0. La conclusión en cinco segundos
Primero se le pide a la IA que juegue un montón de partidas y compare muchas versiones del mazo. Después, el jugador entra a Ranked con las 40 cartas ya filtradas y un plan claro. Ahí quita las cartas y las jugadas que sobran y, si se topa varias veces con el mismo rival, termina aprendiéndose también sus costumbres.
IA: reduce todo lo que hay que probar
Jugador: reduce las decisiones en la partida real
Revancha: reduce lo que no sabes del rival
Cerebro: guarda la situación completa de golpe
En esta experiencia anónima, Aggro Nightmare llegó al grupo Diamante y siguió ganando bastante. Pero lo más interesante no fue “en Diamante se gana porque es fuerte”. Cuanto más se repetían los rivales, más se parecía el juego a una serie larga que solo uno de los dos sabía que estaba jugando.
Contra Witch, al final ni siquiera hacía falta recordar los nombres completos de las cartas.
El investigador. Los experimentos. El león. Vale, toca esto.
El cálculo no desapareció. Los cálculos de antes se hicieron pequeños y la respuesta aparece en cuanto se ve la mesa.
1. La IA pisó primero el campo de minas: el humano no buscó las 40 cartas desde cero
Antes de este mazo hubo una investigación larga con IA. Se partió de mazos de torneos oficiales y se incluyeron la base de datos de cartas, el motor de reglas, el mulligan, jugar primero o segundo, las formas de jugar, el peor porcentaje de victorias contra cada mazo y el riesgo de perder. Con las reglas completas se llegó a 12.480 partidas, y en ese camino apareció un problema: aunque las reglas estén bien programadas, si la IA decide mal, un mazo difícil parece peor de lo que es.
El primer día de la novena expansión se compararon 32 mazos en 2.324 partidas. Dentro de ese modelo, Aggro Nightmare quedó primero con un 81,0 % de media y un 63,9 % contra su peor rival. Solo para Pirate Swordcraft se probaron 5.904 partidas y otras 1.944 con semillas nuevas, y las 40 cartas base lograron un 91,4 %.
Aun así, ninguna cifra quiere decir que en Ranked vayas a ganar el 81 % o el 91,4 %. Lo importante no son los números: se descartaron muchísimos candidatos y el humano tiene que probar mucho menos.
Antes de que una persona juegue 100 partidas y piense “¿esto no será malo?”, la máquina ya pisó las minas. El humano empieza comprobando las respuestas.
2. Diamante y revanchas: en pantalla es una partida, en la cabeza es un mejor de siete
En Worlds Beyond, el Group es independiente del Rank y, según la explicación oficial, sube y baja con tus resultados recientes. Los BP y MP normales no bajan al perder, pero el Group sí puede bajar. Diamante es el Group más alto y, al subir a Grand Master, las reglas oficiales te dan CR 1600 de inicio.
Por eso llegar a Diamante no solo indica que jugaste mucho, sino que al menos en los últimos tiempos ganaste bastante.
Por otro lado, no se puede decir que en Diamante haya siempre menos rivales ni que solo te toquen jugadores de Diamante. La fórmula del emparejamiento no es pública.
Aun así, en la práctica volví a encontrarme con los mismos rivales en horas tranquilas, como entre semana a mediodía o de madrugada.
Partida 1: una partida normal.
Partida 2: ya tienes datos de la anterior.
Partida 3: empiezas a suponer las costumbres de esa persona.
En pantalla es una partida. En la cabeza es un mejor de siete.
“Esta persona en el turno 5 prefiere responder así.” “Aquí no se guarda nada.” “Con esta mesa, va a por eliminar.” Sin darte cuenta, ya no juegas contra un mazo, sino contra esa persona.
3. El Experiment Witch de ahora se recuerda como “investigador + experimentos + león”
El Experiment Witch de la novena expansión acumula experimentos con cartas como Sephie, la pecadora de las artes místicas, el investigador embelesado y el experimento inmerso. El experimento inmerso puede tocar la mesa desde el principio, se vuelve algo como 5/5 cuando se cumple su condición y, si la preparación de Sephie avanza, aparece también la presión de Storm.
Desde mi lado, las señales de peligro son bastante menos que el texto completo de las cartas.
Sale el investigador
→ aumentan los experimentos
→ zona 5/5
→ zona de Storm
Aquí, el “león” es un apodo por el aspecto de la ilustración de los experimentos. No es la carta Lio, la manifestación del agotamiento.
Ranked no es un examen de dictado de nombres de cartas. Si la bifurcación “salió el león = respondo así” es correcta, para jugar basta con eso.
Del lado de Aggro Nightmare, el plan también se hizo más firme: hacia los turnos 5 y 6, no soltar seguidores inútiles que le den al rival curación o material para recuperar la mesa, y juntar las cartas que llegan a la cara junto con el Storm.
El objetivo no es recuperar la mesa. Si eliminas al líder rival, toda la mesa desaparece.
4. Lo que de verdad significa “ya no calculo”: agrupar y guardar la respuesta
Al principio piensas una por una en los PP, el número de experimentos, a quién curar, el siguiente Storm y el daño letal.
Cuando te topas muchas veces con el mismo tipo de mazo, y más aún con la misma persona, todo eso se junta en un solo bloque. Se parece a lo que la ciencia cognitiva llama chunking, o agrupación en bloques.
Para un principiante se ve así:
Carta A + mesa B + PP que quedan + suposición de la mano rival + siguiente turno
Para quien ya está acostumbrado, termina en:
“Ah, la forma del león.”
No se dejó de pensar. El resultado de cálculos anteriores se guardó de manera que no haya que repetirlo cada vez. No se rompió la calculadora: se guardó la respuesta.
Además, el árbol de decisiones de este Aggro Nightmare es pequeño.
Si puedes quitar vida, a la cara.
Si le da de comer a su curación, no la juegues.
El Storm se junta y se usa de una vez.
Solo detén un letal seguro.
Si usas a VS Zeta, mira también tu propia vida.
Como tu lado es sencillo, te sobra cabeza para las costumbres del rival.
5. Gano muchísimo. Pero hay que separarlo del “porcentaje de victorias real”
La sensación actual de ganar mucho mezcla al menos cinco cosas.
- La fuerza del propio mazo Aggro Nightmare
- El efecto de filtrar los candidatos iniciales con IA
- El efecto de quitar cartas y jugadas innecesarias en partidas reales
- La adaptación local a rivales muy comunes, como Experiment Witch
- El efecto de aprender las costumbres de cada persona en las revanchas
Ganar el 70 % contra 100 personas distintas no significa lo mismo, en estadística, que ganar el 70 % contra un grupo pequeño al que te enfrentaste muchas veces y ya conoces. Lo segundo también es una habilidad para ganar en Ranked, pero no es el rendimiento general del mazo.
Para ver si se generaliza, hay que tomar una muestra nueva de 20 a 30 partidas o más en una hora con mucha gente, contra rivales distintos. Si aun así se gana parecido, no era solo “haberse aprendido a los vecinos del pueblo de madrugada”.
Pero si solo quieres ganar en Ranked ahora mismo, aprenderse a los vecinos del pueblo de madrugada es una forma totalmente legal de mejorar.
6. Conclusión final: la IA explora y el humano solo memoriza las excepciones
Todo se une en una sola línea.
Investigación con IA
→ se reducen los candidatos
→ se juega Aggro Nightmare en partidas reales
→ se prefiere el daño inmediato a recuperar la mesa
→ se aprenden las respuestas típicas contra Witch
→ se llega a Diamante
→ se aprenden las costumbres de los mismos rivales
→ la situación se agrupa en bloques y desaparece el pensar largo
Al principio era:
“Calcular en un juego de cartas es un rollo; que lo haga la IA.”
Al final fue:
IA: “He visto diez mil partidas.”
Humano: “Salió el león. Vale, este patrón.”
No es la historia de una IA que juega en lugar de una persona.
Es la historia de cómo, al delegar la exploración, la persona pudo concentrarse solo en las excepciones del momento.
