شبكة عصبية بـ49 ألف معلمة بدل اختبارات Playwright للعبة استراتيجية على المتصفح

وصف مطور لإستراتيجية فضائية في المتصفح على Habr كيف استبدل جزءاً من اختبارات Playwright E2E بشبكة عصبية صغيرة ذاتية التوجيه — 49 ألف معامل، TypeScript نقي بدون تبعيات ONNX — ومر بخمس تكرارات من سقف دقة بنسبة 67% إلى نموذج تجمد تماماً عند 99.7%.

ما لا يمكن للاختبارات الكلاسيكية التحقق منه بشكل أساسي

يتفوق Playwright و Selenium والبدائل الأخرى في اكتشاف أخطاء الواجهة: تم النقر على الزر، اختفت النموذج، أغلقت نافذة مشروطة. لكن لديهم سقف أساسي — لا يمكنهم تقييم الفعالية الاستراتيجية لميكانيكا اللعبة.

بالنسبة لاستراتيجية المتصفح، هذه هي نقطة عمياء رئيسية. السؤال المركزي عند التطوير هو: "ألا يكون من الأفضل للاعب أن يضع ببساطة رأس ماله الأولي في إيداع والانتظار — بدلاً من فعل أي شيء في اللعبة؟" لن يلعب أي سيناريو Playwright آلاف المباريات باستراتيجيات مختلفة، ولن يحسب الربحية النهائية لكل منها ويقارنها بالانتظار السلبي. هنا بالضبط حيث ينفتح مكان متخصص لوكيل قابل للتدريب.

كيفية عمل الطيار الآلي

يستقبل الطيار الآلي صورة من حالة اللعبة الحالية — مجموعة من الخصائص الرقمية: الموارد، مواضع الأسطول، الطوابع الزمنية — وينتج الإجراء التالي: انقر على زر، انتظر حدثاً، بدّل الوضع. معاملات التنفيذ الرئيسية:

• 49 ألف معامل — يتسع النموذج في عدة ميجابايت، لا حاجة إلى معالج رسومات
• TypeScript نقي — بدون وقت تشغيل ONNX، مكتبة C أصلية، أو بيئة Python
• التشغيل مباشرة في المتصفح — يعيش الوكيل في نفس عملية اللعبة
• معيار الجودة — الفعالية النهائية للاستراتيجية بالنسبة للـ"إيداع" السلبي

يمكن لمثل هذا الوكيل أن يعمل في وضع معجل، ويشغل آلاف المباريات طوال الليل ويكتشف تلقائياً تدهور التوازن مع كل تغيير في منطق اللعبة.

خمس تكرارات من 67% إلى التجميد عند 99.7%

وصل السقف الأول إلى 67% دقة: تجاوزت النموذج التدريب على الإجراءات الأكثر تكراراً وتجاهلت الحركات النادرة لكن الحرجة — عرض كلاسيكي لمجموعة بيانات غير متوازنة.

بعد إعادة العمل على مجموعة البيانات ووزن الفئات، ارتفعت الدقة. لكن عندما وصل المقياس إلى 99.7%، حدث شيء غير متوقع: تجمدت الشبكة العصبية تماماً وتوقفت عن اتخاذ أي قرارات — ولا تزال تعرض دقة قريبة من المثالية. اتضح أن "عدم فعل أي شيء" هي استراتيجية صحيحة إحصائياً بالنظر إلى الطريقة التي تم بها ترميز التسميات المستهدفة. كان يتطلب تعديلاً إضافياً لوظيفة الخسارة والتنوع المفروض للإجراءات في مجموعة التدريب.

"اختبارات الوحدة والاختبارات المتكاملة واختبارات

Playwright E2E تكتشف الأخطاء في الواجهة، لكنها عاجزة ضد السؤال: ألا يكون من الأفضل أن تضع رأس المال الأولي وتنتظر؟" — يشرح المؤلف دافع المشروع.

ماذا يعني هذا

تشير التجربة إلى مكان متخصص حقيقي لا تغطيه أطر الاختبار الكلاسيكية: الاختبار السلوكي للأنظمة ذات التبعيات طويلة الأجل. نماذج صغيرة على TypeScript بدون تبعيات خارجية — بديل عملي للسيناريوهات اليدوية حيث من المهم التحقق ليس من "هل يعمل الزر", بل "هل يتصرف النظام بشكل صحيح في آلاف المباريات". ذو صلة بألعاب المتصفح ومحاكيات التداول وأي منتج تحدد فيه الميكانيكا السلوك الاستراتيجي للمستخدم.