Dr. Darina Goldin van Bayes Esports bespreekt ideeën voor producten die ze graag zou zien in het esports-ecosysteem.
Geen van deze zijn gemakkelijk te bouwen, schrijft ze, maar elk zou een enorme waarde voor de gemeenschap opleveren als ze worden bereikt.
Dr. Darina Goldin, Bayes We kennen allemaal patches van onze telefoons en computers – software moet van tijd tot tijd worden bijgewerkt, om nieuwe functionaliteit mogelijk te maken of om bestaande problemen op te lossen.
In esports gaat het belang van patchen veel verder dan dat vooral in MOBA’s worden patches vaak specifiek geïntroduceerd om de boel op te schudden.
Een enkele patch kan een gebouwtype elimineren, nieuwe helden introduceren of de oude helden zo veranderen dat ze nauwelijks herkenbaar zijn.
Er zijn ook subtiele, maar belangrijke veranderingen gaande: Een afkoeling van een vaardigheid kan met 5% dalen of de prijs van een item kan worden aangepast. Hoe beïnvloeden deze patches de gameplay?
Het is bijna onmogelijk om het meteen te zeggen, meestal moeten bedrijven zoals Bayes Esports afwachten hoe professionele teams zich aanpassen aan de veranderende spelregels en dan hun voorbeeld volgen.
Een nieuwe “meta” -game ontwikkelt zich uiteindelijk totdat de volgende patch live gaat.
Hoewel dit het spel interessant en fris houdt voor toeschouwers en spelers, vormt het een grote uitdaging voor iedereen die gokkansen wil creëren.
Andere markten voor MOBA’s richten zich op doelen zoals het doden van bepaalde monsters, en de eigenschappen en prioriteit van deze monsters veranderen vrij vaak met patches.
Als je je modellen gewoon onaangeroerd laat lopen, stel je jezelf bloot aan een willekeurig aantal slimme gokkers.
Het probleem met het repareren van modellen is echter dat het tijd kost om nieuwe gegevens te genereren.
We kunnen ons niet aanpassen aan wat we niet weten en we weten niet hoe een patch de meta zal beïnvloeden.
Natuurlijk zijn er deskundige analisten die elke patch ontleden en hun voorspellingen doen, en menselijke handelaren kunnen het vaak een tijdje overnemen, maar menselijke experts vergissen zich vaak.
Afhankelijk van hoe druk het seizoen is, kan het tot enkele weken duren om voldoende gegevens te verzamelen om de modelkwaliteit voor zijmarkten te garanderen.
Dit is kostbare tijd waarin zijmarkten niet of alleen met een hoger risico kunnen worden aangeboden.
Stel je nu een stukje software voor dat patch-notities krijgt en in staat is om metagame-veranderingen te voorspellen, dit zou een game-changer zijn in de branche!
Er zijn verschillende manieren waarop dit mogelijk kan worden gemaakt, waarbij zelfspelen bovenaan mijn lijst staat.
Wat als een computer twee League of Legends- of DotA2-teams aanstuurde die tegen elkaar speelden totdat ze een nieuwe meta ontwikkelden?
Dan kunnen we de verschuivingen in strategieën vergelijken en statistieken van de games verzamelen, net zoals we zouden doen van echte wedstrijden, en deze gebruiken om nieuwe voorspellingsmodellen te maken.
Behalve dat waar we momenteel een week of twee moeten wachten om voldoende relevante matches van topteams te verzamelen, we nu slechts enkele uren nodig hebben. Dit is niet zo futuristisch als het klinkt.
OpenAI is er al in geslaagd om een machine te leren Dota2 op professioneel niveau te spelen.
Moderne AI is in staat om strategieën te leren, een team te coördineren en te optimaliseren voor langetermijndoelen. Van hier naar patches gaan is nog steeds een grote stap, maar het is een stap die naar mijn mening redelijk is en kan worden genomen.
Het heeft alleen een team nodig dat zich met deze taak bezighoudt en toegang heeft tot gegevens van de beste kwaliteit, zoals Bayes Esports biedt.
Wie weet, misschien kijken we over een jaar al naar een AI-beoordeling van patch-notes in plaats van de traditionele mening van experts?
Extra bron informatie : Dr. Darina Goldin is de directeur data science bij Bayes Esports.
Ze begon competitief Team Fortress 2 te spelen op de middelbare school. Hoewel ze niet langer een actieve gamer is, is ze nog steeds een fervent Esports-fan.
Bij Bayes heeft ze talloze voorspellende modellen gemaakt voor Counter Strike, Dota2 en League of Legends.
Als ze niet aan het rekenen is, kun je haar vinden in de sportschool die Brazillian Jiu Jitsu traint.
