30.05.2022Od samego początku historii gier wideo interakcje między ludźmi znajdowały się w głównym nurcie zainteresowania twórców. To, co zostało zapoczątkowane prostymi tytułami w stylu elektronicznego ping-ponga rozwinęło się w ciągu ostatnich czterech dekad w jeden z najbardziej dynamicznych sektorów przemysłu rozrywkowego. Według platformy analitycznej gospodarki cyfrowej Statista, biznes gier online przebije symboliczną poprzeczkę w wysokości 100 mld USD do końca 2023 roku.
To, czy gra online zyska rzesze fanów i odniesie sukces komercyjny zależy często od postrzegania przez graczy sposobu, w jaki organizowane są mecze online (lub bitwy, scenariusze, kampanie itp. w zależności od gatunku gry) między realnymi ludźmi. W przypadku napotkania błędu technicznego, zakłócenia, a nawet dłuższego oczekiwania na przeciwnika, gracze niecierpliwią się, a nawet irytują, co może doprowadzić ich do porzucenia gry lub odinstalowania aplikacji. W takich środowiskach liczy się każdy szczegół techniczny. Chodzi o to, że prowadzenie odnoszącej sukcesy firmy zajmującej się grami online wymaga nie tylko ogólnej biegłości biznesowej i dogłębnej wiedzy o branży gier, ale także umiejętności wykorzystania zaawansowanej matematyki i prowadzenia projektów badawczych w zakresie nauki o danych.
By lepiej zrozumieć rolę algorytmów dopasowujących w grach online, zaprosiliśmy do rozmowy Runtiana Rena, postdoca z Uniwersytetu Warszawskiego.
Zacznijmy od podstaw. Czym są algorytmy dopasowywania gier online i dlaczego mają one znaczenie dla platform gier i dla graczy?
Runtian Ren: Algorytm dopasowywania można interpretować jako mechanizm, który pozwala graczom o podobnym poziomie umiejętności grać przeciwko sobie lub współpracować ze sobą w grach online lub aplikacjach. Miliony ludzi wybierają gry mobilne (tytuły takie jak na przykład PUBG) nie tylko dla rozrywki, ale także dla kontaktów społecznościowych i interakcji międzyludzkich. Obecnie gry stawiające jednego gracza naprzeciw drugiego stanowią ogromny segment branży rozrywkowej. Przy tak wielu graczach angażujących się na co dzień z pasją w gry online, firmy udostępniające gry potrzebują pomocy algorytmów online, by błyskawicznie generować sesje gier dla swoich użytkowników.
Faktem jest, że gdy gracz wyśle prośbę o dołączenie do sesji gry, chce konkurować z innym graczem na mniej więcej tym samym poziomie, i to jak najszybciej. Jeśli nie będzie mógł dołączyć do sesji w ciągu 10-20 sekund, straci cierpliwość, zirytuje się i przestanie korzystać z aplikacji. Ponadto, może być niezadowolony i zrezygnować jeśli jego partnerem w sesji okaże się ekspert lub nowicjusz (z jego punktu widzenia). W związku z tym dobry algorytm dopasowywania online ma ogromne znaczenie dla utrzymania dobrej reputacji firmy.
Czy gracze mogą hakować lub w inny sposób wpływać na algorytmy dopasowywania online?
Nie, raczej nie. Gracze nie mogą wpływać na sposób tworzenia sesji gier, gdy deklarują, że dołączą do sesji w sposób losowy. Oczywiście, istnieje alternatywa: jeśli ktoś chce grać ze znajomymi, może założyć sesję lub serwer i bawić się w sposób niekonkurencyjny.
Jak więc wygląda problem z perspektywy firmy prowadzącej platformę do gier lub aplikację?
Podstawą działania platform do gier są algorytmy dopasowujące. Każda firma z branży, która chce utrzymać dobrą reputację musi odpowiadać na żądania graczy sesjami o wysokiej jakości. Jest to niezbędne, ponieważ dzięki temu gracze są zadowoleni ze swych doświadczeń, co przynosi zysk autorom i platformie.
Istnieją dwa główne problemy, które algorytm musi rozwiązać [w sposób zrównoważony]. Pierwszy to czas oczekiwania na rozpoczęcie gry od chwili zgłoszenia się – im dłużej ktoś czeka, tym bardziej prawdopodobne, że się rozczaruje. Drugi problem to poziom umiejętności rywala – im bardziej wyrównany poziom dwóch graczy, tym bardziej prawdopodobne, że będą z gry zadowoleni.
W związku z tym platforma musi z jednej strony organizować dobre sesje z prawie równymi sobie konkurentami, a z drugiej strony nie może pozwolić graczom marnować zbyt wiele czasu na czekanie na „idealne dopasowanie”. Kłopot pojawia się wtedy, gdy gracz wnioskuje o sesję, lecz po drugiej stronie brakuje podobnych żądań, ponieważ w danym momencie jest za mało graczy o porównywalnym doświadczeniu. W takim przypadku platforma może opóźnić odpowiedź, zakładając, że inny gracz o zbliżonym poziomie pojawi się w krótkim czasie, a problem rozwiąże się sam. Jednak takie opóźnienie ma swoją granicę, [po przekroczeniu której] gracze mogą się frustrować i całkowicie rezygnować z gry.
Alternatywnie, platforma może znaleźć innego gracza o innym (niższym lub wyższym) poziomie, by zestawić sesję gry. Ale to często prowadzi do tego, że obydwaj gracze są niezadowoleni, ponieważ trudno mówić o uczciwej rywalizacji, gdy nowicjusz mierzy się z weteranem, a nawet „profesjonalistą” w dziedzinie gier elektronicznych. Dlatego pytanie, jak łączyć graczy w sesjach o wysokiej jakości rozrywkowej jest naprawdę ważne zarówno dla platformy aplikacyjnej, jak i dla jej społeczności graczy.
Co się stanie, jeśli algorytmy dopasowujące nie zadziałają? Jak reagują gracze na takie błędy lub niepowodzenia?
Cóż, algorytm dopasowywania prawie zawsze działa – zawsze może kogoś z kimś skojarzyć. Problemem jest jakość: jeśli gracz jest rozczarowany słabo dopasowanymi rywalami lub za długim czasem oczekiwania na odpowiedź, prawdopodobnie porzuci grę lub odinstaluje aplikację. A jeśli takich graczy jest wielu, to jest to oczywiście sytuacja nieakceptowalna dla właścicieli platformy. Potrzebują jak największej liczby graczy lub użytkowników, gdyż mogą więcej zarobić na reklamach lub na bezpośrednich opłatach od użytkowników.
Jakie są największe zagrożenia, których muszą unikać projektanci platform dopasowujących graczy online?
Algorytm musi być pomyślany [specjalnie do pracy] online. Nie ma wiarygodnych informacji o liczbie przyszłych żądań, a decyzje dotyczące dobierania graczy muszą być podejmowane w każdej sekundzie. Jak powiedziałem, trzeba również liczyć się z różnymi poziomami umiejętności graczy i ogólną tendencją do szybkiego zniechęcania się (szczególnie wśród nastolatków, którzy stanowią ogromną część graczy). Zatem znalezienie właściwej równowagi pomiędzy szybkością (dopasowywaniem graczy o różnych poziomach) i jakością (znajdowaniem porównywalnych przeciwników lub sojuszników) jest kluczem do sukcesu biznesowego w świecie gier online.
Które gry lub platformy gamingowe mają Twoim zdaniem mają najlepsze modele dopasowywania?
Istnieją tysiące tytułów, ale gdybym miał wybrać jeden szczególnie dobrze wykonany, powiedziałbym, że to Playerunknown’s Battlegrounds. To bardzo popularna gra mobilna zarządzana przez firmę Tencent Games, jednego z największych dostawców gier online na świecie. Również ona wykorzystuje ten mechanizm, który wcześniej opisałem.
A jakie są twoje doświadczenia jako badacza z algorytmami dopasowywania gier online? Co Cię przede wszystkim zainteresowało?
Wcześniej pracowałem nad ogólnymi i teoretycznymi algorytmami dopasowywania online o gwarantowanej najgorszej wydajności, która to koncepcja różni się od praktycznej sytuacji występującej w grach online. W przypadku modeli, które rozwijałem poza branżą gier, najczęściej sprawdza się jakiś prosty algorytm. Przydziela on żądania do grup zgodnych z poziomami graczy i za każdym razem, gdy pojawiają się dwa żądania o tym samym poziomie, zestawia je w jedną sesję. Jak już powiedziałem, takie algorytmy działają w większości przypadków, jednak często zawodzą w najtrudniejszym przypadku, czyli w rzeczywistej sytuacji online.
W moim podejściu staram się rozpatrywać problemy bardziej praktycznie (w sposób losowy), tj. wykorzystywać informacje o [rozkładzie nadchodzących żądań] o każdej porze dnia do zaprojektowania algorytmu dopasowywania online. Ostatnio zastanawiałem się nad [sprawdzeniem], czy tego typu proste algorytmy online działają w takim modelu losowym.
Runtian Ren uzyskał tytuł licencjata w dziedzinie matematyki i matematyki stosowanej na Uniwersytecie Nauki i Technologii w Chinach w 2014 r., a stopień doktora informatyki na Uniwersytecie Technologicznym Nanyang w 2019 r. Obecnie posiada tytuł doktora habilitowanego i pracuje w MIMUW. Zajmuje się głównie algorytmami działającymi online.
Google Scholar: https://scholar.google.com/citations?user=CzlH3MsAAAAJ&hl=en
LinkedIn: https://www.linkedin.com/in/runtian-ren-720516125/
