بازی انفجار (Crash) یک بازی ضریبی است: عددی از ۱.۰۰ شروع میکند به بالا رفتن و در لحظهای که از قبل تعیین شده اما به تو نشان داده نشده، متوقف میشود. تمام بازی در یک تصمیم خلاصه است — کِی برداشت کنی. این صفحه همان مکانیزم را بدون شعار و با عدد باز میکند.
آناتومی یک دور بازی انفجار
هر دور از سه مرحله عبور میکند و هر سه مرحله در همهٔ پیادهسازیهای بازی ضریبی مشترکاند. مرحلهٔ اول، فاز شرطبندی است: مبلغ را انتخاب میکنی و آن مبلغ از موجودی قفل میشود. در همین لحظه، نقطهٔ ترکیدن آن دور از قبل تعیین شده است — یعنی عددی که دور روی آن متوقف میشود پیش از شروع انیمیشن مشخص است و رفتار تو در طول دور آن را تغییر نمیدهد.
مرحلهٔ دوم، فاز رشد است. ضریب از ۱.۰۰ شروع میشود و با گذشت زمان بالا میرود. در این فاز دکمهٔ برداشت فعال است. مرحلهٔ سوم پایان است: یا تو زودتر برداشت کردهای و ضریب همان لحظه قفل شده، یا ضریب به نقطهٔ ترکیدن رسیده و دور تمام شده است.
نکتهٔ کلیدی که اغلب دیر فهمیده میشود این است: انیمیشن رشد ضریب صرفاً یک نمایش است. آن چیزی که نتیجه را تعیین میکند عددی است که پیش از شروع دور تولید شده. انیمیشن فقط به تو فرصت میدهد تصمیم بگیری پیش از رسیدن به آن عدد خارج شوی یا نه.
فاز شرط: مبلغ قفل میشود و نقطهٔ ترکیدن از قبل تعیین شده است
فاز رشد: ضریب بالا میرود و دکمهٔ برداشت فعال است
فاز پایان: یا برداشت ثبت شده یا ضریب به نقطهٔ ترکیدن رسیده است
ضریب با چه سرعتی بالا میرود؟
در شبیهساز این سایت، رشد ضریب یک تابع نمایی قطعی است: ضریب در ثانیهٔ t برابر است با e به توان (۰.۱۶ × t). یعنی ضریب هر ثانیه حدود ۱۷ درصد به مقدار قبلی خودش اضافه میکند. این «قطعی» بودن مهم است: بخش تصادفی بازی فقط نقطهٔ توقف است، نه مسیر رسیدن به آن.
از همین فرمول میشود زمان رسیدن به هر ضریب را دقیقاً حساب کرد. رسیدن به ۱.۵۰x حدود ۲.۵ ثانیه طول میکشد، ۲.۰۰x حدود ۴.۳ ثانیه، ۵.۰۰x حدود ۱۰ ثانیه و ۱۰.۰۰x حدود ۱۴.۴ ثانیه. توجه کن که فاصلهٔ زمانی بین ۱x تا ۲x تقریباً برابر است با فاصلهٔ بین ۲x تا ۴x — چون رشد نمایی است، نه خطی.
همین ویژگی نمایی است که باعث میشود تجربهٔ ذهنی بازی گمراهکننده باشد. در ثانیههای اول ضریب «کند» به نظر میرسد و بعد ناگهان «تند» میشود، در حالی که نرخ رشد نسبی در تمام مدت ثابت است. آنچه تغییر میکند مقدار مطلقی است که در هر ثانیه اضافه میشود.
نقطهٔ ترکیدن از کجا میآید؟
در شبیهساز ما، نقطهٔ ترکیدن هر دور از یک عدد تصادفی یکنواخت بین صفر و یک ساخته میشود. فرمول ۰.۹۶ تقسیم بر (۱ منهای آن عدد) است و نتیجه در سقف ۶۰ برابر بریده و کف ۱.۰۱ نگه داشته میشود. این همان خانوادهٔ توزیعی است که در بازیهای ضریبی رایج است.
خاصیت مهم این توزیع را میشود در یک جمله نوشت: احتمال اینکه یک دور به ضریب m یا بالاتر برسد تقریباً برابر است با ۰.۹۶ تقسیم بر m. یعنی احتمال رسیدن به ۲x حدود ۴۸ درصد است، به ۵x حدود ۱۹ درصد، به ۱۰x حدود ۹.۶ درصد و به ۵۰x کمتر از دو درصد. میانهٔ توزیع روی ۱.۹۲x میافتد — یعنی نیمی از دورها قبل از ۱.۹۲x تمام میشوند.
همین فرمول یک نتیجهٔ ناخوشایند اما مهم دارد که در بخش بعد به آن میرسیم: صرفنظر از اینکه چه ضریب هدفی انتخاب کنی، ارزش انتظاری بلندمدت یکسان و منفی است.
این اعداد مربوط به مولد تصادفی شبیهساز آموزشی همین سایت است. هیچ ادعایی نداریم که سایتهای واقعی دقیقاً از همین توزیع استفاده میکنند و هیچ راهی هم برای تأیید آن از بیرون نداریم.
چرا انتخاب ضریب هدف، ارزش انتظاری را تغییر نمیدهد
فرض کن ۱۰۰ کوین شرط میبندی و هدفت برداشت روی ۲x است. احتمال موفقیت ۴۸ درصد است و در صورت موفقیت ۲۰۰ کوین میگیری. حاصلضرب این دو میشود ۹۶ کوین — یعنی چهار درصد کمتر از چیزی که گذاشتهای.
حالا همین حساب را با هدف ۱۰x انجام بده: احتمال ۹.۶ درصد، بازگشت ۱۰۰۰ کوین، حاصلضرب باز هم ۹۶ کوین. با هدف ۱.۲x: احتمال ۸۰ درصد، بازگشت ۱۲۰ کوین، حاصلضرب همان ۹۶ کوین.
این تصادفی نیست؛ مستقیماً از شکل توزیع میآید. عدد ۰.۹۶ در صورت کسر، همان چیزی است که به آن «هاوس اِج» میگویند و در این مثال چهار درصد است. آنچه انتخاب ضریب هدف تغییر میدهد نه میانگین بلندمدت، بلکه شکل نوسان است: هدف پایین یعنی بردهای کوچک و مکرر با باختهای نادر ولی سنگینتر نسبت به سرمایه؛ هدف بالا یعنی باختهای مکرر و بردهای نادر و بزرگ.
هدف ۱.۲x — احتمال حدود ۸۰٪، نوسان کم، ارزش انتظاری منفی
هدف ۲x — احتمال حدود ۴۸٪، نوسان متوسط، همان ارزش انتظاری منفی
هدف ۱۰x — احتمال حدود ۹.۶٪، نوسان زیاد، باز هم همان ارزش انتظاری منفی
استقلال دورها: چرا تاریخچه به پیشبینی کمک نمیکند
هر دور با یک عدد تصادفی مستقل ساخته میشود. یعنی اگر پنج دور پشتسرهم زیر ۱.۵x تمام شده باشد، احتمال دور ششم دقیقاً همان احتمال دور اول است. هیچ «بدهی» انباشتهای وجود ندارد که سیستم مجبور باشد آن را جبران کند.
مغز انسان در برابر این واقعیت مقاومت میکند و برایش اسمی هم داریم: خطای قمارباز. ما در دنبالهٔ تصادفی، الگو میبینیم چون سیستم بینایی و شناختی ما برای الگویابی ساخته شده. دیدن الگو در تاریخچهٔ دورها همانقدر واقعی است که دیدن چهره در ابرها.
پس تاریخچه به چه درد میخورد؟ به فهم پراکندگی. وقتی چهل دور را کنار هم میبینی، حس واقعیتری از این پیدا میکنی که چند درصد دورها زیر ۲x تمام میشوند. این یک درک آماری از گذشته است، نه ابزاری برای آینده. برای دیدن این تفاوت در عمل، صفحهٔ احتمالات چند هزار دور را جلوی چشمت شبیهسازی میکند.
مکانیزم را در عمل ببین
خواندن دربارهٔ رشد نمایی با دیدنش فرق دارد. شبیهساز رایگان این سایت همان فرمولهایی را اجرا میکند که در این صفحه نوشته شدهاند، با کوین آزمایشی و بدون هیچ ثبتنامی. پیشنهاد ما این است: ده دور اول را اصلاً برداشت نکن و فقط تماشا کن که دورها کجا تمام میشوند.
بعد از آن، یک ضریب هدف مشخص انتخاب کن — مثلاً ۲x — و بیست دور با همان هدف بازی کن. تجربهای که از این چهل دور میگیری، از هر متنی دربارهٔ نوسان روشنتر است.
تحریریهٔ آزمایشگاه انفجار
این متن را تیم محتوای همین سایت نوشته و ویرایش کرده است. ما ادعای مدرک تخصصی،
مجوز یا آزمایشگاه مستقل نداریم؛ آنچه مینویسیم بر پایهٔ مکانیک عمومی بازیهای
ضریبی و همان شبیهسازیهایی است که در همین صفحات قابل اجراست.
آخرین بازبینی:
یک بازی ضریبی که در آن عددی از ۱.۰۰ شروع به رشد میکند و در نقطهای تصادفی و از پیش تعیینشده متوقف میشود. اگر پیش از توقف برداشت کنی، شرطت در ضریب همان لحظه ضرب میشود؛ اگر نه، آن دور تمام شده است.
آیا میشود لحظهٔ ترکیدن را پیشبینی کرد؟
خیر. نقطهٔ ترکیدن پیش از شروع دور و مستقل از دورهای قبلی تولید میشود. هیچ الگو، سیگنال یا ربات قابل اعتمادی برای پیشبینی آن وجود ندارد و هر ادعایی در این زمینه از نظر ریاضی بیپایه است.
چرا ضریب اول کند بالا میرود و بعد تند میشود؟
چون رشد نمایی است. نرخ رشد نسبی ثابت است (حدود ۱۷ درصد در ثانیه) اما مقدار مطلقی که در هر ثانیه اضافه میشود با بالا رفتن ضریب بزرگتر میشود.
کدام ضریب هدف بهترین است؟
از نظر ارزش انتظاری بلندمدت، هیچکدام بهتر از دیگری نیست؛ همه به یک عدد منفی یکسان میرسند. تنها چیزی که تغییر میکند شکل نوسان است. انتخاب هدف یعنی انتخاب اینکه چه نوع نوسانی را تحمل میکنی، نه انتخاب بازدهی بهتر.