Com quantas mãos se deve jogar um Blackjack? O Machine Learning explica!

As soluções personalizadas para operadores e jogadores são cada vez mais valorizadas na indústria de iGaming. No caminho para a oferta de uma experiência mais adaptada e satisfatória de jogo, a tecnologia tem um papel fundamental e, por isso, quero destacar uma das suas "armas": o Machine Learning. Mas como é que o Machine Learning impacta um jogo de casino online concretamente? É isso que vou explicar com um caso prático focado no Blackjack, mas, antes, vamos à teoria.

A era da informação começou na década de 1970 e veio para ficar. É inconcebível imaginarmos hoje um mundo sem tecnologia. Neste momento, estamos todos, nas mais variadas áreas profissionais, agarrados aos benefícios e desafios da evolução tecnológica. E é no caminho dessa evolução que encontramos o Machine Learning.

Pela primeira vez referido na década de 1950, o Machine Learning é definido, por Arthur Samuel, como a área de estudo que dá aos computadores a capacidade de aprenderem sem serem explicitamente programados. A ideia é, portanto, imitar a forma como os humanos aprendem, ou seja, gradualmente e melhorando a precisão. Com o uso de uma amostra de dados e algoritmos criados para o efeito, podemos assim construir um modelo de dados onde é possível determinar previsões ou decisões.

Mas como é que isso se aplica à realidade que temos, por exemplo, na Fabamaq, com o desenvolvimento de produtos e soluções para casinos online? O ciclo para o uso da ferramenta de Machine Learning passa pelas seguintes fases: ter uma pergunta inicial simples e específica, recolher os dados, treinar o algoritmo com esses dados, recolher o z do algoritmo e usar os resultados. De realçar que esses resultados originam, normalmente, novas perguntas, fazendo o ciclo recomeçar.

Perguntar diretamente como é que o Machine Learning pode ajudar a indústria de iGaming a dar uma melhor experiência ao jogador não irá ter o resultado desejado, já que esta é uma questão demasiado abrangente. Comecemos, então, o processo com foco nas áreas de aposta ou mãos que o jogador joga contra a banca num Blackjack online!

Quantas mãos (áreas de aposta) o jogador utiliza num jogo de Blackjack? Com esta questão conseguimos analisar os dados de todas as jogadas efetuadas e calcular a média. Isso vai-nos permitir extrair um conjunto de dados em que é possível verificar, por exemplo, que 68% dos jogadores preferem jogar apenas com uma mão, 14% com duas mãos e 18% com três mãos. Através dos dados analisados chegamos apenas à conclusão que o tempo de desenvolvimento deverá ser aplicado num jogo com apenas uma mão.

Mas esta é ainda uma informação muito crua, uma vez que a pergunta não nos permite ainda tirar partido do algoritmo. Afinal, é suposto extrairmos previsões que nos ajudem na tomada de decisão. Então vamos alimentar novamente o ciclo e acrescentar novas perguntas. Alguns

exemplos seriam: qual o valor de apostas em cada mão? Quanto tempo demora cada jogada? O tempo da jogada está relacionado com a seleção de mãos?

Após a repetição do ciclo com novas pergunta faremos uma nova análise de dados. Esses números devem depois ser correlacionados. Com a combinação dos resultados obtidos na análise do valor de apostas e no tempo de cada jogada e a sua posterior correlação, vamos conseguir perceber se faz mais sentido que o próximo Blackjack online desenvolvido na Fabamaq tenha uma, duas, três, cinco ou mais mãos de aposta contra a banca. Assim, o Machine Learning, através do algoritmo, vai facilitar as tomadas de decisão conceptuais no desenvolvimento do produto e também ajudar a alinhar o jogo com os comportamentos e as preferências do jogador.

Afinal, com quantas mãos se deve jogar um Blackjack? O Machine Learning diz-nos! Através deste modelo de aprendizagem e análise de dados, que poderia ser realizado por humanos, o Machine Learning diz-nos, de uma forma mais rápida e menos custosa, qual o caminho que devemos seguir para dar aquilo que os operadores e os jogadores querem. E acreditem que esta rapidez e eficiência faz toda a diferença na capacidade para alimentar um mercado bastante volátil e com necessidade constante de atualização, como é o mercado de iGaming!

Ricardo Monteiro (Head de Web Gaming da Fabamaq)