الگوریتم‌های مچ‌میکینگ بازی‌های ویدیویی واقعاً چگونه کار می‌کنند؟ مکانیک‌های ترو‌اسکیل، گلیکو-۲ و EOMM

وقتی یک بازیکن جدید تحت سیستم ترو‌اسکیل وارد بازی می‌شود، سیگمای او بسیار بزرگ است. الگوریتم می‌داند که نمی‌داند او چقدر خوب است، بنابراین رتبه او پس از هر مسابقه به شدت نوسان می‌کند. با انجام بازی‌های بیشتر و ایجاد سابقه، سیستم شواهد جمع‌آوری می‌کند، سیگما کوچک می‌شود و رتبه تثبیت می‌گردد. بازیکنان جدید به سرعت به رتبه واقعی خود می‌رسند، در حالی که رتبه بازیکنان باتجربه به آرامی تغییر می‌کند—دقیقاً همان رفتاری که برای یک تجربه مچ‌میکینگ روان مورد نیاز است. ترو‌اسکیل انتشار انتظارات (expectation propagation) را اجرا می‌کند و به طور مکرر هر پیام غیر گاوسی را با تطبیق دو لحظه اول، به نزدیک‌ترین گاوسی برمی‌گرداند و تضمین می‌کند که محاسبات حتی هنگام پردازش میلیون‌ها نتیجه بازی در روز، کارآمد باقی بمانند.[1][5]

یک تحول موازی در جوامع متن‌باز و دانشگاهی با سیستم گلیکو-۲ (Glicko-2) رخ داد. این چارچوب که توسط مارک گلیکمن، آمارشناس، توسعه یافت، یک متغیر حیاتی سوم را به ترکیب اضافه کرد: نوسان‌پذیری (Volatility). اگر یک بازیکن ناگهان شروع به عملکردی بسیار بالاتر یا پایین‌تر از خط پایه تثبیت‌شده خود کند—شاید به این دلیل که کنترلر را به برادر بزرگترش داده یا بالاخره یک مهارت مکانیکی حیاتی را یاد گرفته است—معیار نوسان‌پذیری او اوج می‌گیرد. این به الگوریتم می‌گوید که انحراف رتبه‌بندی او را به طور موقت افزایش دهد، در واقع رتبه او را «قفل‌گشایی» کند و اجازه دهد تا به سرعت با سطح مهارت واقعی جدید او تنظیم شود. سیستم‌هایی مانند گلیکو-۲ به ستون فقرات پلتفرم‌های آنلاین عظیم تبدیل شدند و تضمین کردند که تغییرات پویا در توانایی بازیکن در زمان واقعی ثبت می‌شوند.[4]

از نظر تاریخی، سیستم‌هایی مانند ترو‌اسکیل و گلیکو-۲ بر اساس یک فرض واحد و بی‌چون و چرا عمل می‌کردند: هدف مچ‌میکینگ ایجاد یک بازی کاملاً عادلانه است. الگوریتم‌ها با دقت تنظیم می‌شدند تا مسابقاتی را پیدا کنند که در آن هر دو تیم شانس ریاضی ۵۰ درصدی برای پیروزی داشته باشند. اما با تغییر صنعت بازی به سمت مدل‌های خدمات زنده (live-service) و اقتصادهای رایگان-برای-بازی (free-to-play)، توسعه‌دهندگان متوجه شدند که عدالت کامل در واقع باعث به حداکثر رساندن حفظ بازیکن نمی‌شود. یک مسابقه کاملاً متعادل اغلب خسته‌کننده است، نیاز به تمرکز اوج دارد و نتیجه‌ای شبیه به شیر یا خط دارد. دانشمندان داده شروع به پرسیدن یک سوال رادیکال کردند: اگر بازی‌های عادلانه در واقع باعث شوند مردم بخواهند بازی را ترک کنند، چه؟[6]

در سال ۲۰۱۷، محققانی از الکترونیک آرتز (Electronic Arts) و UCLA مقاله‌ای با داوری همتا منتشر کردند که بی‌سروصدا فرضیات صنعت را زیر و رو کرد. آن‌ها چارچوبی به نام همسان‌سازی بهینه‌شده برای درگیری (EOMM) را معرفی کردند. محققان با تجزیه و تحلیل ۳۶.۹ میلیون مسابقه از یک عنوان محبوب EA، از نظر ریاضی ثابت کردند که مچ‌میکینگ با مهارت برابر، راه بهینه برای نگه داشتن بازیکنان در سیستم نیست. همانطور که محققان اصلی، ژنگ‌شینگ چن و سو شو، در چکیده مقاله بیان می‌کنند: «ما ثابت می‌کنیم که مچ‌میکینگ مبتنی بر مهارت برابر، یک مورد خاص از EOMM است که بر اساس یک فرض بسیار ساده‌شده بنا شده و به ندرت در واقعیت صادق است.» این مقاله نشان داد که برنامه‌ریزی عمدی مسابقات نامتعادل می‌تواند تعامل کلی بازیکن را به طور قابل توجهی افزایش دهد.[3]

مقاله EOMM ریاضیات رفتاری صریح مربوط به ناامیدی را آشکار کرد. اگر یک بازیکن سه باخت متوالی را تجربه کند، ۵.۱٪ احتمال دارد که بازی را به طور کامل ترک کند. اگر سه برد متوالی داشته باشد، خطر ریزش به ۳.۷٪ کاهش می‌یابد، اما باز هم ممکن است به دلیل خستگی یا کمبود چالش، بازی را ترک کند. توالی بهینه برای حفظ بازیکن—الگویی که خطر ریزش را به تنها ۲.۶٪ کاهش می‌دهد—یک ترن هوایی ساختگی است: یک تساوی، به دنبال آن یک باخت، و سپس یک برد. با تغذیه این توالی خاص از اوج‌ها و فرودهای احساسی به بازیکنان، الگوریتم احتمال اینکه آن‌ها برای «فقط یک مسابقه دیگر» در صف قرار بگیرند را به حداکثر می‌رساند.[3]

این کشف، تابع هدف مچ‌میکینگ را تغییر داد. به جای صرفاً محاسبه مهارت، یک سیستم بهینه‌شده برای درگیری، احتمال ترک بازی توسط شما پس از مسابقه بعدی را محاسبه می‌کند. اگر الگوریتم تشخیص دهد که شما در یک رشته باخت قرار دارید و به آستانه آماری ناامیدی نزدیک می‌شوید، می‌تواند عمداً شما را در لابی‌ای در برابر حریفان کم‌مهارت‌تر قرار دهد. یک برد به شما می‌دهد تا وضعیت روانی‌تان بازنشانی شود و شما را در اکوسیستم نگه دارد. برعکس، اگر بیش از حد برنده می‌شوید، می‌تواند شما را در برابر بازیکنان باتجربه و بسیار ماهر قرار دهد تا فروتن شوید و چالش بازی دوباره برقرار شود.[3][6]

پیامدهای این تغییر برای اقتصاد بازی‌های خدمات زنده عمیق است. چارچوب EOMM به صراحت اشاره می‌کند که اجزای اصلی آن—مدل مهارت، مدل ریزش و مدل جفت‌سازی نمودار—کاملاً از هم جدا هستند. این بدان معناست که تابع هدف را می‌توان به راحتی تغییر داد. سیستمی که برای بهینه‌سازی زمان بازی طراحی شده است، می‌تواند به همان راحتی برای بهینه‌سازی هزینه‌های درون بازی تنظیم شود. این الگوریتم می‌تواند به طور نظری بازیکنانی را که آیتم‌های تزئینی (اسکین) نخریده‌اند، با بازیکنان بسیار ماهری که خریده‌اند، جفت کند و به طور زیرکانه از طریق گیم‌پلی، با مرتبط کردن تجهیزات پریمیوم به پیروزی، برای آن‌ها بازاریابی کند.[3]

جای تعجب نیست که جامعه بازی‌های رقابتی به شدت نسبت به این سیستم‌های نامرئی بدبین شده است. بازیکنان اغلب از نرخ برد ۵۰ درصدی اجباری و لابی‌های مجازات‌کننده مصنوعی شکایت می‌کنند و دست الگوریتمی را روی ترازو حس می‌کنند. در حالی که ناشران بزرگ به ندرت تأیید می‌کنند که دقیقاً چه مدل‌هایی زیر کاپوت عناوین شاخص آن‌ها در حال اجرا هستند، پایه و اساس ریاضی روشن است. صفحه مچ‌میکینگ دیگر فقط یک اتاق انتظار نیست که سرور به دنبال یک اتصال خوب می‌گردد. این یک موتور رفتاری پیچیده است که دقیقاً محاسبه می‌کند شما به چه نوع تجربه‌ای نیاز دارید تا به بازی ادامه دهید.[6]