Overwatch League: IBM usa Inteligencia Artificial para medir el desempeño de los jugadores

Overwatch hizo su debut hace casi 5 años y su base de jugadores aún continúa disfrutando de lo que este juego les ofrece. Lo rápido de su dinámica y la sinergia entre jugadores requiere una combinación equilibrada de habilidad y capacidad por parte de los seis jugadores y sus héroes en cada equipo. La Overwatch League enfrenta a los mejores exponentes de este juego y es una operación bastante seria, que incluye millones de fans en todo el mundo, con sponsors y hasta asociación con algunas grandes marcas. IBM, que se unió en octubre de 2020, es una de ellas.

Foto: Blizzard

Fue Jon Spector, vice-presidente de la división de Overwatch Esports dentro de Blizzard, quien manifestó que "si bien tenemos un equipo de talentosos analistas siguiendo a nuestros jugadores y equipos, pasan muchas cosas dentro de una partida. No existe ser humano que pueda observar y evaluarlo todo". Pues es ahí donde la solución de Inteligencia Artificial (IA) de IBM entra a tallar.

Esta solución de IBM se vale de una IA para evaluar el desempeño de los jugadores y equipos que se baten a duelo dentro de la Overwatch League. Esencialmente responde a la pregunta de "¿Cómo comparamos al jugador X con el jugador Y, cuando cada jugador está al mando de un único héroe en un modo de juego distinto en un mapa diferente?"

El acercamiento de IBM a la problemática le permite a la IA captar y analizar cada movimiento de cada jugador con la finalidad de proveer esas observaciones al sistema de rankings de forma objetiva y fidedigna. De esta forma se le da a los directores de equipo una herramienta para evaluar el talento dentro de su escuadra, pero más importante aún: una nueva forma para que los fans se involucren en la escena competitiva y generar conversación entre ellos.

Foto: IBM

Los criterios que se tomaron en cuenta fueron tres en específico. En primer lugar están las estadísticas, con métricas como "curación por segundo", "precisión con armas" y "proporción de generación de la habilidad definitiva". El segundo criterio fue la analítica avanzada en donde se tienen en cuenta factores como la correlación entre la estadística y el resultado de cada partida. Es decir, descubrir como es que varias métricas de desempeño afectan a las victorias o derrotas.

Finalmente, el último criterio: no todas las estadísticas son iguales. IBM implementó un medio, usando machine learning, para asignarle un "peso" a cada estadística. Si bien todas las estadísticas son un factor para los "Power Rankings", alrededor de 30 tienen mayor peso. Justamente esas influyen en movimientos que se ven en la tabla de posiciones.

¡No te olvides de mirar los torneos de Free Fire y PES 2021 en este mes de abril por las pantallas de Líbero Esports y PESA bajo el auspicio de Claro gaming!