ถ้าคิดว่าต้องใส่ชื่อ ค่าร่าย สเตตัส ข้อความ และเคสพิเศษของการ์ดหลายร้อยใบเอง งานนี้ดูหนักมาก
แต่ถ้าข้อมูลการ์ดเป็นโครงสร้างอยู่แล้ว และมี battle engine แบบโอเพนซอร์สที่ใช้ได้ ทุกอย่างเปลี่ยนทันที อ่าน DB เป็นชุด ใช้ระบบเอฟเฟกต์เดิมซ้ำ และเขียนเพิ่มเฉพาะกลไกใหม่จริง ๆ
ในกรณีนี้ Beyond Decks มีข้อมูล เด็ค seed replay Battle Sim AI และ benchmark อยู่แล้ว
จึงไม่ใช่สร้างเกมใหม่ แต่เป็น ติดตั้งเครื่องมือวิจัยและสมองที่ดีขึ้นบน sandbox ที่มีอยู่
1. ถ้าตัดเอฟเฟกต์ออก หนึ่งเกมจะเร็วแบบตลก
เกมจริงเสียเวลากับ draw animation, drag, เสียง, evolution, attack, damage และเวลาคิดของคน
ซิมูเลเตอร์ทำประมาณนี้:
state A
→ สร้าง legal actions
→ เลือก
→ update
→ state B
จนมีคนแพ้
สิ่งที่หนักจริงไม่ใช่ animation แต่คือ ให้ AI คิดอนาคตลึกแค่ไหน
2. ซิมูเลเตอร์ฐานจริงจังกว่าที่คิด
มี deterministic seed, replay inspection, target selection, tactical look-ahead, full-turn planning, lethal solver, class mechanics, benchmark, coverage audit และ runtime check
ผู้สร้างก็บอกตรง ๆ ว่า AI ไม่ใช่ผู้เล่นระดับทัวร์นาเมนต์สมบูรณ์ แต่เป็นระดับกลาง
ดังนั้นพื้นฐานเกมมีแล้ว สิ่งที่ควรพัฒนาคือ ชั้นการตัดสินใจแบบคน
3. 12,480 เกมได้ Royal ราว 79.8%—sample ใหญ่ก็ขยายอคติของ policy
กฎครอบคลุมดี แต่ Royal ราว79.8% และ Witch 25.6%
ห้ามสรุปทันทีว่า Royal เก่งที่สุด
ถ้า Royal แค่ “ลง follower ยึด board ตีหน้า” ก็เล่นได้ แต่ deck ซับซ้อนใช้ combo, evolution และ hand ผิดเวลา AI ก็จะเอนเอียง
sample ใหญ่สามารถ วัด policy ที่ผิดได้อย่างแม่นมาก
4. ความรู้คนถูกใส่เป็นนิสัยในการคิด ไม่ใช่คำตอบตายตัว
รวบรวม mulligan, hold card, evolution, พื้นที่ hand/board, เปลี่ยนบุก-รับ, power turn คู่แข่ง, win condition อื่น, lethal 2–3 turn และข้อผิดพลาด
ใช้เป็นคะแนน:
hold_value +20
future_combo_value +30
opponent_counter_cost +25
ใช้เร็วเกิน -40
คู่มือคนช่วยชี้ทาง search
5. ตอนนี้รันจริง 4,032 เกม—2,016 คือจำนวนเงื่อนไข A/B
56 กลุ่ม × 2 ทิศ × 18 seed = 2,016 เงื่อนไข
reference และ human-prior เล่นอย่างละหนึ่ง จึงเป็น 4,032 เกมจริง
2,016 คือ ข้อสอบชุดเดียวกันที่ให้ AI สองแบบทำ
6. ก่อน batch ใหญ่ ต้องหยุดตรวจ
แก้ regression ที่ finisher ออกเร็วเกินก่อน แล้วทำ smoke test ด้วย DB และ deck จริง
ตรวจ coverage, unsupported, rule gap, DB hash, duplicate ID, missing reference และ corpus version
หลักคือ ตรวจว่า experiment ไม่พังก่อนเพิ่มจำนวนเกม
7. human-prior v1 ยังไม่ใช่การปรับตัวเต็มรูปแบบ
Ramp Dragon เดิมควรเปลี่ยนเป้าหมายได้:
ปกติ → ramp
จะตาย turn หน้า → defense
คู่แข่งหมด resource → attack
finisher ยังไม่พร้อม → hold
setup พร้อม → ใช้
AI ต้องคำนวณใหม่ทุก turn ว่า ตอนนี้อะไรสำคัญที่สุด
8. Adaptive AI สลับ ATTACK / SURVIVE / SETUP / RESOURCE / LETHAL
ใช้ HP, board, hand, PP, evolution, pressure, damage ที่คาด, combo readiness ให้คะแนนแต่ละ mode
ถ้า HP 6 และคู่แข่งมี 14 damage, SURVIVE ต้องชนะ RESOURCE
การปรับตัวคือ เทียบคุณค่าของใช้ตอนนี้กับเก็บไว้ทีหลัง
9. มอง 2–3 turn แต่ prune ด้วยความรู้คน
50 legal actions
→ human priors 20
→ cheap score 10
→ search 2–3 turn เฉพาะ top 10
+8 ตอนนี้แต่ตาย turn หน้า ต้องแพ้ +3 ที่อยู่รอดและสวนได้
10. เห็น hidden hand คือโกง—ใช้ “อาจมี”
สร้างหลายโลกจาก leader, archetype, ไพ่ที่ใช้แล้ว, deck ที่เหลือ, จำนวน hand และพฤติกรรมก่อนหน้า
มี AoE 30%
ไม่มี 70%
ประเมินการเล่นเดียวกันในหลายโลก
จึงได้พฤติกรรม “เคารพความเป็นไปได้ แต่ไม่กลัวทุกอย่าง”
11. ลำดับสำคัญ—ห้ามเปลี่ยน AI กลาง 4,032 เกม
freeze v1
→ จบ 4,032
→ วิเคราะห์ error
→ Adaptive v2
→ quick A/B
→ ทดสอบ ~2,016 เงื่อนไขใหม่
→ full ~12k
→ optimize 40 ใบ
→ diagnosis
v2 ต้องตอบปัญหาจริงที่พบ
12. เป้าหมายไม่ใช่ CPU ท่องคู่มือ แต่เป็น CPU ที่กล้าฝืนคู่มือเมื่อ board ต้องการ
รวม human knowledge, game tree, future evaluation, hidden-hand probability และ dynamic mode
AI จะทำได้ว่า “ปกติ ramp แต่ถ้าจะตายให้รับ”, “ปกติ hold แต่ถ้ามี lethal ใช้หมด”, “ปกติ develop แต่ถ้า AoE น่าจะมีให้เหลือ resource”
คู่มือแนะนำ แต่สถานการณ์ตัดสิน
13. วิธีนี้ใช้กับเกมอื่นได้—สร้างแล็บเพื่อชนะ ไม่ต้องสร้างเกมใหม่
Pokémon ใช้ simulator เดิมแล้วเพิ่ม team, selection, switching, move optimization ได้ Card game ก็เพิ่ม deck, mulligan, resource และ matchup policy
สร้างเกมใหม่กับวิจัยวิธีชนะเป็นคนละงาน
ถ้ามี simulator ดีอยู่แล้ว ใช้มัน
ไม่ต้องสร้างสนามใหม่ สร้างห้องแล็บที่หาวิธีชนะในสนามนั้น
ถ้า Royal กลับมาเกือบ80%:
“บอทนี่เก่งวิชา ‘ลงตัวแล้วตีหน้า’ อีกแล้วหรือเปล่า?”
