Inteligencia Artificial para evaluar a los jugadores y sus equipos en la Overwatch League

Overwatch es un juego de acción en primera persona basado en equipo. Es de ritmo rápido, complejo, y requiere una mezcla de habilidades y capacidades de cada uno de los seis jugadores en un equipo.

Es una operación seria, similar a otras ligas deportivas profesionales, con millones de fans en todo el mundo, patrocinadores corporativos, y tratos que respaldan equipos y jugadores. Pero, dado que cada juego genera un tremendo volumen y variedad de datos, la Overwatch League se esforzó por evaluar objetivamente el rendimiento de jugadores y equipos. ¿Cómo podría la Liga comparar al jugador A con el jugador B o al jugador B, C y D cuando cada jugador está jugando un héroe único en un modo de juego diferente en un mapa diferente?

Presentando, Power Rankings with Watson, un enfoque objetivo basado en la IA para evaluar el desempeño de los jugadores y sus equipos en el popular Overwatch League. Los beneficios de Power Rankings with Watson son de doble enfoque. Primero, le permite a los dueños, entrenadores y jugadores una manera de evaluar el talento, que es fundamental para un juego con millones en premios en dinero.

Después de nuestra alianza anunciada en octubre, el equipo quería avanzar rápidamente para dar vida a esas soluciones. Para desarrollar los Power Rankings with Watson, IBM reunió a un equipo de expertos de todo el mundo, incluyendo científicos de datos, especialistas en IA y desarrolladores de software para trabajar juntos a través del programa Área 631 de IBM. Dado que la Overwatch League quería tener su solución antes del inicio de la temporada 2021 en abril 16, el equipo utilizó una metodología agresiva para acelerar el desarrollo.

El equipo tomó tres pasos críticos para abordar el problema:
Primero, se enfocó en las estadísticas. La Overwatch League mide más de 360métricas diferentes basadas en el rendimiento de cada partida
Después, usó analítica avanzada para determinar las correlaciones entre cada estadística y los resultados de las partidas.

Y finalmente, porque no todas las estadísticas son creadas de la misma manera, el equipo usó las capacidades de Machine Learning y AutoAI de IBM Watson Studio para asignar un peso cada estadística.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *