İçeriğe geç

BeTrupi Lobisinden Bakış: Eşleştirme Tasarımına Üç Aşamalı Yol

Olasılık temellerinden derecelendirme modellerine ve simülasyona uzanan sırayı izleyin; her aşamada neye odaklanacağınızı ve nasıl ölçeceğinizi görün.

  • YazanBetRupi Oyna
  • Yayın
  • Okuma8 dakika
BeTrupi Lobisinden Bakış: Eşleştirme Tasarımına Üç Aşamalı Yol

BeTrupi giriş ekranından bir maça bağlandığınızda, birkaç saniye içinde size karşı oynayacak ve yanınızda yer alacak kişiler seçilir. Oyuncunun gözünden bu bekleme bir dönen simgeden ibarettir. Tasarımcının gözünden ise aynı birkaç saniye; olasılık hesaplarının, puan tahminlerinin, bekleme süresiyle denge arasındaki pazarlığın ve sayısız küçük kararın sıkıştığı bir andır. Eşleştirme sistemleri üzerine çalışmak isteyen bir oyun tasarımı öğrencisi için bu alan çekici ama dağınık görünür; nereden başlayacağını bilmek zordur.

Aşağıdaki yol haritası bu dağınıklığı üç aşamaya ayırıyor: başlangıç, orta ve ileri. Her aşamada neye odaklanacağınızı, hangi küçük çalışmayla kendinizi sınayacağınızı ve bir sonraki aşamaya hazır olduğunuzu gösteren işareti bulacaksınız. Süreler kişiden kişiye değişir; burada verilen haftalar, haftada birkaç saatlik düzenli çalışma varsayımına dayanan kaba tahminlerdir.

Haritayı kullanmadan önce

Bu alanda öğrenciler genellikle iki uçtan birine düşer. Bir kısmı doğrudan derecelendirme formüllerine atlar ve formülün neden öyle olduğunu anlamadan onu kopyalar. Diğer kısmı ise istatistik kitaplarında kaybolur ve hiçbir zaman bir oyun sistemine dokunmaz. Yol haritası bu iki tuzağın ortasından geçmek için tasarlandı: her kavramı öğrendiğiniz hafta, onu küçük bir oyun problemine uygulayacaksınız.

Başlamadan önce üç araç hazırlayın. Birincisi bir hesap tablosu programı; ilk aşamanın büyük kısmı burada geçecek. İkincisi, temel düzeyde bir programlama dili; ileri aşamada simülasyon kurarken buna ihtiyacınız olacak. Üçüncüsü bir çalışma günlüğü: her hafta neyi denediğinizi, neyin beklediğiniz gibi çalışmadığını iki üç cümleyle not edin. Bu günlük, ileride portföyünüzün omurgası olacak.

Başlangıç aşaması: olasılıkla düşünmeyi öğrenmek

Odak: Bir maçın sonucunu kesin bir olay olarak değil, bir olasılık olarak görmeyi öğrenmek. Eşleştirmenin temel sorusu “kim kazanır?” değil, “bu iki taraftan biri hangi olasılıkla kazanır?” sorusudur. Bu aşamada olasılığın temel kuralları, beklenen değer, dağılım kavramı, ortalama ve standart sapma ile normal dağılımın şekli üzerinde durursunuz.

Bu kavramları soyut bırakmamak için hepsini oyun örnekleriyle çalışın. Örneğin bir oyuncunun son yirmi maçta on iki galibiyeti varsa, gerçek kazanma oranının yüzde altmış olduğundan ne kadar emin olabilirsiniz? Aynı oranı iki yüz maçta görseydiniz güveniniz nasıl değişirdi? Bu sorular, ileride derecelendirme modellerindeki belirsizlik payının neden var olduğunu kendiliğinden açıklar.

Alıştırma: Hesap tablosunda bir zar atışı simüle edin ve atış sayısını on, yüz ve bin olarak değiştirin. Her birinde altı gelme oranının altıda bire ne kadar yaklaştığını grafikle gösterin. Ardından aynı tabloyu “yüzde elli beş kazanma olasılığı olan bir oyuncunun maçları” olarak yeniden kurun ve on maçlık dizilerde ne kadar sık beş ya da daha fazla yenilgi görüldüğünü sayın. Bu küçük deney, oyuncuların “kötü seri” olarak yaşadığı şeyin çoğu zaman sıradan bir rastlantı olduğunu gösterir.

Sık takılınan nokta: Bu aşamada öğrencilerin çoğu ortalamaya fazla güvenir. İki oyuncunun ortalama skoru aynı olabilir, ama biri her maçta benzer oynarken diğeri bir çok iyi bir çok kötü oynayabilir. Eşleştirme açısından bu iki oyuncu aynı kişi değildir. Dağılımın genişliğine bakmayı alışkanlık hâline getirmek, orta aşamadaki belirsizlik kavramına hazırlıktır.

Geçiş işareti: Birisi size “bu oyuncu kesinlikle daha iyi” dediğinde, içgüdüsel olarak “kaç maça bakarak?” diye soruyorsanız ve bir kazanma oranının güven aralığını kabaca tahmin edebiliyorsanız ortaya geçmeye hazırsınız. Bu aşama çoğu öğrenci için altı ila on hafta sürer.

Orta aşama: derecelendirme modellerini parçalarına ayırmak

Odak: Oyuncuların gücünü tek bir sayıyla ya da bir sayı ve belirsizlik payıyla temsil eden modelleri anlamak. Bu aşamada üç model ailesiyle tanışırsınız. İlki, iki oyuncu arasındaki puan farkından beklenen kazanma olasılığını hesaplayan ve maç sonrası puanı bu beklentiyle gerçek sonuç arasındaki farka göre güncelleyen klasik modeldir. İkincisi, her oyuncuya bir de “bu puandan ne kadar eminiz” bilgisini ekleyen, az oynayan oyuncuların puanını daha hızlı oynatan modellerdir. Üçüncüsü ise takım maçlarında bireysel katkıyı tahmin etmeye çalışan, olasılık hesaplarını takım toplamı üzerinden yürüten Bayesçi modellerdir.

Bu aşamanın en verimli yöntemi, her modeli önce elle çalıştırmaktır. Hesap tablosunda dört hayalî oyuncu oluşturun, aralarında on maçlık bir fikstür yazın ve sonuçları kendiniz belirleyin. Her maçtan sonra puanları formülle güncelleyin. Güncelleme katsayısını büyüttüğünüzde puanların ne kadar savrulduğunu, küçülttüğünüzde gerçek güç değişimini ne kadar geç yakaladığını gözlemleyin. Bu tek katsayı, tasarım masasındaki en tartışmalı kararlardan birinin minyatürüdür.

Bu aşamada yalnızca formüllere değil, modellerin oyuncu üzerindeki etkisine de bakmayı öğrenirsiniz. Bir modelin matematiksel olarak doğru olması, oyuncular tarafından adil algılanacağı anlamına gelmez. Örneğin bir oyuncu galibiyetten sonra çok az puan, yenilgiden sonra çok fazla puan kaybettiğinde, model haklı olsa bile oyuncu sisteme güvenini kaybedebilir. Not defterinize her model için “oyuncu bunu nasıl hisseder?” başlıklı kısa bir paragraf ekleyin.

Alıştırma: Aynı fikstürü iki farklı modelle çalıştırın ve sezon sonundaki sıralamaları karşılaştırın. Hangi oyuncunun sıralaması iki modelde en çok farklılaştı? Bunun nedenini bir paragrafla açıklayabiliyorsanız modelin iç mantığını kavramışsınız demektir.

Sık takılınan nokta: Puanı oyuncunun becerisiyle karıştırmak. Puan, modelin o ana kadar gördüğü sonuçlara dayanan bir tahmindir; beceri ise gözlemlenemeyen gizli bir değerdir. Bu ayrımı içselleştirmeyen öğrenci, ileri aşamada simülasyonundaki “gerçek güç” değişkeninin neden ayrı tutulduğunu anlamakta zorlanır. Her hesaplamada kendinize “bu sayı neyin tahmini?” diye sormak bu karışıklığı önler.

Geçiş işareti: Bir derecelendirme modelinin hangi varsayımları yaptığını, hangi durumlarda yanılacağını ve hangi parametresinin hangi davranışı kontrol ettiğini kendi cümlelerinizle anlatabiliyorsanız ileri aşamaya hazırsınız. Örneğin “bu model takım arkadaşlarının birbirini etkilemediğini varsayar, bu yüzden sabit kadrolarla oynayan gruplarda bireysel puanı şişirebilir” gibi bir cümle kurabilmek iyi bir göstergedir. Bu aşama genellikle iki üç ay sürer.

İleri aşama: simülasyonla sistemi sınamak

Odak: Gerçek oyuncu verisi olmadan, binlerce sanal oyuncu ve maç üreterek bir eşleştirme sisteminin nasıl davranacağını önceden görmek. Profesyonel ekipler yeni bir kuralı canlıya almadan önce benzer bir yaklaşımla dener; çünkü canlı sistemde yapılan bir hata, binlerce oyuncunun deneyimini bir gecede bozar.

Simülasyonun iskeleti üç parçadan oluşur. İlki, her sanal oyuncuya gizli bir “gerçek güç” değeri atayan bir oyuncu havuzudur. İkincisi, iki tarafın gerçek güçlerine bakarak bir kazanma olasılığı hesaplayan ve sonucu rastgele belirleyen bir maç motorudur. Üçüncüsü, sizin tasarladığınız eşleştirme kuralıdır: kuyruğa giren oyuncuları kime, ne kadar bekledikten sonra eşleştirdiği. Sistemin başarısını, modelin tahmin ettiği puanın gizli gerçek güce ne kadar yaklaştığı ve maçların ne kadar dengeli geçtiğiyle ölçersiniz.

Bu aşamada eşleştirmenin en temel gerilimiyle yüz yüze gelirsiniz: denge ile bekleme süresi. Kuralınızı sıkılaştırıp yalnızca çok yakın puanlı oyuncuları eşleştirdiğinizde maçlar dengelenir, ama uç puanlardaki oyuncular uzun süre bekler. Gevşettiğinizde bekleme kısalır, tek taraflı maçlar artar. Pek çok sistem bu gerilimi, bekleme uzadıkça kabul edilen puan aralığını adım adım genişleterek yönetir. Simülasyonunuzda bu genişleme hızını değiştirerek iki ölçütün birbirine nasıl ödünç verdiğini görebilirsiniz.

İleri aşamada eklenecek başka katmanlar da vardır: bağlantı gecikmesine göre bölge sınırlaması, birlikte kuyruğa giren arkadaş gruplarının tek oyunculara karşı yarattığı dengesizlik ve yeni gelen oyuncuların ilk maçlarında puanın ne kadar hızlı oturduğu. Bunları tek tek simülasyona ekleyin ve her eklemeden sonra ölçütlerinizin nasıl değiştiğini kaydedin.

Alıştırma: Bin sanal oyuncu ve yirmi bin maçlık bir simülasyon kurun. İki eşleştirme kuralını karşılaştırın: biri sabit dar aralıklı, diğeri bekleme süresine göre genişleyen. Her biri için ortalama bekleme süresini, maçların ne kadarının dengeli sayılabileceğini ve en alt ile en üst yüzde beşlik dilimdeki oyuncuların deneyimini bir tabloda raporlayın.

Sık takılınan nokta: Simülasyonu gerçekliğin kendisi sanmak. Sanal oyuncularınız yorulmaz, kızmaz, kötü bir günden sonra oyunu bırakmaz ve arkadaşlarıyla gruplaşmaz. Sonuçlarınızı raporlarken hangi insan davranışını modele dahil etmediğinizi de açıkça yazın. Bu dürüstlük, raporunuzu okuyan birinin onu ne kadar ciddiye alacağını doğrudan belirler.

Geçiş işareti: Bu aşamanın sonunda bir sonraki adım bir okul değil, bir sorudur. Simülasyonunuzla cevaplayamadığınız ilk soruyu, örneğin “oyuncular kötü maçlardan sonra oyunu bırakırsa havuz nasıl değişir?” sorusunu kendiniz formüle edebiliyorsanız, artık kendi araştırma yolunuzu çizecek düzeydesiniz.

Her aşamada okuma ve izleme alışkanlığı

Teknik çalışmanın yanında her aşamada farklı bir gözlem alışkanlığı geliştirmek, öğrendiklerinizi canlı sistemlere bağlamanızı sağlar. Başlangıç aşamasında oynadığınız oyunlarda kendi maç geçmişinizi bir hesap tablosuna aktarın ve galibiyet oranınızın haftadan haftaya nasıl dalgalandığını izleyin. Bu, olasılık kavramlarını kendi deneyiminizle sınamanın en kişisel yoludur.

Orta aşamada oyunların sıralama sistemlerine dair yaptıkları kamuya açık açıklamaları okumaya başlayın. Bu metinlerde hangi model ailesinin kullanıldığı genellikle açıkça yazmaz, ama “yerleştirme maçları”, “puan çürümesi” ya da “gizli puan” gibi ifadeler size hangi mekanizmanın çalıştığına dair ipucu verir. Her okumadan sonra not defterinize, açıklamanın hangi model davranışına karşılık geldiğini bir cümleyle yazın.

İleri aşamada ise tasarım konferanslarının kayıtlarını ve akademik çalışmaların özetlerini takip edin. Amaç her makaleyi baştan sona okumak değil, alanın şu sıralar hangi sorularla uğraştığını görmektir. Bir özeti okuyup “bunu kendi simülasyonumda nasıl denerdim?” sorusuna kısa bir cevap yazabiliyorsanız, okumanız işe yarıyor demektir.

Aşamalar arasında kaybolmamak

Öğrencilerin sık yaşadığı bir durum, ileri aşamaya geçtikten sonra temellerde bir boşluk fark etmektir. Simülasyon sonuçları beklentiyle uyuşmadığında sorun çoğu zaman koddaki bir hata değil, başlangıçta yarım bırakılmış bir olasılık kavramıdır. Böyle bir boşluk fark ettiğinizde geri dönmekten çekinmeyin; bu harita tek yönlü bir merdiven değil, aşamalar arasında gidip gelinen bir patikadır.

Bir başka tuzak da her aşamayı tek başına geçmeye çalışmaktır. Oyun tasarımı topluluklarında, öğrenci forumlarında ya da BeTrupi gibi çok oyunculu oyunların oynandığı platformlarda kendi deneyimlerini paylaşan oyuncuların gözlemleri, modelinizin kaçırdığı insan davranışını görmenizi sağlar. Bir oyuncunun “bu maç adil değildi” şikâyetini simülasyonunuzdaki bir sayıyla eşleştirebilmek, bu alanın en değerli becerilerinden biridir.

İlerlemeyi ölçmek: portföy defteri

Her aşamanın sonunda ortaya somut bir çıktı koyun. Başlangıçta bu, olasılık deneylerinizi ve grafiklerinizi içeren bir hesap tablosu olur. Ortada, iki modeli karşılaştıran ve farklarını açıklayan kısa bir rapor. İleride ise kendi simülasyonunuzun kodu, ölçütleri ve sonuçlarını yorumlayan birkaç sayfalık bir yazı.

Bu üç çıktı yan yana konduğunda, bir işverene ya da bir hocaya yalnızca ne bildiğinizi değil, nasıl düşündüğünüzü de gösterir. Ölçmenin en dürüst yolu da budur: altı ay önceki raporunuzu bugün okuduğunuzda hangi varsayımın artık size naif geldiğini işaretleyebiliyorsanız ilerliyorsunuz demektir.

Bu hafta deneyebileceğiniz tek adım şu: hesap tablosunda yüzde elli beş kazanma olasılığıyla yüz maç simüle edin ve en uzun yenilgi serisinin kaç maç sürdüğünü not edin.

Devamı

Diğer yazılar