段的玩家都会犯的基础错误是:当你处于进攻方,等待队友复活以便集体进攻时。即使在90%分段,仍有约1/4到1/3的玩家不会这么做,而是直接冲向敌方队伍。但足够多的玩家会意识到1v6不是个好主意,因此你通常会遇到5v6或6v6的战斗,而不是50%分段常见的1v6和2v6。总之,在等待队友复活以形成5v6的过程中,很可能有某个意识到不该1v6冲进敌阵的玩家,会决定尝试用远程攻击1v6骚扰敌人。即便敌方有多名拥有秒杀级远程攻击的狙击手,人们也会这么做,而不是安全地躲在墙后。甚至当自己玩的不是狙击手角色,需要命中敌人2-3次才能击杀时,面对多个狙击手仍会如此——这导致他们极大概率无法击杀,却要承担极高的阵亡风险。对于《守望先锋》玩家来说,即使自己大招已满而对方没有,人们也会这么做,把本应占优的局面(己方有大招,对方已用光)至少变成均势(双方都有大招),最坏情况则是直接输掉战斗。
如果你浏览过《守望先锋》论坛,无论是Reddit还是官方暴雪论坛,常会看到这样的抱怨:“为什么我的队友这么菜?我明明在[90%-95%分段],但队友总在犯那些明显愚蠢的致命错误,比如[上述例子]”。答案当然是:提问者本人也一直在犯同样愚蠢的致命错误——因为任何不频繁犯重大失误的人,赢的场次早就多到不会停留在95%分段了。这同样适用于我自己。
有人会争辩说,这个分段的玩家应该很优秀,因为他们比95%的玩家强,所以相对而言算高手。但抛开相对性,很难说一个不明白“踩点才能赢,不踩点必输”的人算高手。《守望先锋》最基础的一点就是它是基于目标的游戏,但90%到95%分段的大多数玩家并不这么玩。
对于任何未能跻身前1%的玩家来说,复盘录像总能发现导致失利的错误。以我自己为例,通常排在90%左右,观看一场势均力敌的比赛录像时,会发现数十个足以输掉比赛的失误(这类情况约占失利的30%,其余70%则是一边倒的碾压局,不存在某个单一简单失误决定胜负的情况)。
修正这些错误通常并不困难,因为失误就像上文例子那样简单:一旦你意识到自己正在犯这个错误,修正方法就显而易见了——毕竟错误本身就很直白。
[返回] 3. 有些人可能纯粹想对队友发泄怒火。由于你很少会匹配到相同的玩家,在主流排位模式中很难观察到这一点,但我认为在《守望先锋》偶尔推出的迷你排位模式中能窥见端倪。
迷你排位模式的玩家基数远小于主流排位模式,这会产生两个显著副作用:技能水平参差不齐的玩家会被塞进同一局游戏;如果你连续进行多场比赛,会反复遇到相同的玩家。
由于你不断与同一批玩家匹配,你会看到他们一局接一局地犯同样的错误,用同样的方式葬送比赛,然后上演同样的暴怒戏码,用同样的方式指责队友。
在常规排位模式中也能看到暴怒和甩锅队友的现象,但通常你无法判断发怒者只是今天状态不好,还是其他偶然因素——除非你处于极高或极低分段(那里同分段玩家池较小),否则你不会频繁遇到相同的玩家。但当你在几周内观察15-20局比赛,看到某些玩家用相同原因输掉比赛十几次,随后又上演完全相同的暴怒戏码时,你可能会开始怀疑:这些人中有一部分确实渴望愤怒,他们从游戏中获得的主要东西就是愤怒的源泉。你或许也会从某些人使用社交媒体的方式中产生类似疑问,不过那是另一个话题了。
[返回] 4. 例如,也会有一些玩家因某种残疾而无法提升,但在我们讨论的水平(即99%分位或以下)中,这种情况相对罕见(肯定远低于50%,而且我认为合理推测是,在主动选择玩这款游戏的人中,这一比例远低于10%)。如果我没记错,前500名中至少有一位聋哑玩家(这极为不利,因为声音提示提供了大量无法通过其他方式获得的精细位置信息),至少有一位法定盲人玩家达到了99%分位,还有多位身体残疾的玩家,他们无法精细控制鼠标,即基本无法瞄准,却也达到了99%分位。
人们无法提升还有其他原因。例如,凯文·伯克指出,他在执教青少年篮球时,有些孩子不愿做那些他们认为会让自己显得愚蠢的练习(比如,即使在所有人都在用非惯用手运球、表现糟糕的练习中,他们也避免学习用非惯用手运球)。当我长时间待在一个攀岩馆,那里有一位世界级教练,他经常送一批孩子参加全国赛,甚至送一些孩子参加世界赛时,我在他的课堂上观察到同样的情况——孩子们,即使是那些在全国或国际比赛中具有竞争力的孩子,有时也会因为害怕在同伴面前显得愚蠢而避免做某些事。教练的解决办法是故意让孩子显得极其愚蠢,并告诉他们,现在显得愚蠢总比在全国赛上显得愚蠢要好。
[返回] 5. 请注意,这里所说的“熟练的教练”是指擅长执教的人,不一定是擅长该活动的人。擅长该活动但未经过专门教学训练或未花大量时间钻研教学的人,通常是不称职的教练。[返回] 6. 如果你阅读我任何文章的致谢部分,你会发现大多数文章都得到了不止两个人的反馈(我真的很感激这些反馈),但按数量计算,我认为我收到的反馈中,超过90%来自莉亚和一位专业编辑。[返回]