地铁上写的, 整理编辑了 1h, 我是真的无聊啊.
![[国服司马懿上线]](/2019/03/25/Sx-zhongdan-Mid/IMG_7722.jpg)
Part1. 背景
1.1 为什么有中单?
中路距离最短, 兵线最快汇聚, 这一路的玩家可以最先清兵线, 获得支援队友的时间
单吃一路兵线所带来的经济, 能够购买更好的装备, 打出更多伤害
1.2 中单英雄的要求
手长, 使用远程高伤害技能快速清线
拥有一定控制技能, 团战中有存在感
满足这样要求的英雄一般是法师 AP
Part2. 游戏
2.1 中单视角下的胜利节奏
理想行动: 快速清掉相会时间最短的线, 比对手中单更快支援, 以人数差打赢团战, 击杀守塔人, 打出优势
胜利必须要推塔至水晶, 化优势为胜势, 最重要的行为是推塔, 拿龙
2.2 形成胜势的科学决策框架
输入: 快速清线获得的单独一路经济, 其他玩家的视野
处理算法:
我是谁? Carry 爆发型法术刺客, 还是控制型团队法师, 根据队伍英雄阵容, 我在团队中是什么位置, 有什么职责
环境如何? 我们队伍优势还是劣势? 差距有多大? 我是否在强势期? 打团了我的能力几何?
当下时刻, 我有哪些选择, 它们各有什么风险和收益?
输出: 认清自我的最高性价比决策,
- 快速支援(快速响应突发情况),
- 反蹲(为某种可能发生的高收益情况做准备),
- 塔下缩着(规避风险, 猥琐发育等待时机)
Part3 就这一波的团战, 如何做决策
你说的我都懂, 关键是当下做什么?
在这局游戏中, 我选择了某一种战略, 就不能同时选择其他战略.
我如何通过这局游戏, 获得能做更科学的决策的我
3.1 怎样不秃也能变强
方案一, 这次选择非理性战略来试错, 一两次肯定不行, 所以要多次. 说到多次, 必然大多数情况是可以提取共性标准化解法的, 归类形成最佳解法, 类似监督机器学习
方案二, 我可以考察同类型情况下, 对手/主播/职业选手, 是如何做选择的, 查看别人更好的模型是怎样的.
So, 决策 = f(当前局势, 我的学习模型, 时间 t)
更强的选手 = 决策质量更好 = 学习模型更强
3.2 因此得出的结论有:
- 当前的决策, 是将 ‘模型并不一定在训练过程中见过’ 的 ‘当前情况’, 输入旧的 ‘没见过这种情况’ 的模型中, 在 ‘时间 t’ 的限制条件下做出的决策. (决策作为测试集去验证模型的准确率, 且模型必须在时间内给出答案)
- 做完决策知道结果后, 事后诸葛亮式后验的决策分析, 实际上是在分析, 新的 ‘加入了上述情况’ 重新制作的模型. 上述被用作测试集的决策, 新加入了训练集, 造成的结果就是:
- 所有已发生的情况都可以被强行解释(黑天鹅),
- 新旧的差异并不一定是真正的成败的关键, 也就是说, 吸取教训后的模型并不一定能做的更好(这波你要是真上了输的更快), 何况所谓的教训是 ‘强行解释’ 出来的, 并不一定是正确的有效模型迭代(过拟合).
- 正确的决策分析, 应该是掌握了更多信息之后, 重新复盘当时对情况的理解. 逐步迭代自我理解能力, 并且在今后的决策中测试迭代的正误.
Part4. 纠正思考过程中的错误
4.1 结果归因不够完备: 潜意识中你如何理解结果, 决定了达成结果的方法
首先要明白如何赢, 显然, 需要推掉对面水晶, 此刻运用联想能力的我, 脑海中出现了胜利 or 失败的多次通常情况, 以及偷塔偷水晶的几次异常情况, 这是采用穷举过去的历史例子, 按照发生次数的多少进行必要性归因, 共性则是要推掉对面至少一路的塔才能推掉水晶. 那么, 接下来的问题就转变成如何在合适的时间推掉对面的塔, 方法可以是击杀守塔的人, 或者趁团战推无人守的塔.
4.2 以上是采用 ‘结果归因法’ 来思考决策, 预设了 ‘赢’ 的结果, 倒推出要达到这个结果的话, 可以使用哪些方法.
但是, 细心的大伙可能已经发现了, 我预设的 ‘赢’ , 实际上准确的说是 ‘主动赢’, 这就是惯性思维解读条件, 因为 ‘赢’ 还可以是对面投降的 ‘被动赢’,
投降的局 ≠ 必输的局, 所以, 能反败为胜的局数量/总投降数量 ≠ 0.
震惊, 打字说话也是策略的一种
4.3 以上是讨论如何 ‘解读条件’.
只要给定条件, 每个人都能长篇大论的回答如何解决问题. 当然, ‘如何解决’ 全然搭建在 ‘如何解读条件’ 的基础之上. 举例, 学霸眼里的题干, 全然告知了他应该解法可能有哪几种, Plan A 不行的话, 改用 Plan B 有哪些切换成本, 哪些成果可复用, 所以此时此刻根据考试进程和时间(环境条件可行性), 做哪些尝试性价比最高(选 MVP).
4.4 条件本身也需要验证:
- 为什么将这个信息列为条件? (关联性)
- 从何种渠道学到这个信息? (提取过程)
- 条件的真实性 (验证)
4.5 现实中, 如果把 ‘ 赢’ 解读为 ‘打败竞争对手’
商业数据冷冰冰, 所以我们通常在讨论 ‘如何打败竞争对手’ 的问题时, 会谈到在对方的视角通过数据分析得出的 ‘关闭赛道’ (即对方此时以最优方式入场, 收益仍然低于成本的情况)结论, 还要考虑 ‘心态崩了’ 的小概率投降情况.
Part5. 如何理解 ‘赢’, 开始做抽象
5.1 抽象出 ‘赢’ 的目的: 为什么要赢
即有了这个结果, 实际上对我方有什么影响
如果能准确描述目的, 也许, 能达到目的的方法并不是一种.
5.2 举例: 带妹
预设了目的是 ‘在妹子心中获得好感’, 所需结果是 ‘获得游戏胜利’. 然而逆风局时, 要翻盘更理性的判断是让 ‘更会玩的我吃更多资源’, 提高了翻盘的概率, 却降低了妹子的游戏体验, 让他觉得自己是在躺, 可有可无, 那么获得好感的结果并不一定是千方百计获得胜利.
5.3 举例: 目的是 ‘玩的开心’,
- 游戏闪退必然玩的不开心,
- 游戏胜利大概率会开心, 除非是队友带躺, 且他喷你玩的菜.
- 游戏失败大概率不开心, 除非队友都很好且都尽力了.
- 和好友开黑大概率会开心, 不论输赢, 都会收获感情加固, 从而提升幸福感.
所以, ‘玩的开心’ 并不完全由输赢决定, 是由我操控角色所度过的每一分每一秒的质量的累加来决定的.
现实中, ‘企业获得更好的发展’ 的目的, 也并不一定需要 ‘打败竞争对手’ 来体现. 更进一步, ‘更好的发展’ 也可能是为了达成 ‘地球 Online 游戏玩的开心’, 发展的好坏能够度量, 但是, ‘开心程度’ 取决于你以何种态度主观解读这个结果.
鸡汤的方式来说, 眼前这个决定的对错无关紧要, 你当前人生的成功与否, 取决于你以何种态度度过做决定的这一刻; 而你未来的人生成功与否, 取决于你做出现实上的决定后, 你自己在心态上决定成为什么样的人, 主观上如何看待之前的决定所造成的影响. –我说的.
Part6. 结论
某时刻开心程度 = 之前所有的决策有效性 × 积分△时间
游戏体验开心数值 = 主观上这波团战是否重要的权重系数 × 某时刻开心程度 × 积分△时间
此刻我打游戏的最佳策略是什么? → 取决于, 未来所有时间所有可能的策略中, 最令我开心的一种. 这不是有病吗?
举例: 吃烤肉的时候要点什么菜? 取决于, 我未来所有可能(得癌症或者变胖子, 或者收获了朋友)中最令我开心的一种. 但是, 此刻选择了这种可能性, 就放弃了其他所有可能性, 不做我就永远不知道具体有多少价值.
尝试列举最佳策略的情况:
支援反败为胜的快乐, 大于, 独自刷钱后期 Carry 的可能性 * 这种情况的快乐
尝试新战术新打法的快乐, 大于, 按部就班获得一场普通的胜利的快乐
………..
- 这么多情况, 那我根本没必要以最高目的为基准, 去思考每一步的想法, 抽象化目标很好, 但是我们每一步的行动并不一定都有那么高的抽象化目的.
- 况且, 尝试和经历会改变原本自我判断的基准,
- 焉知非福的真香情况也多次发生, 因为判断这个行为本身就是后验行为,
- 相反, ‘我如果去做收银, 从未来的视角看现在的决定肯定会后悔’ 这个叫做预测.
- 所以, 作死行为的快乐即由此而生.
- 理想中步步为营的决策很丰满, 现实中只能基于现在的理解做出最佳决策,
- 决策中把自己也考虑进去, 让自己开心一些, 解读结果也会乐观一些.
- 至少是为了以后能有更多可选项, 游戏是这样, 别的也差不多.