سیستم امتیازدهی الو چگونه بر اساس تابع لجستیکِ احتمال برد، امتیاز بازیکنان را تنظیم می‌کند؟

در ۱ اکتبر ۲۰۱۵، چارچوب ریاضیاتی که زیربنای رتبه‌بندی‌های رقابتی بود، از یک فرمول اکتشافی ورزشی به یک الگوریتم رسمی یادگیری ماشین تغییر یافت. پژوهشگران در مقاله‌ای در وبلاگ The Angry Statistician نشان دادند که سیستم امتیازدهی الو (Elo) دقیقاً مشابه یک «مدل لجستیک فراموش‌کار» عمل می‌کند؛ به طور خاص، یک نزول گرادیان تصادفی که برای دقت پیش‌بینی بهینه‌سازی شده است. این طبقه‌بندی مجدد، اصطلاحات مختص شطرنج را کنار زد تا یک موتور احتمالاتی خالص را آشکار کند.

مکانیزمی که در هسته این موتور قرار دارد، تابع لجستیک است. پیش از آنکه احتمال بردِ موردانتظار بتواند تعیین کند یک بازیکن چه مقدار امتیاز به دست می‌آورد یا از دست می‌دهد، سیستم باید اختلاف خام بین دو امتیاز را به یک درصد تبدیل کند.

نحوه انجام این تبدیل، ثبات کل اکوسیستم رتبه‌بندی را تعیین می‌کند. اگر تابع ریاضی احتمال وقوع یک شگفتی را دست‌کم بگیرد، رقبای برتر در صورت شکست اجتناب‌ناپذیر در یک مسابقه، امتیازات خود را با سرعت زیادی از دست می‌دهند که این امر باعث افت سیستماتیک امتیازها می‌شود.[2]

مشخصات اولیه آرپاد الو در سال ۱۹۷۸ فرض می‌کرد که عملکرد یک بازیکن در هر مسابقه از یک توزیع نرمال - همان منحنی زنگوله‌ای کلاسیک - پیروی می‌کند. تحت این فرض سخت‌گیرانه، انحرافات شدید از سطح مهارت متوسط یک بازیکن از نظر ریاضی نادر بود.[2]

با این حال، داده‌های تجربی از هزاران مسابقه تورنمنت نشان داد که عملکرد انسان دارای «دم‌های پهن» (fat tails) است. شگفتی‌ها بسیار بیشتر از آنچه توزیع نرمال پیش‌بینی می‌کند رخ می‌دهند؛ به این معنی که منحنی زنگوله‌ای بازیکنان برتر را به خاطر واریانس استاندارد، بیش از حد مجازات می‌کرد.[1][2]

برای اصلاح این نقص ساختاری، سیستم تغییر یافت تا از یک منحنی لجستیک استفاده کند. همان‌طور که دیوید آورسا توضیح می‌دهد، فرمول مدرنِ امتیاز موردانتظار، عدد ۱ را بر حاصل‌جمع ۱ به علاوه ۱۰ به توانِ (اختلاف امتیاز تقسیم بر ۴۰۰) تقسیم می‌کند.

این مقسوم‌علیه خاص - یعنی ۴۰۰ - به عنوان پارامتر مقیاس عمل می‌کند. این عدد تعیین می‌کند که بازیکنی با ۴۰۰ امتیاز برتری نسبت به حریف خود، دقیقاً نسبت موفقیت موردانتظار ۱۰ به ۱ دارد که معادل احتمال برد ۹۰٫۹ درصدی است.

تحلیل نیک دابسون از مدل‌های ورزشی سایت FiveThirtyEight نشان می‌دهد که چگونه این رویکرد لجستیک کاملاً بازتاب‌دهنده رگرسیون لجستیک در آمار است. اختلاف امتیاز به عنوان تنها متغیر مستقلی عمل می‌کند که یک نتیجه باینری (برد یا باخت) را پیش‌بینی می‌کند.

هنگامی که یک مسابقه به پایان می‌رسد، سیستم خطای بین نتیجه موردانتظار (مثلاً ۰٫۹۰۹) و نتیجه واقعی را محاسبه می‌کند. نتیجه واقعی برای برد با عدد ۱، برای باخت با عدد ۰ و برای تساوی با عدد ۰٫۵ کدگذاری می‌شود.

سپس این عبارت خطا در ضریب K ضرب می‌شود؛ ثابتی که حداکثر تغییر امتیاز ممکن از یک رویداد واحد را تعیین می‌کند. اگر شانس اصلی قهرمانی پیروز شود، خطا (۱ منهای ۰٫۹۰۹) کوچک است و در نتیجه افزایش امتیاز حداقلی، یعنی تنها ۰٫۰۹۱ ضرب در K، به دست می‌آید.[1]

برعکس، اگر بازیکنی که ۴۰۰ امتیاز کمتر دارد پیروز شود، خطا بسیار بزرگ است (۱ منهای ۰٫۰۹۱). بازیکن ضعیف‌تر یک جهش امتیازی عظیم دریافت می‌کند، در حالی که شانس اصلی قهرمانی با جریمه‌ای برابر و در جهت مخالف روبرو می‌شود.[1]

وبلاگ The Angry Statistician با اشاره به اینکه ضریب K دقیقاً مانند نرخ یادگیری در یادگیری ماشین عمل می‌کند، خاطرنشان می‌سازد: «سیستم الو در اصل یک مدل لجستیک فراموش‌کار است.» یک ضریب K بالا باعث می‌شود سیستم به نتایج اخیر واکنش شدیدی نشان دهد و داده‌های قدیمی‌تر را به سرعت «فراموش» کند.

یک ضریب K پایین که اغلب برای استادبزرگ‌های تثبیت‌شده استفاده می‌شود، سیستم را مجبور می‌کند تا عملکرد تاریخی را بر نوسانات اخیر اولویت دهد. فیده (FIDE)، فدراسیون بین‌المللی شطرنج، به محض اینکه بازیکنی به امتیاز ۲۴۰۰ می‌رسد، ضریب K را از ۴۰ به ۱۰ کاهش می‌دهد.[2]

ماهیت حاصل‌جمع صفرِ این تبادل امتیاز تضمین می‌کند که مجموع کل امتیازات در سیستم ثابت باقی می‌ماند، به شرطی که هیچ بازیکن جدیدی وارد یا خارج نشود. این پایستگی امتیازات به آن‌ها اجازه می‌دهد تا در طول دهه‌ها به عنوان یک ارز نسبی برای سنجش مهارت عمل کنند.

با این وجود، مدل لجستیک الو بدون محدودیت‌های ساختاری نیست. از آنجا که این مدل تنها یک برآورد نقطه‌ای واحد را برای هر بازیکن ردیابی می‌کند، نمی‌تواند عدم قطعیت ریاضیاتی خود را کمّی کند.

اگر بازیکنی در ۱۰۰۰ مسابقه شرکت کرده و امتیاز ۱۵۰۰ داشته باشد، و بازیکن دیگری دقیقاً در یک مسابقه شرکت کرده و امتیاز ۱۵۰۰ داشته باشد، تابع لجستیک با آن‌ها به عنوان موجودیت‌های یکسان رفتار می‌کند.[1]

این ناتوانی در تمایز قائل شدن بین خطوط پایه تثبیت‌شده و تازه‌واردان با واریانس بالا، منجر به توسعه سیستم‌هایی مانند گلیکو (Glicko) شد که یک متغیر ثانویه - انحراف امتیاز - را برای ردیابی میزان اطمینان اضافه می‌کنند.

انتخاب تابع لجستیک به جای توزیع نرمال همچنان مهم‌ترین تصمیم طراحی در سیستم‌های همسریابی رقابتی است. با پذیرش ریاضیاتیِ این موضوع که عملکرد انسان مستعد نوسانات شدید و غیرقابل پیش‌بینی است، منحنی مبنای ۱۰ تضمین می‌کند که یک شگفتی بزرگ به جای در هم شکستن کامل مقیاس، سیستم را فوراً کالیبره مجدد می‌کند.[1]