Backgammon-bots og AI-spillere, bygget til at spille som mennesker

Mere end en computermodstander med sværhedsgrad

Mange backgammon-bots er i bund og grund én computermodstander med forskellige styrkeindstillinger. Gør den svagere, og den samme motor får ganske enkelt besked på at begå flere fejl.

GamesGrid er bygget anderledes. Der er 512 virtuelle spillere, hver med sit eget navn, ansigt, land, stemme, personlighed og en målt spillestyrke. Deres forskelle rækker ud over den profil, du ser på skærmen. De spiller forskelligt, håndterer terningen forskelligt og kommunikerer forskelligt.

Og du kan faktisk tale med dem. Hvert medlem kan føre en åben samtale med dig, under en match eller bagefter.

Denne side kigger under motorhjelmen. Her er, hvordan deres spillestyrke, fejl, personligheder og samtaler er bygget.

512 spillere. 513 med Guru

GamesGrid-klubben er bygget om en stor og varieret rollebesætning:

• 512 karakterer plus GG Guru. 513 i alt.

• 120 lande. De største kontingenter er Libanon og Frankrig med ti hver, fulgt af Danmark med ni og Tyrkiet og Tyskland med otte.

• Otte spilleniveauer, fra Begynder til Stormester.

• En indtalt stemme til hver af de 512, på tværs af 58 sprog.

• En fuld profil for hvert medlem, med by, alder, biografi, spillestil, arketype og terningtemperament.

• En egen karriere. I karrieretilstanden tilmelder de sig events, bygger resultater, rykker op, rykker ned og bevæger sig gennem den samme verden som du.

Du kan møde dem alle på siden Vores spillere.

Du kan faktisk tale med dem

En stor sprogmodel driver den åbne samtale med hvert medlem, under en match og uden for en.

Spørg til deres baggrund, udfordr en holdning, tal om backgammon, eller lad samtalen bevæge sig et helt andet sted hen. Det er ikke en menu af faste svar.

Deres personlighed er med til at forme, hvordan de svarer. Et reserveret medlem taler ikke som et udadvendt. Nogle har langt mere at sige end andre.

Når du har låst et medlem op ved at slå det i karrieretilstanden, kan du besøge dets profil og fortsætte samtalen væk fra brættet.

Otte niveauer, hver med en målt styrke

Styrke er her ikke blot en position på en sværhedsskyder.

GamesGrid bruger PR, Performance Rating, til at måle spillestyrke. PR måler den gennemsnitlige equity, en spiller giver væk pr. beslutning, ganget med 500.

Lavere er bedre. Nul betyder ingen fejl ifølge analysemotoren.

Det er den samme måleramme, der bruges til at vurdere menneskers præstation i backgammon, og det betyder, at en virtuel spiller og en menneskelig spiller kan omtales på samme skala.

Hvert niveau har et mål-interval for PR, og hvert medlem har et individuelt mål inden for det interval.

Til sammenligning spiller et menneske i verdensklasse omkring PR 3 til 5 over en turnering. Supremo-niveauet ligger med vilje over det. Guru er noget helt tredje. Guru er motoren på fuld styrke.

Ét vigtigt forbehold gælder mennesker og virtuelle spillere på samme måde: PR for en enkelt match kan variere betydeligt.

En match fuld af ligetil beslutninger giver færre muligheder for at begå fejl. En svær match kan afsløre flere svagheder. Et niveau beskriver derfor præstationen over mange partier, ikke et løfte om den næste match.

Hvordan får man en bot til at spille som et menneske?

At bygge et stærkt backgammonprogram blev løst for årtier siden.

At bygge et, der spiller svagere på en troværdig måde, er et langt mere interessant problem.

Målet var ikke bare at gøre nogle medlemmer stærkere og andre svagere. Vi ville have, at deres fejl optrådte i den slags stillinger, hvor menneskelige spillere af samme styrke også begår fejl.

Det er dér, meget af arbejdet er gået ind.

Den lette løsning, og hvorfor vi afviste den

En enkel måde at svække en computermodstander er at lade den vælge et dårligere træk nu og da.

Problemet er, at det kan give en modstander, der spiller flere fremragende træk og så pludselig begår en blunder, der føles fuldstændig ude af karakter.

Det giver måske en statistisk svagere modstander, men det giver ikke nødvendigvis en troværdig spiller.

Vi ville have, at fejlene selv gav mening.

Vi målte, hvordan folk faktisk fejler

For at forstå det målte vi menneskeligt spil.

Omkring 200.000 beslutninger truffet af cirka 100 rigtige spillere blev analyseret, herunder GamesGrids testmatcher, i spændet fra PR 1,7 til PR 15,9.

Hver beslutning blev sammenlignet med motorens vurdering.

Spørgsmålet var ikke blot, hvor ofte nogen begik en fejl. Vi så på, hvor fejlene opstod, hvor dyre de var, hvilket alternativt træk der blev valgt, og hvor spillerne som regel var præcise.

De data blev grundlaget for den spillemodel, der bruges på tværs af rollebesætningen.

Hvordan en fejl faktisk opstår

Folk beslutter ikke at begå en blunder. De fejlvurderer stillingen.

GamesGrid modellerer den idé.

Et medlem ser motorens vurdering af de mulige spil gennem en kontrolleret mængde ufuldkommen opfattelse og vælger derefter det træk, der ser bedst ud fra det ufuldkomne synspunkt.

Det betyder, at fejl er mere sandsynlige, når flere træk ligger tæt.

Når ét træk er klart bedre, er selv et svagere medlem mere tilbøjeligt til at finde det.

Et medlem kan også være mere eller mindre opmærksomt på en bestemt beslutning. Hvor ofte det sker, afhænger af spilleniveauet.

Det gør det muligt for en Fritidsspiller lejlighedsvis at begå en betydelig fejl uden at tvinge hvert træk til at være lidt upræcist.

Fejlene følger regler

En svagere spiller behøver ikke at spille dårligt hele tiden.

Et let parti kan stadig være et godt parti. Står et medlem over for overvejende ligetil beslutninger, kan det medlem levere en langt bedre PR end sit langsigtede mål.

Der er intet fejlbudget. Et medlem tvinges ikke til at begå en fejl, fordi det har spillet flere gode træk i træk. Tidligere versioner af modellen indeholdt kompensationsadfærd, men den mekanisme er fjernet.

Løb og udtagninger er som regel renere. I de menneskelige data udgør løb og udtagninger omkring 15 % af trækkene, men under 1 % af den samlede tabte equity. Medlemmerne afspejler det mønster.

Fejlenes størrelse ændrer sig med styrken. Et stærkt menneske omkring PR 2,3 vælger motorens foretrukne træk omkring 85 % af tiden. En svagere spiller omkring PR 11 gør det omkring 69 % af tiden. Når en af dem misser det bedste træk, er over halvdelen af de valg det næstbedste træk.

Modellen bruger de mønstre til at skabe svagere spil uden at gøre svagere medlemmer til tilfældige spillere.

Fejl, vi bevidst forhindrer

Menneskelige spillere kan begå næsten enhver tænkelig fejl, men nogle fejl gør en virtuel modstander mindre overbevisende i stedet for mere.

Derfor begrænser GamesGrid bevidst visse former for adfærd.

Et medlem, der er klart foran, smider ikke pludselig et stort forspring væk med en oplagt undgåelig blot.

Hvert spilleniveau har også et loft over, hvor meget equity én enkelt brikspilsbeslutning kan tabe.

De grænser er bevidste. Målet er ikke at gengive hver mulig menneskelig fejl. Det er at skabe modstandere, hvis samlede adfærd forbliver troværdig.

Hvert medlem har også sin egen skarphed inden for sit niveau, så to spillere på niveau Øvet ikke bare er identiske modstandere med forskellige navne og ansigter.

Terningen er en anden færdighed, og den tunes for sig

Brikspil og håndtering af terningen er forskellige færdigheder.

En spiller kan flytte brikkerne godt og stadig give betydelig equity væk gennem dårlige doblinger, takes og pas. En anden spiller kan forstå terningen bedre, end hans brikspil antyder.

GamesGrid behandler de færdigheder hver for sig.

Hvert niveau har sit eget terningtemperament. Begyndere er generelt mere tilbageholdende med at doble og mere villige til at tage. Stærkere niveauer bliver gradvist mere præcise.

For de tre svageste niveauer bruger doblingsbeslutningerne den samme tilgang med ufuldkommen opfattelse som brikspillet, tilpasset den måde, svagere menneskelige spillere faktisk dobler, tager og passer.

Et medlems niveau bygger på den samlede pris for brikspils- og terningfejl.

At flytte brikkerne som en Ekspert er ikke nok, hvis terningen konsekvent håndteres som en Begynder.

De giver op, og de bedømmer dine opgivelser

Et medlem, der er ved at tabe stort, kan tilbyde at opgive et enkelt parti, en gammon, en backgammon eller hele matchen.

Du beslutter, om du tager imod.

Opgivelsesadfærden er også kalibreret. Svagere medlemmer har en tendens til at give op senere og mindre præcist end stærkere.

Og beslutningen betyder også noget på din side.

Tager du imod et tilbud, der er mindre værd, end stillingen ville have været, hvis spillet fortsatte, kan analysen efter matchen registrere det som din fejl, inklusive equity-prisen.

At vide, hvornår man skal give op, og hvornår man skal tage imod en opgivelse, er en del af at spille god backgammon.

GG Guru er undtagelsen

Én spiller i klubben har ingen tilføjet støj, ingen svingende opmærksomhed og intet svagere terningtemperament.

GG Guru spiller motorens foretrukne træk hver gang.

Det gør ikke Guru uovervindelig. Backgammon har stadig terninger, og selv det stærkeste spil taber matcher.

Det betyder blot, at Guru ikke er bevidst svækket på den måde, resten af rollebesætningen er.

Motoren under hver spiller

Under alle 513 medlemmer ligger GNU Backgammon, en backgammonmotor med neuralt netværk, udviklet som fri software gennem mere end to årtier.

Backgammonmotoren kører inde i din browser. Vurdering af stillingen og beregning af træk behøver ikke at sendes til en fjern analysemotor eller vente i en ekstern analysekø.

Den samtalende LLM er et separat system i forhold til backgammonmotoren.

GNU Backgammon udfører to forskellige opgaver i GamesGrid.

For det første vurderer den stillingen under spillet. Medlemmets individuelle spillemodel afgør derefter, hvad den karakter gør med den vurdering.

For det andet bruges GNU Backgammon til analysen efter matchen, med samme styrke for hver spiller.

GNU Backgammon er licenseret under GNU GPL v3. GamesGrid har de påkrævede licensoplysninger og kildelinks under Indstillinger.

Motorens historie og vejen fra tidligere backgammonprogrammer til GNU Backgammon dækkes på vores side om GNU Backgammon.

Terningerne er ikke en del af niveauet

Spillestyrken ændrer, hvordan et medlem håndterer en stilling. Den ændrer ikke terningerne.

Intet virtuelt medlem får kendskab til kommende kast på forhånd.

En Begynder og GG Guru bruger den samme terningkilde, uanset spilleniveau, score eller om de er ved at vinde eller tabe.

Hver afsluttet match indeholder også en optegnelse over kast og træk, så matchen kan afspilles igen bagefter.

Når online multiplayer åbner, udstedes terningerne af serveren og ikke af nogen af spillernes enheder. Det nøjagtige verifikationssystem bliver dokumenteret, når implementeringen er færdig.

Det underliggende princip er enkelt: fordelingen ændres ikke for at mildne en dårlig stime, fabrikere et comeback eller påvirke et resultat.

Spillemodellen ændrer beslutninger, ikke terninger.

Den samme dommer for alle

Modstandermodellen og analytikeren efter matchen er adskilte.

Hvem du end spillede mod, fra den svageste Begynder til GG Guru, bruger gennemgangen bagefter de samme indstillinger: to-ply-evaluering, ingen tilføjet støj og det samme trækfilter.

Et svagere medlem får ikke en mildere bedømmelse. Guru får ikke en strengere.

Den samme standard bruges også, når vi måler og kalibrerer klubbens medlemmer.

Hver match kan eksporteres som en standard .mat-fil, så du kan åbne den i kompatibel analysesoftware til backgammon og gennemgå matchen uafhængigt.

Hvad gennemgangen viser, forklares på vores side Backgammon-analyse. Hvad PR, rating og spilleniveauerne betyder, forklares på vores side AI og bots: præstation.

Hvad vi ikke påstår

En teknisk side bør være klar om grænserne såvel som om mulighederne.

Deres backgammonstyrke lærer ikke og tilpasser sig ikke til dig. Et medlems spillemodel er den samme i din hundrede match som i din første. Den samtalende AI er en separat del af systemet.

Deres fejl er ikke tilfældige. Variationen i spillemodellen er formet til at ligne menneskelig fejlvurdering frem for at vælge vilkårlige lovlige træk.

GG Guru er ikke uovervindelig. Guru spiller motorens foretrukne træk. Terningerne afgør stadig masser.

Et medlems PR er et mål. Det er ikke en garanti for én enkelt match.

Funktioner, der stadig er under udvikling, beskrives som sådan. Multiplayer, turneringer, ligaer, 2 mod 2 og Tutor-tilstand bliver angivet som tilgængelige, når de faktisk udgives.