وتوی نوبتی و درفت ماری: تیم‌های ورزش‌های الکترونیک چگونه در فاز پیک و بن برتری استراتژیک می‌سازند؟

پیش از آنکه حتی یک طلسم دیجیتالی اجرا شود یا برجی فرو بریزد، کفه ترازوی مسابقه از نظر ریاضی به یک سمت سنگینی می‌کند. در میدان‌های پرالتهاب ورزش‌های الکترونیک حرفه‌ای، اجرای مکانیکی یک ترکیب ۵ نفره به‌شدت محدود به ابزارهایی است که اجازه دارند با خود به سرور بیاورند. این محدودیت از طریق فاز پیک و بن مهندسی می‌شود؛ یک مذاکره با حاصل‌جمع صفر که حتی پیش از لود شدن نقشه توسط موتور بازی رخ می‌دهد.[6]

ابعاد این پازل استراتژیک عظیم است. تا سال ۲۰۲۶، بازی «لیگ افسانه‌ها» محصول رایت گیمز دارای ۱۶۸ قهرمان متمایز است، در حالی که «دوتا ۲» محصول ولو به ۱۲۴ هیروی منحصربه‌فرد می‌بالد. اگر تیم‌ها اجازه داشتند آزادانه هر ترکیبی را انتخاب کنند، جایگشت‌های ریاضی تقریباً بی‌نهایت می‌شد و به استراتژی‌های راکد و بهینه‌شده می‌انجامید. برای اجبار به تطبیق‌پذیری، توسعه‌دهندگان سیستم‌های وتوی نوبتی و درفت ماری را پیاده‌سازی کردند.[3][6]

وتوی نوبتی که معمولاً به عنوان فاز بن شناخته می‌شود، به تیم‌ها اجازه می‌دهد کاراکترهای خاصی را صراحتاً از استخر انتخاب‌های در دسترس برای همان مسابقه حذف کنند. در لیگ افسانه‌ها، به تیم‌ها مجموعاً ۱۰ بن اختصاص داده می‌شود که در دو فاز مجزا تقسیم شده‌اند. این مکانیزم هدفی دوگانه دارد: هم به تیم‌ها اجازه می‌دهد کاراکترهایی که از نظر آماری در متای فعلی بیش‌ازحد قدرتمند هستند را حذف کنند، و هم ابزاری جراحی‌گونه برای هدف‌گیری و حذف کاراکترهای امضای بازیکنان خاص حریف فراهم می‌کند.[1][2]

پس از وتوهای اولیه، درفت ماری آغاز می‌شود. برخلاف انتخاب کور همزمان، درفت ماری تیم‌ها را مجبور می‌کند انتخاب‌های خود را در یک الگوی ۱-۲-۲-۲-۲-۱ به نوبت انجام دهند. وقتی تیم الف یک کاراکتر را انتخاب می‌کند، تیم ب بلافاصله با انتخاب دو کاراکتر واکنش نشان می‌دهد. این ساختار تضمین می‌کند که هیچ تیمی نمی‌تواند بدون لو دادن استراتژی خود و دادن فرصت به حریف برای انتخاب کانترهای مستقیم، یک ترکیب هماهنگ و بی‌نقص را تصاحب کند.[3][6]

این پیچیدگی در حالت کاپیتان مود دوتا ۲، که فرمت استاندارد مسابقات حرفه‌ای آن است، به اوج خود می‌رسد. بر اساس مستندات لیکوی‌پدیا از این حالت، درفت به سه فاز بن مجزا و سه فاز پیک تقسیم می‌شود که مجموعاً شامل ۱۴ بن و ۱۰ پیک بین دو تیم است. این ساختار تکه‌تکه، درفترها را مجبور می‌کند تا با کوچک‌تر شدن لحظه‌ای استخر هیروهای در دسترس، شروط پیروزی خود را مدام بازنگری کنند.[3]

برای کمّی کردن اینکه این فاز پیش از بازی دقیقاً چقدر تعیین‌کننده است، دانشمندان داده به یادگیری ماشین روی آورده‌اند. محققانی که در ریسرچ‌گیت مقاله منتشر کرده‌اند، با تحلیل مجموعه داده‌های ویژگی‌ها، پیروزی‌ها در لیگ افسانه‌ها را کاملاً بر اساس فاز پیک و بن پیش‌بینی کردند. مدل‌های آن‌ها نشان می‌دهد که برتری‌های ساختاری به‌دست‌آمده در طول درفت وزن آماری عظیمی دارند و اغلب پیش از آنکه بازیکنان چشمه (بیس) را ترک کنند، تیم برنده را پیش‌بینی می‌کنند.[1]

مدل‌سازی‌های پیش‌بینانه مشابهی روی خود انتخاب‌های فردی نیز اعمال شده است. تیم اینزیتاری، تحلیلگر داده، مدل‌هایی ساخت که مشخصاً برای پیش‌بینی توالی دقیق پیک‌ها و بن‌ها در بازی‌های لیگ افسانه‌ها طراحی شده بودند. با تحلیل داده‌های تاریخی متا و تمایلات بازیکنان، الگوریتم‌ها می‌توانند حرکت بعدی درفتر را پیش‌بینی کنند و نشان دهند که برخی متاگیم‌ها در بالاترین سطوح بازی تا چه حد می‌توانند خشک و از نظر ریاضی قابل‌حل باشند.[2]

تمرکز آکادمیک روی دوتا ۲ نیز به همین اندازه دقیق است. مطالعه‌ای که از طریق اسکالراسپیس منتشر شد، از یک رویکرد هوش مصنوعی مولد، مشخصاً با استفاده از مدل‌های برت (BERT) برای پیش‌بینی بن‌ها و پیک‌ها بهره برد. با برخورد با توالی هیروهای درفت‌شده مانند توالی کلمات در پردازش زبان طبیعی، هوش مصنوعی با موفقیت روابط متنی و هماهنگی‌هایی را که کاپیتان‌های حرفه‌ای در اولویت قرار می‌دهند، نقشه‌برداری کرد.[4]

این رویکرد محاسباتی به درفت کاملاً جدید نیست. در سال ۲۰۱۶، محققان مقاله‌ای را در کنفرانس AAAI با عنوان «تحلیل درفت باستانیان: پیش‌بینی پیک‌های درفت در دوتا ۲ با استفاده از یادگیری ماشین» ارائه کردند. حتی یک دهه پیش نیز داده‌ها نشان می‌دادند که درفت یک محیط به‌شدت ساختاریافته و قابل‌پیش‌بینی است که در آن بهینه‌سازی ریاضی می‌تواند با شهود انسانی رقابت کند.[5]

آنچه این مدل‌ها در مجموع آشکار می‌کنند، مفهوم «پیک منعطف» است. پیک منعطف کاراکتری است که در اوایل توالی درفت انتخاب می‌شود و می‌تواند در نقش‌های مختلفی روی نقشه بازی کند. با قطعی کردن یک پیک منعطف، یک تیم استراتژی نهایی خود را پنهان می‌کند، حریف را مجبور می‌کند حدس بزند کاراکتر در کدام لاین قرار خواهد گرفت و به‌طور بالقوه آن‌ها را فریب می‌دهد تا کانتر اشتباهی را درفت کنند.[6]

با وجود انبوه داده‌های کمّی، عنصر انسانی اتاق درفت در ادبیات پژوهشی همچنان دست‌نیافتنی باقی مانده است. از آنجا که ادبیات آکادمیک استنادشده کاملاً بر مجموعه داده‌های API و مدل‌سازی کمّی تکیه دارد، هیچ‌یک از محققان نقل‌قول‌های کیفی مستقیمی از مربیان حرفه‌ای ارائه نمی‌دهند و جنگ روانی اتاق درفت در این مطالعات ثبت‌نشده باقی می‌ماند.[1][4][5]

این مدل‌ها محدودیت‌های ذاتی نیز دارند. الگوریتم‌های یادگیری ماشین به‌شدت به داده‌های تاریخی پچ‌ها وابسته‌اند و در محاسبه تغییرات ناگهانی متا در اواسط تورنمنت یا «پیک‌های جیبی» بسیار نامتعارفی که یک تیم در بازی‌های تمرینی پنهان نگه داشته، دچار مشکل می‌شوند. علاوه بر این، یک درفت از نظر ریاضی بی‌نقص، همچنان نیازمند اجرای بی‌نقص انسانی زیر فشار تماشاگران زنده در استادیوم است.[2][6]

در نهایت، درفت همان نقشه معماری مسابقه است. وتوهای نوبتی فونداسیون حریف را ویران می‌کنند، در حالی که درفت ماری چارچوب هماهنگ تیم را می‌سازد. داده‌ها ثابت می‌کنند که یک نقشه برتر، برتری آماری عظیمی به همراه دارد، اما ۵ بازیکن روی استیج همچنان باید با موفقیت این خانه را بنا کنند.[6]