0. Conclusão em cinco segundos
A IA faz a busca cara primeiro; o humano entra no ranqueado com40 cartas e um plano já comprimidos. A prática remove cartas e linhas de pouco valor e, quando o mesmo adversário volta, até hábitos pessoais viram dados.
No fim: IA reduz o espaço de busca, o jogador reduz a árvore de decisões e o rematch reduz incerteza. Contra Witch vira: pesquisador, experimentos, leão — a mesma linha de novo.
1. A IA já atravessou o campo minado
A pesquisa anterior usou decks de torneio, banco de cartas, regras, mulligan, políticas de jogo, floors e downside risk. Uma fase full-rules executou12.480 jogos e mostrou que regras corretas não garantem decisões corretas da IA.
No Set9, 32 builds suportadas em2.324 jogos colocaram Aggro Nightmare em primeiro no modelo:81,0% de média e63,9% no pior matchup. Um teste específico de Pirate Swordcraft fez5.904 jogos, com1.944 de holdout, e marcou91,4% em um corpus estreito.
Não são win rates reais do ladder. O ganho foi reduzir centenas de candidatos a poucos que valiam teste humano.
2. Diamante e rematches: a tela diz BO1, a cabeça BO7
Group é separado de Rank e muda com resultados recentes. Diamante é o Group mais alto; entrando em Grand Master a partir dele, as regras oficiais definem CR1600.
A fórmula exata de matchmaking não é pública, então não dá para dizer que Diamante sempre reduz o pool.
Mas houve adversários repetidos em horários tranquilos. Jogo1: BO1. Jogo2: histórico. Jogo3: hábitos pessoais. A interface segue BO1; a cabeça joga BO7.
3. Experiment Witch pode ser lembrado como “pesquisador + experimentos + leão”
O arquétipo Set9 usa Sephie, pesquisadores e experimentos para chegar a ameaças5/5 e pressão de Storm.
Os sinais comprimem: pesquisador → contagem → zona5/5 → zona Storm.
O “leão” não é a carta separada Lio. É só um apelido visual para arte ligada aos experimentos do Witch atual.
Ranked não é prova de ortografia. Se “leão apareceu” chama a resposta certa, já funcionou.
4. “Quase não calculo mais” é chunking
No começo calcula-se PP, número de experimentos, alvo de cura, timing de Storm e lethal. Com repetição, os detalhes viram um padrão único.
O iniciante vê cartaA + boardB + PP + mão provável. O adaptado vê: “posição do leão”.
Não parou de pensar; apenas armazenou resultados antigos.
5. Ganhar muito não é automaticamente a win rate universal
O desempenho mistura poder do deck, pré-seleção por IA, tuning humano, ajuste ao meta local e aprendizado individual por rematches.
70% contra100 pessoas diferentes não é o mesmo experimento que70% contra um grupo pequeno já estudado. Para medir generalização, uma nova amostra de20–30+ jogos em horário mais cheio ajuda.
Mas, para vencer o ladder atual, decorar os “moradores da vila da madrugada” também é otimização legítima.
6. Conclusão: deixe a IA explorar e o humano memorizar exceções
Pesquisa IA → candidatos reduzidos → testes rápidos → remover decisões fracas → templates de matchup → templates pessoais → chunking.
Começou como: “conta de card game é chata; manda a IA fazer a parte cara”.
Terminou como: IA: “Vi milhares de jogos.” / Humano: “Saiu o leão. É este ramo.”
A IA não substituiu o jogador; terceirizou a exploração para deixar a atenção humana nas exceções reais.
