La Game Developers Conference de la semana pasada todavía nos brinda estos días interesantes anécdotas y vistazos al proceso de desarrollo de videojuegos de manos de los expertos. La última conferencia en llegar a la prensa es la de John McDonald, programador de Valve encargado de emplear un algoritmo de aprendizaje profundo para tratar el grave problema que representan los tramposos en juegos competitivos como Counter-Strike: Global Offensive.
La tercera generación de Counter-Strike enfrentaba después de 2014 un serio problema tras haberse convertido en el título de disparos en primera persona más jugado del mundo y con ello atraer a infinidad de tramposos. Además de los motivos habituales para este tipo de conductas, el título de Valve atraía a los usuarios de ética más diluida al incluir un mercado de skins con lucrativas posibilidades de negocio.
En 2016, McDonald y el equipo de Valve se hacían cargo de que la mayor parte de las conversaciones en la amplia comunidad del juego (incluyendo a los profesionales) se centraban en la omnipresencia de tramposos, un problema de tal magnitud que el sistema de reportes y análisis basado en los propios jugadores Overwatch quedaba totalmente sobrepasado.
El papel del factor humano en el sistema antitrampas es el siguiente: cualquier jugador puede informar acerca de actuaciones sospechosas en sus partidas, y un grupo de jugadores "de confianza" pueden acceder al sistema de repeticiones Overwatch, analizar cada caso y decidir si efectivamente el usuario reportado ha usado algún tipo de trampa. Según McDonald, solamente un porcentaje de entre el 15 y el 30 por ciento de los casos analizados concluyen con un castigo.
La idea que aplicó este equipo fue la de entrenar a una solución de aprendizaje profundo basada en la observación de todas y cada una de las partidas que se celebran en CS:GO (unas 600.000 al día tan solo en la modalidad 5 vs. 5) y buscar en ellas signos de actividad sospechosa. La IA resultante, llamada VACnet, busca patrones relacionados sobre todo con el uso de aimbots, cuantificando los movimientos de los jugadores justo antes de cada disparo.
Cuando VACnet detecta un patrón irregular en un usuario, extiende su análisis a un total de 140 disparos (en la implementación actual), a partir de los que genera un informe para que uno de los usuarios de Overwatch lo compruebe. Según las cifras de Valve, del 80 al 95 por ciento de estos informes redundan en la aplicación de un correctivo, una diferencia clave con respecto a los reportes humanos que ha servido para el bloqueo de múltiples oleadas de miles de tramposos desde que el sistema se puso en marcha.
Para completar su aprendizaje, VACnet estudia el resultado de las valoraciones de los usuarios de Overwatch, refinando su comportamiento y aprendiendo al mismo tiempo que los jugadores expertos en detección de trampas. Esto permite adaptarse a nuevas situaciones como la introducción al sistema de las partidas 2 contra 2 el mes pasado, que redundó en una tasa de informes correctos cercana al 99 por ciento.
El último aspecto interesante de la presentación de McDonald es el inevitable desembolso en hardware necesario para mantener operativo un sistema con tal magnitud de carga. Los cálculos de Valve resultaban en la necesidad de un total de 1.700 procesadores, por lo que pensando en el futuro duplicaron esa cifra y montaron una granja de servidores con 64 blades de 54 núcleos cada uno (3.456 en total) y 8 terabytes de RAM. Este es el hogar de VACnet.
Los planes de Valve pasan por la aplicación de su IA a otras tareas apropiadas dentro de sus juegos, pero también a los de otros desarrolladores que estén interesados en incluir la tecnología. Según McDonald, el aprendizaje profundo supone un antes y un después en el análisis de enormes cantidades de datos, y en este campo concreto VACnet puede hacer la vida mucho más fácil a los desarrolladores para que puedan centrarse solo en la mejora de sus juegos.
La tercera generación de Counter-Strike enfrentaba después de 2014 un serio problema tras haberse convertido en el título de disparos en primera persona más jugado del mundo y con ello atraer a infinidad de tramposos. Además de los motivos habituales para este tipo de conductas, el título de Valve atraía a los usuarios de ética más diluida al incluir un mercado de skins con lucrativas posibilidades de negocio.
En 2016, McDonald y el equipo de Valve se hacían cargo de que la mayor parte de las conversaciones en la amplia comunidad del juego (incluyendo a los profesionales) se centraban en la omnipresencia de tramposos, un problema de tal magnitud que el sistema de reportes y análisis basado en los propios jugadores Overwatch quedaba totalmente sobrepasado.
El papel del factor humano en el sistema antitrampas es el siguiente: cualquier jugador puede informar acerca de actuaciones sospechosas en sus partidas, y un grupo de jugadores "de confianza" pueden acceder al sistema de repeticiones Overwatch, analizar cada caso y decidir si efectivamente el usuario reportado ha usado algún tipo de trampa. Según McDonald, solamente un porcentaje de entre el 15 y el 30 por ciento de los casos analizados concluyen con un castigo.
La idea que aplicó este equipo fue la de entrenar a una solución de aprendizaje profundo basada en la observación de todas y cada una de las partidas que se celebran en CS:GO (unas 600.000 al día tan solo en la modalidad 5 vs. 5) y buscar en ellas signos de actividad sospechosa. La IA resultante, llamada VACnet, busca patrones relacionados sobre todo con el uso de aimbots, cuantificando los movimientos de los jugadores justo antes de cada disparo.
Cuando VACnet detecta un patrón irregular en un usuario, extiende su análisis a un total de 140 disparos (en la implementación actual), a partir de los que genera un informe para que uno de los usuarios de Overwatch lo compruebe. Según las cifras de Valve, del 80 al 95 por ciento de estos informes redundan en la aplicación de un correctivo, una diferencia clave con respecto a los reportes humanos que ha servido para el bloqueo de múltiples oleadas de miles de tramposos desde que el sistema se puso en marcha.
Para completar su aprendizaje, VACnet estudia el resultado de las valoraciones de los usuarios de Overwatch, refinando su comportamiento y aprendiendo al mismo tiempo que los jugadores expertos en detección de trampas. Esto permite adaptarse a nuevas situaciones como la introducción al sistema de las partidas 2 contra 2 el mes pasado, que redundó en una tasa de informes correctos cercana al 99 por ciento.
El último aspecto interesante de la presentación de McDonald es el inevitable desembolso en hardware necesario para mantener operativo un sistema con tal magnitud de carga. Los cálculos de Valve resultaban en la necesidad de un total de 1.700 procesadores, por lo que pensando en el futuro duplicaron esa cifra y montaron una granja de servidores con 64 blades de 54 núcleos cada uno (3.456 en total) y 8 terabytes de RAM. Este es el hogar de VACnet.
Los planes de Valve pasan por la aplicación de su IA a otras tareas apropiadas dentro de sus juegos, pero también a los de otros desarrolladores que estén interesados en incluir la tecnología. Según McDonald, el aprendizaje profundo supone un antes y un después en el análisis de enormes cantidades de datos, y en este campo concreto VACnet puede hacer la vida mucho más fácil a los desarrolladores para que puedan centrarse solo en la mejora de sus juegos.
¡Qué asco da esa gentuza!
No sé qué sentido tendría hacer eso si el matchmaking no te mete con chinos xd
No hacen trampas para ponerse arriba en la clasificacion sino para conseguir dinero (vendiendo las recompensas estéticas que obtienen jugando, haciendo powerlevel a los usuarios, etc); es que hacer trampas para estar más alto en los rankings es de crios de parvulario.
¿Y que recompensas estéticas obtienes en CSGO?, por que solo te pueden dar 1 arma y 2 o 3 cajas a la semana, cajas que valen céntimos y que necesitarías abrir como unas 500 para que te toque un objeto de gran valor, la gente usa chetos por impotencia y por acomplejados, gente que les jode que otro sea mas bueno que ellos y eso es a lo que les lleva a usar trampas, la única manera de sacar dinero haciendo trampas es subir cuentas a Global para después venderlas, parece ridículo pero hay gente que las compra e incluso gente que paga para que les bufen la cuenta.
Con lo de las recompensas hablaba un poco en general, aunque en la noticia original mencionan el mercado de skins de la tercera generacion de CS (2014).
Y si, es vergonceso que haya gente que prefiere hacer trampas para estar por encima de otros.
Por ejemplo, en diablo 3 han tenido que aislar a china en sus propios servers y hacer casi imposible el comercio entre jugadores para amortiguar el impacto de los chinofarmers.
El caso de CSGO no es el mismo. Con el tema de skins ganados en el juego poco dinero vas a sacar. Mas bien perder dinero en electricidad xD
Hay cheaters en todas partes del mundo, y algunos por mucho que los denuncies siguen jugando sin ser baneados. Y se regodean de ello. hay mucho que los usan con disimulo, ya que es posible controlar hasta que punto de ayuda en el aim quieres y de mas. El estado actual del juego en ese aspecto es lamentable.