← أحدث الأبحاث
🤖 machine learning

League of Legends: Real-Time Result Prediction

تقدم هذه الورقة دراسة في تعلم الآلة حول التنبؤ بنتيجة مباريات "ليج أوف ليجيندز" (League of Legends) في الوقت الفعلي، حيث تُظهر أن نموذج (LightGBM) يحقق دقة بنسبة 81.62% في المراحل المتوسطة، بينما يتفوق الانحدار اللوجستي وتعزيز التدرج في المراحل المبكرة، مما يقدم رؤى قيمة لكل من استراتيجية اللاعبين وصناعة المراهنات.

المؤلفون الأصليون: Jailson B. S. Junior, Claudio E. C. Campelo

نُشر 2026-05-01
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Jailson B. S. Junior, Claudio E. C. Campelo

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تشاهد مباراة في لعبة فيديو عالية المخاطر، مثل لعبة كرة قدم رقمية يكون الهدف منها هو تدمير قلعة الفريق الآخر. تتحدث هذه الورقة البحثية عن بناء "كرة بلورية" يمكنها مراقبة اللعبة أثناء حدوثها وتخمين الفريق الذي سيفوز بدقة مذهلة.

إليك قصة كيف بنى الباحثون هذه الكرة البلورية، مشروحة ببساة:

الصورة الكبيرة

اللعبة المعنية هي League of Legends، وهي لعبة ضخمة عبر الإنترنت يلعبها الملايين. ولأن الكثير من الناس يشاهدون هذه المباريات ويراهنون عليها، أراد الباحثون معرفة ما إذا كان بإمكانهم استخدام الرياضيات الحاسوبية (تعلم الآلة) للتنبؤ بالفائز قبل أن تنتهي المباراة بالفعل.

لم يكتفوا بالنظر إلى النتيجة النهائية فحسب؛ بل أرادوا معرفة: هل يمكننا التنبؤ بالفائز عندما تكون اللعبة قد اكتملت بنسبة 20% فقط؟ ماذا عن 80%؟

جمع المكونات

لتعليم الكمبيوتر كيفية التنبؤ، احتاج الباحثون إلى كمية هائلة من البيانات. استخدموا "الباب الخلفي" الرسمي للعبة (API) لتحميل 64,556 مباراة حقيقية لعبها لاعبون محترفون.

فكر في هذه البيانات ككتاب وصفات ضخم. لكل مباراة، سجلوا كل ما حدث:

  • عدد الأعداء الذين تم هزيمتهم (القتلى/Kills).
  • مقدار "الذهب" (المال) الذي كسبته الفرق.
  • كمية الوحوش الخاصة التي أمسكوا بها (التنانين/Dragons).
  • عدد الأبراج التي دمرواها.
  • مدة استمرار اللعبة.

نهج "آلة الزمن"

الجزء الذكي في هذه الدراسة كان كيفية النظر إلى البيانات. فبدلاً من مجرد النظر إلى النتيجة النهائية، قاموا بتقسيم الألعاب إلى أربعة فترات زمنية مختلفة، مثل التحقق من النتيجة في الربع الأول والثاني والثالث والرابع في مباراة كرة قدم:

  1. عند مرور 20% من الوقت (بداية اللعبة).
  2. عند مرور 40% من الوقت (منتصف اللعبة).
  3. عند مرور 60% من الوقت (أواخر منتصف اللعبة).
  4. عند مرور 80% من الوقت (المرحلة النهائية).

لقد أدركوا أن ما يهم للفوز يتغير مع تقدم اللعبة.

  • في البداية: أهم شيء هو من يحقق أول قتلة أو من يمتلك ذهباً أكثر. الأمر يشبه عداء المسافات القصيرة الذي يحصل على انطلاقة جيدة.
  • لاحقاً: تصبح الأشياء الأكثر أهمية هي من يقتل التنانين الكبيرة ويدمر الأبراج. إنه يشبه عداء الماراثون الذي ادخر طاقته لخط النهاية.

المسابقة: من هو المتنبئ الأفضل؟

جرب الباحثون العديد من "الأدمغة الرياضية" (الخوارزميات) لمعرفة أيها الأفضل في تخمين الفائز. لقد اختبروا أشياء مثل:

  • الانحدار اللوجستي (Logistic Regression): منطق بسيط ومستقيم.
  • الغابة العشوائية (Random Forest): مجموعة من صناع القرار الذين يصوتون معاً.
  • الشبكات العصبية (Neural Networks): نظام يشبه الدماغ يتعلم الأنماط.
  • LightGBM: آلة تعلم فائقة السرعة وعالية الكفاءة.

الفائز:
كان نموذج LightGBM هو البطل. لقد كان الأكثر دقة، خاصة عندما تكون اللعبة قد اكتملت بنسبة تتراوح بين 60% و80%. في تلك المرحلة، خمن الفائز بشكل صحيح بنسبة 81.6% من المرات.

ومع ذلك، في المراحل المبكرة جداً (20% من اللعبة)، كان نموذج الانحدار اللوجستي الأبسط يقوم بعمل أفضل قليلاً. هذا يشبه القول بأن البوصلة البسيطة رائعة للبداية السريعة، لكن جهاز الـ GPS عالي التقنية أفضل للملاحة في بقية الرحلة.

ماذا تعلموا؟

  1. الوقت مهم: أصبح الكمبيوتر أفضل بكثير في التخمين كلما طالت مدة اللعبة. وهذا منطقي لأن هناك المزيد من المعلومات لتحليلها.
  2. دلائل مختلفة لأوقات مختلفة: في بداية اللعبة، تعتبر "أول قتلة" (First Blood) دليلاً ضخماً. وفي وقت لاحق، تصبح "قتلات التنانين" و"تدمير الأبراج" هي أكبر الأدلة.
  3. عامل "الذهب": في البداية تماماً، يعد إجمالي كمية الذهب التي يمتلكها الفريق مؤشراً ضخماً على من سيفوز.

الخلاصة

تخلص الورقة البحثية إلى أنه من خلال تغذية الكمبيوتر بالبيانات الصحيحة في الوقت المناسب، يمكننا التنبؤ بالفائز في مباراة League of Legends بدقة عالية. أفضل أداة لهذه المهمة هي نموذج LightGBM، الذي يعمل كمدرب خبير يعرف بالضبط الإحصائيات التي تهم بناءً على الوقت المتبقي في الساعة.

يساعدنا هذا البحث في فهم أن التنبؤ باللعبة لا يقتصر فقط على رقم واحد؛ بل يتعلق بمراقبة كيفية تطور قصة اللعبة بمرور الوقت.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →