Sådan simulerer spilfirma gamblernes jagt på jackpot

Når den helt store jackpot rammer, og mønterne bare ruller ned i skålen, sker det efter en nøje simuleret algoritme over gevinstudbetaling. Læs hvordan Gamblify bruger Markov Decision Process-teori til at optimere spillemaskinerne.

Det kan være svært nok at udvikle et spil med den rette balance, så det er sjovt at spille. Men når man er i branchen for pengespil, altså spilleautomater til byens spillebuler, er der et endnu vigtigere krav: At maskinen i gennemsnit sender en passende mængde kroner tilbage til spillerne. Den slags er nemlig reguleret ved lov, og tilbagebetalingsprocenten skal stå på hver maskine.

Derfor skal udviklerne hos spilfirmaet Gamblify have en helt præcis idé om, hvordan deres spil vil opføre sig, og hvor mange kroner, der ryger i præmiepuljen.

»Vi skal kunne simulere spillene, uden selv at skulle spille dem i dagevis, hver gang vi har lavet en lille ændring,« forklarer Christian Uldall Pedersen, direktør for Gamblify og firmaets simuleringsekspert.

Simuleringen sker ved hjælp af Markov Decision Process-teorierne, som Christian Uldall Pedersen havde fat i, da han læste civilingeniør på DTU. Kort fortalt bliver hele spillet beskrevet logisk, så en computer kan regne sig frem til de bedst mulige resultater, en spiller kan opnå.

Modelleringen af spillet sker trin for trin, hvor algoritmen bliver fodret med de forskellige sandsynligheder, der er indbygget i spillet. Computeren kan så simulere spillet og finde den optimale spillestrategi. Den må så ikke give mere end 100 procent tilbagebetaling - ellers bliver spillet potentielt en fæl underskudsforretning for spillehallen.

Loven stiller krav om mindst 72 procent tilbagebetaling af de penge, der bliver spillet for, men på grund af konkurrence er standard i dag et sted mellem 82 og 88 procent, forklarer direktøren. Udfordringen er så at justere spillet, så man rammer den lovede procentsats ret præcist.

»Første gang, vi simulerer et spil, har det måske en tilbagebetalingsprocent på 1000 procent. Man kommer hurtigt til at lave noget, der er helt hen i vejret, for det er meget fintfølende med de sandsynligheder, vi lægger ind. Så justerer vi så og kommer tættere og tættere på noget, der kan bruges,« siger han.

Ved hjælp fra modelleringen og simuleringen finder Gamblify den bedst mulige spillestrategi, men er det et nyt spil til spillehallen, vil selv de garvede spillere ikke kende spillet og vil derfor ramme langt lavere i begyndelsen.

»Hvis den optimale strategi giver 82 procent tilbagebetaling, vil en typisk spiller måske kunne få 60 procent. Så vi sætter en høj tilbagebetaling på måske 90-95 procent ved den optimale spillestrategi, som så svarer til, at folk faktisk får udbetalt 82 procent, fordi ingen spiller helt optimalt,« siger Christian Uldall Pedersen.

Kravet fra myndighederne er en gennemsnitlig tilbagebetaling på de lovede for eksempel 82 procent over en periode på 300.000 spil. Det svarer typisk til 1-2 måneders brug. Og da det er umuligt at sige præcist, hvordan spillerne vil spille, og dermed hvad tilbagebetalingen bliver, skal spillemaskinerne løbende melde tilbage om alle spil.

På den måde kan både myndigheder og leverandører som Gamblify følge med i, om alt foregår efter reglerne. Og spillemaskinerne er programmeret, så de selv korrigerer sandsynlighederne løbende for at ramme den rigtige tilbagebetaling.

»Vi arbejder også på at brede denne korregering ud, så det sker over længere perioder. Der er i dag i spillehallen meget med, at spillerne holder øje med, hvilke maskiner, der ikke har givet gevinst i en periode, for så vil de gerne spille på dem,« fortæller Christian Uldall Pedersen.

Gamblify kunne også udvide deres simulering til bedre at vise, hvordan en tilfældig spiller ville vælge at spille, for eksempel med algoritmer, som ikke på forhånd blev fodret med de indbyggede sandsynligheder i spillet, men i stedet selv skal lære dem undervejs.

I stedet tager udviklerne en mere manuel gennemgang af spillet, hvor de gætter på, hvordan spillerne opfører sig, blandt andet ud fra hvordan de selv ville spille.

»Så længe det ikke er skakspil eller andet, der er meget kompliceret, er det fint nok, at vi selv programmerer en strategi for, hvordan spillerne forventes at spille,« siger han.

Udover lovkravene om tilbagebetaling bliver simuleringen af spillene også brugt til at justere, hvor sjovt det er at spille.

»Så kan vi se, hvordan spillet virker. For eksempel om det er mange små præmier, eller få store, og hvor tit man kan komme videre til bonusspil,« siger Christian Uldall Pedersen.

Denne artikel er en del af Version2's sommertour, hvor vi flytter redaktionen ud til en stribe danske it-firmaer. Se hele tour-kalenderen

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (0)
Log ind eller Opret konto for at kommentere
Pressemeddelelser

Welcome to the Cloud Integration Enablement Day (Bring your own laptop)

On this track, we will give you the chance to become a "Cloud First" data integration specialist.
15. nov 2017

Silicom i Søborg har fået stærk vind i sejlene…

Silicom Denmark arbejder med cutting-edge teknologier og er helt fremme hvad angår FPGA teknologien, som har eksisteret i over 20 år.
22. sep 2017

Conference: How AI and Machine Learning can accelerate your business growth

Can Artificial Intelligence (AI) and Machine Learning bring actual value to your business? Will it supercharge growth? How do other businesses leverage AI and Machine Learning?
13. sep 2017