Hogyan osztályozza a Poker Sense a döntéseidet

Épp most fejeztél be egy tréningkezet a Poker Sense-ben. A big blindben voltál – a hely, ami leteszi a két kötelező tét nagyobbikát, mielőtt bármilyen lap kiosztásra kerülne –, és call-oltál egy preflop emelést pikk Bubi-Tízessel. A flop, az első három megosztott lap, pikk Dáma, pikk Kilenc, kőr Négyes jött le. Checkeltél, az ellenfeled fogadta nagyjából a pot felét, te pedig felmérted a helyzetet: egy open-ended straight draw (bármely Király vagy Nyolcas befejezi a straight-et), plusz egy flush draw (még egy pikk flush-t csinál). A call-olás jónak érződött. Call-oltál.

Az osztályzat visszajött: GOOD. Alatta egy sor: “Raise a fő lépés (68%).”

Good? Nem great? Egy szörnyeteg draw-d volt, megjátszottad az óvatos vonalat, és úgy tűnik, a számítógép azt akarta, hogy emelj – de csak a 68 százalékban, bármit is jelentsen ez. Ami felveti a valódi kérdést. Mit jelent egyáltalán egy osztályzat egyetlen pókerdöntésen? A póker egy szerencsejáték, és maga a matek gyakran azt mondja, ugyanazt a kezet kétféleképpen is lehet játszani. Osztályozható-e egyáltalán egyetlen döntés?

Lehet, de nem úgy, ahogy a legtöbben feltételezik. Végigmenni azon, hogy a Poker Sense hogyan csinálja ezt valójában, kiderül, hogy egész jó túra a pókerdöntésekről való gondolkodásban általában – kezdve azzal, miért bukik el a nyilvánvaló osztályozási mód.

A nyilvánvaló osztályozási mód, és miért bukik el

A nyilvánvaló módja egy pókerdöntés osztályozásának az, hogy megméred, mibe került. A modern pókerstratégia solverekből származik: programokból, amik millószor lejátszanak egy szituációt önmaguk ellen, amíg konvergálnak egy Game Theory Optimal stratégiára – röviden GTO –, vagyis egy olyan stratégiára, ami nem kihasználható, bármit is próbál az ellenfél. Bármely szituációra egy solver megmondja minden akció expected value-jét: az átlagos összeget, amit az adott akció hosszú távon nyer vagy veszít, kiátlagolva bármely egyedi kéz szerencséjét. Szóval csak hasonlítsd össze a választott lépésedet a legjobb elérhető lépéssel. Az átlagprofit közti rés az osztályzatod. Egyszerű.

Itt van a probléma, és ez az egész bejegyzés matematikai szíve. A legtöbb flop-on a solver nem választ egyetlen akciót. Egy vegyes stratégiát játszik: ugyanazzal a kézzel ugyanabban a szituációban néha emel, néha call-ol, meghatározott frekvenciákkal. És egyensúlyban – abban az állapotban, ahol mindkét játékos tökéletesen játszik, és egyikük sem nyerhet semmit azzal, ha bármit is megváltoztat – minden akciónak, amit a solver ténylegesen használ egy vegyes szituációban, pontosan ugyanaz az expected value-ja.

Ez nem véletlen. Ez az oka annak, hogy a keverés egyáltalán létezik. Ha az emelés akár csak kicsit is több pénzt keresne, mint a call, a solver nem 68 százalékban emelne; 100 százalékban emelne, mert a solverek könyörtelenek a profittal kapcsolatban. Egy keverés csak akkor maradhat fenn, ha a benne lévő akciók pontosan egyenlők. A játékelmélészek ezt közömbösségi elvnek hívják: egyensúlyban közömbös vagy a keverékben lévő akciók között, mert azonos mértékben keresnek.

Most nézzük meg, mit tesz ez a nyilvánvaló osztályozási rendszerrel. A call-od a Bubi-Tízes kézben? Nulla elveszített expected value. Az emelés, amit az app fő lépésnek nevezett? Szintén nulla. A fold-olás – az egyetlen akció, amit a solver sosem választ ezzel a kézzel – az egyetlen választás, ami bármibe is kerül. Osztályozz kizárólag EV-veszteség alapján, és szinte minden nagyjából ésszerű flop utáni döntés “tökéletesnek” jön vissza. Egy bizonyítvány, ahol majdnem minden ötös, az nem visszajelzés. Az tapéta.

A jel, amit az EV-veszteség nem lát

Szóval a Poker Sense valami olyasmi ellen osztályoz, amire az EV-veszteség vak: a solver frekvenciái ellen.

Amikor a solver 68 százalékban emel és 32 százalékban call-ol, mindkét akció rendben van – de nem azonosak szokásként. Az ellenfeleid sosem egyetlen döntés ellen játszanak; a teljes range-ed ellen játszanak, vagyis minden kéz ellen, amit tarthatsz, amikor egy adott akciót választasz. Egy olyan játékos, aki minden nagy draw-jával call-ol az ehhez hasonló szituációkban, egy döntésnyi ingyenességgel, más range-et épít, mint amit a solver épített. Az emelései csak erős kész kezeket tartalmaznak, ami könnyűvé teszi az ellenük való játékot. A call-jai tele vannak draw-kkal, ami könnyűvé teszi a későbbi tétjeinek kiolvasását, amint egy straight-lap vagy flush-lap érkezik. Minden egyes call nulla, egyensúlyban. A szokás csendben egy másik stratégiára tolta őket – egyre, amire a “nem kerül semmibe” garancia sosem vonatkozott.

Ez az a felismerés, amire az egész verdikt-rendszer épül. A frekvencia-illeszkedés az a jel, amit az EV-veszteség nem lát. Amikor az akciód a solver stratégiáján belül van, a hasznos kérdés nem az, hogy “mibe került ez” (semmibe), hanem “mennyire központi ez az akció a stratégiában.” Amikor az akciód a solver stratégiáján kívül van, a költség pontosan a helyes kérdéssé válik, mert most tényleg van egy.

A hat verdikt

A Poker Sense minden döntést a hat verdikt egyikébe sorol. Az első három azt jelenti, hogy a solver stratégiáján belül voltál, és csak abban különböznek, milyen gyakran teszi a solver azt, amit te tettél. Az utolsó három azt jelenti, hogy kívül voltál rajta, és csak abban különböznek, mennyibe került a kitérő. A költséget big blindben mérik – annak a kötelező tétnek a méretében, amit letettél, a póker standard mértékegységében, amit általában bb-re rövidítenek.

GREAT azt jelenti, hogy az elsődleges lépést választottad, azt az akciót, amit a solver a leggyakrabban használ – vagy egy olyan akciót, amit a solver 10 százalékponton belül olyan gyakran játszik, mint az elsődlegeset. Ez a második tagmondat számít. Amikor a solver 52 százalékban emel és 48 százalékban call-ol, a call-olás nem egy gyengébb választás; a valódi pénzfeldobás fele, és úgy is osztályozódik.

GOOD azt jelenti, hogy egy olyan akciót választottál, amit a solver az idő jelentős részében használ: 15 százalékban vagy többször. A Bubi-Tízes call-od ide esik. A solver az esetek nagy részében emel ezzel a kézzel, és a maradék nagy részében call-ol, szóval a call-olás valódi része a stratégiának. Csak nem a főcím.

OKAY azt jelenti, hogy az akciód benne van a solver stratégiájában, de ritka: 15 százalék alatt. Semmi elveszett, semmi bocsánatkérnivaló. De ha rendszeresen ide esel ugyanolyan típusú szituációban, a stratégia súlypontja máshol van, mint ahol te.

IFFY azt jelenti, hogy elhagytad a stratégiát, de olcsón: kevesebb mint 1,5 big blind elveszett expected value. Valódi pénz idővel, de nem mai vészhelyzet.

MISTAKE azt jelenti, hogy a kitérő 1,5 és 3 big blind közé került. Ezek azok a döntések, ahol a fókuszált tanulás a leggyorsabban megtérül.

BLUNDER azt jelenti, hogy 3 vagy több big blind veszett el. A Bubi-Tízes kézben a tizenöt outos szörnyeteg draw fold-olása egy fél pot tétre több big blindet égetne el, és ide esne. Mindenkiben van blunder; a lényeg, hogy tréningben találd meg a tiédet, mert a tréningzsetonok ingyenesek.

Van még egy szám, ami ezt összeköti: a session pontosságod egyszerűen a GREAT vagy GOOD osztályzatú döntéseid százaléka. Ez egy gyors leolvasás arról, milyen gyakran maradtál a stratégia közepe közelében.

Mit jelent valójában egy “szoros szituáció”

Néhány szituáció egyáltalán nem szoros – a solver szinte mindig ugyanazt az egy akciót választja, és bármi más szivárgás. De rengeteg szituáció valóban vegyes, két vagy több szinte egyenlő akcióval. Ha a solver 45 százalékban fogad és 55 százalékban checkel, azok a lépések gyakorlatilag ikrek. A közömbösségi elv szerint ugyanannyit keresnek, és a frekvenciák szerint a solver alig hajlik bármelyik felé.

Képzeld el, hogy azt mondják, “megbuktál,” mert fogadtál abban a szituációban. Ez nem lenne tanítás; zaj lenne. Ami még rosszabb, arra tréningezne, hogy egyetlen helyes választ vadássz olyan helyzetekben, ahol az egész matematikai lényeg az, hogy nincs egyetlen.

Szóval amikor egy szituáció szoros, a Poker Sense megmondja. A 10 pontos ablak a GREAT-en belül pontosan ezért létezik, és az insight sor is ezzel jön: “Szoros szituáció – mindkét lépés rendben van.” Ez a sor az app, ami megmondja, hol ne aggódj. Az autóban hazafelé újrajátszásra érdemes kezek azok, ahol te és a solver valóban eltértetek egymástól – nem a pénzfeldobások.

Miért egy szó az osztályzat, nem egy szám

Néhány tréningeszköz a nyers outputtal vezet: a fogadás 2,31 big blindet ér, a check 2,28-at. A Poker Sense mindezt is kiszámolja – pontosan így rajzolódnak ki az IFFY, MISTAKE és BLUNDER határok, a nagy eltérések pontosan aszerint osztályozva, hány big blindet égetnek el –, de maga az osztályzat sosem tizedes törtként érkezik. Két ok miatt.

Először, hamis precizitás. A solver outputok konvergált közelítések: a solver addig fut, amíg a stratégiái nem mozdulnak el egy toleranciánál többet, aztán megáll. A különbség az ésszerű vonalak között gyakran ezredrész big blind, lent a közelítés zajában. Egy harmadik tizedesjegy információnak néz ki. Nem az.

Másodszor, a szavak itt jobban tanítanak, mint a számok. “0.03bb-t vesztettél” hunyorogtat, és eltűnődsz, hogy ez sok-e. Egy mondat megmondja, mit kezdj azzal, ami épp történt. Szóval minden döntés egy egysoros, egyszerű nyelvezetű insight-ot kap ehelyett: “Raise a fő lépés (68%),” amikor van egy egyértelmű elsődleges. “Szoros szituáció – mindkét lépés rendben van,” amikor nincs. “Nagy hiba – Check volt itt a lépés,” amikor valahova drágán elkalandoztál. Egy sor, és tudod, tovább kell-e lépned, vagy bele kell-e mélyedned.

Semmilyen részlet sincs elrejtve, hogy világos legyen. Egy döntés után megnyithatod a range nézetet, és láthatod a teljes solver bontást – minden kezet, amit tarthattál volna, minden akció frekvenciáját, és igen, az EV-ket is. A különbség az, mi vezet: az osztályzat egy mondatot ad elsőként, és ott tartja a tizedesjegyeket, ahol a kíváncsiak megtalálhatják, ahelyett hogy magadnak kellene elvégezned az értelmezést.

Amit egy osztályzat nem mondhat el

Íme bármely osztályozási rendszer őszinte korlátja: egy osztályzat meg tud találni egy eltérést, de nem tudja megmagyarázni. A GOOD “Raise a fő lépés (68%)”-szel megmondja, hol vált szét az ösztönöd és a stratégia. Nem mondja meg, miért szereti a solver azt a draw-t emelni.

A miért az, ahol a tanulás él, és erre való az Ask Why coaching. Koppints rá a Bubi-Tízes kéz után, és az AI coach elmagyarázza a javasolt lépés mögötti érvelést: a draw-od elég erős ahhoz, hogy közel egy pénzfeldobás legyél még azokkal a kezekkel szemben is, amik folytatják, szóval az emelés két nyerési módot ad neked – az ellenfeled most fold-ol, vagy a tizenöt lapod egyike megérkezik –, és a pot felépítése, amíg a kezednek ekkora potenciálja van, azt jelenti, hogy amikor eljutsz oda, többet nyersz. Ez az érvelés átvihető a következő nagy draw-ra, amit tartasz, egy olyan board-on, amit még sosem láttál. Az osztályzat megtalálta a rést; a beszélgetés kitölti. Az ingyenes csomagban napi 20 gyakorló kezet és 3 coaching beszélgetést kapsz, ami elég ahhoz, hogy a miért-kérdezés szokássá váljon azokon a kezeken, amik meglepnek.

A lényeg

Egy osztályzat egy tükör, nem egy ítélet rólad, mint játékosról. Egy döntést hasonlít össze egy stratégiával: a stratégián belül megmondja, mennyire volt központi az akciód; kívül megmondja, mibe került a kitérő big blindben. Ez minden, amit állít – és a közömbösségi elv miatt ez minden, amit bármely őszinte osztályzat állíthat.

A pontossági számod ugyanezt az őszinteséget érdemli. A GREAT vagy GOOD osztályzatú döntéseid százaléka egy gyakorlati mérőszám, nem a nyerési rátád. A variance még mindig eldönti a péntek estédet; játszhatsz 85 százalékos pontossággal, és mégis elveszíthetsz három buy-int, miközben a fickó, aki mindent call-ol, elviszi az év legnagyobb pot-ját.

Szóval igen – egyetlen döntés osztályozható, még egy szerencse- és vegyes stratégiákkal teli játékban is. Nem aszerint, hogy nyert-e, és nem egy olyan tizedesjegy szerint, ami precízebbnek tetteti magát, mint amennyire a matek valójában az, hanem aszerint, hol áll egy olyan stratégiához képest, amit nem lehet félretolni. Az osztályzat megmutatja, hol tértek el te és az a stratégia, kézről kézre. Amit ezzel kezdesz, az a valódi tréning.