Glicko contra Elo: ce rating se potrivește jocului?
Un rating de 1.650 poate însemna lucruri foarte diferite, în funcție de cum a ajuns sistemul acolo. Jucătorul l-a câștigat de-a lungul a sute de meciuri competitive? Tocmai s-a întors dintr-o pauză lungă? E un începător care progresează rapid și a jucat doar câteva partide? Asta e întrebarea reală din spatele lui Glicko contra Elo. Ambele sisteme transformă rezultatele în rating, dar Glicko adaugă un context care contează atunci când fiecare meci contorizat de table ar trebui să fie competitiv.
Glicko contra Elo: diferența de fond
Elo e sistemul de rating pe care mulți jucători îl recunosc primul. Pornește de la o idee simplă: înainte de meci, fiecare jucător are un rating, iar diferența dintre ratinguri produce un rezultat așteptat. Învinge un adversar mai bine cotat și câștigi mai multe puncte. Pierde cu unul mai slab cotat și pierzi mai multe. Dacă rezultatul se potrivește așteptărilor, ratingul se mișcă doar puțin.
Abordarea e elegantă și ușor de înțeles. Un jucător cotat 1.600 e așteptat să câștige mai des decât unul cotat 1.400, deci cel de 1.600 are mai mult de pierdut când se întâlnesc. Elo funcționează foarte bine când jucătorii concurează des, când ratingurile au avut timp să se așeze, și când sistemul are destule rezultate cât să judece pe toată lumea consecvent.
Limita lui e că un rating singur nu arată cât de sigur e sistemul de el. Un jucător de 1.600 cu zece meciuri și unul de 1.600 cu o mie de meciuri pot arăta identic într-un tabel Elo de bază. Ei nu ar trebui neapărat tratați la fel de împerechere.
Glicko acoperă golul ăsta punând alături de ratingul jucătorului o deviație a ratingului, numită adesea RD. Ratingul estimează îndemânarea. RD estimează cât de sigur e sistemul de acea estimare. Un RD mic înseamnă că jucătorul are un istoric recent consistent, iar ratingul lui e relativ stabil. Un RD mare înseamnă mai multă incertitudine, poate pentru că jucătorul e nou sau a fost inactiv.
Glicko-2, versiunea folosită pentru împerecherea contorizată după îndemânare la Online Backgammon, adaugă un al treilea semnal: volatilitatea ratingului. Parcurgerea completă a felului în care Glicko-2 evaluează un jucător acoperă toate cele trei numere în ordine; articolul de față e despre ce aduce de fapt comparația cu Elo. Volatilitatea ajută sistemul să recunoască dacă rezultatele unui jucător se schimbă mai brusc decât era de așteptat. Nu e o judecată despre cineva "inconstant". E o cale matematică prin care actualizările de rating răspund potrivit când nivelul competitiv al unui jucător se poate afla în mișcare.
De ce contează incertitudinea la table
Tablele sunt un joc de strategie cu varianță reală. Deciziile bune creează avantaj în timp, dar un singur meci se poate întoarce dintr-o lovitură, dintr-o aruncare norocoasă ratată, dintr-un cub venit la fix, sau dintr-o scoatere dificilă. Un sistem de rating nu poate elimina varianța și nici nu ar trebui să pretindă că orice rezultat scurt măsoară perfect îndemânarea.
Glicko-2 e util aici pentru că nu tratează fiecare jucător și fiecare rezultat ca fiind la fel de informative. Să învingi un adversar consacrat, aproape de nivelul tău, îi spune sistemului ceva semnificativ. Un jucător complet nou care produce o serie surprinzătoare îi spune și el ceva, dar cu mai multă incertitudine inițială în jurul estimării.
Pentru cine progresează prin provocări zilnice, experiență de meci, și decizii de cub mai bune, asta poate părea mai receptiv decât un sistem cu actualizare fixă. Rezultatele timpurii pot mișca mai repede un rating provizoriu sau incert. Pe măsură ce jucătorul își construiește un istoric, ratingul devine mai stabil. Ăsta e compromisul corect: loc să îți găsești nivelul, urmat de o clasare care cântărește.
Același principiu îi ajută pe cei care revin. Dacă cineva lipsește luni de zile, vechiul lui rating rămâne istorie utilă, dar nu ar trebui tratat drept dovadă perfectă a formei actuale. Glicko crește incertitudinea pe durata inactivității. Când jucătorul revine, sistemul poate învăța mai repede din rezultatele noi, fără să presupună automat că a slăbit.
Elo nu e greșit, doar rezolvă o problemă mai îngustă
A spune că Glicko e mai bun decât Elo în orice context ratează ideea. Elo e o soluție solidă când simplitatea, transparența și stabilitatea pe termen lung a ratingului sunt prioritățile principale. E și mai ușor de calculat în minte. Dacă știi diferența de rating și factorul de actualizare, poți estima aproximativ ce va face o victorie sau o înfrângere.
Glicko e mai nuanțat, dar nuanța face schimbările individuale mai greu de explicat dintr-o privire. Doi jucători pot câștiga același număr de meciuri și pot vedea mișcări diferite, pentru că adversarii, deviațiile de rating și activitatea recentă diferă. Asta poate surprinde jucătorii care se așteaptă ca fiecare victorie să valoreze un număr fix de puncte.
Niciun sistem nu e o scurtătură pe lângă fundamente. Un rating înalt se construiește făcând mutări de piese mai bune, înțelegând când să ataci sau să ancorezi, folosind cubul de dublare cu disciplină, și performând sub presiune. Rolul sistemului e să pună aceste rezultate într-un context util, nu să creeze îndemânare acolo unde ea nu există.
Cum creează Glicko-2 meciuri contorizate mai bune
Cel mai bun meci contorizat nu e pur și simplu unul împotriva celui mai apropiat rating vizibil. E un meci în care ambii jucători au o șansă credibilă să se dovedească și în care rezultatul îmbunătățește înțelegerea pe care o are sistemul despre îndemânarea lor.
Cu Glicko-2, numărul cu care un jucător intră în coadă a fost deja modelat de cât de sigur e sistemul de el. Un jucător consacrat, cu o deviație îngustă, e o mărime cunoscută, iar ratingul lui se mișcă încet pentru că e aproape de o sentință așezată. Un jucător mai nou care arată același număr, dar cu o deviație mai largă, nu e încă o mărime cunoscută, iar ratingul lui se mișcă mai repede. Împerecherea pune jucătorii laolaltă după rating, deci deviația e cea care decide cât de repede e purtat un jucător în progres rapid până la nivelul de care aparțin adversarii lui.
Asta face și clasamentul mai semnificativ în timp. Un rating ar trebui să reflecte performanța, dar încrederea contează când compari jucători care au jucat cantități foarte diferite. Activitatea nu e singura măsură a calității, și totuși un rating câștigat prin competiție susținută merită alt nivel de încredere decât unul construit dintr-un eșantion mic.
Pentru jucătorii serioși, asta e un avantaj, nu o complicație. Nu doar aduni puncte. Îți construiești un istoric competitiv împotriva unor adversari reali. Fiecare meci contorizat adaugă dovezi, iar cu timpul sistemul devine mai greu de clintit cu o serie scurtă de formă bună sau cu un ghinion trecător.
Corectitudinea ratingului și corectitudinea zarurilor sunt promisiuni diferite
Un sistem de rating inteligent nu face acceptabile zarurile incorecte. Ratingurile măsoară rezultate de meci; ele nu verifică felul în care au fost produse aruncările. La tablele online, jucătorii au nevoie și de împerechere competitivă, și de încrederea că jocul în sine nu a fost manipulat.
De aceea corectitudinea are două straturi. Glicko-2 ajută la asigurarea faptului că clasamentele reacționează la rezultate cu încrederea potrivită. Un sistem de zaruri dovedibil corect se ocupă de integritatea înregistrării meciului în sine, permițând ca aruncările meciurilor încheiate să fie rederivate din înregistrări publicate. Unul protejează calitatea competiției în timp. Celălalt le dă jucătorilor o cale să verifice condițiile unei partide anume.
Contează să ținem ideile astea separate. O serie de înfrângeri nu dovedește că zarurile sunt incorecte, iar zarurile transparente nu garantează că fiecare actualizare de rating va fi mulțumitoare. Ce ar trebui să aștepte jucătorii e un sistem care poate fi verificat, explicat și crezut chiar și când tabla nu ține cu ei.
Ce să urmărești în loc de o singură schimbare de rating
Un număr izolat de după meci e tentant de supra-interpretat. După o înfrângere grea, pare că sistemul a dat o sentință asupra capacității tale. Nu a dat. A procesat un rezultat în interiorul unui istoric mai mare, care include forța adversarului, certitudinea ratingului tău, și activitatea ta recentă.
Urmărește tiparul mai lung. Câștigi mai des împotriva jucătorilor din jurul ratingului tău? Ți se îmbunătățesc deciziile de cub? Recunoști când o primă valorează mai mult decât o piesă descoperită liberă, sau când o mutare sigură cedează prea multă echitate? Ratingul tău urmează în general calitatea acestor decizii, deși nu în linie dreaptă.
Dacă ești nou, joacă destule meciuri contorizate cât sistemul să îți găsească nivelul. Dacă revii, așteaptă-te ca primele partide să poarte mai multă informație decât înainte de pauză. Dacă ești deja consacrat, nu alerga după fiecare fluctuație măruntă. Concentrează-te pe calitatea meciurilor, învață din pozițiile grele, și arată-ți strategia pe un eșantion semnificativ.
Întrebarea utilă nu e dacă Glicko sau Elo pot prezice fiecare aruncare, fiecare surpriză, sau fiecare revenire strălucită. E dacă sistemul dă rezultatelor oneste destul timp cât să iasă la iveală jucătorul mai bun. Joacă mai departe, învață mai departe, și lasă istoricul tău să devină dovada.