0. Kết luận 5 giây
AI làm phần tìm kiếm đắt trước; con người vào Ranked với40 lá và đường thắng đã thu hẹp. Trận thật loại thêm lá và quyết định ít giá trị; gặp lại cùng người khiến thói quen cá nhân cũng thành dữ liệu.
Cuối cùng: AI giảm không gian tìm kiếm, con người giảm cây quyết định, rematch giảm bất định. Gặp Witch chỉ còn: ông nghiên cứu, thí nghiệm, sư tử — lại mẫu này.
1. AI đã đi qua bãi mìn trước
Nghiên cứu trước dùng deck giải đấu, database lá, rule engine, mulligan, play policy, matchup floor và downside risk. Pha full-rules chạy12.480 trận và cho thấy luật đúng không bảo đảm quyết định AI đúng.
Set9 so32 build trong2.324 trận, Aggro Nightmare đứng đầu model với81,0% trung bình và63,9% matchup tệ nhất. Test riêng Pirate Swordcraft chạy5.904 trận, có1.944 holdout, và đạt91,4% trong corpus hẹp.
Đó không phải win rate ladder thật. Giá trị là giảm hàng trăm ứng viên xuống vài lựa chọn đáng thử bằng người.
2. Diamond và rematch: màn hình BO1, trong đầu BO7
Group tách Rank và thay đổi theo kết quả gần đây. Diamond là Group cao nhất; lên Grand Master từ Diamond bắt đầu CR1600 theo luật chính thức.
Công thức matchmaking không công bố, nên không thể nói Diamond luôn làm pool nhỏ.
Nhưng có quan sát gặp lại cùng người ở giờ vắng. Game1 BO1, game2 có lịch sử, game3 bắt đầu đọc thói quen. UI vẫn BO1; đầu đã BO7.
3. Experiment Witch có thể nhớ bằng “ông nghiên cứu + thí nghiệm + sư tử”
Archetype Set9 dùng Sephie, nhà nghiên cứu và experiment để tiến vào vùng5/5 và Storm.
Tín hiệu nén thành nhà nghiên cứu → số lượng → vùng5/5 → vùng Storm.
“Sư tử” không phải lá Witch riêng tên Lio. Nó chỉ là biệt danh hình ảnh cho artwork liên quan thí nghiệm của Witch hiện tại.
Ranked không phải bài kiểm tra tên lá. Thấy “sư tử” mà gọi đúng phản ứng là đủ.
4. “Hầu như không tính nữa” là chunking
Ban đầu phải tính PP, số experiment, mục tiêu hồi máu, timing Storm và lethal. Sau nhiều lần, chi tiết hợp thành một mẫu lớn.
Người mới thấy láA + boardB + PP + ước lượng tay. Người quen thấy “thế sư tử”.
Không phải bỏ suy nghĩ; đáp án cũ đã được cache.
5. Thắng rất nhiều không tự động là win rate phổ quát
Hiệu suất hiện tại trộn sức mạnh deck, AI chọn trước, tinh chỉnh người, local meta fit và học cá nhân qua rematch.
70% trước100 người khác nhau không giống70% trước nhóm nhỏ đã học. Muốn kiểm tra generalization, lấy mẫu mới20–30+ trận ở giờ đông và nhiều đối thủ độc nhất hơn.
Nhưng để thắng ladder hiện tại, nhớ “dân làng ca đêm” vẫn là tối ưu hợp lệ.
6. Kết luận: để AI khám phá, con người nhớ ngoại lệ
Nghiên cứu AI → thu hẹp ứng viên → thử nhanh → bỏ quyết định yếu → template matchup → template cá nhân → chunking.
Bắt đầu bằng “tính card game phiền quá, để AI làm phần đắt”.
Kết thúc bằng AI: “Tôi xem hàng nghìn trận rồi.” / Con người: “Sư tử ra. Đi nhánh này.”
AI không thay người chơi; nó thuê ngoài phần khám phá để sự chú ý của người chỉ dành cho ngoại lệ thật.
