0. Conclusión en cinco segundos
La IA hace primero la búsqueda cara; el humano entra al ranked con 40 cartas y un plan ya reducidos. La práctica elimina cartas y líneas de poco valor y, si aparecen los mismos rivales, también se aprenden sus hábitos.
Al final: la IA reduce el espacio de búsqueda, el jugador reduce el árbol de decisiones y las revanchas reducen la incertidumbre. Contra Witch termina siendo: investigador, experimentos, león — otra vez esta línea.
1. La IA ya había pisado las minas
La investigación previa usó listas de torneo, base de cartas, reglas, mulligan, políticas de juego, floors y riesgo. Una fase completa ejecutó12.480 partidas y demostró que reglas correctas no garantizan buenas decisiones de IA.
En Set9, 32 builds soportadas y2.324 juegos situaron Aggro Nightmare primero dentro del modelo:81,0% de media y63,9% peor matchup. Un estudio específico de Pirate Swordcraft hizo5.904 juegos con1.944 holdout y obtuvo91,4% en ese corpus estrecho.
No son tasas reales del ladder. El valor fue reducir cientos de candidatos a unos pocos que merecían prueba humana.
2. Diamante y rematches: la pantalla dice BO1, la cabeza BO7
Group es distinto de Rank y cambia con resultados recientes. Diamante es el Group más alto; al entrar en Grand Master desde Diamante, las reglas oficiales fijan CR1600.
La fórmula exacta de matchmaking no es pública, así que no se puede afirmar que Diamante siempre reduzca el pool.
Pero sí se observaron rivales repetidos en algunas horas tranquilas. Primera partida: BO1. Segunda: historial. Tercera: hábitos personales. La interfaz sigue BO1; la cabeza juega BO7.
3. Experiment Witch puede recordarse como “investigador + experimentos + león”
El arquetipo Set9 acumula experimentos con Sephie y el paquete de investigadores hasta entrar en zonas de5/5 y Storm.
Las señales se comprimen: investigador → contador → zona5/5 → zona Storm.
El “león” no es la carta separada Lio. Es solo un apodo visual para una ilustración relacionada con los experimentos del Witch actual.
Ranked no es un examen de nombres. Si “salió el león” activa la respuesta correcta, sirve.
4. “Ya casi no calculo” es chunking
Al principio se calculan PP, número de experimentos, objetivos de curación, timing de Storm y lethal. Con repetición, varios datos se convierten en un único patrón.
El principiante ve cartaA + mesaB + PP + mano probable. El adaptado ve: “posición del león”.
No dejó de pensar; almacenó resultados anteriores y ya no necesita recalcularlos.
5. Ganar muchísimo no equivale automáticamente a win rate universal
La racha mezcla fuerza del mazo, preselección IA, ajuste humano, adaptación al meta local y aprendizaje individual por rematches.
70% contra100 personas diferentes no es el mismo experimento que70% contra un pequeño grupo ya estudiado. Para probar generalización conviene una muestra nueva de20–30+ partidas en horas con más población y más rivales únicos.
Pero para ganar el ladder actual, memorizar a los “habitantes del pueblo nocturno” también es optimización legal.
6. Conclusión: que la IA explore y el humano memorice excepciones
Investigación IA → candidatos reducidos → pruebas rápidas → eliminar decisiones débiles → plantillas de matchup → plantillas personales → chunking.
Empezó como: “las cuentas del card game son pesadas; que la IA haga la parte cara”.
Terminó como: IA: “Vi miles de partidas.” / Humano: “Salió el león. Esta rama.”
La IA no sustituyó al jugador. Externalizó la exploración para reservar la atención humana a las excepciones reales.
