Un articulo de PC Gamer ha revelado que Valve está utilizando el aprendizaje profundo en su nueva IA de VAC para cazar a los tramposos de Counter Strike: Global Offensive, para ello, un sistema con más de 1700 CPU se encarga de analizar partidas para reconocer los patrones de juego de los tramposos. Un sistema que varía frente al habitual de buscar software o cazar a los tramposos manualmente viendo sus partidas con personas reales.
El problema para Valve parece residir en su motor Source, ya que las herramientas para introducir trampas en los juegos basados en este motor son bastante sencillas y en cuestión de minutos es posible crear un nuevo software que supere los intentos de la compañía por detener a los tramposos. Valve sabe que las principales quejas de los jugadores acerca de CS:GO son por la cantidad de tramposos que conviven en el sistema actualmente, ya que no solamente existe una cantidad elevada de ellos según los datos, si no que además se crea una situación de paranoia para cualquier jugador cuando se aprecia algún tipo de jugada extraña.
 

 
Para solucionar el problema Valve se encamino en 2016 con John McDonald en una solución para este problema, el cual vio en el aprendizaje profundo de las IA la solución al enorme problema que tiene entre manos Valve. Durante la pasada GDC 2018 McDonald explico que de esta manera aparecio VACNET, un añadido a Overwatch (que analiza las partidas utilizando a empleados que las revisan) que aprende cual es el comportamiento de los tramposos en CS:GO y banea a aquellos a los cuales etiqueta como tal. Un sistema mucho más rápido y eficiente.
VACNET se centra mayormente en el uso de aimbots, analizando una cantidad de más de 100 disparos de un mismo jugador y juzgando por el tiempo de reacción o resultados si este está utilizando algún sistema de terceros para auto-apuntar y disparar a los enemigos. McDonald compara los resultados de Overwatch cuando un jugador manda una replay sospechosa, de los cuales normalmente entre el 15 y el 30% de los jugadores reciben una sanción, con los resultados de VACNET, los cuales obtienen resultados del 80 al 95% de baneos entre los jugadores sospechosos.
La idea de VACNET es que si se presentarán esos más de 100 disparos a unos jueces humanos, si estos decidirían a favor de sancionar al jugador sospechoso de ser tramposo. No hace falta decir que VACNET es mucho más rápido no solo decidiendo, si no además mucho más rápido revisando replays de los jugadores sospechosos. Sin embargo, esto no quiere decir que VACNET banee directamente a los jugadores, si no que esas replay sospechosas pasan al sistema Overwatch revisado por humanos junto a las enviadas por otros jugadores, finalmente decidiendo un juez humano si es necesaria una sanción o no.
 

Valve quiere evitar las quejas de los jugadores haciendo que los humanos en Overwatch revisen las partidas con jugadores señalados por VACNET, por lo que finalmente son personas las que deciden si un jugador recibe un baneo o no.

 
Valve utiliza para este sistema 64 servidores con 54 núcleos de CPU cada uno acompañados por 128GB de memoria RAM, un sistema muy potente que según las propias palabras de McDonald ya ha conseguido aumentar considerablemente los reportes de jugadores tramposos a Overwatch, incluso por encima de los enviados por jugadores. Teniendo en cuenta que VACNET analiza partidas aleatoriamente y por su cuenta, la conclusión para McDonald es que se trata de un sistema muy eficiente con mucho potencial tanto para juegos de Valve como para otros que realmente necesiten una solución más eficiente anti-tramposos.
No es la primera vez tampoco que hablamos de la Inteligencia Artificial aplicada a buscar tramposos, ya que Studio Bluehole también está aplicando un sistema similar en Playerunknown’s Battlegrounds para detectar a los tramposos por su comportamiento. Aunque en este caso en particular, no se han revelado detalles.
 

Comentarios