Презентация на конференции White Nights

1. Машинное обучение для ваших
игр и бизнеса
Алиса Чумаченко, Петр Ромов
GOSU.AI

2. Классическая аналитика и машинное обучение

3. features target
3 4 5 81.2
2 2 3 79.8
. . .
9 2 5 234.0
Обучающая выборка
множество примеров входных
данных и правильных ответов
Алгоритм машинного
обучения Построенная модель
4 6 1
123.4Признаковые описания
числовые вектора
фиксированной длины,
в которых закодирована вся
входная информация
Значения целевой
переменной
ответы, закодированные числами
Признаки нового объекта
Предсказание
Машинное обучение

4. Распознавание образов
изображение — образы
“hello”
Распознавание речи
звук — текст текст — текст
Машинный перевод
Рекомендательные системыБаннерные сети
(баннер, страница) — CTR (пользователь, фильм) — оценка
Кредитный скоринг
клиент — вероятность дефолта

5. Персональное предложение
В какой момент делать предложение?
Какой размер скидки?
Путь аналитики:
1. разбить пользователей на кластеры
2. для каждого кластера подобрать триггеры / условия
Путь машинного обучения:
1. собрать обучающую выборку:
случайные предложения на небольшой группе
2. обучить модель
3. принимать решение, используя модель,
индивидуально для каждого пользователя
Статистика игр
Модель
Статистика оплат
Время / место
Скидка
P(conv.)

6. МатчмейкингI IN GAMES 1
: Advanced Matchmaking in
Recon Online
Laufer, Raul Chandias Ferrari, Yoshua Bengio, and Frank Zhang
o ensure
yers. In
nsists in
However,
the only
dvanced
line, an
oft. We
players
hes. We
ers, and
, taking
n about
ur goal
quality
was not
d to this
st Recon
ively be
neural
Fig. 1. In Ghost Recon Online, players have access to various character
classes, with unique powers, weapons and high-tech gear. This opens up a
wide array of potential playstyles, that basic skill rating algorithms are unable
to fully capture.
“Beyond Skill Rating: Advanced Matchmaking in Ghost Recon Online” Olivier Delalleau et. al.
Классический подход:
- сбалансированная игра — хорошая игра
- рейтинг игроков (MMR)
Проблема рейтинга:
- разные роли / персонажи / экипировка
- разные наборы навыков у игроков
Решение: BalanceNet
Team A
Team B
P1 P2 P8
P9 P10 P16
…
…
P(win A)Модель

7. Матчмейкинг
Проблема подхода:
- сбалансированная игра — не значит интересная
- пример: в команде одни кемперы, ничего не
происходит
Решение: FunNet
- игроки оценивают игру после ее окончания
- матчмейкер прогнозирует оценку
Team A
Team B
P1 P2 P8
P9 P10 P16
…
…
оценкаМодель
P1
Once the models described above have been trained, how
should they be used in the matchmaking process? Fig. 4
gives a simplified view of the global architecture (with only
1v1 matches for the sake of clarity). Players who want to
join an online match are placed in a queue from which
the matchmaking algorithm randomly samples to try various
team combinations. Match candidates are scored by one of
the neural network models described in Section II to obtain
an estimate of match quality. The matchmaking server then
launches those with highest scores.
Matchmaking
Team A Team B Match quality
0.3
0.7
0.6
0.9
Player
queue
Dedicated
servers
Join
session #2
Create
session #1Join
session #1
Join
session #1
Join
session #2
Create
session #2
Fig. 4. Sketch of the matchmaking process: various match compositions are
evaluated by random sampling from the player queue. The best matches are
launched on dedicated servers that chosen players are instructed to join.
Without going too deep into the details, the following points
are worth pointing out:
• The sampling strategy has an important role: in particular
it can ensure all players are in a compatible skill range
and have a good connection with the same dedicated
server. It should also favor players who have been waiting
this
freq
play
The
for
with
surv
mod
C.
T
offli
slow
opti
stan
the
in r
T
para
•
•
We
imiz
pred
igno
(mo
mor
mat“Beyond Skill Rating: Advanced Matchmaking in Ghost Recon Online” Olivier Delalleau et. al.

8. Идентификация игроков по “подчерку”
“When cyberathletes conceal their game: Clustering confusion matrices to identify avatar aliases” Cavadenti et. al.
called Base, assigns it to hotkey 1 (a), selects some units with
the mouse (s), select units attached to hotkey 2 (s), etc.
Avatar Game trace Outcome
RorO s,s,hotkey4a,s,hotkey3a,s,hotkey3s, ... Lose
TAiLS Base,hotkey1a,s,hotkey1s,s,hotkey1s, ... Win
Table I: Traces of a match for two players
C. Predicting avatars from behavioural traces
Let us consider the following scenario. Given a trace, is it
possible to find its associated avatar? In Table I, given the trace
in the first row, is it possible to say that the avatar associated to
Game trace Модель
Account
(Avatar)
Account 1
Account 2
Account 3
MinChul
SKMC
INnoVation
lIlIllIlIlll
…
Кластеры ошибок:
один игрок использует
несколько аккаунтов
Матрица ошибок модели

9. Искусственный интеллект для NPC
- Более скиловые боты
- модель играет миллионы игр, результат
каждой игры учитывается в обучении для
выбора более эффективного действия
- Более человечные боты
- модель предсказывает, какое действие
совершил бы человек
Alpha Go
StarCraft

10. Алиса Чумаченко
a@gosu.ai
Петр Ромов
p@gosu.ai
Вопросы