Af Palle Vibe, Alt om Data
Denne artikel er oprindeligt bragt på Alt om Data. Computerworld overtog i november 2022 Alt om Data. Du kan læse mere om overtagelsen her.
Spil, der afvikles online, er efterhånden blevet så populære, at der er tale om en storindustri. Ikke mindst de såkaldte ”multiplayer online battle arena”-spil (forkortet MOBA), hvor to spillerhold kæmper mod hinanden på afgrænsede kamppladser, har skabt en bølge af gamere verden over. Sådanne spil, hvor gameplayet er en blanding af rollespil og realtime strategi, og hvor det i store træk gælder om at angribe fjenden og forsvare sig selv, er meget komplekse og fører til strategiske slag, hvor kvaliteter som taktik og kold beregning ofte er lige så afgørende som kampkraft og rigdom på midler til at købe våben for.
Nu har forskerne kastet sig over denne ekspanderende industri, og videnskabsfolk fra Tyskland, Sverige og Danmark har i samarbejde udviklet en algoritme, der kan forudsige udfaldet af en kamp i multiplayerspil som eksempelvis Dota 2 med en nøjagtighed på 80 procent allerede ni minutter inde i hvert spil.
Men hvad skal man bruge det til? Jo, der er nemlig store penge involveret i gaming på seriøst plan. Den samlede præmiesum ved verdensmesterskaberne for Dota 2 var sidste år 18 millioner dollars – cirka 100 millioner kroner – hvoraf det vindende hold modtog seks millioner dollars. Det er en tidobling af præmiesummen på blot to år og den største stigning for noget såkaldt e-sportspil nogensinde. I dag har Dota 2 omkring en million onlinespillere på enhver given dag på verdensplan. Og derfor har gamerne selv, spilkommentatorer og bettingindustrien stor interesse i at kunne få realtids-vurderinger undervejs i et spil.
Sejren er i hus! Cirka 40 millioner kroner har disse gutter lige vundet – da de tog førstepladsen i sidste års internationale Dota 2-mesterskaber. Der er så mange penge i moderne e-sport, at fakta-baserede spilanalyser er et eftertragtet værktøj for både spillere og bettingindustrien.Store datasæt er råmaterialet
De fleste professionelle teams har hyret analytikere til at vurdere, hvad de gjorde rigtigt og forkert for bedre at kunne vælge og følge de rigtige strategier fremover. Men også kommentatorer, referenter og publikum vil naturligvis gerne kunne vurdere de enkelte holds chancer for at kravle op mod toppen af rangstigen. Og hver kamp i store turneringer bliver gerne analyseret i alle ender og kanter. Men typisk foregår denne evaluering statisk ved at kigge på resultaterne efter kampene og ikke ved at analysere de mange data,
der genereres under selve afviklingen af spillet.
For praktisk nok er det jo sådan, at netop fordi der er tale om computerspil og ikke virkelige konkurrencespil som eksempelvis fodbold, afføder hver match enorme mængder digitale data, der beskriver alle faser fra start til slut i spillet. Disse datasæt kan studeres ved hjælp af API-programmer fra udbydere som Riot og Valve. Og det har nu givet det internationale forskerhold med dansk deltagelse ideen til at udvikle et ”spådomsprogram” på basis af disse datasæt,
Analyserer færdige spil
Forskergruppen har minutiøst analyseret data fra hundredvis af spil ved hjælp af maskin-læringssoftware og har ved at udføre såkaldte clusterananlyser gennemgået både hele spilforløbet og udfaldet.
Danskeren Anders Drachen er førende forsker inden for spilanalyse og har publiceret over 60 afhandlinger.På den måde er det lykkedes forskerne at identificere forskellige typer af ”encounters”, altså typiske situationer i spillene, hvor gamerne kommer tæt på hinanden. Det vil naturligvis typisk være i kampepisoder, men det kan også være møder med allierede og meget andet.
På grundlag heraf har forskerne udformet en algoritme, der sammenholder disse meget komplekse interaktioner med hver spillers opnåede status i form af blandt andet beholdning af værdipoint og erfaringspoint. Algoritmen har så kunnet opstille en række parametre, som kan fødes ind i en model, der er en form for program. Det kan levere kvalificerede bud på et aktuelt spils mest sandsynlige udfald i realtid.
Er en spiller særlig hurtig til at optjene erfaringspoint i starten af spillet, vil det eksempelvis hurtigt få afgørende betydning for hele kampens udfald. Og i spil som Dota 2 er det derfor ikke sjældent, at vindere og tabere kan udledes ret tidligt i et spil, der i gennemsnit tager 40-60 minutter.
Algoritmen er udviklet specifikt til Dota 2, men modellen kan ifølge forskerholdets danske deltager, lektor ved Aalborg Universitet Anders Drachen, anvendes til at forudsige vindere og tabere i stort set alle konkurrence-orienterede computerspil, som benyttes i
e-sportskonkurrencer.
Modellen vil principielt kunne udvides til at forudsige udfaldet af dueller i andre spilgenre som skydespil. Her vil det så blot være andre parametre, der vil være afgørende for udfaldet. I et skydespil som Counter-Strike vil det i langt højere grad handle om hver enkelt spillers hurtighed og præcision end om langsigtet taktik og omtanke.
De rigtige parametre
Anders Drachen påpeger, at det er helt centralt i disse modeller at indkredse de afgørende parametre, der helt overordnet betyder mest for udfaldet af kampene i et givent computerspil.
Hidtil har forskerholdet møjsommeligt måttet lade deres algoritme analysere sig frem til hver enkelt parameter, men næste logiske skridt vil naturligvis blive også at overlade dette arbejde til computermodeller, der vil angribe problemet med deep learning-
teknikker. Forskerne vil til det formål simpelthen opbygge et neuralt netværk, der på basis af datasæt fra flere tusind onlinespil vil kunne udlede, hvilke parametre der har størst betydning for spillets udfald.
På den måde vil modellen kunne identificere de taktiske fortrin eller fejltrin, der tipper magtbalancen, endnu tidligere i kampene og måske endog, før spillerne selv er klar over det.
”Jo flere parametre, jo mere nøjagtigt vil modellen kunne forudsige resultatet, og jo bedre modeller vil vi kunne udvikle,” forklarer Anders Drachen.
”Det er blot et spørgsmål om at forstå præmisserne for de enkelte spil,” mener han.
Forskerne arbejder i øjeblikket på at rejse støtte til at lave en webudgave af værktøjet, som kan stilles til rådighed for spilanalytikere, spildeltagere og kommentatorer. Så måske vil du selv en dag kunne forudsige, om det er værd at fortsætte kampen, når du står presset midt i et multiplayerspil.
Derfor handler det om Dota 2
Onlinespillet Dota (Defence of the Ancients) er en spillermodificeret version af realtime-strategispillet Warcraft 3: Reign of Chaos, der er udviklet af Blizzard. Den nuværende udgave af spillet kaldes Dota 2. Det er i realiteten et helt selvstændigt spil, der videreudvikles af Valve. Det er i øjeblikket det mest spillede spil på onlineplatformen Steam (der i øvrigt også ejes af Valve) og derfor særlig interessant for forskerne.
Spillerne kan undervejs optjene guld ved at slå modstanderens helte ihjel eller ødelægge hans forsvarstårne. Erfaringspoint optjenes på lignende vis og giver adgang til flere muligheder i spillet.
To af de mest afgørende variabler i Dota 2 er din guldbeholdning og antallet af erfaringspoint. Ved blot at fodre analyseprogrammet med disse to oplysninger kan forskerne forudsige udfaldet af en kamp med 80 procents sandsynlighed efter bare ni minutter.
