0. Kesimpulan lima detik
AI mengerjakan pencarian mahal lebih dulu; manusia masuk Ranked dengan40 kartu dan jalur menang yang sudah dipersempit. Praktik nyata membuang kartu dan keputusan bernilai rendah, lalu rematch membuat kebiasaan pribadi lawan ikut menjadi data.
Akhirnya: AI mengecilkan ruang pencarian, manusia mengecilkan pohon keputusan, rematch mengecilkan ketidakpastian. Melawan Witch: peneliti, eksperimen, singa — pola yang itu lagi.
1. AI sudah berjalan di ladang ranjau
Riset sebelumnya memakai deck turnamen, database kartu, rule engine, mulligan, play policy, matchup floor dan downside risk. Fase full-rules menjalankan12.480 game dan membuktikan bahwa aturan benar tidak otomatis berarti keputusan AI benar.
Untuk Set9, 32 build dalam2.324 engine game menempatkan Aggro Nightmare pertama di model: rata-rata81,0% dan matchup terburuk63,9%. Tes khusus Pirate Swordcraft menjalankan5.904 game dengan1.944 holdout dan menghasilkan91,4% di corpus sempit.
Itu bukan win rate ladder nyata. Nilainya adalah mengurangi ratusan kandidat menjadi beberapa yang layak diuji manusia.
2. Diamond dan rematch: layar BO1, otak BO7
Group terpisah dari Rank dan bergerak menurut hasil terbaru. Diamond adalah Group tertinggi; masuk Grand Master dari Diamond memulai CR1600 menurut aturan resmi.
Formula matchmaking tidak dipublikasikan, jadi Diamond tidak bisa diklaim pasti memperkecil pool.
Namun lawan berulang memang diamati pada beberapa jam sepi. Game1 BO1, game2 punya sejarah, game3 sudah membaca kebiasaan. UI tetap BO1; otak sudah BO7.
3. Experiment Witch bisa diingat sebagai “peneliti + eksperimen + singa”
Arketipe Set9 memakai Sephie, paket peneliti dan eksperimen hingga masuk zona5/5 dan Storm.
Sinyalnya: peneliti → hitungan → zona5/5 → zona Storm.
“Singa” bukan kartu Witch terpisah bernama Lio. Itu hanya julukan visual untuk artwork terkait eksperimen pada Witch sekarang.
Ranked bukan ujian hafalan nama. Kalau “singa muncul” memanggil respons yang benar, label itu sudah berguna.
4. “Saya hampir tidak menghitung” adalah chunking
Awalnya PP, jumlah eksperimen, target heal, timing Storm dan lethal dihitung satu per satu. Setelah berulang, detail-detail itu menjadi satu pola besar.
Pemula melihat kartuA + boardB + PP + perkiraan tangan. Pemain teradaptasi melihat: “posisi singa”.
Bukan berhenti berpikir; hasil lama sudah disimpan.
5. Menang banyak tidak otomatis sama dengan win rate universal
Performa mencampur kekuatan deck, preselection AI, tuning manusia, local meta fit dan pembelajaran individu dari rematch.
70% melawan100 orang berbeda tidak sama dengan70% melawan kelompok kecil yang sudah dipelajari. Untuk generalisasi, ambil sampel baru20–30+ game pada jam ramai dengan lebih banyak lawan unik.
Tapi untuk menang sekarang, menghafal “warga desa tengah malam” juga optimasi legal.
6. Kesimpulan: biarkan AI mengeksplorasi, manusia menghafal pengecualian
Riset AI → kandidat dipersempit → tes cepat → keputusan lemah dibuang → template matchup → template individu → chunking.
Awalnya: “hitung-hitungan card game merepotkan; suruh AI mengerjakan bagian mahal”.
Akhirnya: AI: “Saya melihat ribuan game.” / Manusia: “Singa keluar. Cabang ini.”
AI tidak menggantikan pemain; eksplorasi di-outsourcing agar perhatian manusia tersisa untuk pengecualian nyata.
