← Voltar para Here To Slay

Here To Slay, parte 10: como um bot deveria pensar

Antes de começar a desenvolver os bots do Here To Slay, fui ler como outras pessoas fazem bots para jogos. O que encontrei sobre estilos de jogo, sobre dar nota para cada jogada e sobre reagir numa mesa com vários jogadores.

#tecnico

Um jogo de cartas online tem um problema bem simples: se não tem ninguém por perto, não tem jogo. Com o Here To Slay no ar e alguns amigos testando, a próxima pergunta veio quase sozinha: “e se desse para jogar contra bots?”.

Só tinha um detalhe: eu nunca tinha feito um bot para jogo. Então, antes de abrir o editor, fui pesquisar. Nada de revisão de literatura, só alguns artigos acadêmicos e umas palestras de quem faz IA para jogos comerciais, sempre pensando no meu caso: um jogo de cartas pequeno, com vários jogadores na mesa e rodando num servidor de um processador só. Este texto é sobre essa pesquisa, antes de qualquer código.

O bot pode ver as cartas?

A primeira dúvida foi a mais óbvia: e se o bot trapacear? O Here To Slay é um jogo de informação escondida, você não vê a mão dos outros nem a próxima carta do baralho. Um bot que vê tudo é muito mais fácil de escrever.

Nos artigos sobre jogos de cartas, esse bot existe e tem até nome: o agente “trapaceiro”. Mas ele não é usado para jogar. Ele serve de referência, o melhor resultado possível, para medir o quanto os bots honestos chegam perto. Os bots honestos lidam com o que não sabem de jeitos bem criativos, como sortear várias versões possíveis da mesa e testar a jogada em cada uma (a chamada determinização), ou buscar direto em todas as mesas possíveis, como no Information Set MCTS de Cowling, Powley e Whitehouse.

Lendo isso, percebi que essas técnicas são para quem quer o bot mais forte possível, e esse não era o meu objetivo. Eu queria um bot que fosse bom de jogar contra. E, para isso, a regra mais importante era também a mais simples: o bot só pode saber o que uma pessoa sentada naquele lugar saberia.

Cada bot com o seu estilo

Quem já jogou Here To Slay em grupo sabe que cada pessoa tem o seu jeito: tem quem só pensa em matar monstro, quem quer completar as classes de qualquer jeito e quem passa a partida atrapalhando os outros. Eu queria que os bots fossem assim também, e não várias cópias do mesmo robô.

Para minha surpresa, isso tem uma linha de pesquisa inteira, com o nome de personas. Holmgård, Liapis, Togelius e Yannakakis compararam dois jeitos de criar bots com estilos diferentes: copiar o jeito de jogar de pessoas reais, a partir de partidas gravadas, ou simplesmente decidir, como designer, o que cada estilo valoriza. O resultado: as personas feitas à mão representavam o jeito de decidir das pessoas tão bem quanto as copiadas. Boa notícia para quem, como eu, não tinha nenhuma partida gravada.

Um artigo de 2021, de Perez-Liebana et al., sobre o jogo de estratégia Tribes, mostra como isso fica na prática: o mesmo bot, com a mesma lógica, ganha estilos diferentes só mudando os pesos do que ele valoriza, sem deixar de jogar bem. E, em 2024, Lin et al. propuseram um jeito de medir o estilo de um agente, comparando as decisões que ele toma em situações parecidas (testaram em Go e 2048, não em jogos de cartas, mas a ideia vale).

A conclusão que tirei: um estilo não precisa de regras próprias. É uma questão de preferência, do que o bot escolhe quando tem várias opções boas. E isso combina bem com o Here To Slay, que tem dois caminhos claros para vencer (completar as classes ou derrotar monstros) e um terceiro que todo mundo acaba usando: atrapalhar os outros.

Dando nota para cada jogada

Essa era a pergunta que mais me preocupava: como, afinal, um bot decide o que fazer?

Muitos artigos sobre jogos de tabuleiro usam busca em árvore, como o MCTS, em que o bot simula milhares de continuações da partida antes de cada jogada. Funciona muito bem, mas é pesado, e um servidor pequeno com várias partidas ao mesmo tempo não tem processador sobrando para isso.

A resposta veio dos jogos comerciais, numa abordagem bem mais leve chamada IA de utilidade (utility AI), que tem o Dave Mark como um dos principais divulgadores, com livro e palestras na GDC. A ideia é simples: a cada momento, o bot olha todas as ações possíveis e dá uma nota para cada uma. Essa nota é feita de vários fatores, como o quanto aquilo aproxima da vitória, o quanto custa e qual a chance de dar certo. E cada fator passa por uma curva de resposta, que transforma o valor bruto numa nota de 0 a 1.

É na curva que o comportamento aparece. Uma carta a mais vale muito quando a mão está vazia e quase nada quando ela está cheia. Um monstro vale mais quanto mais perto ele deixa da vitória. Em vez de escrever um monte de “se acontecer isso, faça aquilo”, você descreve o quanto cada coisa importa, e o comportamento sai das notas.

Com as notas prontas, o bot pode simplesmente escolher a maior ou sortear entre as melhores, dando mais chance para quem tem nota mais alta. Esse sorteio é o que impede o bot de ser previsível.

O que mais me convenceu foi como isso se conecta com o resto. Os estilos viram pesos diferentes sobre as mesmas notas. Um bot mais fácil pode ser só um bot com notas menos precisas. E, num jogo de dados como o Here To Slay, a chance de uma rolagem dar certo é fácil de calcular, então ela entra direto na conta.

Todo mundo contra o líder

Aqui veio uma descoberta curiosa: quase toda a teoria clássica de IA para jogos foi feita para dois jogadores. Xadrez, damas, Go… Nesses jogos, o que é bom para mim é ruim para você, e pronto. Com três ou quatro jogadores na mesa, essa lógica deixa de valer.

A pesquisa tem algumas respostas para isso. Numa ponta, cada jogador pensa só em si mesmo e ignora os outros. Na outra, a busca paranoica, em que o bot assume que todo mundo está unido contra ele. Os dois extremos são meio irreais, porque numa mesa de verdade as alianças mudam o tempo todo, conforme alguém dispara na frente.

O artigo que mais me ajudou foi o do MP-Mix, de Zuckerman, Felner e Kraus, testado em jogos como Hearts e Risk. Nele, o bot muda de postura olhando a diferença entre o primeiro e o segundo colocado. Se ele está muito na frente, se defende. Se outro jogador está muito na frente, ele parte para cima desse jogador.

Isso é muito Here To Slay. Ninguém deixa em paz quem está a uma classe da vitória, e é justamente isso que faz as partidas serem disputadas até o fim. A mesma ideia vale para as reações fora do próprio turno, que no jogo acontecem o tempo todo: desafiar uma carta ou jogar um modificador na rolagem de alguém depende muito de quem está jogando.

Parecer gente

O último ponto nem estava nos meus planos, mas apareceu em quase tudo o que li sobre bots que jogam com pessoas. Um levantamento de 2025 sobre agentes que tentam parecer humanos em jogos aponta dois problemas que sempre voltam: o tempo de reação e os erros. Um bot que responde no mesmo instante, sempre, é óbvio. E um bot que nunca erra também. O próprio levantamento admite que decidir onde e como um bot deve errar de um jeito convincente ainda é uma pergunta em aberto.

Num jogo de cartas, isso é mais tranquilo do que num jogo de tiro, porque ninguém precisa mirar. Mas o ritmo importa: se o bot joga na velocidade da luz, a mesa perde o tempo de ver o que aconteceu e reagir. E o erro mais convincente não é a jogada absurda, e sim a oportunidade que passa despercebida, como quem só lembra que tinha um desafio na mão depois que a carta já entrou em jogo.

O que levei disso tudo

Depois dessa leitura, eu sabia muito melhor o que queria do que quando comecei. O bot ideal seria:

  • honesto, sabendo só o que uma pessoa naquele lugar saberia;
  • leve, dando nota para as opções em vez de simular a partida inteira;
  • com estilo, com preferências diferentes sobre as mesmas notas;
  • atento à mesa, sempre de olho em quem está perto de vencer;
  • com ritmo de gente, esperando um pouco antes de jogar e, de vez em quando, deixando alguma coisa passar.

Ler antes de escrever me poupou de reinventar a roda e mudou a pergunta que eu estava fazendo. No começo era “como faço o bot mais forte?”. No fim, virou “como faço um bot que seja divertido de enfrentar?”.

Para quem quiser se aprofundar